автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Обработка и анализ экспертной информации для управления социально-экономическими системами

кандидата технических наук
Меликов, Алексей Владимирович
город
Волгоград
год
2013
специальность ВАК РФ
05.13.10
цена
450 рублей
Диссертация по информатике, вычислительной технике и управлению на тему «Обработка и анализ экспертной информации для управления социально-экономическими системами»

Автореферат диссертации по теме "Обработка и анализ экспертной информации для управления социально-экономическими системами"

На правах рукописи

МЕЛИКОВ АЛЕКСЕЙ ВЛАДИМИРОВИЧ

ОБРАБОТКА И АНАЛИЗ ЭКСПЕРТНОЙ ИНФОРМАЦИИ ДЛЯ УПРАВЛЕНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИМИ СИСТЕМАМИ

Специальность 05.13.10 - Управление в социальных и экономических

системах (технические науки)

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

2013

005058606

Астрахань - 2013

005058606

Диссертационная работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Волгоградский государственный технический университет» на кафедре «Системы автоматизированного проектирования и поискового конструирования».

Научный руководитель: заслуженный деятель науки РФ,

доктор технических наук, профессор Камаев Валерий Анатольевич.

Официальные оппоненты: заведующий кафедрой «Электронные приборы

и устройства» ФГБОУ ВПО «Саратовский государственный технический университет», доктор технических наук, профессор Захаров Александр Александрович,

доцент кафедры «Информационная безопасность» ФГБОУ ВПО «Астраханский государственный технический университет», кандидат технических наук, доцент Ажмухамедов Искандер Маратович.

Ведущая организация: ФГБОУ ВПО «Брянский государственный

технический университет».

Защита диссертации состоится «16» мая 2013 года в 13 часов 00 минут на заседании диссертационного совета Д.307.001.06 на базе Астраханского государственного технического университета по адресу: 414056, г. Астрахань, ул. Татищева, 16, ауд. Г.313.

Ваши отзывы в количестве двух экземпляров, заверенные гербовой печатью организации, просим присылать по адресу: 414056, г. Астрахань, ул. Татищева, 16, ученому секретарю диссертационного совета Д 307.001.06.

С диссертацией можно ознакомиться в библиотеке Астраханского государственного технического университета.

Автореферат разослан «16» апреля 2013 г.

Учёный секретарь диссертационного совета

А. А. Ханова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы исследования. Сложность управления социально-экономическими системами (СЭС) обусловлена сильным влиянием случайных факторов на объект управления (ОУ), малой изученностью реакций ОУ на конкретные управляющие воздействия, наличием значительного синергетического эффекта, а также трудностями организации мониторинга поведения таких систем. Кроме того, в СЭС присутствует антропогенный фактор, носящий по своей природе нестатистический характер. Всё это не позволяет в должной мере изучать процессы, происходящие в СЭС, методами математической статистики, затрудняет оценку репрезентативности выборки и исследование поведения системы при изменении параметров прогнозируемого объекта, что в совокупности приводит к значительным погрешностям получаемых прогнозных оценок в задачах управления СЭС. Поэтому при управлении СЭС используют методы экспертного оценивания (ЭО), следовательно, от того какими способами были проведены сбор и обработка экспертной информации (ЭИ), будет зависеть достоверность полученной прогнозной оценки реакций СЭС на возможное управляющее воздействие.

Степень разработанности темы. Значительный вклад в исследование СЭС внесли работы Д. А. Новикова, в которых предпринята попытка интеграции данной проблемы в общую теорию управления, систематизированы компоненты СЭС и рассмотрены основные виды связей между ними. Большое значение в предметной области имеют работы Т. Л. Саати, в которых была предложена теория, применение которой сводит исследование сложных систем к последовательности попарных сравнений соответствующим образом определённых компонентов. Результаты в области разработки корпоративных систем, методов и алгоритмов анализа данных широко представлены в работах А. А. Барсегяна, М. С. Куприянова, В. В. Степаненко, И. И. Холод, Э. Лемана, Ф. Котлера, Д. Хокинса, А. В. Алёшина, И. С. Белявского, И. В. Горбач, А. Б. Бергер, Б. Ф. Андерсона, В. И. Сергеева.

Анализ этих работ показал, что при проведении экспертных опросов часто не учитываются компетентности опрашиваемых в предметной области. Часть ЭИ теряется, так как недостаточно полно учитываются мнения экспертов, которые могут иметь несколько различающихся по степени уверенности прогнозных оценок реакции СЭС на возможные управляющие воздействия. Всё это, в свою очередь, снижает эффективность управленческих решений, принимаемых по результатам обработки данных экспертных опросов.

Таким образом, совершенствование процедуры сбора ЭИ, методики обработки и анализа данных экспертных опросов для выработки эффективных решений по управлению СЭС является актуальной задачей.

Объект исследования — процесс управления СЭС, основанный на экспертных оценках.

Предмет исследования - процессы сбора, обработки и анализа ЭИ. Цель диссертационной работы заключается в повышении эффективности управления СЭС на основе повышения достоверности прогнозной оценки реакций системы на возможные управляющие воздействия путём развития методов обработки и анализа экспертной информации.

Для достижения поставленной цели в работе решены следующие задачи: 1) проведён системный анализ процессов сбора, хранения, обработки и интерпретации данных, полученных в ходе экспертных опросов, выявлены основные недостатки имеющихся подходов, влияющие на эффективность прогнозных оценок при управлении СЭС;

2) разработана структура хранилища данных, обеспечивающая компактное и надёжное хранение экспертной информации о сложных СЭС;

3) разработана методика обработки данных, собранных в ходе экспертного опроса, для получения прогнозной оценки реакций СЭС, учитывающая полное множество мнений экспертов;

4) разработана методика определения компетентности каждого эксперта с целью учёта уровня значимости его мнений при получении прогнозной оценки в задаче управления СЭС;

5) реализована информационная система анкетирования для получения прогнозной оценки реакций СЭС на возможные управляющие воздействия, произведена её апробация в реальных условиях.

Научная новизна диссертации состоит в предложенном способе сбора и обработки данных, полученных в ходе экспертного опроса, повышающем достоверность прогнозной оценки в задачах управления СЭС, в частности:

1) в разработке математической модели определения компетентности экспертов в виде ориентированного взвешенного графа, отличающейся тем, что она на основе соответствующих ответов на множество дополнительных вопросов, включённых в инструментарий экспертного опроса, позволяет рассчитывать уровень компетентности опрашиваемого для каждого вопроса анкеты в отдельности, что способствует повышению эффективности обработки данных и точности прогноза;

2) в разработке методики представления экспертной информации на основе теории нечётких множеств, учитывающей степень уверенности эксперта в каждом из вариантов ответа и позволяющей получить более полную и точную взвешенную обобщённую прогнозную оценку реакций СЭС на возможные управляющие воздействия;

3) в формализации модели хранилища данных с использованием алгебры кортежей, позволяющей повысить.надёжность и информативность выводов, получаемых в результате обработки экспертной информации.

Теоретическая и практическая значимость работы:

1) на основе предложенного способа сбора и обработки данных экспертных опросов реализовано программное обеспечение, позволяющее, основываясь на взвешенном мнении каждого из экспертов, получить более достоверную прогнозную оценку реакций СЭС на возможные управляющие воздействия;

2) разработанное программное обеспечение адаптивно под конкретные задачи управления, нацеленные на повышение оценки удовлетворённости качеством услуг, исполненных работ и др., проведение социально-правового мониторинга;

3) разработанная структура ХД даёт возможность осуществить анализ данных, не предусмотренный планом анкетирования, что способствует повышению информативности полученных в результате обработки ЭИ выводов. Методология и методы исследования. Для решения поставленных задач применялись: теория информационных процессов и систем, теория принятия решений, теория множеств, теория графов, математическое моделирование, метод анализа иерархий, методы экспертных оценок.

Положения, выносимые на защиту;

1) математическая модель определения компетентности экспертов в виде ориентированного взвешенного графа, позволяющая рассчитать уровень компетентности эксперта для каждого вопроса анкеты в отдельности;

2) методика представления экспертной информации, учитывающая степень уверенности эксперта в каждом из вариантов ответа;

3) модель хранилища данных, позволяющая повысить надёжность и информативность выводов, полученных в результате обработки экспертной информации. Степень достоверности исследования обусловлена строгим математическим обоснованием предлагаемых подходов и методов, хорошим совпадением результатов числового и имитационного моделирования, успешным внедрением результатов работы в: ФГБОУ ВПО «Пензенский государственный университет» в управлении системой менеджмента качества (спецификация процесса СП-СМК-151-М-02); администрации Железнодорожного района г. Пензы при управлении деятельностью органов местного самоуправления; ЗАО ПФК «Аттика» в процессе получения прогнозных оценок о развитии параметров, характеризующих остаточный ресурс оборудования, которые соответствуют возможным управляющим воздействиям.

Апробация научных результатов. Основные результаты диссертационной работы докладывались и обсуждались на: IV Международной научно-технической конференции молодых специалистов, аспирантов и студентов «Математическое и компьютерное моделирование естественнонаучных и социальных проблем» (Пенза,

2010); ХП Международной научно-технической конференции «Информационно-вычислительные технологии и их приложения» (Пенза, 2010); XIV Международной научно-практической конференции «Актуальные проблемы информатики и информационных технологий» (Тамбов, 2010); VHI Международной научно-практической конференции «Социально-экономическое развитие общества: система образования и экономика знаний» (Пенза, 2011); Международной научно-практической конференции «Perspective innovations in science, education, production and transport'2011» (Одесса, 2011); П Международной научно-практической конференции «Проблемы современного образования» (Пенза - Улан-Удэ - Ереван, 2011); VH Международной научно-практической конференции «Проблемы качества образования в современном обществе» (Пенза, 2011); XI Международной научно-технической конференции «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза,

2011); X Международной научно-практической конференции «Современные проблемы гуманитарных и естественных наук» (Москва, 2012); Международной научно-практической конференции «Теория и практика актуальных исследований» (Краснодар, 2012); Всероссийской научно-технической конференции «Современные технологии и управление» (Светлый Яр, 2012); Международной конференции «Новый подход к проектно-ориентированному образованию - Всемирная инициатива CDIO» (Астрахань, 2012).

Публикации. По теме диссертационного исследования получено свидетельство о регистрации электронного ресурса и опубликовано 14 печатных работ: 3 - в рецензируемых отечественных изданиях, рекомендованных ВАК, 9 - в материалах международных и всероссийских конференций, 2 - в зарубежных сборниках.

Структура и объём диссертации. Диссертация включает в себя: введение, 4 главы, заключение, список сокращений и условных обозначений, словарь терминов, библиографический список из 95 наименований и 4 приложения. Объём работы: 105 страниц основного текста, включающего 41 рисунок и 14 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ Во введении обоснована актуальность темы диссертации, поставлена цель и определены задачи и методы исследования, сформулирована научная новизна и практическая ценность полученных результатов диссертационного исследования, приведены сведения о внедрении результатов работы, об апробации и публикациях, а также о структуре и объёме работы.

В первой главе проводится анализ процедуры анкетирования и выполняется обзор измерительных шкал, применяемых в ней. С вопросом о типе шкал непосредственно связана проблема адекватности методов математической обработки результатов измерения. В общем случае адекватными являются те статистики, которые инварианты относительно допустимых преобразований используемых типов измерительных шкал. При обработке анкетных данных открытые вопросы предпочтительнее закрытых (если важно выявлять все нюансы мнений экспертов), но полученную на их основе информацию трудно формализовать и обработать. Закрытые вопросы, особенно в форме «меню», шкал, таблиц и дихотомий, более удобны для обработки, но не дают гарантии учёта полноты оценок экспертов. Соблюдение правил системности анкеты необходимо для того, чтобы использовать в научных целях информацию не только по отдельным вопросам, но и ту, которая обнаруживается при осмыслении всех вопросов как взаимодействующих структур, а всех ответов на них как взаимодействующих элементов.

Ввиду сложности объекта изучения, нелинейности исследуемых процессов, отсутствия аналитического описания особенностей поведения системы, рациональным подходом получения прогнозных оценок является применение ЭО. В процессе экспертных оценок систем управления решаются задачи: синтеза новых систем управления, анализа (измерения) существующих систем управления по выбранным показателям и критериям эффективности. Однако при этом возникает ряд проблем, которые можно условно разделить на два класса: с достаточным и недостаточным информационным потенциалом. Для проблем первого класса эксперты, имеющие необходимый объём знаний и опыт по их решению, являются качественными источниками. Но в отношении проблем второго класса применение методов осреднения мнений экспертов приводит к значительным ошибкам, так как опрашиваемые могут иметь различную степень компетентности. В связи с этим для решения проблем второго класса необходима дополнительная обработка результатов ЭО.

Формулируются требования, которым должна отвечать информационная система анкетирования (ИСА). Проводится анализ моделей представления данных в ИС. Выделяются основные элементы модели данных (МД), которые используются для представления концептуальной модели предметной области. Выявляются основные требования к системам класса OLAP — описание модели представления данных и технологии их обработки в хранилище данных (ХД), — важнейшие из которых связаны с возможностями многомерного представления и обработки данных. При использовании ETL-процессов, представляющих собой одну из основных операций в управлении ХД, решаются проблемы совместимости данных из разных источников.

На основании проведённого анализа были выявлены недостатки в обработке и анализе ЭИ, следствием которых является низкая информативность данных, так как не учтена степень уверенности эксперта в каждом из вариантов ответа, недостаточно полно и точно взвешены мнения экспертов, имеющие несколько различающихся по степени уверенности прогнозных оценок реакции СЭС на возможные управляющие воздействия.

Во второй главе разработан процессный подход к процедуре анкетирования, отличающийся от существующих наличием процессов дополнительной обработки результатов, полученных в ходе экспертных опросов, при проведении их многомерного анализа с целью принятия управленческих решений. ЭИ, собранная ИСА, преобразуется в агрегированные данные многомерного хранилища, при анализе которых проверяется уровень значимости атрибутов экспертов, влияющих на компетентность в предметной области, и учитывается степень уверенности эксперта в каждом из вари-

I

C,D,E,L-MsoxecTsa атрибутов i

антов ответа, что позволяет повысить информативность выводов, получаемых в результате обработки данных экспертных опросов. Результатом данного процессного подхода является взвешенная обобщённая прогнозная оценка, высказанная многими экспертами, имеющими различную степень компетентности.

Разработана математическая модель преобразования данных экспертных опросов из исходной базы данных (БД) в агрегированные данные хранилища, позволяющая обработать данные в иерархиях, изначально не предусмотренных при сборе ЭИ. В свою очередь, это повышает достоверность прогнозной оценки реакций системы и, как следствие, улучшает управление СЭС. Пусть X, Yb Zj - множества атрибутов из исходного реляционного отношения R (i = 1,2, ...,п). Атрибуты X остаются неизменными в результирующем отношении (Д*), значения атрибутов У( становятся именами атрибутов в R', домены атрибутов Zt распределяются между доменами атрибутов, введённых для Кг. Но поскольку X и У; являются координатами для ZL в R', то справедливы следующие ограничения: X П = 0,Х П Zi = 0,Уг Л Z; = 0 (£ = 1,2, ...,п). В случае, если имеется дополнительное множество атрибутов (И^), отсутствующее в R', то оно представляется как(Х U Vj U ... U Yn U Zt U ... U Z„). В результате, схема результирующего представления строится из R по следующему правилу:

Sch (R) = {X, Yt...., У„,Zt.....Zn, Wi.....Wn} =» ( ¡¡^ N

Sch (R*) = {X, ur=i(öom(Ff) x {Z,})}, ^ -^

где Sch - схема описания исходного отношения, Dom - множество допустимых значений атрибутов: Dom (У|) = Dom (К(1) х Dom (Ya)x ....Yu-eYi.

Функциональные и многозначные зависимости реляционных БД - как исходные данные для гиперкубов - используются при создании иерархий многомерной модели (ММ). Из определения «схема иерархии» - это ориентированный ациклический и слабо связный граф Н = (А, Е), где А - множество атрибутов, состоящее из подмножеств С и D, Е- множество дуг, Н - схема иерархии, следует, что С < D, если в Я 3 путь из вершины С в D.

Для функциональной зависимости С —» D, атрибуты из D располагаются в иерархии выше, чем атрибуты из С, так как различные значения С определяют одинаковое значение D. Таким образом, для атрибутов справедливо:

Ск е C,DleD Vk, I Ск < Dt.

Для многозначной зависимости С —D(E), атрибуты из С располагаются в иерархии выше, чем атрибуты из (DUE), так как при наличии двух кортежей, совпадающих по С, существует ещё два кортежа с тем же значением. Таким образом, для атрибутов справедливо:

Ск 6 С. h 6 D U Е Vfc, I /( -< Cfc, где / со С.

Алгоритм построения Н представлен на рисунке 1. Для каждой функциональной зависимости добавляется в Н дуга Ск Dt'. Для каждой многозначной зависимости - дуга D{Ck , если на предыдущем шаге не была добавлена дуга Ck'Di'. Затем добавляются в граф Н вершины для атрибутов из L, отсутствующих в /■ ^ схеме иерархий в качестве вершин. --

Одним из условий эффективной организации данных яв- Рисунок 1 - Алгоритм ляется снижение занимаемого объёма памяти на дисковом построения Я

C' = L(\C,D' = Lf\D HD' = in(DuE)

D;ck-*ti, CieC',D;eD'vk,l

D

пространстве ЭВМ. Пусть имеется гиперкуб С:

С,дх,..., дх - показатели

/г1' — > /к* ~ измерения, где Бк - мощность к-го показателя. Вес гиперкуба рассчитывается по формуле:

Ус = к1*к2* - *кп*т, (1)

где т — количество определённых для гиперкуба показателей, - количество значений по измерению /5 (« = 1,2,..., п). В ХД определённый объём занимают, в том числе, и пустые ячейки. При снижении количества пустых (нулевых) значений показателей, т.е. при увеличении плотности гиперкуба, модель организации данных становится улучшенной.

Пусть срез по показателю д имеет вид:

Gigi.-~.9t.--.9i

Л '.Гк •••••Тт-1 '/т 'Тт+1 •—•1к '1'цеот чот> т.е. один из показателей в срезе гиперкуба равен 0.Тогда имеет место следующее разложение исходного гиперкуба, которое записывается в виде суммы нескольких гиперкубов меньших размерностей:

Г .....91 — П,9х.....91.....91 ±{191.-.91

I /г^ ^ ЦТг$1 е*2 е^т-1 fSm' 1 КМ ^1 fSm-Sm

А >—.Гк Л '¡к .—>/т-1 ' 1т >/т+1 '—'/к /1 ''Л '—'/т-1 >1т <Ут+1 '—'7*

По формуле (1) вычисляются веса основного гиперкуба и суммы гиперкубов разложения. В результате получается, что суммарный вес разложения меньше веса исходного гиперкуба. Для достижения максимального улучшения модели данная процедура проводится итерационно по другим измерениям гиперкубов до исчезновения срезов, вырожденных по показателю.

В соответствии с требованиями ММ описания аналитического пространства в терминах «мера» и «измерение» во второй главе выделены группы измерений: -структура трёхуровневого измерения представляется как г(Д) = {< х.у.г > | Р(х,у, ¿У), где г - отношение со схемой И; < х, у, г > — упорядоченная последовательность кортежей переменных, показывающих имена атрибутов уровней этого измерения; Р(х,у, г) — тернарный предикат первого порядка;

— отношение на множестве атрибутов двухуровневого измерения описывается как г(Д4) = {< Ь,с >|Р4(Ь,с)}, где Ь - кортеж атрибутов одного уровня измерения; с — кортеж атрибутов другого уровня измерения; Р4(Ь, с) — бинарный предикат;

— отношение для одноуровневого измерения задаётся посредством предиката Р7(К), который определяется как г(Д7) = {к\Р7(к)}, где Л - кортеж атрибутов рассматриваемого измерения.

Формализованное описание структур данных сводится к ансамблям системных графов. При построении моделей запросов формируются схемы отношений, описывающие одну таблицу ХД. Посредством объединения атрибутов однотипных схем отношений, задаётся произвольная совокупность многоместных отношений, выраженных в специфической структуре, называемой С-системой (5[ХУЕ]), которая описывает структуру ХД: =

К

Т И? 1Р Т к?

Граф хранилища данных Транзитивное замыкание Рисунок 2 - Пример построения транзитивного замыкания для графа

В применении к описанию структуры ХД построенной модели, С-система, имеет ГМ {р.г}1

вид: 3[РКРЯТ] = ОТ , где Р, К, Р.Я.Т- измерения. В результате транзитивного

[{к-} ОТ

замыкания получается: Б'^КРЯТ] =

{я) {Р,К,Р,Т)

(Р) {к,П (рисунок 2). т от ^

Для формируемой С-системы выполняются аксиомы матроидов, что позволяет представил. схему ХД в виде классификации подмножеств исходного множества, представляющей собой обобщение идеи независимости элементов. Такое представление структуры ХД позволяет решить задачу уменьшения диаметра графа с использованием «жадного» алгоритма. Максимальная длина душ графа - вычисленная из выражения г(У£) = шаху ¿(У1, V]), где (1-элементы графа О (С) с расстояниями Р^ V/ (/,/ = 1,2 ,...,п, гдел

- количество вершин графа) - не превышает его диаметра (рисунок 3). С/ ... ,С, I/, ...

0(с) =

гО 1 1 2 1 2 2 2]

1 0 1 2 1 2 2 2

1 1 0 2 1 2 2 2

2 2 2 0 1 1 2 2

1 1 1 1 0 1 1 1

2 2 2 1 1 0 2 2

2 2 2 2 1 2 0 2

12 2 2 2 1 2 2 0-1

Рисунок 3 - Матрица расстояний между вершинами системного графа БД

Такое представление многомерной модели данных, во-первых, обеспечивает надёжное и компактное их хранение в сложных информационных структурах и возможность выделения значимой информации в процессе обработки данных, что в совокупности повышает эффективность обработки ЭИ и, как результат, достоверность прогнозной оценки реакций СЭС, во-вторых, способствует проектированию на её основе адаптивной, интегрируемой и динамичной ИСА.

В третьей главе разрабатывается методика анализа данных, собранных в ходе экспертного опроса.

Шаг 1. Получение интегральной оценки. На этом шаге применяется метод анализа иерархий, позволяющий на основе матриц попарных сравнений, задаваемых экспертами, сформировать вектор приоритетов. Условие согласованности выбранной матрицы проверяется по формуле: 0С = где /с - индекс согласованности матрицы

С 7 _ Утах-п) 2 _ максимальное собственное значение матрицы, п - её

С (71-1)

ранг), Сс - индекс случайной согласованности. Если 0С не превышает допустимое значение у, то далее проводится нормирование собственного вектора выбранной матрицы, после чего формируется вектор весов а. Вектор значений оценки вычисля-

ется по формуле:

ЫогтНех = Р*0*"^

Втах

(2)

где ОЬV — матрица ответов экспертов, атах - максимальное значение весового коэффициента.

Преимуществом применения иерархической структуры для анализа данных являются возможности разделения проблемы на составные задачи и фокусирования на интерпретации результатов отдельно анализируемой составляющей (рисунок 4).

Шаг 2. Получение экспертной информации на КпастеР основе построения математической модели определения компетентности экспертов. Для её построе- 4 ния используется теория нечётких множеств, пото- Рисунок 4 - Структура му как суждения (оценки) экспертов субъективны. анализа данных

Эксперт производит выбор нескольких количественных оценок, которые включены в анкету и соответствуют его пониманию выбранного ответа. Для облегчения процесса задания степени уверенности в ответах на поставленные вопросы эксперты используют вербально-числовую шкалу Харринггона (таблица 1).

Каждому це- _ , _ . „

Таблица 1 — Ответ к-го эксперта на целевой р-и вопрос анкеты левому вопросу 1 г с

Р, содержащемуся в анкете, ставится в соответствие лингвистическая переменная ¿г (£ = 1

№ эксперта Возможные значения изменения показателя эффективности, %

-75 -50 -25 0 25 /504 75

1 0 0 0 0,3 1,0 0

-"Высокая вероятность повышенияТНЛса—а .....-..здтеля эффективности-------

значениями которой являются варианты ответов £у (/ = 1,/0> где }1 — количество вариантов ответа на 1-й вопрос. Значение лингвистической переменной описывается в виде нечёткого множества, который задаётся на базовом (чётком) множестве действительных чисел и1 = [и1з, я = 1,5'}, где л - весь возможный диапазон оценок лингвистической переменной ¿¿. Результат сопоставления каждой оценки из вышеприведённого множества с количественным показателем степени уверенности - есть значение функции принадлежности. Функция принадлежности М^щ"), Щ Е элементов базового множества нечёткому множеству ¿у по мнению к-то эксперта, к = 1, К, задаётся вектор-строкой:

= [/^(1%); цьк(и12У,Ц^и^)].

Однако сформировать группу экспертов одной компетентности на практике весьма трудно. В связи с этим возникают необходимости, во-первых, определения степени компетентности каждого эксперта, во-вторых, её учёта при анализе ЭИ и получении обобщённой прогнозной оценки.

Шаг 3. Определение степени компетентности экспертов. Мера компетентности эксперта определяется при использовании косвенных методов на основе сведений о его профессиональной или иной специфичной для предметной области деятельности. Для выявления вспомогательных характеристик в инструментарий экспертного опроса включается соответствующее множество дополнительных вопросов О = [Оп, п = 1777}. Каждому вопросу О" в соответствие ставится множество дополнительных ответов Вп = (£?£, т — 1 ,Мп}.

Для преобразования ответов экспертов на дополнительные вопросы в количественные коэффициенты компетентности каждому В£-му варианту ответа на Оп-й дополнительный вопрос ставится в соответствие положительный коэффициент причём Ет=г Рт = 1. Величина данного коэффициента зависит от номера варианта ответа на дополнительный вопрос и вычисляется в соответствии со следующим выражением: _

~ = (3)

р£ =

В результате выбор fc-ым экспертом конкретного го варианта ответа на Оп-й дополнительный вопрос однозначно определяет некоторый коэффициент из множества^, который обозначается через rft. Величина зависит от всех ответов на дополнительные вопросы и вычисляется по формуле:

„ - (4)

«-gU™*nPm

Влияние уровня компетентности эксперта на нечёткую количественную меру реализуется путём выполнения операции «размывания» по правилу:

= С?

Для повышения точности прогнозной оценки реакций СЭС выполняется расчёт уровня компетентности экспертов для каждого дополнительного вопроса анкеты, включённых в инструментарий экспертного опроса, т.е. определение весов влияния каждой характеристики на компетентность эксперта. Проверка отличия характеристик экспертов осуществляется с помощью дисперсионного анализа (F-критерий),

проводимого перед применением метода АГ-средних: F = где of - большая дисперсия, о-! - меньшая дисперсия. На этом шаге выявляются значимые характеристики экспертов в каждом кластере (таблица 2).

Если p(F) больше уровня значимости, то данная характеристика эксперта влияет на его компетентность. При получении весов влияния характеристик на компетентность экспертов используется модифицированный метод нестрого ранжирования, с помощью которого определяются обобщённые на случай предпочтения/безразличия атрибуты по отношению друг к друг веса Фишберна (Fbt), по формуле:

" { ri+1, если Fb> Р„ Г» - 11 1 " N.....А

где « - отношение безразличия, > - отношение предпочтения.

Сумма полученных числителей - есть общий знаменатель дробей, вычисляющаяся в соответствии с правилом:

Zn = г£, р, = причём SiLi^ = 1.

В качестве модели при оценке реакций СЭС на управляющие воздействия (Rctn) принимается кортеж:

Rctn =< Gr, Atr, Е >, где Gr - ориентированный граф, имеющий одну корневую вершину и не содержащий петель и горизонтальных рёбер в пределах одного уровня иерархий, Atr - набор качественных оценок уровней каждого атрибута в иерархии, Е - система отношений

Характеристики (Ch.) экспертов F-критерий р-значение

Ch, 4,29 <0,01

€hi 1,18 >0,05

СК | 5 1 <0,01

Рисунок 5 - Пример системы отношений на одном из уровней иерархии

предпочтения атрибутов по степени их влияния на компетентность (Кт):

Е = {Atrbt (е) Atrbj | е е (>; -)}, где Atrbi и Atrbj — атрибуты i-й и J-й вершин одного уровня иерархии. Наложение на фрагмент графа системы отношений предпочтения/безразличия типа: Е = {Atrbj^ > Atrb2; Atrb2 ~ Atrb3; Atrb3 < Atrbj, приведён на рисунке 5.

Шаг 4. Получение обобщённого мнения экспертной группы. В результате опроса множества всех экспертов Э = {эк, к — 1,К} для каждого /-го (i = 1, Р) вопроса анкеты получается К нечётких количественных мер ßk(U[), которые учитывают степени компетентности опрашиваемых экспертов. Нечёткое множество, характеризующее обобщённое мнение группы экспертов, определяется как пересечение нечётких мнений экспертов, имеющее функцию принадлежности:

Дэ(("г) = mirikißkCui')}. (6)

Применяя конъюнкцию к нечётким множествам, соответствующим ответам экспертов, получится обобщённая нечёткая оценка, представленная множеством наименьших операндов по результатам экспертного опроса.

Шаг 5. Получение однозначного количественного результата опроса. Для получения такого результата опроса выбирается элемент и\, имеющий максимальное значение степени принадлежности к полученному обобщённому нечёткому множеству мнений группы экспертов:

u,* = arg тахщ ß3i (uj. (7)

Применяя дизъюнкцию к элементам нечёткого множества обобщённой оценки, получится однозначный количественный результат экспертного опроса, соответствующий максимальному значению операнда, который указывает на конкретный элемент базового множества Ut.

Используя формулы (3)-(7), находится взвешенный, обобщённый результат опроса членов группы экспертного оценивания (таблица 3).

Таблица 3 - Пример обработки нечётких оценок группы экспертов

№ эксперта Возможные значения изменения показателя э( зфективности, % Коэф. Km

-75 -50 -25 0 m 50 75

1 0 0 0 0,3 1,0 0,8 0 1,0

2 0 0,1 0,4 1,0 0,4 0,1 0 0,3

2* 0 0,5 0,7 1,0 0,7 0,5 0 -

К 0 0 0,3 0,8 1,0 0,8 0 0,8

К* 0 0 0,4 0,8 1,0 0,8 0 -

Обобщённая оценка 0 0 0 0,3 0,7 0,5 0 -

Однозначный результат - - - - Ш - - -

*- «размывание» нечёткой количественной меры

В четвёртой главе описаны экспериментальные исследования с использованием разработанной ИСА.

Основываясь на построенной модели обработки данных, в работе спроектированы и реализованы ХД для Microsoft SQL Server 2008. Программные средства сбора

информации, которые имеют трёхуровневую архитектуру, были разработаны с использованием платформы Java ЕЕ и фреймворка Struts. Процессы извлечения, преобразования и загрузки данных реализованы как исполняемые скрипты языка php. Процедуры обработки и анализа данных реализованы с использованием математического пакета Matlab. С помощью системы компьютерной алгебры Maple была смоделирована и реализована процедура получения прогнозной оценки в задаче управления СЭС. Пользовательский интерфейс ИСА написан с использованием технологии ASP.NET. С помощью разработанных программных средств автоматизированы процессы сбора, хранения, обработки и анализа данных экспертного опроса, а также получения обобщённой прогнозной оценки мнений экспертной группы. Приводится описание структуры ИСА и взаимодействия её модулей.

ИСА использовалась в управлении системой менеджмента качества Высшего учебного заведения посредством проведения мониторинга удовлетворённости заинтересованных сторон качеством предоставляемых образовательных услуг. При обработке опроса, проведённого с использованием исходной системы анкетирования, среди 2212 экспертов, из которых 1693 студента и 519 преподавателей, оценка удовлетворённости качеством предоставляемых услуг составила 77 %. Эта оценка не учитывала различную степень компетентности как преподавателей и студентов, так и студентов разных курсов. При обработке того же опроса, но проведённого посредством применения разработанной ИСА, оценка удовлетворённости качеством образовательных услуг составила 58 %. В ходе экспертного опроса администрации ВУЗа решалась задача прогноза реакций СЭС на возможные управляющие воздействия с целью повышения удовлетворённости заинтересованных сторон качеством образовательных услуг. Обобщённая, взвешенная прогнозная оценка мнений экспертов, полученная с использованием ИСА, содержала: переоборудование аудиторий в специализированные классы - 1,0 (соответствие возможному изменению показателя эффективности на 25 %), 0,7 (на 50 %); модернизацию уже существующих - 0,6 (на 25 %), 0,2 (на 0 %); совершенствование организации учебного процесса - 0,9 (на 0 %), 0,6 (на - 25 %) и др. В результате администрация университета приняла решение переоборудовать несколько аудиторий в специализированные классы в подразделениях (кроме медицинского) и модернизировать несколько существующих компьютерных классов. Повторное проведение опроса экспертов выявило высокую оценку их удовлетворённости качеством предоставляемых университетом услуг, которая составила 87 %.

Разработанная ИСА позволила выявить такие характеристики экспертов, которые не влияют на оценку их удовлетворённости качеством услуг, предоставляемых университетом, и провести анализ данных в разрезе «выпускающие кафедры по специальностям», не предусмотренном в исходной системе сбора информации.

ИСА использовалась администрацией Железнодорожного района г. Пензы при управлении деятельностью органов местного самоуправления. По результатам социологического опроса, касающегося места размещения детской площадки, среди 350 жителей близ расположенных домов мнения распределились следующим образом: за участок № 1 ответили 21 % опрашиваемых, № 2 - 44 %, № 3 - 35 %. В проведённом опросе не были учтены компетентности каждого респондента в интересующем вопросе. Анализ результатов опроса не учитывал всю полноту мнений опрашиваемых. С помощью ИСА была рассчитана обобщённая, взвешенная прогнозная оценка мнений жителей, учитывающая различную степень их компетентности, о возможном расположении детской площадки: научастке№ 1 - 0,3, №2 - 0,5, №3 - 0,8. В результате администрация постановила поместить детплощадку на участке № 3.

Разработанная ИСА также использовалась в ЗАО ПФК «Аттика». Комиссия, рассмотрев результаты прогнозных оценок, полученных в ходе экспертного опроса, о развитии параметров, характеризующих остаточный ресурс оборудования, - которые соответствуют возможным управляющим воздействиям: частичная замена оборудования - ОД; капитальный ремонт - 0,4; проведение ремонтно-профилактических работ - 0,6, - решила, что наиболее приемлемым управленческим решением для продления срока службы оборудования является проведение ремонтно-профилактических работ, что способствовало сокращению срока простоя технологического оборудования и повышению эффективности производства на 10-15 %.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Основные результаты диссертационной работы состоят в следующем:

1) выявлены недостатки в обработке и анализе данных, полученных в ходе экспертного опроса, не учитывающие уровень значимости характеристик экспертов для каждого вопроса анкеты и не охватывающие всю полноту мнений экспертов, что в совокупности понижает эффективность управления СЭС;

2) разработана математическая модель определения компетентности экспертов в виде ориентированного взвешенного графа, позволяющая рассчитывать уровень компетентности опрашиваемого для каждого вопроса анкеты в отдельности, что способствует повышению эффективности обработки данных и точности прогноза, в среднем, на 15-25 %;

3) разработана методика представления экспертной информации на основе теории нечётких множеств, учитывающая степень уверенности эксперта в каждом из вариантов ответа, что позволяет получить более полную и точную взвешенную обобщённую прогнозную оценку, представленную в нечёткой метрике, реакций СЭС на возможные управляющие воздействия;

4) разработана новая структура хранилища данных, основанная на алгебре кортежей, повышающая надёжность и информативность выводов, получаемых в результате обработки данных экспертных опросов, исключая обработку семантически эквивалентной информации и снижая количество пустых значений показателей в таблицах гиперкубов, что в совокупности позволяет сэкономить занимаемый объём дискового пространства ЭВМ, в среднем, на 30 %;

5) реализовано программное обеспечение в виде информационной системы анкетирования «Апофаси» с использованием \УеЬ-технологий в режиме удалённого доступа, которое внедрено:

- в ФГБОУ ВПО «Пензенский государственный университет» в управлении системой менеджмента качества. Первоначальное значение оценки удовлетворённости качеством предоставляемых услуг было скорректировано на 25 %. Следствием принятого решения администрацией ВУЗа на основе полной, обобщённой и взвешенной прогнозной оценки реакций СЭС явилась высокая оценка удовлетворённости качеством услуг;

- в администрации Железнодорожного района г. Пензы при управлении деятельностью органов местного самоуправления. На основе обработанных и проанализированных данных социологического опроса администрацией было принято решение о месте размещения детской площадки, учитывающее интересы граждан близ расположенного района;

- в ЗАО ПФК «Аттика». Основываясь на результатах прогнозных оценок мнений группы экспертов о развитии параметров, характеризующих остаточный

ресурс оборудования, было принято управленческое решение, способствовавшее сокращению срока простоя технологического оборудования и повышению эффективности производства на 10-15 %.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи в периодических изданиях, включённых в список ВАК РФ

1. Меликов, А. В. Применение теории множеств для организации данных исходной реляционной базы данных / А. В. Меликов // Прикаспийский журнал: управление и высокие технологии.-2011.-№4 (16). — С. 16-22.

2. Меликов, А. В. Построение иерархий в системе оперативного анализа данных / А. В. Меликов // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. - 2012. - № 1. - С. 130-133.

3. Меликов, А. В. Анализ анкетных данных и оценки прогнозного решения на их основе к задаче управления / В. А. Камаев, А. В. Меликов // Известия Волгоградского государственного технического университета. Серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах». -2012,-№ 15 (102).-С. 90-96.

Статьи в межвузовских научных сборниках, сборниках трудов международных, всероссийских конференций

4. Меликов, А. В. Начальная онтология систем электронного анкетирования / А. В. Меликов, П. П. Макарычев // Математическое и компьютерное моделирование естественнонаучных и социальных проблем: сборник статей IV Международной научно-технической конференции молодых специалистов, аспирантов и студентов. - Пенза: Приволжский Дом знаний, 2010. - С. 86-90.

5. Меликов, А. В. Концептуальные модели систем электронного анкетирования / А. В. Меликов, П. П. Макарычев // Информационно-вычислительные технологии и их приложения: сборник статей XII Международной научно-технической конференции. - Пенза: РИО ПГСХА, 2010. -С. 115-118.

6. Меликов, А. В. Модели предметной области систем электронного анкетирования / А. В. Меликов, П. П. Макарычев // Актуальные проблемы информатики и информационных технологий: материалы XIV Международной научно-практической конференции. - Тамбов: Издательский дом ТГУ им. Г.Р. Державина, 2010. -№ 2 (16). - С. 59-60.

7. Меликов, А. В. Организация данных реляционной базы данных / А. В. Меликов, Д. А. Подсекин // Социально-экономическое развитие общества: система образования и экономика знаний: сборник статей VIII Международной научно-практической конференции. - Пенза: Приволжский Дом знаний, 2011. - С. 47-49.

8. Melikov, А. V. The possibility and the way of hiérarchie construction of informational questionnaire system in the system of operational data analysis / A. V. Melikov // Perspective innovations in science, éducation, production and transport'2011: сборник научных трудов по материалам Международной научно-практической конференции. - Одесса: Черноморье, 2011. - Том 2.— С. 13-18.

9. Melikov, А. V. Data Organization of the relational database with the usage of set theory / A. V. Melikov // Проблемы современного образования: материалы II Международной научно-практической конференции. - Пенза-Улан-Удэ-Ереван: ООО Научно-издательский центр «Социосфера», 2011. - С. 42-47.

10. Меликов, А. В. Организация полученных данных реляционной базы данных по измерениям / А. В. Меликов, Д. А. Подсекин // Проблемы качества образования в

современном обществе: сборник статей VII Международной научно-практической конференции. - Пенза: Приволжский Дом знаний, 2011. - С. 87-89. 11 Меликов, А. В. Автоматизированное определение иерархий на примере модели данных «композиционная таблица» / А. В. Меликов // Проблемы информатики в образовании, управлении, экономике и технике: сборник статей XI Международной научно-технической конференции. - Пенза: Приволжский Дом знании, 2011. -С. 108-110.

12. Меликов, А. В. Методика анализа данных информационной системы анкетирования с использованием метода кластеризации (на примере деятельности ВУЗа) / А. В Меликов, П. П. Макарычев // Современные проблемы гуманитарных и естественных наук: материалы X Международной научно-практической конференции. - Москва: Изд-во «Спецкнига», 2012. - Том 1. - С. 82-86.

13 Меликов А. В. Определение степени компетентности членов группы экспертного оценивания (на примере оценки удовлетворённости качеством образовательных услуг) / А. В. Меликов, П. П. Макарычев // Теория и практика актуальных исследований: материалы Международной научно-практической конференции^ -Краснодар: Научно-издательский центр «Априори», 2012. - Том 2. - С. 280-284.

14 Меликов, А. В. Процедура оптимизации структуры данных / А. В. Меликов И Современные технологии и управление: материалы Всероссийской научно-

технической конференции. - Светлый Яр: «ДеЛи-принт», 2012. - С. 6-9.

Свидетельство о регистрации электронного ресурса

15 Информационная система «Апофаси» на основе многомерного представления данных для прогнозной оценки принятого решения (на примере управления деятельностью ВУЗа) / А. В. Меликов, П. П. Макарычев. - Пенза, 2011. - Свидетельство № 17686 от 14.12.2011 г.

п^п-чип . печать ■ Формат 60x90/16. Гарнитура Т,те5мешИотап. Усл. печ. л. 1,0. Тираж 100 экз. Заказ №_■

Отпечатано в типографии издательства ФГБОУ ВПО «ПГУ». 440026, Пенза, Красная, 40.

Текст работы Меликов, Алексей Владимирович, диссертация по теме Управление в социальных и экономических системах

ВОЛГОГРАДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

СО

ю

см

со °

о

На правах рукописи

МЕЛИКОВ АЛЕКСЕИ ВЛАДИМИРОВИЧ

ОБРАБОТКА И АНАЛИЗ ЭКСПЕРТНОЙ ИНФОРМАЦИИ ДЛЯ УПРАВЛЕНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИМИ СИСТЕМАМИ,

Специальность 05.13.10 - Управление в социальных и экономических

системах (технические науки)

ю

Диссертация на соискание учёной степени

со кандидата технических наук

со Научный руководитель:

4 Х О

^ заслуженный деятель науки РФ,

доктор технических наук, профессор Камаев В.А.

Волгоград - 2013

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ.........................................................................................4

1 СИСТЕМНЫЙ АНАЛИЗ ПРОЦЕССОВ СБОРА, ХРАНЕНИЯ, ОБРАБОТКИ И

ИНТЕРПРЕТАЦИИ ЭКСПЕРТНОЙ ИНФОРМАЦИИ................................10

1.1 Анализ процедуры анкетирования с использованием информационных систем........................................................................................10

1.2 Обзор применяемых в процедуре анкетирования измерительных шкал и их реализации.................................................................................13

1.3 Обзор методов обработки и анализа экспертной информации..................17

1.4 Анализ моделей представления данных в информационных системах анкетирования.............................................................................21

1.5 Обзор существующих информационных систем обработки и анализа экспертной информации................................................................27

Выводы..........................................................................................30

2 МНОГОМЕРНАЯ ЛОГИЧЕСКАЯ СХЕМА ДАННЫХ В

ИНФОРМАЦИОННОЙ СИСТЕМЕ.......................................................31

2.1 Концептуальная модель процесса анкетирования информационной системы в стандарте ГОЕБ..........................................................................31

2.2 Алгоритм определения и построения иерархий в измерениях многомерной модели.......................................................................................35

2.3 Преобразование информации из исходной базы данных в агрегированные данные многомерного хранилища....................................................41

2.4 Теоретическое обоснование многомерной модели данных и хранилища.. ..45

2.5 Схема транзакционной базы данных и многомерной модели хранилища.. .53

Выводы..........................................................................................58

3 МЕТОДИКА ПОЛУЧЕНИЯ И АНАЛИЗА ДАННЫХ, СОБРАННЫХ В ХОДЕ

ЭКСПЕРТНОГО ОПРОСА..................................................................60

3.1 Получение интегральной оценки......................................................60

3.2 Получение экспертной информации в нечёткой метрике........................71

3.3 Определение степени компетентности экспертов.................................74

3.4 Получение обобщённого мнения экспертной группы............................77

3.5 Получение однозначного количественного результата опроса.................79

Выводы..........................................................................................80

4 ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ РАЗРАБОТАННОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ....................................................81

4.1 Архитектура информационной системы анкетирования........................81

4.2 Анализ данных анкетирования средствами информационной системы......88

4.3 Анализ прогнозной оценки реакций социально-экономических систем средствами программного обеспечения.............................................99

4.4 Апробация информационной системы анкетирования..........................100

Выводы..........................................................................................102

ЗАКЛЮЧЕНИЕ...................................................................................104

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ........................106

СЛОВАРЬ ТЕРМИНОВ........................................................................107

БИБЛИОГРАФИЧЕСКИЙ СПИСОК........................................................113

ПРИЛОЖЕНИЕ А. Листинг хранимых процедур.........................................121

ПРИЛОЖЕНИЕ Б. Результаты моделирования процессов анализа данных........128

ПРИЛОЖЕНИЕ В. Листинги и результаты выполнения программных средств.. 130 ПРИЛОЖЕНИЕ Г. Акты внедрения результатов диссертационного

исследования...........................................................134

ВВЕДЕНИЕ

Актуальность темы исследования. Управление сложными социально-экономическими системами (СЭС) требует достоверных методов обработки и анализа исходных данных для оценки вариантов развития событий и принятия взвешенного, обоснованного и своевременного решения с целью повышения эффективности функционирования таких систем. Сложность управления СЭС обусловлена сильным влиянием случайных факторов на объект управления (ОУ), малой изученностью реакций ОУ на конкретные управляющие воздействия, наличием значительного синергетического эффекта, а также трудностями организации мониторинга поведения таких систем. Кроме того, в СЭС присутствует антропогенный фактор, носящий по своей природе нестатистический характер. Всё это не позволяет в должной мере изучать процессы, происходящие в СЭС, методами математической статистики, затрудняет оценку репрезентативности выборки и исследование поведения системы при изменении параметров прогнозируемого объекта, что в совокупности приводит к значительным погрешностям получаемых прогнозных оценок в задачах управления СЭС.

Степень разработанности темы. Значительный вклад в исследование СЭС внесли работы Д. А. Новикова «Структура теории управления социально-экономическими системами», «Введение в теорию управления организационными системами», «Введение в теорию управления образовательными системами», в которых предпринята попытка интеграции данной проблемы в общую теорию управления, систематизированы компоненты СЭС и рассмотрены основные виды связей между ними. Большое значение в предметной области имеют работы Т. Л. Саати «Принятие решений при зависимостях и обратных связях. Аналитические сети», «Аналитическое планирование. Организация систем», в которых была предложена теория, применение которой сводит исследование сложных систем к последовательности попарных сравнений соответствующим образом определённых компонентов. Результаты в области разработки корпоративных систем, методов и алгоритмов анализа данных широко представлены в работах А. А. Барсе-

гяна, M. С. Куприянова, В. В. Степаненко, И. И. Холод «Методы и модели анализа данных: OLAP и Data Mining», Э. Лемана «Теория точечного оценивания», А. В. Алёшина, И. С. Белявского, И. В. Горбач «OLAP и многомерный анализ данных», А. Б. Бергер, Б. Ф. Андерсона, В. И. Сергеева «Информационные системы и технологии».

Анализ этих работ показал, что при исследовании сложных СЭС возникает необходимость использования методов экспертного оценивания (ЭО). С целью автоматизации сбора и обработки экспертной информации (ЭИ), при организации опроса экспертов используются информационные системы анкетирования (ИСА). Современные ИСА характеризуются разнообразием процедур обработки данных при проведении их многомерного анализа с целью принятия управленческих решений. Однако при проведении экспертных опросов часто не учитываются компетентности экспертов в предметной области. Часть ЭИ теряется, так как недостаточно полно учитываются мнения экспертов, которые могут иметь несколько различающихся по степени уверенности прогнозных оценок реакции СЭС на возможные управляющие воздействия. Всё это, в свою очередь, снижает эффективность управленческих решений, принимаемых по результатам обработки данных экспертных опросов.

Таким образом, совершенствование процедуры сбора ЭИ, методики обработки и анализа данных экспертных опросов для выработки эффективных решений по управлению СЭС является актуальной задачей.

Объект исследования - процесс управления СЭС, основанный на экспертных оценках.

Предмет исследования - процессы сбора, обработки и анализа ЭИ.

Цель диссертационной работы заключается в повышении эффективности управления СЭС на основе повышения достоверности прогнозной оценки реакций системы на возможные управляющие воздействия путём развития методов обработки и анализа ЭИ.

Для достижения поставленной цели в работе сформулированы и решены следующие основные задачи:

1) проведён системный анализ процессов сбора, хранения, обработки и интерпретации данных, полученных в ходе экспертных опросов; выявлены основные недостатки имеющихся подходов, влияющие на эффективность прогнозных оценок при управлении СЭС;

2) разработана структура хранилища данных, обеспечивающая компактное и надёжное хранение экспертной информации о сложных СЭС;

3) разработана методика обработки данных, собранных в ходе экспертного опроса, для получения прогнозной оценки реакций СЭС, учитывающая полное множество мнений экспертов;

4) разработана методика определения компетентности каждого эксперта с целью учёта уровня значимости его мнений при получении прогнозной оценки в задаче управления СЭС;

5) реализована ИСА для получения прогнозной оценки реакций СЭС на возможные управляющие воздействия, произведена её апробация в реальных условиях.

Научная новизна диссертации состоит в предложенном способе сбора и обработки данных, полученных в ходе экспертного опроса, повышающем достоверность прогнозной оценки в задачах управления СЭС, в частности:

1) в разработке математической модели определения компетентности экспертов в виде ориентированного взвешенного графа, отличающейся тем, что она на основе соответствующих ответов на множество дополнительных вопросов, включённых в инструментарий экспертного опроса, позволяет рассчитывать уровень компетентности опрашиваемого для каждого вопроса анкеты в отдельности, что способствует повышению эффективности обработки данных и точности прогноза;

2) в разработке методики представления экспертной информации на основе теории нечётких множеств, учитывающей степень уверенности эксперта в каждом из вариантов ответа и позволяющей получить более полную и точную взвешенную обобщённую прогнозную оценку реакций СЭС на возможные управляющие воздействия;

3) в формализации модели хранилища данных с использованием алгебры кортежей, позволяющей повысить надёжность и информативность выводов, получаемых в результате обработки экспертной информации. Теоретическая и практическая значимость работы:

1) на основе предложенного способа сбора и обработки данных экспертных опросов реализовано программное обеспечение, позволяющее, основываясь на взвешенном мнении каждого из экспертов, получить более достоверную прогнозную оценку реакций СЭС на возможные управляющие воздействия;

2) разработанное программное обеспечение адаптивно под конкретные задачи управления, нацеленные на повышение оценки удовлетворённости качеством услуг, исполненных работ и др., проведение социально-правового мониторинга;

3) разработанная структура ХД даёт возможность осуществить анализ данных, не предусмотренный планом анкетирования, что способствует повышению информативности полученных в результате обработки ЭИ выводов. Методология и методы исследования. Для решения поставленных задач

применялись: теория информационных процессов и систем, теория принятия решений, теория множеств, теория графов, математическое моделирование, метод анализа иерархий, методы экспертных оценок. Положения, выносимее на защиту;

1) математическая модель определения компетентности экспертов в виде ориентированного взвешенного графа, позволяющая рассчитать уровень компетентности эксперта для каждого вопроса анкеты в отдельности;

2) методика представления экспертной информации, учитывающая степень уверенности эксперта в каждом из вариантов ответа;

3) модель хранилища данных, позволяющая повысить надёжность и информативность выводов, полученных в результате обработки экспертной информации.

Степень достоверности исследования обусловлена строгим математическим обоснованием предлагаемых подходов и методов, хорошим совпадением ре-

зультатов числового и имитационного моделирования, успешным внедрением результатов работы в: ФГБОУ ВПО «Пензенский государственный университет» в управлении системой менеджмента качества (спецификация процесса СП-СМК-151-М-02); администрации Железнодорожного района г. Пензы при управлении деятельностью органов местного самоуправления; ЗАО ПФК «Аттика» в процессе получения прогнозных оценок о развитии параметров, характеризующих остаточный ресурс оборудования, которые соответствуют возможным управляющим воздействиям.

Апробация научных результатов. Основные результаты диссертационной работы докладывались и обсуждались на: IV Международной научно-технической конференции молодых специалистов, аспирантов и студентов «Математическое и компьютерное моделирование естественнонаучных и социальных проблем» (Пенза, 2010); XII Международной научно-технической конференции «Информационно-вычислительные технологии и их приложения» (Пенза, 2010); XIV Международной научно-практической конференции «Актуальные проблемы информатики и информационных технологий» (Тамбов, 2010); VIII Международной научно-практической конференции «Социально-экономическое развитие общества: система образования и экономика знаний» (Пенза, 2011); Международной научно-практической конференции «Perspective innovations in science, education, production and transport'2011» (Одесса, 2011); II Международной научно-практической конференции «Проблемы современного образования» (Пенза -Улан-Удэ - Ереван, 2011); VII Международной научно-практической конференции «Проблемы качества образования в современном обществе» (Пенза, 2011); XI Международной научно-технической конференции «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2011); X Международной научно-практической конференции «Современные проблемы гуманитарных и естественных наук» (Москва, 2012); Международной научно-практической конференции «Теория и практика актуальных исследований» (Краснодар, 2012); Всероссийской научно-технической конференции «Современные технологии и управление» (Светлый Яр, 2012); Международной конференции «Новый подход к

проектно-ориентированному образованию - Всемирная инициатива СЭЮ» (Астрахань, 2012).

Публикации. По теме диссертационного исследования получено свидетельство о регистрации электронного ресурса и опубликовано 14 печатных работ:

3 - в рецензируемых отечественных изданиях, рекомендованных ВАК, 9 - в материалах международных и всероссийских конференций, 2 - в зарубежных сборниках.

Структура и объём диссертации. Диссертация включает в себя: введение,

4 главы, заключение, список сокращений и условных обозначений, словарь терминов, библиографический список из 95 наименований и 4 приложения. Объём работы: 105 страниц основного текста, включающего 41 рисунок и 14 таблиц.

1 СИСТЕМНЫЙ АНАЛИЗ ПРОЦЕССОВ СБОРА, ХРАНЕНИЯ, ОБРАБОТКИ И ИНТЕРПРЕТАЦИИ ЭКСПЕРТНОЙ ИНФОРМАЦИИ

Проводится анализ процедуры анкетирования и выполняется обзор измерительных шкал, применяемых в ней. Проводится обзор методов обработки и анализа данных, полученных в ходе экспертного опроса. Осуществляется анализ моделей представления данных в ИСА. Выполняется обзор существующих систем поддержки принятия решений на основе прогнозных оценок реакций СЭС на возможные управляющие воздействия. Формируется словарь основных терминов (тезаурус).

1.1 Анализ процедуры анкетирования с использованием информационных систем

Процедура анкетирования - это психологический вербально-коммуника-тивный метод, в котором в качестве средства для сбора сведений от экспертов используется оформленный список вопросов - анкета [1]. Анкетирование - есть опрос при помощи анкеты. Анкета является одним из условий получения объективно значимых результатов опроса экспертов. Созданию анкеты предшествует длительный этап разработки программы исследований, так как в анкету закладываются гипотезы, сформулированные задачи, которые предстоит решить в процессе опроса. С этой точки зрения, анкета рассматривается как инструмент сбора информации.

Если не учитывать особенностей формулировки вопросов в анкете, то даже при соблюдении всех остальных требований методики исследования, результаты бывают ошибочными. Вследствие этого встаёт вопрос об обзоре структуры анкеты.

В структуре анкеты выделяют следующие составные части [2]: - титульный лист (зачастую исполняется вместе с вводной частью);

- вводная часть (преамбула) - это единственное средство мотивации эксперта на заполнение анкеты, формирования его установки на искренность ответов. Кроме того, здесь приводятся цель исследования, способ заполнения анкеты, характер использования результатов, а также анонимность эксперта;

- основная (содержательная) часть - это группа основных вопросов анкеты (блоки вопросов), посвященных тематике проводимого исследования. Структура и последовательность вопросов в анкете, по сути, представляют собой установку на развитие коммуникации с экспертом: пробуждение интереса, завоевание доверия, подтверждение уверенности опрашиваемых в своих возможностях, дальнейшее проведение опроса;

- заключительная (социально-демографическая) часть - это вопросы социально-паспортной статистики (возраст, пол, образование и т.д.), необходимые для оценки