Преподаватель который помогает студентам и школьникам в учёбе.

Условия выбора метода адекватного управленческой проблеме (Практические аспекты выбора метода принятия управленческих решений на примере обоснования состава оборудования )

Содержание:

Введение

Актуальность. В современных условиях актуальной является проблема выбора оптимальных решений, принимаемых в условиях неопределенности как исходной информации. Неудачно методы разработки управленческих решений могут явиться причиной принятия неэффективных решений и привести к негативным последствиям экономического, социального, технического и другого характера. Практически во всех ситуациях лицо, принимающее решение, должно решать не одномерную задачу принятия решения при наличии одного критерия, а многомерную, при наличии нескольких критериев, причем некоторые из них могут быть противоречивыми. Получить оптимальное решение по всей совокупности критериев не удается, необходимо учитывать противоречия между показателями, принадлежащими к той или иной группе критериев, и противоречия между показателями, относящимися к разным группам. В связи с этим необходимо выбрать метод, адекватный управленческой проблеме.

Целью работы является исследование условий выбора метода адекватного управленческой проблеме.

Задачи работа:

исследовать проблему выбора метода принятия управленческих решений;
рассмотреть методы анализа иерархий и метод аналитических сетей как методы, позволяющие решать многокритериальные задачи;
нечетко-множественный подход при принятии управленческих решений;
рассмотреть практические аспекты выбора метода принятия управленческих решений на примере обоснования состава оборудования.

Объектом исследования проблема обоснования состава оборудования.

Предмет исследования – условия выбора метода адекватного управленческой проблеме.

Теоретической и методологической базой при написании данной работы послужили труды исследователей в области разработки и принятия управленческих решений, математических методов обоснования управленческих решений.

Глава 1. Теоретические основы выбора метода адекватного управленческой проблеме

1.1 Проблемы выбора методов управленческого решения

В практике принятия управленческих решений часто приходится делать выбор либо между альтернативными решениями, либо между вариантами реализации конкретного решения. В условиях информационной неопределенности не следует ставить трудновыполнимую задачу количественной оценки эффективности того или иного решения; на начальных стадиях выбора рационального решения достаточно сравнить альтернативные варианты, выполнить прогноз результатов их реализации.

С позиций системного подхода эта задача сводится к выбору рационального управленческого решения, и в этой связи особое значение приобретают такие экспертно-аналитические методы системного анализа как метод анализа иерархии (далее - МАИ) и метод аналитических сетей (далее - МАС), предложенные американским специалистом в области исследования операций Т. Саати^[1]. В базовом варианте эти методы основаны на парных сравнениях экспертами приоритетов критериев оценки альтернатив и приоритетов сравниваемых альтернативных решений с последующей интеграцией полученных при этом локальных векторов приоритетов. Методы анализа иерархии и аналитических сетей широко применяются за рубежом, в меньшей степени – в нашей стране, однако и в России они показали свою эффективность в самых разнообразных областях науки и практики^[2], в том числе и при решении задач управления производственными процессами предприятия^[3].

Как и для всех экспертных методов, надежность экспертных оценок в МАИ определяется, прежде всего, правильным подбором специалистов-экспертов, их информированностью в изучаемых проблемах. Но есть еще одна сторона, определяющая надежность экспертных методов, – возможность объективизации полученной от экспертов субъективной информации, достигаемая в результате ее математико-статистической обработки. В МАИ надежность результатов обеспечивается за счет избыточности основного математического конструкта метода – матрицы парных сравнений критериев и альтернативных решений, что позволяет не только выполнить ранжирование критериев и сравниваемых альтернатив по их приоритетам, но и оценить степень согласованности суждений экспертов по парным сравнениям элементов иерархической модели^[4].

Отметим еще одно положительное свойство методов анализа иерархии и аналитических сетей – их преемственность: результаты сравнительной оценки приоритетов альтернативных проектов, полученные по более простым иерархическим моделям в рамках МАИ, можно затем уточнить по более сложным моделям в рамках метода аналитических сетей, позволяющего учесть обратные связи и взаимодействия элементов иерархической модели. Такой подход отвечает общему методологическому принципу – идти от простого к сложному^[5].

Как правило, отбор решений является неформальной процедурой, так как требуют одновременного учета многих и количественных, и качественных факторов социально-политического, экономического и технического характера. Поэтому отбор вариантов решений в общем случае не может быть осуществлен на основе одного – сколь угодно сложного – формального критерия, а требует проведения практически неалгоритмизуемых экспертных оценок. Отметим, однако, два принципиальных момента. Во-первых, средством, адекватным сложности социально-экономических явлений и процессов, является обращение к знаниям и интуиции экспертов не только на этапе отбора решений, но уже на стадии формулирования проблемы и постановки задач. Во-вторых, сегодняшний уровень развития экспертных методов и поддерживающих их алгоритмы информационных технологий позволяет во многом формализовать процесс опроса экспертов и обработки их качественных суждений, обеспечивая получение количественных оценок приоритетов упомянутых выше элементов иерархических моделей^[6].

Не отрицая высокой роли точных математических методов в решении задач управления развитием хозяйственных систем разного уровня – от федеральных и региональных до уровня производственных процессов промышленных предприятий, отметим, что качественные выводы часто могут быть надежнее, чем количественные расчеты. Опыт показывает: «мягкие» модели с переменными, зависящими от внешних и внутренних условий параметрами, значительно эффективнее жестких моделей. Успех приносит не столько применение готовых рецептов, основанных на «жестких» моделях с постоянными параметрами, сколько математический подход к явлениям реальной жизни, из чего следует важность выработки у современного менеджера умения исследовать явления реального мира, использовать полученные результаты в практической деятельности.

1.2 Характеристика метода анализа иерархий и метода аналитических сетей

Кратко изложим методические аспекты применения методов системного анализа – МАИ и МАС в практике выбора рационального управленческого решения.

В основе МАИ лежит идея парного сравнения экспертами элементов иерархической модели принятия решения^[7]. Базовой иерархической моделью принятия решения является трехуровневая иерархия «цель (фокус)» – «критерии (факторы)» – «альтернативы». Требуется каждой альтернативе поставить в соответствие приоритет (число) – получить рейтинг альтернатив. Причем чем более предпочтительна альтернатива по данному критерию, тем больше ее приоритет. В простейшем случае принятие решений основывается на величинах приоритетов. Основным преимуществом МАИ является то, что метод отражает естественный ход человеческого мышления и позволяет учитывать «человеческий фактор» при подготовке принятия решения, и в итоге лицо, принимающее решение (далее - ЛПР), приобретает уверенность, что полученные экспертные данные являются вполне осмысленными, причем схема применения метода не зависит от сферы деятельности, в которой принимается решение^[8].

Наряду с этим преимуществом, МАИ характеризуется и некоторыми недостатками: во-первых, это – эвристический и достаточно трудоемкий процесс, во-вторых, в методе не учитываются обратные связи и взаимодействие между элементами иерархии. Последнее преодолено в методе аналитических сетей, который является обобщением МАИ на случай, когда взаимодействием иерархических уровней или их элементов нельзя пренебречь^[9]. Достаточно часто возникают задачи, в которых не только важность критериев влияет на приоритеты альтернатив (как в иерархиях), но и важность альтернатив влияет на приоритеты критериев. Не всегда можно говорить и об альтернативах в прямом смысле этого слова, так, например, при оценке мероприятий по инновационному развитию предприятия различные направления этого развития могут реализовываться одновременно, хотя и с различной интенсивностью. Взаимодействовать могут и критерии оценки альтернатив, и в этих случаях структуры с обратными связями представляют собой сети, содержащие циклы и множества элементов (компоненты), а также петли обратной связи, показывающие связь между элементами одного компонента^[10].

Весомым доводом в пользу МАИ и МАС является тот факт, что в задачах принятия решений в условиях неопределенности приходится опираться скорее на опыт и интуицию специалистов, нежели на имеющиеся объективные данные.

В этом случае результаты, полученные методами анализа иерархий и аналитических сетей, могут быть более реалистичными, чем результаты, полученные другими методами. В математическом плане метод анализа иерархий основан на теории иерархических структур, обратно симметрических матриц и иерархического синтеза результатов, при этом справедливы следующие положения: обратная симметричность как основная характеристика парных сравнений; гомогенность сравниваемых элементов каждого уровня иерархии; зависимость нижнего уровня от непосредственно примыкающего к нему высшего уровня.

Поскольку количество сравниваемых элементов, как правило, не превышает семи (магическое число Миллера^[11]), результатом суждений по каждому отдельному уровню иерархии является квадратная неотрицательная обратно симметрическая матрица, диагональные элементы-числа которой равны единице, а остальные элементы подчинены равенству аij=1/аji^[12].

Используемая в МАИ девятибалльная шкала отношений (шкала Т. Саати) представлена в таблице 1.

Таблица 1

Шкала парных сравнений элементов иерархии (шкала Т. Саати) ^[13]

Степень важности	Определение	Объяснение
1	Одинаковая значимость	Два действия вносят одинаковый вклад в достижение цели
3	Слабая значимость	Опыт и суждение дают легкое предпочтение одного действия перед другим
5	Существенная или сильная значимость	Опыт и суждение дают сильное предпочтение одному действию перед другим
7	Очень сильная или очевидная значимость	Предпочтение одного действия перед другим очень сильно. Его превосходство практически явно
9	Абсолютная значимость	Свидетельство в пользу предпочтения одного действия другому в высшей степени убедительны
2, 4, б, 8	Промежуточные значения между соседними значениями шкалы	Ситуация, когда необходимо компромиссное решение
Обратные величины приведенных чисел	Если действию i при сравнении с действием j приписывается одно из приведенных выше чисел, то действию j при сравнении с i приписывается обратное значение	Обоснованное предположение

Как видно из таблицы 1, особенностью парных сравнений в методе анализа иерархий является то, что предлагаемая экспертам шкала является результатом трех последовательных этапов дихотомического деления шкалы оценок. На первом этапе вся шкала с метками 1 (одинаковая значимость) и 9 (абсолютная значимость) делится пополам меткой 5 (сильная значимость), на втором этапе дихотомического деления – каждая половина шкалы делится еще пополам между метками 1 и 5, с одной стороны, и метками 5 и 9, с другой с образованием меток 3 (слабая значимость) и 7 (очевидная значимость). На третьем этапе производится еще одно дихотомическое деление шкалы с образованием меток 2, 4, 6, 8.

Второй особенностью метода анализа иерархий является то, что основным его математическим конструктом является квадратная неотрицательная обратно симметрическая матрица W, которая формируется на основе шкалы субъективных суждений, приведенной в таблице 1. При числе элементов иерархического уровня n квадратная матрица парных сравнений W будет иметь размерность n×n^[14].

Рассмотрим алгоритм МАИ на примере базовой трехуровневой иерархической модели принятия решения по выбору рациональной альтернативы при наличии нескольких критериев, или, иначе, иерархии многокритериального выбора (рис. 1).

Рисунок 1 - Иерархическая модель принятия решения в методе анализа иерархий

С позиций теории иерархий, это модель прямой иерархии, в которой вначале оцениваются приоритеты критериев yi, а затем – приоритеты альтернатив zj по каждому из критериев yi. Результатами при этом являются: во-первых, вектор приоритетов критериев: W(Y) = (w(y1), w(y2), …, w(yn)); во-вторых, множество локальных векторов приоритетов альтернатив: Wi(Z)= (wi(z1), wi(z2), …, wi(zk)), которые затем взвешиваются весами критериев W(Y) и преобразуются тем самым в глобальный вектор приоритетов альтернатив: W(Z)= (w(z1), w(z2), …, w(zk)).

В идеале обратносимметрическая матрица парных сравнений W удовлетворяет свойству совместности, то есть равенство wij=wim*wkm имеет место для всех i, j, m =1,2,...,n, максимальное собственное значение λmax равно размерности матрицы n, и, в принципе, для определения весового вектора достаточно располагать любой ее строкой. На практике матрица парных сравнений отличается от «идеальной» матрицы относительных весов тем, что она не удовлетворяет свойству совместности, λmax*n, и в этой связи автор метода Т. Саати ввел специальный числовой показатель – индекс совместности CI, пропорциональный разности между λmax и n, который оценивает «степень невыполнения» свойства совместности. Причем, если выполняется неравенство CI≤0,1, то это должно привести к малой величине ошибки вычисления весового вектора.

Поскольку глобальный вектор приоритетов альтернатив есть результат синтеза локальных векторов приоритетов, то можно считать его расчет достаточно надежным, но вектор локальных приоритетов критериев рассчитан по меньшему объему информации. Однако можно уточнить вектор приоритетов критериев, выполнив серию опросов экспертов по модели обратной иерархии, в которой цель сохраняется, но второй и нижний уровень меняются местами. При этом изменяются и вопросы, задаваемые эксперту: вначале – это сравнение значимости альтернатив по отношению к общей цели (фокусу иерархии), затем – сравнение критериев по соответствию критериев каждой из альтернатив (в другой постановке вопрос звучит так: «Какой из критериев является более характерным для данной альтернативы?»)^[15].

Результаты работы эксперта по прямой и обратной иерархиям позволяют ранжировать критерии, с одной стороны, и альтернативы, с другой. Но получаемые при этом глобальные векторы приоритетов критериев и альтернатив не учитывают возможное в ряде случаев взаимодействие уровней критериев и альтернатив, а также взаимосвязи между отдельными критериями и отдельными альтернативами. В этих случаях от модели МАИ необходимо перейти к модели МАС - рисунок 2^[16].

Рисунок 2 - Структура сети, моделирующей взаимодействие компонентов (уровней иерархической модели принятия решений), а также взаимосвязи критериев и альтернатив^[17]

Поясним эту схему. Цель сети, представленной на этой схеме, та же, что и в прямой и обратной иерархической модели принятия решений (на схеме цель не показана), двойная стрелка обозначает взаимодействие компонентов (уровней) сетевой модели, дугообразные стрелки обозначают взаимосвязи критериев и альтернатив. Если в методе анализа иерархий основным математическим конструктом является матрица парных сравнений, то в методе аналитических сетей – суперматрица блочной структуры (рис. 3).^[18].

Рисунок 3 - Структура суперматрицы, моделирующей взаимодействие компонентов иерархии и взаимосвязи критериев и альтернатив^[19]

Основу суперматрицы составляют блоки, расположенные на вспомогательной диагонали. Верхний правый блок образуют k локальных векторов приоритетов альтернатив, каждый из которых имеет размерность n, так что размерность матрицы этого блока – n×k. Нижний левый блок образуют n локальных векторов приоритетов критериев размерностью k, и размерность матрицы этого блока – k×n. Это – матрица прямой иерархии, тогда как матрица нижнего левого блока, образованная локальными векторами приоритетов критериев, – матрица обратной иерархии. Диагональные блоки суперматрицы образуют квадратные матрицы, отражающие взаимосвязи альтернатив (верхний левый блок) и взаимосвязи критериев (нижний правый блок). Их размерность – k×k и n×n соответственно. Таким образом, размерность суперматрицы составляет (n+k)×(n+k), что существенно больше размерности матриц парных сравнений.

Опыт практического применения метода аналитических сетей показывает, что при разработке структуры иерархической модели следует стремиться к тому, чтобы критерии не зависели друг от друга. Это значительно облегчает сравнение экспертами элементов данного иерархического уровня, устраняет дублирование критериев. Что касается альтернатив, то уже исходя из смысла этого термина, они не должны быть взаимосвязаны. Тогда диагональными блоками будут единичные матрицы соответствующей размерности: блок взаимосвязи альтернатив – размерность k, блок взаимосвязи критериев – размерность n. В этом случае для формирования суперматрицы, отражающей взаимодействие компонентов сетевой модели, экспертам достаточно выполнить парные сравнения по двум иерархическим моделям – прямой и обратной иерархии. Объем работы экспертов по прямой иерархии составляет: N прям = n* (n–1) : 2 + nk * (k–1) : 2 парных сравнений, а объем работы экспертов по обратной иерархии – Nобрат = k(k – 1) : 2 + kn (n–1) : 2 парных сравнений. Следовательно, даже при достаточно простой модели принятия решений, содержащей четыре альтернативы и пять критериев, объем работы экспертов достаточно велик – 40 парных сравнений по прямой иерархии и 46 парных сравнений по обратной иерархии, то есть суммарно 86 парных сравнений.

Отсюда вовсе не следует, что необходимо изначально стремиться к упрощению структуры модели принятия решений. Действительно, в процессе наполнения прямой иерархической модели принятия решений экспертными знаниями уже на первом этапе – этапе сравнения n критериев – может оказаться так, что какие-то из них будут малоинформативными, то есть их приоритеты будут значительно меньше, чем 1/n. Тогда эти критерии можно без особого ущерба исключить из дальнейшего анализа.

Математическая сторона расчета итогового вектора приоритетов альтернатив и критериев достаточно проста: суперматрица после приведения к стохастической форме, то есть к матрице, в которой сумма приоритетов по всем столбцам равна единице, возводится в высокую степень.

Если условие равенства единице сумм приоритетов по всем столбцам суперматрицы выполнено в точности, то в результате получают предельную суперматрицу, в которой все столбцы одинаковые. После умножения предельной суперматрицы на 2 первые k элементов столбцов будут приоритетами альтернатив, а последние n элементов – приоритетами критериев^[20].

Выводы.

1) вычисление главного собственного вектора матрицы парного сравнения и его нормализация с целью определения векторов приоритетов;

2) вычисление максимального собственного числа матрицы парного сравнения с целью определения согласованности данных;

3) иерархический синтез для взвешивания собственных векторов весами критериев с целью вычисления суммарного вектора приоритетов;

4) выявление элементов матрицы парных сравнений, обусловливающих ее несогласованность, и корректировка матрицы суждений;

5) вычисление усредненного вектора приоритетов с целью определения согласованного мнения экспертов.

Конечно, построение не одной, а четырех концептуальных иерархических моделей и последующее «наполнение» их экспертными знаниями является довольно трудоемким процессом, но это повышает достоверность получаемых выводов.

Глава 2. Практические аспекты выбора метода принятия управленческих решений на примере обоснования состава оборудования

2.1. Проблема принятия решений при обосновании состава оборудования

В настоящее время на рынке предлагается широкая номенклатура современного оборудования, систем и технологий, широкий диапазон характеристик оборудования (эксплуатационных, эргономических, стоимостных). В этих условиях процесс выбора лучших образцов и формирования оптимального состава технических средств представляет значительную сложность.

Принимаемые на этом этапе решения часто бывают необоснованными, связанными с субъективностью и в итоге приводят к снижению инвестиционной привлекательности проектов, увеличению необоснованных затрат и сроков их окупаемости. Если учитывать высокую стоимость современных инновационных проектов, которая может достигать сотни миллионов рублей и выше, задача обоснованности принятия решений по выбору состава оборудования, новых технологий, средств автоматизации, программного обеспечения, бесспорно, является актуальной и требует решения.

Значительная часть современных проектов решает задачу энергоэффективности, так что рассмотрим технологию принятия решений на примере выбора современных энергосберегающих бытовых котлов.

Одной из важных задач энергоэффективности, решаемых при управлении инновационными проектами и посвященных технико-экономическому обоснованию принимаемых решений, является выбор лучших образцов энергетического оборудования (далее - ЭО) по множеству показателей, включая технико-экономические показатели объектов и процессов их функционирования. Решение такого типа задач базируется на выборе наиболее эффективных методов решения (либо на создании новых) и разработке методических подходов для проведения сравнительной оценки и отбора лучших образцов ЭО на основе критерия «эффективность – стоимость»^[21].

В результате определяется оптимальный образец ЭО с лучшими технико-экономическими показателями, что позволяет избежать необоснованных экономических затрат. ЭО (в том числе и котлы) относится к классу сложных технических систем (далее - СТС), а многокритериальная задача выбора таких систем – к классу задач квалиметрии, решение которых представляет соответствующую сложность и требует разработки методического подхода на основе выбранных математических методов.

При этом под критерием «эффективность» понимается прирост эффективности применения выбранного образца ЭО (после установки более современного оборудования), под критерием «стоимость» – экономические затраты на приобретение и эксплуатацию ЭО.

Апробация различных методов решения проведена для реально существующих шести типов бытовых котлов одного класса по семи параметрам: номинальная мощность, коэффициент полезного действия (КПД), объем отапливаемых помещений, максимальный расход газа, гарантийный срок службы, массовые и ценовые характеристики (табл. 2).

Таблица 2

Исходные данные

Котлы	Номинальная мощность, кВт	кпд, %	Отапливаемый объем, м	Максимальный расход газа, м/ч	Гарантийный срок службы, мес.	Масса котла, кг	Цена, долл.
1	2	3	4	5	6	7	8
Котел № 1	24,0	92	220	2,80	29	85,5	422
Котел № 2	20,0	90	225	2,24	30	64,0	385
Котел № 3	24,0	90	240	2,75	24	80,0	415
Котел № 4	25,0	91	280	2,90	24	100,0	431

Продолжение таблицы 2

1	2	3	4	5	6	7	8
Котел № 5	22,5	90	220	2,60	24	80,0	416
Котел № 6	20,0	90	200	2,40	24	89,0	425

2.2. Применение метода анализа иерархий

Технология применения МАИ базируется на иерархическом представлении элементов путем проведения попарного сравнения характеристик образцов. В результате его применения формируется соответствующая матрица на базе девятибалльной шкалы, а затем глобальные приоритеты для каждого из сравниваемых образцов (котлов), и проводится процедура выбора лучшего варианта. При проведении расчетов на основе МАИ выделена численность альтернатив и критерии их сравнения для всех сравниваемых образцов, проведены попарные сравнения на основе шкалы Саати, получены результаты расчетов, а также значения глобальных приоритетов (ГП) сравнительной оценки (табл. 3) и диаграмма результатов выбора на основе МАИ (рис. 4).

Таблица 3

Числовые значения глобальных приоритетов (ГП)

Альтернативы	ГП
Котел № 1	0,959
Котел № 2	0,982
Котел № 3	0,970
Котел № 4	0,989
Котел № 5	0,959
Котел № 6	0,936

Для сравнения результатов оценена чувствительность метода на основе метрики А:

А = ((Хmax – Xmin) / Xmax) * 100 %, (1)

где Хmax – альтернатива с максимальным значением ГП;

Xmin – альтернатива с минимальным значением ГП.

Рис. 4. Результаты выбора сравниваемых котлов на основе МАИ

Анализ результатов расчетов (табл. 3, рис. 4) показывает, что лучшим образцом по критерию «эффективность – стоимость» из шести сравниваемых марок котлов является образец № 4, который на 5,35 % превосходит образец № 6.

2.3. Метод распознавания образов

Применение МРО для решения задачи выбора основано на формировании модели сравнения альтернатив на образах классов приближения к идеальному решению. При этом используется аппарат искусственных нейронных сетей, который имеет высокие потенциальные возможности для применения в теории принятия решений. Применение МРО для выбора котлов проводилось на основе алгоритма, включающего следующие составляющие:

1. Выбор критериев и альтернатив сравнительной оценки.

2. Определение классов оценок (класс 1 – преимущество «Техническое совершенство», класс 2 – преимущество «Экономическое совершенство», класс 3 – «Глобальные приоритеты») (табл. 4).

Таблица 4

Исходные данные для решения задачи на основе МРО и МАИ

Альтернативы	I класс	II класс	III класс
1	2	3	4
Котел № 1	0,990	0,984	0,992

Продолжение таблицы 4

1	2	3	4
Котел № 2	0,967	0,998	0,997
Котел № 3	0,991	0,996	0,995
Котел № 4	0,98	0,998	0,998
Котел № 5	0,980	0,996	0,990
Котел № 6	0,978	0,988	0,988

3. Задание числовых значений каждого класса по заданным критериям и коэффициентам важности критериев.

4. Проведение расчетов на основе алгоритма МРО и получение сравнительных оценок.

5. Построение диаграмм на основе полученных результатов и выбор лучших вариантов (рис. 5).

Рис. 5. Результаты выбора котлов на основе МРО

Результаты исследований на основе МРО, приведенные в табл. 4 и на рис. 5, хорошо согласуются с результатами, полученными на основе МАИ.

2.4. Метод анализа сетей

При решении задачи выбора на основе МАС принято во внимание, что этот метод является дальнейшим развитием МАИ, имеет дополнительные возможности оценки влияния характеристик объектов в сетевых структурах и в иерархиях с горизонтальными и обратными связями. Применение МАС базируется на понятии доминирования, позволяет оценивать такие показатели объектов, как важность, превосходство и вероятность, что помогает делать более обоснованные выводы о соотношении сравниваемых объектов. МАС позволяет объединить количественные данные с экспертными оценками и, тем самым, создавать более адекватные модели. Вместе с тем, применение МАС более трудоемко по сравнению с МАИ.

Результаты расчетов на основе МАС (рис. 6, табл. 5) также подтверждают полученные ранее результаты на основе МАИ и МРО. При этом лучший образец котла на 5,71 % превышает рейтинг образца № 6.

Таблица 5

Результаты выбора котлов на основе MAC

Альтернативы	Глобальные приоритеты
Котел № 1	0,959
Котел № 2	0,994
Котел № 3	0,970
Котел № 4	0,998
Котел № 5	0,953
Котел № 6	0,941

Рис. 6. Результаты выбора котлов на основе МАС

2.5. Сравнительная оценка

По результатам исследований проведена сравнительная оценка применимости рассмотренных методов для задач сравнительной оценки и выбора лучших образцов СТС на примере котлов и определены их преимущества и недостатки (табл. 6).

Таблица 6

Преимущества и недостатки методов выбора и сравнительной оценки образцов CTC

Методы	Преимущества	Недостатки
Метод распознавания образов	Возможность деления на классы, что упрощает выбор альтернатив и повышает оперативность принятия решений	Необходимость наличия квалифицированных экспертов и недостаточная информативность
Метод анализа иерархий	Пошаговый анализ по каждому критерию; высокая информативность	Субъективность результатов, связанных с назначением приоритетов сравниваемым характеристикам
Метод анализа сетей	Высокая информативность и точность результатов расчетов	Невозможен одновременный выбор по нескольким классам

Выводы.

В настоящее время на рынке предлагается широкая номенклатура современного оборудования, систем и технологий, широкий диапазон характеристик оборудования. В этих условиях процесс выбора лучших образцов и формирования оптимального состава технических средств представляет значительную сложность.

Наиболее широкими возможностями из сравниваемых методов для решения рассматриваемых задач обладает МАС, как дальнейшее развитие МАИ. МАС и МАИ в комплексе позволяют более обоснованно принимать решения по выбору образцов СТС ввиду большей информативности результатов. Данные методы целесообразно применять при наличии квалифицированных экспертов, обеспечивающих объективное назначение приоритетов для сравниваемых характеристик образцов СТС, что является недостатком, связанным с дефицитом профессиональных экспертов.

МРО может эффективно применяться при значительных отличиях в оценках для рассматриваемых альтернатив, а также в случаях дефицита времени на принятие решений.

Анализ достоинств и недостатков рассмотренных методов сравнительной оценки образцов СТС указывает на целесообразность их комплексного применения, что позволяет повысить обоснованность принимаемых решений и снизить риск возникновения ошибок на этапе выбора.

Заключение

5) вычисление усредненного вектора приоритетов с целью определения согласованного мнения экспертов.

Список литературы

Балдин К. В., Уткин В. Б., Воробьев С. Н. Управленческие решения : учебник. М.: Изд-во Дашков и К, 2012.
Белоусова Ю.Г. Применение метода анализа иерархий для построения эффективной системы управления производственными процессами [Текст] / Ю.Г. Белоусова // Организатор производства. - 2013. - №1. – С. 11-15.
Голубков Е. П. Инновационный менеджмент. Технология принятия управленческих решений : учеб. пособие. М.: Изд- во: Дело и сервис Формат, 2012.
Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 141-145.
Ладыгин Ю. Н., Ладыгин Д. Ю. Управленческие решения : учеб. пособие. М.: Эксмо, 2009.
Ногин В. Д. Принятие решений в многокритериальной среде: количественный подход / В.Д. Ногин. - Изд. 2-е. испр. и доп. - М.: ФИЗМАТЛИТ. 2005.
Орлов А. И. Теория принятия решений : учебник. М.: Изд-во «Экзамен», 2011.
Саати Т. Принятие решений при зависимостях и обратных связях: Аналитические сети [Текст] / Т. Саати; науч. ред. А.В. Андрейчиков, О.Н. Андрейчикова. М.: Издательство ЛКИ, 2008.
Саати Т. Принятие решений. Метод анализа иерархий [Текст] / Т. Саати. М.: Радио и связь, 1993. – 344 с.
Самков А. В. Методический подход для сравнительной оценки и выбора образцов энергетического котлового оборудования / А. В. Самков, Ю. А. Захарченко, А. А. Скрипниченко, М. М. Хамровская // Проблемы информатизации и управления. 2009. № 4 (28).
Чекулина Т.А.Использование модели информационно-аналитической бизнес-среды в целях совершенствования информационного пространства предпринимательской деятельности [Текст] / Т.А. Чекулина // Вестник ОрелГИЭТ. – 2012. – №3(21). – С. 34-41.

Саати Т. Принятие решений при зависимостях и обратных связях: Аналитические сети [Текст] / Т. Саати; науч. ред. А.В. Андрейчиков, О.Н. Андрейчикова. М.: Издательство ЛКИ, 2008. – С. 12. ↑
Чекулина Т.А.Использование модели информационно-аналитической бизнес-среды в целях совершенствования информационного пространства предпринимательской деятельности [Текст] / Т.А. Чекулина // Вестник ОрелГИЭТ. – 2012. – №3(21). – С. 34-41. ↑
Белоусова Ю.Г. Применение метода анализа иерархий для построения эффективной системы управления производственными процессами [Текст] / Ю.Г. Белоусова // Организатор производства. - 2013. - №1. – С. 11-15. ↑
Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 141-145. ↑
Чекулина Т.А.Использование модели информационно-аналитической бизнес-среды в целях совершенствования информационного пространства предпринимательской деятельности [Текст] / Т.А. Чекулина // Вестник ОрелГИЭТ. – 2012. – №3(21). – С. 34-41. ↑
Чекулина Т.А.Использование модели информационно-аналитической бизнес-среды в целях совершенствования информационного пространства предпринимательской деятельности [Текст] / Т.А. Чекулина // Вестник ОрелГИЭТ. – 2012. – №3(21). – С. 34-41. ↑
Саати Т. Принятие решений. Метод анализа иерархий [Текст] / Т. Саати. М.: Радио и связь, 1993. – 344 с. ↑
Ногин В. Д. Принятие решений в многокритериальной среде: количественный подход / В.Д. Ногин. - Изд. 2-е. испр. и доп. - М.: ФИЗМАТЛИТ. 2005. - С. 60. ↑
Саати Т. Принятие решений при зависимостях и обратных связях: Аналитические сети [Текст] / Т. Саати; науч. ред. А.В. Андрейчиков, О.Н. Андрейчикова. М.: Издательство ЛКИ, 2008. – 356 с. ↑
Ногин В. Д. Принятие решений в многокритериальной среде: количественный подход / В.Д. Ногин. - Изд. 2-е. испр. и доп. - М.: ФИЗМАТЛИТ. 2005. - С. 60. ↑
Саати Т. Принятие решений. Метод анализа иерархий [Текст] / Т. Саати. М.: Радио и связь, 1993. – 344 с. ↑
Орлов А. И. Теория принятия решений : учебник. М.: Изд-во «Экзамен», 2011. – С. 43. ↑
Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 141-145. ↑
Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 141-145. ↑
Ногин В. Д. Принятие решений в многокритериальной среде: количественный подход / В.Д. Ногин. - Изд. 2-е. испр. и доп. - М.: ФИЗМАТЛИТ. 2005. - С. 60. ↑
Орлов А. И. Теория принятия решений : учебник. М.: Изд-во «Экзамен», 2011. – С. 43. ↑
Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 141-145. ↑
Голубков Е. П. Инновационный менеджмент. Технология принятия управленческих решений : учеб. пособие. М.: Изд- во: Дело и сервис Формат, 2012. – С. 102. ↑
Ладыгин Ю. Н., Ладыгин Д. Ю. Управленческие решения : учеб. пособие. М.: Эксмо, 2009. – С. 271. ↑
Балдин К. В., Уткин В. Б., Воробьев С. Н. Управленческие решения : учебник. М.: Изд-во Дашков и К, 2012. – С. 87. ↑
Самков А. В. Методический подход для сравнительной оценки и выбора образцов энергетического котлового оборудования / А. В. Самков, Ю. А. Захарченко, А. А. Скрипниченко, М. М. Хамровская // Проблемы информатизации и управления. 2009. № 4 (28). ↑