Принятие управленческих решений

 

       Вопросы анкет имеют оценочный характер. Поэтому удобно использовать дисперсионный  анализ. При использовании дисперсионного анализа положительный ответ эксперта оценивается 1, отрицательный 0. Основными характеристиками являются значения P, q, σ.

        , где M – число единиц (положительные ответы);

                           N – общее число параметров.

       

         

        , где L – число нулей (отрицательные ответы).

         

       Дисперсия, характеризующая отклонение от средней  величины определяется:

       

         

       Проведем  классификацию ответов экспертов, используя приемы таксономии. Для  этого определяем коэффициент близости между ответами. Воспользуемся формулой Роджерса и Танимото:

       

,

       где: n_ij^(1,1) – число совпадающих единиц между сравниваемыми рядами;

              n_i⁽¹⁾ – число всех единиц в i-том сравниваемом ряду;

              n_j⁽¹⁾ – число единиц в j-том сравниваемом ряду.

       Сравнивается  первый ряд последовательно со всеми  остальными, заполняется первая строка матрицы, затем вторая строка со всеми  остальными и т.д. В результате получим  матрицу (табл.2).

       

       

       

       

       

       

       

         

                                                                                                               Таблица 2

       Определение коэффициентов близости между ответами экспертов

 

        Выделим произвольно какое-либо число в матрице, например 1 (I строка, II столбец). Теперь по II столбцу ищем наибольшие числа – это 0,8 на пересечении с II строкой. Затем ищем наибольшие числа по II строке, берем значение 0,8 по VI столбцу и т.д. Встречаются одинаковые числа, поэтому получаемый граф разделяется и каждая ветвь рассматривается отдельно. Получаем следующий граф (рис.1): 

       Рис.1. Дерево поиска экспертной оценки с использованием эвристических приемов и логического анализа прогнозной модели 

       Мнение  экспертов можно представить  следующим образом:

       S (коэффициент близости)                         P

       1 – I,II                                                       I – 0,83

       0,8_ III                                                       II-   0,83

       0,60 –VI                                                    III – 0,67

       0,5 – IV,V,VII                                           IV – 0,5

                                                                           V – 0,5

                                                                          VI – 0,5

                                                                          VII – 0,5

                                                                          VIII – 0,83

       Эти данные позволят нам составить следующий  график (рис.2): 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

       Рис. 2 График экспертной оценки с использованием эвристических приемов и логического анализа прогнозной модели 

       Чтобы определить, насколько существенные различия между мнениями экспертов  и сгруппировать эти мнения в  таксоны составим матрицу коэффициентов Фишера (табл.3).

       Коэффициент Фишера определяется через отношение  дисперсий, т.е. (большее значение дисперсии всегда берется в числителе). 

       

       

       

       

       

       

       

       

       Матрица коэффициентов Фишера получена следующим  образом: берется отношение дисперсий  ответов на вопросы анкет первого  эксперта последовательно к дисперсиям ответов всех остальных (заполняется первая строка матрицы), затем дисперсии мнений второго ко всем остальным и т.д. 

                                                                                                                Таблица 3

       Коэффициенты  Фишера по вариантам определения мнений экспертов

 

       Данные  этой матрицы сравним с критическим  значением F_кр (табл. Приложение 1). В нашем случае степени свободы k₁ и k₂ равны семи (степени свободы определяются как n-1, где n – число параметров), значения пограничных показателей достоверности F (критерий Фишера) берем при вероятности P’=0,8, F_кр=1,945. Сравнивая коэффициенты Фишера из матрицы с его критическим значением видим, что эти показатели меньше, следовательно, отличия в мнениях экспертов несущественны и при классификации их можно объединить в один таксон. Чтобы выработать далее единую точку зрения на вопрос можно использовать метод «мозговой атаки» или метод Дельфи и придти к единому мнению. Суть этого метода Дельфи в том, чтобы с помощью серии последовательных действий добиться максимального консенсуса при определении правильного решения. Анализ с помощью дельфийского метода проводится в несколько этапов, результаты обрабатываются статистическими методами. Базовым принципом метода является то, что некоторое количество независимых экспертов лучше оценивает и предсказывает результат, чем структурированная группа (коллектив) личностей. Позволяет избежать открытых столкновений между носителями противоположенных позиций т.к. исключает непосредственный контакт экспертов между собой и, следовательно, групповое влияние, возникающее при совместной работе и состоящее в приспособлении к мнению большинства. Метод мозговой атаки — оперативный метод решения проблемы на основе стимулирования творческой активности, при котором участникам обсуждения предлагают высказывать как можно большее количество вариантов решения, в том числе самых фантастичных. Затем из общего числа высказанных идей отбирают наиболее удачные, которые могут быть использованы на практике.

 

        2.3 Экспертная оценка дополнительных  затрат 

       В продолжении поставленной проблемы было выяснено, что существует сложный  и важный вопрос – возможность строительства перевалочной базы нефтепродуктов. Было выяснено, что для улучшения работы необходимы дополнительные капиталовложения. Ознакомившись с проектной документацией эксперты предложили свои варианты расчетов основываясь на благоприятном (K^min) и неблагоприятном (K^max) прогнозах. Результаты их прогнозов представлены в табл.4. 

                                                                                                                Таблица 4

       Варианты  прогнозов дополнительных затрат для  обеспечения работы Руководство компании « Олкрет»

 

       Проведем  анализ полученных данных, определим  меры близости мнений экспертов.

       Для нахождения коэффициентов используется евклидово расстояние:

         или

       

       

       

       

       

       

       

       

       

       Результаты  расчетов представлены в матрице  коэффициентов близости мнений экспертов (табл.5).

       Каждая  строка матрицы рассчитывается следующим  образом, от значения K^min (I эксперт) вычитается значение K^min (II эксперт), разность возводится в квадрат, затем от значения K^max (I эксперт) вычитается значение K^max (II эксперт), разность возводится в квадрат. Из суммы полученных величин извлекается квадратный корень. Таким же образом находится величина коэффициентов близости между показателями первого и третьего экспертов, первого и четвертого и т.д. Вторая строка матрицы определяется подобными операциями для второго и последующего экспертов.