Диссертация (1155395), страница 15

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 15)

Соответственно,оценка 1/9 соответствует ситуации, когда A абсолютно менее сильнее влияетна объемы необходимых ресурсов, чем B.• Оценки 2, 4, 6, 8 (1/2, 1/4, 1/6, 1/8) используются для облегчениякомпромиссов между слегка отличающимися между двумя основнымичислами суждениями.По каждому критерию сравнения составляется матрица парных сравнений,элементами которой являются оценки парных сравнений по шкале от 1 до 9на пересечении соответствующих элементов выше главной диагоналиматрицы, и обратные им элементы ниже главной диагонали матрицы.

Наглавной диагонали матрицы парных сравнений располагаются единицы, таккак при сравнении элемента с самим собой констатируется равнаязначительность.89Итак, матрица парных сравнений в общем случае имеет следующийвид (a, b, c, d, e, f – некоторые оценки из диапазона 1…9 или обратные к нимвеличины), Fi - факторы, влияющие на объемы необходимых ресурсов:Таблица 2.3Общий вид матрицы парных сравненийКритерийF1F2F3FNF11abcF21/a1deF31/b1/d1fсравнения1FN1/c1/e1/f1Далее вычисляется соответствующий вектор приоритетов по даннойматрице. Математически эта операция представляет собой вычислениеглавного собственного вектора, который после нормировки и становитсявектором приоритетов. Для облегчения расчетов можно использоватьследующее правило: необходимо суммировать элементы каждой строки споследующей нормировкой путем деления каждой суммы на сумму всехэлементов.Суммаполучившихсяэлементовбудетравнаединице.Соответствующие элементы полученного вектора будут характеризоватьприоритеты соответствующих объектов.Компоненты полученного вектора приоритетов будут соответствоватьвесамфакторовi .Внашейметодикевесафакторовявляютсяфиксированными величинами.Обобщенный коэффициент ресурсного обеспечения для каждого видаресурса вычислим по формуле:90Ni   j j ,(2.17)j 1где N - количество рассматриваемых факторов.Отметим,чтонакаждомэтапежизненногоциклавесовыекоэффициенты факторов различаются.Далее необходимо сформировать статистическую базу данных оценокфакторов и обобщенных коэффициентов ресурсного обеспечения по каждомувиду ресурсов.

Такую базу можно представить в виде следующей таблицы.ПараметрМоментОбобщенныйФактор 1…Фактор Nвремени iкоэффициентресурсногообеспечения111…1N1221…2N2……………tt1…tNtШаг 2. Настройка адаптивной моделиПо представленным статистическим данным могут быть построены линейныерегрессионные оценки:ti  a0  b0t .(2.18)Такие оценки могут быть автоматически получены в MS Excel или другихсистемах компьютерной математики.В то же время, мы полагаем, что в связи с достаточно большойсложностью реализации наукоемкого проекта, более предпочтительна91адаптивнаямодель,посколькунетоснованийполагать,чтовсеретроспективные исходные данные временного ряда в равной мереучаствуют в формировании будущих значенийВ нашей адаптивной модели будем использовать линейную адаптациюБрауна, в которой прогнозные оценкиx на τ шагов вперед вычисляются,например, в момент t по уравнению (t   )  a(t )  b(t )   ,(2.19)где a(t) и b(t) – параметры линейной прогнозной модели, относящиеся кмоменту составления прогноза t.Если же прогноз на τ шагов вперед составляется в момент (t - τ), тоуравнение принимает следующий вид (t )  a (t   )  b(t   )   ,(2.20)где a(t-τ) и b(t-τ) – параметры линейной прогнозной модели вычисленныена момент составления прогноза (t – τ).Если шаг прогнозирования выбрать равным единице, т.е.

τ = 1, торавенство примет вид (t )  a(t  1)  b(t  1)  1 .(2.21)Следуя этой формуле, для вычисления  (1) на момент времени t = 1необходимо знать начальные оценкиa(0) и b(0), которые берутся измодели линейной регрессии, построенной по нескольким первым уровнямэмпирического ряда. Этот метод также реализован в MS Excel и другихсистемах компьютерной математики.92Параметры линейной модели Брауна корректируются (адаптируются)следующим образомa (t )  a (t  1)  b(t  1)  1  (1   2 )   (t  1),b(t )  b(t  1)  (1   ) 2   (t  1)где (t )   (t )   (t )(2.22)– ошибка ретро-прогноза в периоде t,построенная по статистической базе данных;   0,1 – коэффициент доверия, отражающий степень доверия к болееранним (предыдущим) данным.Таким образом, функционирование модели Брауна осуществляется последующей схеме.

Отклонение фактических значений уровней временногоряда от прогнозных оценок, вычисляемых обычно на один шаг вперед,расценивается как ошибка прогнозирования. Эта ошибка поступает на входмоделирующей системы и учитывается в модели (обратная связь) всоответствии с принятой в ней процедурой перехода из одного состояния вдругое.

Затем рассчитывается прогнозная оценка на следующий моментвремени, и весь процесс повторяется вновь вплоть до исчерпанияфактических уровней ряда. С этого момента осуществляется краткосрочныйпрогноз,которыйоказываетсяточнее,чемпрогнозполинейнойрегрессионной модели.На основании адаптивной модели можно получить как точечную, так иинтервальную оценку интенсивности влияния конкретного фактора наобъемы ресурсного обеспечения. Интервальная оценка вычисляется наосновании следующей формулы931 (n    t )2,1  nn2 (t  t )U  t ,  STr(2.23)t 1котораязадает доверительныйучитывающийинтервал прогноза полуширинойнеопределенность,появляющуюсяприUτ,экстраполяциитенденции (тренда) за область данных на прогнозный горизонт τ, где   1,3для краткосрочного прогнозирования.Здесь в общепринятых обозначениях:t , – коэффициент Стьюдента (t–критерий) для уровня значимости  ,т.е.

для доверительной вероятности p = 1 – α , и числа степеней свободы  ;nSTr  (   )t 1t2tn2– среднее квадратическое отклонение от линиитренда.Таким образом, на каждом последующем шаге по времени будемполучать адаптивные оценки интенсивности влияния факторов на объемресурсного обеспечения.Отметим, что оценка интенсивности влияния факторов на объемыресурсного обеспечения должно проводиться на каждом этапе жизненногоцикла наукоемкого проекта отдельно.Этап 3. Итоговое обоснование фактически необходимого объемаресурсного обеспечения для реализации наукоемкого проекта.Прогнозное фактическое значение объемов необходимого ресурсногообеспечения будем находить по формуле:Pi , факт  (1   )  Pi , план ,94(2.24)где все величины определяются по отношению к одному и тому же моментувремени.Эффективность ресурсного обеспечения на основании представленногопрогноза можно оценить с помощью коэффициента обеспеченностиресурсами: Pi ,факт k рес    i,Зi 1 in(2.25)где Pi , факт - прогнозные значения ресурсного обеспечения, Зi - фактическипонесенныезатратыресурсовна реализациюнаукоемкогопроекта.Оптимальным является значение коэффициента обеспеченности ресурсами,равное единице.

При k рес  1 наблюдается недостаточность плановогообъема ресурсов, при k рес  1 наблюдается избыточность в планированииресурсов.Настоящаяметодикапрогнозированияизмененийресурсногообеспечения на всех этапах жизненного цикла производства наукоемкойпродукции под воздействием факторов риска позволяет оценить фактическиенеобходимые объемы ресурсного обеспечения на работы по созданию ипроизводству наукоемкой продукции.

При этом используются методыадаптивной оценки ресурсного обеспечения по статистической информациина каждом этапе жизненного цикла наукоемкого проекта.Настоящая методика адаптирована для проведения расчетов спомощью ЭВМ. Важной характеристикой методики является возможностьминимальногоиспользованияэкспертныхоценок,чтоспособствуетавтоматизации расчетов.Для формирования и анализа показателей, определяющих измененияресурсного обеспечения на всех этапах жизненного цикла производстванаукоемкойпродукцииподвоздействием95фактороврискаудобноиспользоватьинформационно-аналитическуюсистемуввидевычислительного комплекса, реализованного в виде программы на ЭВМ.Такой подход является оправданным, поскольку большинство исследований,связанных с большой аналитической работой и анализом статистическихданныхявляютсяэффективнымиблагодарясовременныхвычислительныхсистем.применяемыхалгоритмов,большимиинформации,необходимостьюЭтоработыприменениюобусловленообъемамисоЭВМисложностьюобрабатываемойсложными,громоздкимиформулами.

Блок-схема реализации применяемой в методике адаптивноймодели представлена на рис. 2.5.1. Получение начальных коэффициентовмодели2. Модификация модели с учетом ошибкипрогнозирования3. Прогнозирование на один шаг вперед4. Вычисление ошибки прогнозанет5. Проверка: законченли период обучениямоделида6.

Использование полученной модели дляпрогнозирования на τ шагов впередРис. 2.5. Блок-схема реализации адаптивной моделиСоставлено автором.96С помощью этого алгоритма могут быть получены адаптивные оценки iинтенсивности проявления факторов риска на основе статистическихданных, полученных на предыдущих этапах жизненного цикла проекта илипри реализации организацией других проектов. По этим данным строитсялинейная регрессионная оценка (2.18). Параметры этой модели являютсяисходными начальными данными для настройки адаптивной модели (2.21).Корректировка (адаптация) параметров модели происходит на каждом шагепо времени по формулам (2.22). Полученные по формуле (2.22) параметрыадаптивной модели используются для расчета интенсивности проявленияфакторов риска по формуле (2.21). Полученные значения интенсивностипроявления факторов риска используются при расчете обобщенногокоэффициента ресурсного обеспечения (2.17) с учетом весомости факторовриска.

Характеристики

Список файлов диссертации