Согласование критериев оценки

Для того чтобы процедура согласования реализовывалась эффективно, необходимо применять какие-то правила, по которым следует осуществлять поиск компромисса в случаях, когда оценки вариантов различаются. Эти правила можно разделить на две категории:

· "переговорные" − без использования вычислительной техники;

· человеко-машинные − опирающиеся на компьютерные процедуры.

Компьютерные процедуры, применяемые на практике для согласования критериев:

1. Метод идеальной точки. Точка называется идеальной, если она оптимальна сразу по всем критериям. Как правило, такой точки на практике не существует. Правилом поиска компромисса может быть минимизация расстояния до идеальной точки, что влечет за собой необходимость выработки правила определения этого расстояния.

2. Метод уступок. Сущность метода нахождение компромисса, определяющего"плату" за потерю показателей по какому-либо критерию или части критериев за счет выигрыша по другому критерию или другим критериям.
3. Метод согласования решения по главному критерию. В некоторых случаях задачу с несколькими показателями качества удается свести к задаче с одним-единственным показателем. Этот показатель стремятся обратить в экстремум, а по остальным показателям вводят ограничения. Тогда проблема согласования сводится к нахождению компромисса по главному критерию и согласованию ограничений для всех остальных критериев.

4. Метод согласования решения при лексикографическом упорядочении. В тех случаях, когда может быть определена важность критериев, упорядочение можно проводить сначала по самому важному критерию, а если по этому критерию равными окажутся несколько вариантов, то проводится упорядочение по следующему по важности критерию и т. д.
5. Метод согласования по функции или отношению предпочтения (полезности). Формируется функция, отражающая предпочтение эксперта или лица, принимающего решение. Вычисляются значения функции предпочтения для альтернатив решения. В дальнейшем альтернативы ранжируются по значениям функции предпочтения.

Получение исходных данных

При этом решаются следующие задачи:

· сбор и постоянное обновление информации о параметрах внешней среды и состоянии организации;

· хранение полученной информации, обеспечивающее возможность анализа предыстории;

· передача получаемой или хранимой информации для анализа и обработки;

· представление получаемой или хранимой информации в виде, удобном для обработки.

На этом этапе задача руководителя сводится к контролю полноты, актуальности и адекватности собираемой информации.

Большинство существующих в настоящее время систем сбора, хранения, передачи и представления информации базируется на двух технологиях − это телекоммуникации и базы данных.

Системы оперативной обработки транзакций (online transaction processing − OLTP) позволяют накапливать большие объемы данных, ежедневно поступающих, например, из пунктов продаж. Приложения OLTP, как правило, автоматизируют структурированные, повторяющиеся задачи обработки данных, такие как ввод заказов и банковские транзакции. Эти подробные, актуальные данные из различных независимых точек ввода объединяются в одном месте, и затем аналитики смогут извлечь из них значимую информацию. Агрегированные данные применяются для принятия каждодневных бизнес-решений.

3.4. Решение ЗПР

На этом этапе производится математическая обработка исходной информации, ее уточнение и модификация в случае необходимости.

Классификация задач принятия решений

Задачи принятия решений можно разделить на статические и динамические. К статическим относятся задачи, которые не требуют многократного решения через короткие интервалы времени. К динамическим относятся ЗПР, которые возникают достаточно часто. Следовательно, итерационный характер процесса принятия решений можно считать закономерным, что подтверждает необходимость создания и использования эффективных систем компьютерной поддержки.

ЗПР отличаются большим многообразием, классифицировать их можно по различным признакам, характеризующим количество и качество доступной информации. В общем случае ЗПР можно представить следующим набором информации:

<T, A, K, X, F, G, D>,

где Т – постановка задачи (например, выбрать лучшую альтернативу или упорядочить весь набор;

А – множество допустимых альтернативных вариантов;

К – множество критериев выбора, Х – множество методов измерения предпочтений (например, использование различных шкал);

F – отображение множества допустимых альтернатив в множество критериальных оценок (исходы);

G – система предпочтений эксперта;

D – решающее правило.

Рассмотрим традиционные классификации:

1. По виду отображения F. Отображение может иметь детерминированный характер, вероятностный или неопределенный вид, в соответствии с которым задачи принятия решений можно разделить на задачи в условиях риска и в условиях неопределенности.

2. Мощность множества К. Множество критериев выбора может содержать один критерий или несколько. В соответствии с этим ЗПР можно разделить на задачи со скалярным критерием и задачи с векторным критерием (многокритериальное принятие решений)

3. Тип системы G. Предпочтения могут формироваться одним лицом или коллективом, в зависимости от этого ЗПР можно классифицировать на задачи индивидуального принятия решений и задачи коллективного принятия решений.

Задачи принятия решений в условиях определенности. К этому классу задач относятся задачи, для решения которых имеется достаточная и достоверная количественная информация. В этом случае применяются методы математического программирования, суть которых состоит в нахождении оптимальных решений на базе математической модели реального объекта. Основные условия применимости методов математического программирования следующие:

1. Задача хорошо формализована, то есть имеется адекватная математическая модель реального объекта.

2. Существует некоторая единственная целевая функция (критерий оптимизации), позволяющая судить о качестве рассматриваемых альтернативных вариантов.

3. Имеется возможность количественной оценки значений целевой функции.

4. Задача имеет определенные степени свободы (ресурсы оптимизации), то есть некоторые параметры функционирования системы, которые можно произвольно изменять в некоторых пределах для улучшения значений целевой функции.

Задачи в условиях риска. В тех случаях, когда возможные исходы можно описать с помощью некоторого вероятностного распределения, получаем ЗПР в условиях риска. Для построения распределения вероятностей необходимо либо иметь в распоряжении статистические данные, либо привлекать знания экспертов. Обычно для решения задач этого типа применяются методы теории одномерной или многомерной полезности. Эти задачи занимают промежуточное положение между задачами принятия решений в условиях неопределенности и определенности.

Задачи в условиях неопределенности. Эти задачи имеют место, когда информация, необходимая для принятия решений, является неточной, неполной, неколичественной, а формальные модели исследуемой системы слишком сложны, либо отсутствуют. В таких случаях для решения задачи обычно привлекаются знания экспертов. В отличие от подхода, принятого в экспертных системах, для решения ЗПР знания экспертов обычно выражены в виде некоторых количественных данных, называемых предпочтениями.

Обработка информации может оказаться достаточно трудоемкой, при этом может возникнуть необходимость совершения нескольких итераций и желание применить различные методы для решения задачи. Поэтому именно на этом этапе возникает потребность в компьютерной поддержке процесса принятия решения.