115533 (617564), страница 4

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

Текст из файла (страница 4)

Аналіз вибірок зразків найбільш часто використовується у двох сферах:

а) приймальний контроль матеріалів, комплектуючих, готових виробів, оцінювання відповідності матеріально-виробничих запасів встановленим вимогам;

б) під час ринкового дослідження для оцінки частки споживачів, які можуть купити певний продукт.

Для отримання достовірних результатів дуже важливими є такі чинники як обсяг вибірки, частота опиту, відбір типових зразків, неупереджений метод вибірки. Застосування цього методу описано у 22.

ВНЗ може використовувати ці методи, наприклад, для вибіркової перевірки залишкових знань студентів, оцінювання частки випускників, які можуть знайти роботу за спеціальністю, тощо.

Аналіз здатності процесу дозволяє оцінити його спроможність виробляти результат, який відповідає дозволеній амплітуді варіацій, а також оцінити очікувану кількість невідповідного продукту.

При цьому широко використовуються відповідні індекси, які характеризують мінливість даних у рамках 6 (шість сигм), тобто шести середньо квадратичних відхилень від нормального розподілу результатів процесу, зокрема, С_Р як відношення повного допуску до 6.

Підприємства автомобільної, аерокосмічної, електронної, харчової, фармацевтичної та медичної промисловості часто використовують здатність процесу як основний критерій, за яким можна оцінити не тільки продукцію, але і постачальника. У сфері вищої освіти аналіз здатності процесів за звичай не застосовується. Метод “6 сигм” описано у 23.

Досить широкого застосування в автомобільній, електронній, оборонній, машинобудівній промисловості набули статистичні діаграми управління процесом, або, як їх часто називають, контрольні карти Шухарта. Крім них є ще інші форми карт, такі, що чутливі до малих змін параметрів процесу, а також ті, що згладжують коротко термінові варіації та виявляють стійкі тенденції.

Контрольні карти використовуються для контролю над варіаціями процесу та оцінки його стабільності. У найпростішому випадку, якщо вимірюване значення параметру процесу виходить за встановлені межі регулювання, то це є сигналом для пошуку причини виходу процесу за рамки управління та стабільності і вимагає певних регулюючих дій для входження параметру у встановлений діапазон значень. Контрольні карти використовують також для зниження непотрібного втручання у процес шляхом розмежування варіації, властивої процесу, і варіації, якої потрібно позбутись. Більш детально цей метод описано у 21, 22.

ВНЗ може використати контрольні карти для контролю успішності і відвідуваності студентів, рівня складності тестових завдань, рівня якості викладання тощо.

Окреме місце серед статистичних методів займають методи прогнозування, до багатьох з яких відносяться аналіз часового ряду. Це пояснюється тим, що прогнозування є саме тим інструментом, який дозволяє запобігти виникненню невідповідності, а не усувати її. Такий підхід є основою ідеології TQM, яка орієнтує організацію на запобігання замість виправлення.

Існуючі методи прогнозування представлено на рис.8 і детально описано у 24.

Аналіз часового ряду застосовується для того, щоб спрогнозувати і вивчити поведінку моделі, параметру, характеристики у майбутньому через певний час, наприклад, протікання процесу, кількість скарг або рекламацій, невідповідностей, продуктивність, обсяги продажу, результати випробувань, потреби у матеріалах, комплектуючих, ресурсах тощо.

З точки зору процесного підходу аналіз часового ряду виявляється дуже корисним для розуміння функціонування процесу за умови точного визначення умов його протікання. Цей метод дає можливість спрогнозувати регулюючі впливи на процес у напрямку досягнення певного значення окремих найбільш важливих результатів процесу, а також зменшення варіацій процесу.

Рис. 8

Серед якісних методів прогнозування набув популярності метод Дельфі, розроблений у 50-х роках минулого століття. Перевага метода по відношенню до інших кількісних полягає у зменшенні впливу інших на думку окремого експерта, який бере участь у прогнозуванні. Керівник прогнозної групи готує опитувальну анкету і роздає її незалежним експертам, які не мають зв”язку між собою. Після аналізу отриманих прогнозів він готує нову анкету і розсилає її. Знову проводить аналіз і ставить додаткові нові питання. Цикл може повторюватись до отримання задовільних на думку керівництва або замовників прогнозу результатів. Метод Дельфі може бути використаний ВНЗ для оцінювання своїх ключових процесів. Серед методів, що базуються на аналізі часового ряду, слід виділити метод лінійно-регресійного аналізу, який використовується для прогнозування значення одного параметру в залежності від іншого.

Для застосування методу необхідно зібрати дані за попередні проміжки часу. По них необхідно побудувати графік, щоб визначитись чи є залежність між параметрами лінійною.

Графік регресії можна описати рівнянням

y = + x, де y – значення залежного параметру,

- відрізок, який відсікається по вісі y,

- кут нахилу прямої,

x – незалежний змінний параметр, яким є поточний час.

Метод є корисним для довгострокового прогнозування на основі спосережень за певний період. Розглянемо використання цього методу для прогнозування обсягів набору студентів на юридичний факультет ВНЗ на 3 найближчі роки на основі 10 попередніх років.

Таблиця 4

Рік	Обсяг набору	Рік	Обсяг набору	Рік	Обсяг набору
1	120	5	300	9	460
2	150	6	400	10	490
3	180	7	520
4	250	8	480

Рис. 9

Після нанесення даних на графік проводимо лінію, на якій розміщується найбільша кількість точок. Це є лінія регресії. Відрізок, який відсікає лінія регресії на вісі y приблизно дорівнює =40. Коеффіцієнт нахилу лінії регресії визначається як відношення проекцій відрізку лінії між 1 і 10 роками відповідно на вісях y та x.

=	(490-80)	=	410	=	45,5
	(10-1)		9

Тоді рівняння регресії буде виглядати:

y = 40 + 45,5x

Прогнози набору студентів на юридичний факультет протягом наступних трьох років наведено у таблиці 5.

Таблиця 5

Рік	Прогноз обсягу набору студентів
11	40 + 45,5 11 = 540
12	40 + 45,5 12 = 586
13	40 + 45,5 13 = 631

Методи причинного прогнозування використовуються, коли існує зв’язок між якимось фактором, або подією, які тягнуть за собою певні наслідки.

Наприклад, можна очікувати, що погіршення демографічної ситуації стане причиною зменшення обсягів набору у ВНЗ. Тобто, якщо відома загальна кількість молодих людей певного року народження, які наступного року можуть стати студентами, то можна спрогнозувати обсяги набору у ВНЗ на наступний рік. Таку залежність можна з певними припущеннями вважати лінійною, тобто здійснити прогнозування за методикою, наведеною у попередньому випадку.

Більш складним причинним методом є багатофакторний регресійний аналіз, який розглядає вплив цілої низки незалежних змінних параметрів на досліджуваний об’єкт. Наприклад, на вибір окремого абітурієнта ВНЗ і відповідно на загальний обсяг набору впливає група факторів таких, як здібності абітурієнта, власне бажання, думка батьків та товарищів, мода, потреба ринку у фахівцях даної спеціальності, авторитет ВНЗ, реклама, конкурс, вартість навчання, складність та умови навчання, якість підготовки, наявність підготовчих курсів.

Таку залежність обсягу набору від зазначених факторів можна визначити рівнянням багатофакторної регресії:

K = ₁K_пк + ₂K_зд + ₃K_вб + ₄K_бТ + ₅K_м + ₆K_ПР + ₇K_АВНЗ + ₈K_Р + ₉K_К + ₁₀K_В + ₁₁K_СУ + ₁₂K_Я + ₁₃K_ПП , де

K – загальна кількість прийнятих на навчання студентів;

K_пк – кількість студентів на підготовчих курсах;

K_зд – кількість студентів з необхідними здібностями;

K_вб - кількість студентів, що прислухались до власного бажання;

K_бТ - кількість студентів, що прислухались до батьків та товарищів;

K_м - кількість студентів, на рішення яких впливає мода

K_ПР - кількість студентів, орієнтованих потребами ринку;

K_АВНЗ - кількість студентів, на яких вплинув авторитет ВНЗ;

K_Р - кількість студентів, що прийняли рішення під впливом реклами;

K_К - кількість студентів, орієнтованих на рівень конкурсу, тобто складність вступу;

K_В - кількість студентів, орієнтованих на певну вартість навчання;

K_СУ - кількість студентів, орієнтованих на комфортні умови начання;

K_Я - кількість студентів, орієнтованих на високу якість підготовки;

K_ПП - кількість студентів, орієнтованих на працевлаштування за спеціальністю;

₁- ₁₃ – вагові коефіцієнти впливу кожного з факторів на загальний обсяг набору.

Розв’язання наведеного рівняння багатофакторної регресії вимагає проведення досить складних математичних розрахунків, ускладнених невизначеністю вагових коефіцієнтів. В цьому випадку доцільно звернутись до ще одного методу прогнозування, яким є моделювання, зокрема імітаційне.

Розглянемо процес імітаційного моделювання дослідження впливу якості підготовки випускника ВНЗ на забезпечення стабільного обсягу ліцензованого набору за окремою спеціальністю.

Як зазначалось вище, обсяг набору залежить від кількості абітурієнтів, які подали заяви про вступ до ВНЗ, зробивши свій вибір під впливом цілої низки факторів. Тобто, залежність між обсягом набору і кількістю поданих заяв, по суті є лінійною і вже розглядалась.

Головним у дослідженні є залежність кількості заяв про вступ від якості підготовки випускника.

На першому етапі імітаційного моделювання необхідно визначити які фактори будуть змінюватись у ході моделювання, а які будуть фіксованими у вигляді параметрів. У даному випадку мінливим буде обсяг набору і якість підготовки, а параметрами інші показники, наведені у таблиці 6.

Таблиця 6

№ з/п	Назва параметру	Рівень значення параметру
		низький (н)	середній (с)	високий (в)
	Здібності абітурієнта	н	с	в
	Власне бажання	н	с	в
	Вплив батьків і товаришів	н	с	в
	Вплив моди	н	с	в
	Потреби ринку	н	с	в
	Авторитет ВНЗ	н	с	в
	Вплив реклами	н	с	в
	Складність вступу	н	с	в
	Вартість навчання	н	с	в
	Складність та умови навчання	н	с	в
	Перспективи працевлаштування за спеціальністю	н	с	в

Другим етапом моделювання має стати формулювання правила прийняття рішень, або визначення пріоритетів. У даному випадку приймемо пріоритети у вигляді порядкового номеру параметру (1 найвищий) для прийняття рішення абітурієнтом про вступ. Для реального моделювання потрібно більш детально сформулювати ці правила.

Характеристики

Список файлов курсовой работы