Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
Внедрение информационной системы (ИС) на предприятии представляет собой ввод этой ИС в промышленную эксплуатацию. В процессе внедрения ИС необходимо как можно быстрее и с наименьшими затратами ресурсов развернуть систему на предприятии и ввести ее в эксплуатацию в полном объеме. При этом эффективность обработки информации, как минимум, не должна снизиться по сравнению с эффективностью обработки до внедрения ИС.
Однако, согласно отечественной и мировой статистике, менее пятой части внедряемых ИС вводятся в срок и укладываются в запланированный бюджет [1-3]. Около четверти проектов внедрения оказываются неуспешными, т.е. системы, разработанные в соответствии с установленными нормами и требованиями, по ряду причин не удается ввести в эксплуатацию [2]. В основном же системы вводятся в эксплуатацию с почти двойным превышением сроков и бюджета [3].
Подобная ситуация объясняется тем, что в рамках реализации жизненного цикла ИС недостаточное внимание уделяется этапу внедрения, что в 90% случаев является причиной фиаско проектов [4]. Адекватная формальная оценка эффективности внедрения позволит делать выводы о необходимости принятия тех или иных мер, направленных на обеспечение успеха внедрения ИС на предприятии.
Критерии эффективности внедрения отражают действенность проведенных изменений в работе предприятия и его сотрудников в связи с внедрением новой ИС. По выбранным на начальном этапе внедрения ИС критериям проводится оценка эффективности внедрения на промежуточных и на завершающем этапах. Пусть - критерии эффективности внедрения, где - число критериев эффективности. Примером таких критериев могут быть: - увеличение интенсивности ввода и отправки в банк платежных поручений, - сокращение складских запасов продукции, - увеличение скорости оформления документов на отгрузку продукции предприятия. В общем случае набор критериев зависит от поставленных целей внедрения, каждый критерий эффективности отражает степень достижения той или иной цели.
Критерии эффективности внедрения ИС подразделяются на следующие виды: экономические, технологические, управленческие. С помощью экономических критериев оценивается экономическая эффективность внедрения. Технологические критерии отражают эффективность обработки информации, например, время отклика системы на запрос, оперативность и актуальность данных. Управленческие критерии позволяют оценить эффективность управления предприятием за счет внедрения ИС, в частности, возможность получения с помощью ИС необходимой для принятия решения информации (ее оперативность, объем, актуальность, достоверность, репрезентативность). Подробное описание критериев эффективности рассмотрено, например, в работах [5,6].
Количественные критерии описываются числовыми характеристиками, а качественные критерии описываются лингвистическими переменными и функциями принадлежности соответствующих нечетких множеств. Попытки оценить качественные показатели количественно подменяют понятия и неудачны [7].
Каждому критерию эффективности ставится в соответствие его требуемое значение, т.е. значение, которого он должен достигнуть после завершения внедрения: . Например, - увеличение скорости ввода и отправки в банк платежных поручений в 2 раза, - сокращение складских запасов на 20%. Для каждого критерия эффективности задается также степень значимости в виде весовых коэффициентов критериев эффективности, где .
Некоторые из критериев эффективности должны достигнуть соответствующих пороговых значений, иначе внедрение не будет считаться успешным. При достижении критериями этих значений в процессе внедрения происходит событие, связанное с переходом предприятия в состояние, в котором оно способно с помощью новой ИС выполнять определенную функцию. В соответствии с этими рассуждениями вводятся пороговые значения критериев эффективности:
Обобщенный критерий эффективности внедрения получают на основе агрегирования локальных критериев. Оператор агрегирования представляет собой обладающую некоторыми заданными свойствами функцию от переменных (критериев), каждая из которых определена на единичном интервале [8]. Областью значений этой функции также является единичный интервал. В соответствии с этим критерии эффективности внедрения необходимо нормализовать, а именно, свести их области определения к единичному отрезку. Очевидно, что это всегда можно сделать с помощью простых линейных преобразований исходных шкал критериев. Причем те шкалы, для которых наилучшим значением с точки зрения эффективности является минимальное (например шкала критерия складских запасов), необходимо подвергнуть инверсии таким образом, чтобы требуемому значению критерия на исходной шкале соответствовала единица на нормализованной шкале.
Обычно в качестве оператора агрегирования критериев эффективности применяют средневзвешенный оператор [7]: . Достоинствами этого оператора являются простота и хорошая интерпретируемость, а недостаток состоит в том, что с его помощью не удается формализовать знания эксперта о зависимостях между агрегируемыми критериями. Рассмотрим пример подобной зависимости. Обозначим - множество доступных реализаций критериев (под реализацией понимается совокупность значений критериев). Это множество можно составить из таких реализаций, рассуждения о которых могут оказаться полезными для формализации предпочтений эксперта. Каждая реализация соответствует такой эффективности внедрения, о которой эксперт может судить исходя из своего опыта и сведений о соответствующем бизнес-процессе, т.е. заведомо знать, каков должен быть обобщенный показатель этой эффективности. По аналогии со статистическим обучением множество может рассматриваться как обучающая выборка. Это множество обычно состоит не более чем из 20 элементов из-за высокой трудоемкости выражений предпочтений эксперта.
Предположим, что эксперта просят упорядочить множество в соответствии с его представлениями о том, какая из реализаций критериев соответствует большей эффективности внедрения ИС. В таблице приведены значения критериев для четырех реализаций из рассмотренного выше примера.
|
Реализации |
|||
|
0.81 |
0.9 |
0.75 |
|
|
0.75 |
0.9 |
0.81 |
|
|
0.81 |
0.5 |
0.75 |
|
|
0.75 |
0.5 |
0.81 |
Очевидно, что эксперт прежде всего сформулирует предпочтения и . После этого эксперт осознает, что другие сравнения не так очевидны, т.к. соответствующие оценки эффективности «переплетены». Увеличение скорости оформления документов на отгрузку продукции () и сокращение складских запасов () в некотором роде взаимозаменяемы и положительно коррелированны. Предположим, что эксперт рассуждает следующим образом: когда достигнут хороший результат в сокращении складских запасов (), то предпочтительнее достижение хорошего результата в ускорении отправки в банк платежных поручений (), чем в ускорении оформления документов на отгрузку продукции (), поэтому . Однако, когда в сокращении складских запасов () хороший результат не достигнут, то более важно достижение хорошего результата в ускорении оформления документов на отгрузку продукции (), чем в ускорении отправки в банк платежных поручений (), поэтому . В итоге эти качественные рассуждения эксперта ведут к следующему порядку на множестве :
(1)
Кроме того, в соответствии с логикой бизнес-процесса предприятия, удовлетворение критериев и более важно, чем . Формализовать это наблюдение можно в виде нестрогого порядка на множестве индексов критериев :
(2)
Приведенные рассуждения эксперта отражают предпочтительную зависимость критериев эффективности, известную в теории полезности. Никакой аддитивный оператор агрегирования, в том числе и средневзвешенный, не пригоден для формализации предпочтительной зависимости [8]. Альтернативой средневзвешенному оператору служит нечеткий дискретный интеграл Шоке по нечеткой мере [9]. Он является обобщением средневзвешенного оператора на случай зависимостей критериев и применяется в качестве оператора агрегирования, позволяющего отражать знания эксперта о зависимостях критериев посредством коэффициентов нечеткой меры [7,8].
Нечёткая (дискретная) мера есть функция множества , где - множество всех подмножеств множества индексов критериев , которая удовлетворяет следующим условиям: 1) ; 2) и выражает относительный вес или важность не только каждого отдельного критерия, но и всякого подмножества критериев [7].
Нечёткий (дискретный) интеграл Шоке от критериев по нечёткой мере определяется выражением , где означает перестановку индексов в такую, что ; и [8]. На практике из-за экспоненциально возрастающей сложности нечеткой меры часто ограничиваются применением интеграла Шоке 2-го порядка, поскольку он позволяет моделировать знания эксперта о зависимостях критериев, оставаясь относительно простым. При этом не рассматриваются зависимости более чем между двумя критериями. Интеграл Шоке 2-го порядка имеет вид []:
Для того, чтобы получить обобщенный критерий эффективности внедрения ИС на основе интеграла Шоке, необходимо идентифицировать нечеткую меру, используя тот или иной метод идентификации []. На основе предпочтений эксперта, выраженных соотношениями вида (1) и (2), формируются в виде неравенств входные данные для идентификации. Для этого применяется «представление взаимодействия» интеграла Шоке. В соответствии с этим представлением [10] вводятся индексы важности каждого критерия (индексы Шепли) и индексы взаимодействия для каждой пары критериев. Индекс Шепли критерия выражает относительный «вес» или «важность» критерия и в случае 2-го порядка имеет вид [10]: . Индекс взаимодействия между критериями и для случая 2-го порядка имеет вид [10]: и выражает степень и знак взаимодействия между критериями.
Существует несколько методов идентификации нечетких мер, которые отличаются видами информации, требуемой в качестве входной. В случае формализации знаний, касающихся оценки эффективности внедрения ИС, эта информация первоначально представлена соотношениями вида (1), (2), а также соображениями эксперта о возможных зависимостях для каждой пары критериев. Взаимозаменяемость и положительную корреляцию критериев выражают положительным индексом их взаимодействия (), взаимозависимость и отрицательную корреляцию выражают отрицательным знаком соответствующего индекса взаимодействия (). Если критерии независимы, то . Соотношения вида (1), (2) переводят в неравенства с положительными порогами безразличия с использованием следующих выражений [11]:
(3)
(4)
(5)
(6)
где - положительные пороги безразличия, которые определяются экспертом. В [12] рассмотрен вопрос выбора таких значений этих порогов, чтобы не возникала ситуация, при которой этот выбор будет причиной отсутствия решения задачи идентификации.
Рассмотрим методы идентификации нечеткой меры, для которых входная информация может быть представлена в виде знаков индексов взаимодействия критериев и предпочтениями эксперта, выраженными неравенствами вида (3-6). Метод на основе максимального разделения подходит для задач распознавания, поскольку предполагает максимизацию минимальной разности между результатами агрегирования на обучающей выборке. При этом эксперт описывает экземпляр каждого класса и ранжирует их с помощью нестрогого порядка, что служит входной информацией для метода [13]. Метод на основе минимизации дисперсии нечёткой меры, или, что то же самое, максимизации энтропии, является наиболее приспособленным для решения многих практических задач [13]. Он основан на принципе максимальной энтропии [14]. Применительно к построению операторов агрегирования этот принцип предполагает использование всей доступной информации об агрегировании критериев, но максимально непредвзятое отношение к недоступной информации. Таким образом, при оценке эффективности внедрения ИС целесообразно применение метода идентификации нечетких мер на основе максимизации энтропии.
Обобщённый критерий эффективности внедрения ИС должен учитывать факты достижения локальными критериями эффективности своих пороговых значений после завершения внедрения, а также на каждом его этапе. Поэтому, кроме самого оператора агрегирования, обобщенный критерий содержит функцию с параметрами в виде пороговых значений критериев и номера этапа внедрения . Эта функция позволит в соответствии с предпочтениями эксперта менять значение обобщённого критерия в зависимости от достижения локальными критериями своих пороговых значений:
(7)
Продолжим ранее начатый пример. Рассмотрим обобщенный критерий на основе агрегирования критериев . Пусть эксперт рассуждает следующим образом. Для того, чтобы считать внедрение ИС успешным, на пятом завершающем этапе этого внедрения () критерии должны достигнуть своих пороговых значений на нормализованных шкалах:. В противном случае внедрение ИС нельзя считать успешным и обобщенный критерий эффективности следует обнулить. В соответствии с такими рассуждениями обобщенный критерий примет вид:
(8)
Другим вариантом построения обобщенного критерия может быть выбор наиболее критичных локальных критериев эффективности для каждого этапа внедрения таким образом, что функция будет отражать эти экспертные предпочтения.
СПИСОК ЛИТЕРАТУРЫ