Методика оценки информации в системах принятия решений при управлении предприятием Добрынина Наталья Владимировна

Содержание к диссертации

Введение

1 Анализ современного состояния разработок в области оценки и анализа информации для систем принятия решений и управления предприятием. постановка задач исследования

1.1 Особенности преобразования, обработки и оценки информации о состоянии сложной системы 12

1.2 Анализ методов преобразования, анализа и оценки информации о состоянии сложного объекта для систем принятия решений 17

1.3 Существующие инструменты и программные средства для преобразования, анализа и оценки информации о состоянии сложных систем

1.4 Факторы, характеризующие состояние системы 27

1.5 Постановка задач исследования 30

Основные результаты и выводы по главе 1 32

2 Структуры и способы анализа, обработки и оценки информации о состоянии сложной системы для систем принятия решений 34

2.1 Приведение информационных признаков о состоянии системы в единое информационное пространство 34

2.2 Снижение размерности пространства обрабатываемых входных признаков 37

2.3 Способ оценки информации об объекте и структура системы на его основе для решения задач управления и принятия решений 41

2.4 Структура системы преобразования, анализа и оценки информационных признаков объекта 48

2.5 Адаптивная модель оценки информации об эффективности функционирования сложной системы з

2.6 Структура системы преобразования и обработки информации об объекте Основные результаты и выводы по главе 2 56

3 Моделирование системы анализа, обработки и оценки разнородной информации о сложной системе 59

3.1 Сбор информации о сложной системе 60

3.2 Трёхзвенная гибридная системы анализа, обработки и оценки информации о состоянии сложной системы

3.3 Моделирование функциональных блоков трехзвенной гибридной системы 64

3.4 Алгоритмы функционирования трезвенной гибридной системы 70

3.5 Настройка трехзвенной гибридной системы 72

Основные результаты и выводы по главе 3 82

4 Методика оценки информации о сложном объекте с использованием трехзвенной гибридной системы 83

4.1 Анализ методик оценки информации об инновационном потенциале... 84

4.2 Применение трехзвенной гибридной системы для оценки информации о функциональном состоянии сложной системы 86

4.3 Выбор критериев, типов решателей для оценки информации об инновационном потенциале предприятия 88

4.4 Методика оценки информации об инновационном потенциале на основе разработанных способов и алгоритмов 95

Выводы и рекомендации по результатам использования трехзвенной гибридной системы для оценки иновационного потенциала предприятия 107

Основные результаты и выводы по главе 4 ПО

Заключение 112

Список сокращений и условных обозначений 115

Список литературы 116

• Существующие инструменты и программные средства для преобразования, анализа и оценки информации о состоянии сложных систем
• Способ оценки информации об объекте и структура системы на его основе для решения задач управления и принятия решений
• Трёхзвенная гибридная системы анализа, обработки и оценки информации о состоянии сложной системы
• Выбор критериев, типов решателей для оценки информации об инновационном потенциале предприятия

Введение к работе

Актуальность исследования. В современном мире человечество не представляет своего существования без сложных систем (социальных и экономических, технических), таких как крупные предприятия, электростанции, транспортные средства, радиолокационные средства, производственные линии и т.п. Процесс управления такими системами всегда требует огромного объема информации о текущем, ретроспективном и возможном состоянии. Необходимость обеспечения нормального функционирования таких систем уже давно превратилась из инженерно-технической в научно-техническую проблему.

В процессе функционирования сложной системы формируется множество качественной и количественной информации, характеризующей состояние внутренней и внешней среды. Исследование процесса анализа и обработки информации о функционировании сложных систем является важной задачей, призванной упростить процесс оценки функционального состояния сложных систем и обеспечить эффективное управление этими системами.

Решением задач обработки и оценки информации, управления систе-МЭ.МИ зэ,нимэлись i\. \s. _ьождсіи_? о. і\. осісильсв_? j\. j\. ооронов_? 1. i\. і сіврилО"

рович, А. Г. Ивахненко, В. В. Калашников, С. И. Колесникова, В. В. Корне-ев,

U3-CMIC_? J\. 1 . ^І-'ИНОГссВ^ \s. yv3-MKMH_? _rl. Iv. у\.уЗМИсВ_? її/. -J. U_lllUlCOB3-_? 1V1. J\. І І ІЄ|)~

баков, H. К. Юрков, Н. Abdi, L. J. Williams, J. Banks, M. B. Beck, J. S. Carson, E. E. Kerre, J.-S. R. Jang, B. L. Nelson, D. Nicol, С D. Pegden, B. Pera-kath, W. Sarle, R. E. Shannon, K. Swingler, X. Yao и многие другие.

В общем случае реализация систем и способов анализа, обработки и оценки информации о состоянии сложной системы связана с решением ряда научно-технических задач: определением характеристик объекта и выявлением приложенных к нему воздействий, оценкой совокупности информационных признаков, оптимизацией их количества и размерности, построением и моделированием системы и др. Для их решения необходимо произвести модификации структуры объекта, разработку новых и совершенствование существующих способов оценки и алгоритмов анализа информации о состоянии объекта.

Цель диссертационной работы - разработка новых и совершенствование существующих способов оценки информации о состоянии сложной системы (объекта), ориентированных на повышение эффективности управления предприятием с использованием интеллектуальной поддержки принятия решений.

Для достижения цели были поставлены и решены следующие задачи:

проведен анализ современного состояния в области управления социальными и экономическими системами, в частности предприятиями, а также в области преобразования, обработки и оценки информации о состоянии сложной системы (объекта) для решения задач управления и определены направления исследований;

разработаны способ и структура системы оценки информации об объекте для решения задач управления и принятия решений, позволяющие расширить функциональные возможности системы, упростить процесс преобразования информации для повышения эффективности управления;

разработана адаптивная модель оценки информации о сложной системе (объекте), позволяющая создавать саморегулируемые системы анализа, обработки и оценки информации для решения задач управления и принятия решений в социальных и экономических системах;

разработаны структуры систем оценки информационных призн-ков и обработки информации о состоянии объекта, позволяющие определять оптимальные значения информационных признаков, проводить идентификацию уровня состояния объекта (предприятия) в режиме реального времени и повышать эффективность его функционирования;

разработана методика оценки информации о состоянии сложного объекта (предприятия) с использованием трехзвенной гибридной системы, которая позволяет осуществлять эффективную поддержку принятия управленческих решений на основе ретроспективной, текущей и экспертной информации.

Объект исследования - процесс и система анализа, обработки и оценки информации о функционировании сложных социальных и экономических систем, в частности предприятия.

Предмет исследования - теоретические и практические проблемы получения, преобразования и обработки информации при управлении сложными социальными и экономическими системами с целью повышения эффективности функционирования, путем критериальной оценки состо-ния исследуемого объекта.

Методы исследования. Поставленные в диссертационной работе з-дачи решались с применением методов системного анализа, аппарата общей теории управления, оптимального управления, многокритериальной оптимизации, снижения размерности признакового пространства (метод корреляций, факторный анализ и т.п.), методов нечеткой логики, искусственного интеллекта и нейроинформатики, экспертных продукционных систем и экспертных оценок.

Соответствие паспорту специальности. Работа выполнена в соо-ветствии с паспортом специальности ВАК РФ 05.13.10 «Управление в социальных и экономических системах» (пункты 3, 6, 7, 9, 10).

Научная новизна работы состоит в следующем:

1. разработаны способ оценки информации об объекте и структура системы на его основе для решения задач управления и принятия решений при оценке инновационного потенциала предприятия, отличающаяся у-рощением процесса преобразования информации и расширением функциональных возможностей системы, путем уменьшения размерности информационных показателей ситуаций, наличием шага приведения их к относительным единицам, вычисления на их основе обобщенных информацио-ных показателей, ранжирования их по характеристическим уровням, вычисления критериев эффективности функционирования системы для тек-щей ситуации;

2. предложена адаптивная модель оценки информации об эффективности функционирования сложной системы (экономической, социальной, технической), отличающаяся возможностью создания саморегулируемой системы, с последующей визуализацией результатов решения задач управления и принятия решений;

3. разработана структура системы преобразования информационных признаков объекта, отличающаяся введенными блоками установки шкалы преобразования, шкалы преобразования абсолютных значений информац-онных признаков в относительные, блоками выбора решателей, формиров-ния правил решателя, сравнения и выбора существенных признаков, позволяющими выявлять корреляционные зависимости и определять их оптимальные значения, а также повысить эффективность обработки информ-ции для лица, принимающего решение, проводить идентификацию уровня эффективности функционирования, получать обоснованную критериальную оценку, анализировать и принимать решения по управлению предпр-ятием на основе ретроспективной, текущей и экспертной информации, повысить эффективность обработки информации о состоянии объекта;

4. разработана методика оценки информации о состоянии сложного объекта (предприятия) с использованием трехзвенной гибридной системы, основанная на разработанных способах, алгоритмах, позволяющая реал-зовать интеллектуальную поддержку принятия управленческих решений и обеспечить эффективное функционирование предприятия.

Теоретическая значимость заключается в следующем:

5. разработанные способ оценки информации об объекте и структура системы на его основе могут быть использованы для оценки инновацио-ного потенциала предприятия при создании систем принятия решений;

6. предложенная адаптивная модель оценки информации об эффе-тивности функционирования сложной системы может быть применена при системном анализе эффективности функционирования социальны, экономических и технических систем вне зависимости от их назначени, целей, решаемых задач и сложности;

7. разработанная методика оценки информации о состоянии сложного объекта с использованием трехзвенной гибридной системы, основанная

на предложенных способах, структурах систем и алгоритмах первоначальной настройки трехзвенной гибридной системы, ввода и редактирования множества шкал приведения в единое информационное пространство, может быть использована для оценки инновационного потенциала в системах интеллектуальной поддержки управленческих решений.

Практическая значимость заключается в следующем:

8. разработанная структура системы преобразования информацио-ных признаков объекта может найти широкое применение в задачах анализа и обработки информации о состоянии социальных, экономических и технических систем (объектов) и принятия обоснованных решений по управлению, например для оценки инновационного потенциала предпри-тия, уровня научно-технического развития и т.п.;

9. разработанные способ, модель и методика реализованы в виде информационного и программного обеспечения - трехзвенной гибридной с-стемы, которая может быть использована для оценки функционирования сложных систем.

На защиту выносятся:

10. способ оценки информации об объекте и структура системы на его основе для решения задач управления и принятия решений;

11. адаптивная модель оценки информации об эффективности фун-ционирования сложной системы;

12. структура системы преобразования информационных признаков объекта для принятия решения по управлению предприятием на основе ретроспективной, текущей и экспертной информации;

13. методика оценки информации о состоянии сложного объекта (предприятия) с использованием трехзвенной гибридной системы.

Реализация и внедрение результатов исследований. Диссертац-онная работа выполнялась в рамках государственного задания Минобрнау-ки РФ на 2016 г., код проекта № 1267. По результатам практической реали-зации и апробации получено три акта внедрения результатов работы -из ФГУП ФНПЦ «ПО "Старт" им. М. В. Проценко», «Научно-исследовательского и конструкторского института радиоэлектронной техники», ООО «эМэЛэС АйТи Система».

Апробация работы. Основные положения диссертационной работы представлялись и обсуждались на международных, всероссийских и межвузовских научно-практических и научно-технических конференциях: II Международной научно-практической конференции «Инновационные информационные технологии» (г. Прага, Чехия, апрель 2013 г.); XI Международной научно-методической конференции «Инновации в науке, образовании и бизнесе» (г. Пенза, Россия, май 2013 г.); XII Международной нау-но-методической конференции «Инновации в науке, образовании и бизнесе» (г. Пенза, Россия, май 2014 г.); VII Международной научно-практ-ческой конференции студентов и молодых ученых «Модели, системы, сети

в экономике, технике, природе и обществе» (г. Пенза, Россия, октябрь 2013 г.); VIII Международной научно-практической конференции студе-тов и молодых ученых «Модели, системы, сети в экономике, технике, пр-роде и обществе» (г. Пенза, Россия, октябрь 2014 г.); Международной научно-технической конференции, посвященной 70-летию Победы в Вел-кой Отечественной войне, «Проблемы автоматизации и управления в те-нических системах» (г. Пенза, Россия, май 2015 г.); XI Международной научно-практической конференции студентов и молодых ученых «Модел, системы, сети в экономике, технике, природе и обществе» (г. Пенза, Росси, апрель 2016 г.); X Международной научно-технической конференции молодых специалистов, аспирантов и студентов (г. Пенза, Россия, май 2016 г.).

Публикации. Основные теоретические и практические результаты диссертации опубликованы в 14 статьях, среди которых 5 - в ведущих рецензируемых журналах из перечня ВАК. Получены 2 свидетельства РФ на программы для ЭВМ и зарегистрированы 4 заявки на изобретение РФ. В работах, выполненных в соавторстве, автором предложены структура оценки инновационного потенциала промышленного предприятия, способ и структура системы преобразования информации и критерий эффективности функционирования исследуемого объекта, компоненты системы при решении системы в условиях неполноты информации, подход к оце-ке анализа эффективности инновационной деятельности предприятия, методика оценки информации с использованием трехзвенной гибридной системы.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав с выводами, заключения, списка используемой литературы и трех приложений. Она изложена на 147 страницах, включает 38 рисунков, 4 таблицы. Список литературы содержит 133 наименования. Приложения представлены на 17 страницах.

Существующие инструменты и программные средства для преобразования, анализа и оценки информации о состоянии сложных систем

Сложная система — составной объект, части которого можно рассматривать как системы, закономерно объединенные в единое целое в соответствии с определенными принципами или связанные между собой заданными отношениями. Сложная система поддается декомпозиции на конечное число блоков; каждый блок верхнего уровня можно в свою очередь декомпозировать на более мелкие подсистемы и т. д., вплоть до получения систем начального уровня, так называемых элементов сложной системы, которые либо объективно не подлежат декомпозиции, либо относительно их целостности имеется соответствующая обусловленность. Подсистема, таким образом, с одной стороны, сама является сложной системой, состоящей из нескольких элементов (систем начального уровня), а с другой стороны — элементом системы более верхнего уровня [36]. В каждый момент времени под действием факторов внешней и внутренней среды элементы сложной системы могут находиться в том или ином состоянии. Динамика состояний характеризуется воздействием предыдущего состояния и входным сигналом в текущий момент времени и поступавшим ранее. Элементы системы взаимодействуют друг с другом в тесной связи, оказывая влияние на функционирование элементов подсистем и системы в целом [36].

Особенностями сложных систем являются [13, 45, 67]: - сложная структурируемость, большое число компонентов, многопараметричность; - постоянное изменение структуры; - ограниченность входной информации; - разнообразие внешних воздействий, их вероятностный характер; - нелинейная взаимосвязь между параметрами, сложность ее описания; - необходимость принятия оперативных управленческих решений; - ограниченность в применении экспериментальных исследований; - невозможность создания и использования общих моделей анализа в совокупности с процессами функционирования; - при моделировании системы необходимо сочетать различные подходы для оперативного управления; - оперативное управление условно ограниченно применимостью в реальном времени из-за инерционности системы.

Решением описанных сложностей является декомпозиция системы на менее сложные элементы и их исследование с учетом взаимодействия между собой. При таком подходе сложная система должна обладать следующими возможностями:

1. Исследуемая система может быть разделена на некоторое число элементов - подсистем, являющихся конечным числом. Подсистемы в свою очередь могут быть декомпозированы на подсистемы более низкого уровня. Количество уровней декомпозиции ограниченно условиями задачи. 2. Система представляет собой целостный комплекс взаимосвязанных и взаимодействующих элементов. Системы верхнего уровня являются внешней средой для подсистем нижнего уровня, входные системы которой определяются системой верхнего уровня.

3. Система находится в постоянном взаимодействии с внешней средой, подвергаясь воздействию с ее стороны, система сама оказывает на нее влияние.

4. Для упрощения процесса анализа, необходимо рассматривать более простые взаимодействующие модели, полученные с помощью декомпозиции системы.

5. Подсистемы, полученные в процессе декомпозиции, можно рассматривать как обособленные системы.

Целью получения, анализа и преобразования качественной и количественной информации о сложной системе является диагностика ее состояния. Состояние сложной системы характеризует совокупность количественной и качественной информации в различных единицах измерения. Результатом процесса исследования объекта является заключение о состоянии диагностируемого объекта. Получаемые данные о состоянии необходимы для активных воздействий на исследуемые объекты с целью повышения эффективности их функционирования. Для построения модели объекта исследования необходимо знать свойства и характеристики этого объекта.

Процесс создания информационного ресурса (информационного признака или их совокупности) для оценки состояния сложной системы состоит из следующих этапов [20]:

Способ оценки информации об объекте и структура системы на его основе для решения задач управления и принятия решений

Наиболее распространенным методом снижения размерности признакового пространства является метод выделения главных компонент из исходного набора признаков [115]. Метод основывается на полученной ковариационной матрице, комбинировании переменных с высокими значениями ковариантности для получения новых переменных, которые наиболее полно описывают исходные данные. Этот процесс эквивалентен функции аппроксимации. Повторение процедуры приводит к получению набора данных в другой системе координат. Преимуществом является возможность упорядочивания новых координат по отношению к вариабельности в исходном наборе значений. Таким образом, получается новый набор данных, уменьшенный по размеру, но описывающий начальные данные также полно, как и предыдущий набор данных. При изменении набора признаков возникают трудности обратного приведения данных и их интерпретации [36, 122].

Сформулированные недостатки рассмотренных методов и предложенная классификация, обобщающая известные методы и разграничивающая области их предпочтительного применения, описанные в первой главе исследования, позволили определить пути дальнейшего совершенствования систем оценки информации о сложном объекте (рисунки 3, 4): - необходимо свести к минимуму участие экспертов и их оценки, что позволит снизить уровень субъективности; - в условиях неопределенности и неоднородности входных данных использовать аппарат преобразования исходной информации в единое информационное пространство; - уменьшить набор показателей за счет методов снижения размерности признакового пространства, но при этом новый набор данных должен обеспечивать достаточный уровень адекватной оценки информации о сложной системе; - для каждого показателя необходимо разработать критериальные границы, базирующиеся в основном на справочных и статистических данных различных официальных и объективных источников, доступных данных мониторинга внешней среды.

В результате предложено использовать способ, основанный на нечеткой модели представления многомерных данных, с использованием аппарата преобразования исходной информации в единую базу знаний в приведенных единицах (единое информационное пространство см. п.п. 2.1) и методах снижения признакового пространства см. п.п. 2.2, с целью обеспечения объективности получаемых результатов (способ оценки информации об объекте и структура системы на его основе для решения задач управления и принятия решений). Визуализация критерия эффективности предлагается в виде лепестковой диаграммы, где по лучам отмечаются текущие значения групп, характеризующие систему, а масштаб диаграммы равен максимальному значению, которое могут принять эти группы. Использование данного способа целесообразно, т.к. он имеет целый ряд положительных свойств по сравнению с проанализированными методами.

На первом этапе задаются исходные данные для расчетов: матрица А решений размерностью т х h, где h - число вариантов решений текущей ситуации; m - размерность одномерной матрицы ситуации В; коэффициенты Gi важности и возможности управления («да» - 1, «нет» -0) і-го аргумента по результатам опроса единственного лица принимающего решение (ЛПР); данные для вычисления шкал приведения информационных показателей к относительным единицам; данные о количестве обобщенных информационных показателей п; данные о количестве ситуаций М; данные о количестве направлений связи Q; значение допустимого времени доп.р реализации решения; значения времен t реализации принятых решений в у-й ситуации; массив нормативных значений текущей ситуации {/2; U). Второй и последующий этапы инициируются блоком управления работой структуры. Работа делится на 2 части: определение текущего положения и учет качества обратной связи. В первой части, поданные на вход данные, проходят процедуры преобразования и обработки информации, уменьшения размерности с помощью корреляционного, регрессионного и факторного анализа с учетом коэффициента важности (Gi) указанных ЛПР, согласно функциональным назначениям блоков и указанных в блоках формулах (рисунки 3 и 4).

Промежуточными результатами в способе являются Рпр - вероятность правильного принятия решения; Рсър - вероятность своевременной реализации принятого решения; Rj - правильно принятое для у-й ситуации решение; Q -число своевременно реализованных принятых для у-й ситуации решений; Vj -значение информационного показателя у-той ситуации; 1у - нормативное значение информационного показателя, соответствующего второму уровню (низкому значению); /4/ - нормативное значение информационного показателя, соответствующего четвёртому уровню (высокому значению); Uj - шаг интервала шкалы приведения; Xt - характерный уровень группы показателей состояния системы; pi - приведенное значение группы показателей состояния системы (обобщённый информационный показатель ситуации); показатель эффективности функционирования системы Эффект Ри - максимально возможное значение информационного показателя ситуации по шкале приведённых значений (р„=100).

Все вычисления сопровождаются этапом визуализации результатов вычислений через блок отображения.

Завершающим этапом является расчет показателя эффективности управления системами W, с автоматизированным принятием решения, значение которого подается на вход блока отображения для визуализации и анализа информации об эффективности управления.

Трёхзвенная гибридная системы анализа, обработки и оценки информации о состоянии сложной системы

Для сбора этих данных используется информация о функционировании системы из справочных и статистических данных различных официальных и объективных источников, доступных данных мониторинга внешней среды, а также проводятся необходимые исследования [112].

После сбора информации необходимо проверить и учесть возможность моделирования исследуемой системы: - система представляет собой целостный комплекс взаимозависимых и взаимодействующих компонентов и подсистем; - система может быть декомпозирована на подсистемы различного уровня; - система подвергается воздействиям и оказываемому влиянию со стороны среды функционирования. [48, 104, 119]. Для моделирования предложенного способа необходимо выполнение следующих условий: - применение нейросетевого моделирования только в том случае, когда очевидно, что другие способы моделирования не способны выдавать адекватные результаты в режиме реального времени; - возможность моделирования динамических процессов как последовательности состояний системы.

Если любое из перечисленных условий и ограничений не выполняется, то моделирование системы с помощью предложенного способа невозможно.

Пройдя все подготовительные этапы, приступаем к моделированию структуры трёхзвенной гибридной системы анализа, обработки и оценки информации о состоянии сложной системы.

На основе систем анализа, обработки и оценки информации о сложном объекте, рассмотренных во второй главе диссертации, разработана структура трёхзвенной гибридной системы, что соответствует задачам в рамках настоящего диссертационного исследования. Общая структурная схема системы показана на рисунке 8.

Система состоит из блока начальной настройки, блока дерева решений и модулей ввода и вывода данных, рабочего места лица принимающего решения и базы данных. Каждый из указанных блоков состоит из различных модулей обработки и преобразования информации.

Модуль ввода данных предназначен для ввода исходной информации о текущем или ретроспективном состоянии исследуемой сложной системы.

Модуль вывода данных предназначен для визуализации результатов работы трёхзвенной гибридной системы, отображение результатов возможно в любом удобном для пользователя виде, это может быть график изменения переменных во времени, статистический отчет, диаграмма состояний в виде «лиц Чернова» [56] или объёмные диаграммы, при этом количество и структура отчетов могут быть изменены без изменения исходного кода системы.

Блок первоначальной настройки состоит из следующих модулей: 1. Модуль переменных - модуль описания переменных, используемых системой для анализа, обработки и оценки информации (состоит из модуля описания настройки переменных, позволяющего выбрать тип переменной и правила ее фаззификации и дефаззафикации), и модуля сохранения и загрузки данных из базы данных системы и внешних источников; 2. Модуль снижения размерности - модуль предназначен для уменьшения количества используемых переменных, и выявления наиболее значимых в процессе оценки информации о состояния системы (состоит из модуля статистического анализа, и модуля сохранения и загрузки данных);

3. Модуль математического и параметрического моделирования -предназначен для описания решателей параметрического вида. Если в процессе вычисления решателя происходит расчет формулы, то моделирование принимает вид математического, а если присваивается значение константы, то параметрического;

4. Модуль логического моделирования - модуль представляет собой систему построения продукционных правил экспертной системы. Сложность правил может быть любой. Правило возможно описать в виде дерева. Результатом вычисления правила является активизация вычисления параметрического решателя;

5. Модуль нейронных сетей - модуль представляет собой совокупность возможностей для работы с функционалом нейронных сетей. Модуль позволяет произвести настройку работу системы, провести обучение, настроить структуру, протестировать результаты работы;

6. Модуль экспертного заключения - представляет собой логическое моделирование, предназначенное для вывода в понятном для пользователя виде рекомендаций на основе рассчитанных значений.

Блока дерева решений состоит из следующих модулей:

1. Модуль узла решения - предназначен для настройки узла расчета. Модуль состоит из определения порядка решения в узле, выбора метода решателя, настройки результата решения по узлу (настройки выдачи рекомендаций), а также модуля сохранения и загрузки узла решения из базы данных системы;

2. Модуль расчета предназначен для выполнения вычислений и состоит из выбора узла решения (производится в соответствии с иерархией дерева решений), определения порядка решения (выбор решения узла производится согласно настройке порядка решения внутри узла), модуля сохранения и загрузки данных из базы данных системы.

Система сохраняет все промежуточные результаты решения, что позволяет проследить динамику и рассмотреть результаты на всех уровнях дерева решения.

Система построена на основе способов и структур, предложенных во второй главе настоящего исследования. В основе модуля снижения размерности и модуля переменных - блоки, предложенные в способе оценки разнородной информации об объекте и структуре системы на его основе для решения задач управления и принятия решений (п.п. 2.3) и в системе анализа преобразования и оценки информационных признаков объекта (п.п. 2.4). Общий алгоритм работы системы основан на способе оценки информации о системе с настройкой на основе адаптивной модели (п.п. 2.5). В основу использования дерева решений, как основного метода решения вошли положения, рассмотренные в системе анализа и обработки информации о состоянии сложного объекта (п.п. 2.6). Разработанные способы и системы анализа, обработки и оценки информации о состоянии сложного объекта, на основе предложенных во второй главе подходов, позволили расширить функционал трёхзвенной гибридной системы для проведения всестороннего анализа информации о состоянии системы.

Выбор критериев, типов решателей для оценки информации об инновационном потенциале предприятия

Однако, чтобы оценить такой критерий уровня состояния сложной системы, как уровень инновационного потенциала предприятия, необходимо выйти за границы исследования технической системы, и исследовать функциональные связи и зависимости между всеми элементами системы, следовательно, оценить предприятие многоаспектно, с разных сторон. Только на основании исследования экономической, социальной и технической подсистем предприятия во взаимосвязи, можно дать полную оценку уровня состояния сложной системы [12, 23].

Инновационная деятельность - процесс, результатом которого являются фундаментальные научные исследования, а также опытно-конструкторские работы, которые отличаются научной новизной (актуальностью проводимых исследований), практической значимостью (положительным эффектом от внедрения), и коммерческой реализацией на рынке в виде нового или усовершенствованного технологического процесса, технологии, продукта, «ноу-хау», либо других научно-технических достижений.

Инновационный потенциал - это готовность субъекта к осуществлению инновационной деятельности, направленной на создание нового продукта, технологии и т.д. [19, 42].

Из всего многообразия методик, применяемых для анализа, обработки и оценки информации о состоянии сложной системы с учетом особенностей осуществления инновационной деятельности в отрасли приборостроения, можно выделить методику экспертных оценок (балльных и критериальных), аналитические методики, методику финансово-экономического анализа [11, 29, 31,47,96,107,109,113].

В рассмотренных методиках [11, 31, 47, 96, 109] оценка информации осуществляется с помощью балльных экспертных оценок. Данные методики обладают следующими недостатками: - высокий уровень субъективности; - использование показателей, в определении которых возникает сложность в достоверности и обоснованности оценки; - расчет результативных показателей производится методами «суммы балльных значений» или «ранговая сумма мест»; - применение весовых коэффициентов значимости; - сложности в повторном использовании готовой методики, из-за необходимости привлечения экспертов; - сложности разработки рекомендаций в процессе расчета оценки. Следующей методикой, отмеченной в анализируемой литературе, является методика финансово-экономического анализа, предложенная Трифиловой А.А. [97]. Оценку информации об инновационном потенциале предлагается ограничить показателями финансово-экономических ресурсов, для расчета возможностей предприятия проведения стратегической инновационной и текущей производственной деятельности. Методика обладает следующими достоинствами: - получение объективных результатов; - отсутствие необходимости привлечения экспертов; - возможность оценки финансового состояния предприятия. Недостатком данной методики является узкий аспект оценки информации о функциональном состоянии исследуемой системы.

В методике, представленной в [113], для получения результирующей интегральной оценки оценивается каждая составляющая системы. Для оценки информации предлагается система характеристик, содержащая в себе ряд показателей, которые определяют каждую составляющую системы в относительных единицах.

Такое представление структуры системы и ее параметров дает комплексный анализ информации о состоянии системы. Однако методика имеет существенный недостаток - отсутствие критериальных значений для получаемых коэффициентов. Поэтому практическое применение этой методики позволяет оценивать состояние системы только в динамике, сравнивая отклонения от предыдущих периодов расчета.

Разработанная в процессе исследования методика позволяет провести оценку информации об инновационном потенциале, и отличается от существующих тем, что: - используются относительные показатели, рассчитанные на основе данных официальных источников, что повышает уровень объективности информации, в процессе оценки обрабатывается и анализируется качественная и количественная информация об инновационном потенциале; - для каждого из критериев разработаны шкалы приведения, позволяющие рассчитать критериальные оценки по каждому из информационных признаков и произвести дефаззификацию и фаззификацию информационного признака; - предложена критериальная интегральная оценка инновационного потенциала, методы ее визуализации; - индивидуальное использование для каждого из элементов наиболее подходящих методов решения (аналитические методы, экспертные системы, нейронные сети); - предложены методы, позволяющие уменьшить размерность как самих показателей, так и их количество, используемых для оценки состояния системы. Продемонстрируем, как помощью разработанной методики можно провести оценку информации об уровне инновационного потенциала, который характеризует состояние предприятия как сложной социально-экономической системы, и рассмотрим её преимущества.