- •Р.В. Соколов, м.Ю. Чиркова информатизация управления производствоМ корпорации
- •Санкт-Петербург
- •Содержание
- •Введение
- •Тема 1. Задачи информатизации управления производством корпорации
- •Роль информационных технологий в современных концепциях управления производством
- •Принципы декомпозиции функциональной части информационной системы корпорации: функциональная и процессная декомпозиция
- •Классификация задач управления производством корпорации
- •Задачи информатизации управления производством на различных стадиях жизненного цикла корпорации
- •Задачи информатизации управления производством различных типов
- •Задачи информатизации по сферам производственного менеджмента
- •Состав и взаимосвязь модулей управления производством в структуре корпоративной информационной системы
- •Обоснование выбора корпоративной информационной системы
- •Тема 2. Информатизация управления
- •Модели и инструментальные средства реинжиниринга бизнес-процессов
- •Информационная поддержка формирования производственной программы
- •Бюджетное управление производством в среде информационной системы
- •Бюджетирование основных бизнес-процессов корпорации
- •Информатизация управления денежными потоками корпорации
- •Имитационное моделирование притоков денежных средств
- •Оптимизационная модель и инструментальные средства формирования плана платежей
- •Автоматизированная система управления информационными потоками
- •Тема 3. Логистические информационные системы
- •Функции логистической информационной системы
- •Принципы построения логистических информационных систем
- •Показатели логистической информационной системы
- •Модели управления запасами
- •Определение оптимального объема партии пополнения запасов: модель Уилсона
- •Модель Баумола управления финансами на основе принципов логистики
- •Информационная поддержка решения транспортных задач
- •Примеры логистических информационных систем
- •Глава 4. Виртуальные корпоративные структуры
- •Понятие и организация виртуальной корпорации
- •Эмерджентность и синергетический эффект виртуальной корпоративной структуры
- •Этапы создания виртуальной корпорации
- •Управление виртуальной корпорацией
- •Тема 5. Информационная поддержка управления конкурентоспособностью продукции
- •Классификация видов конкуренции
- •Факторы конкурентоспособности продукции
- •Показатели конкурентоспособности продукции
- •Информационные технологии в обеспечении конкурентных преимуществ предприятия
- •Методы оценки качества продукции
- •Экспертные методы оценки качества продукции
- •Нечетко-множественное моделирование качества продукции
- •Оценка качества продукции на основе кластерного анализа
- •Тема 6. Анализ модулей управления
- •Анализ структур средних интегрированных систем.
- •Функциональность модулей управления производством.
- •Программно-техническая платформа.
- •Соответствие предъявляемым требованиям
- •Анализ структур малых интегрированных систем.
- •Функциональность модулей управления производством.
- •Программно-техническая платформа.
- •Соответствие предъявляемым требованиям
- •Заключение
- •Тестовые задания
- •Терминологический словарь
- •Список литературы
- •Информатизация управления
- •Тема 2. Информатизация управления материальными, денежными и информационными потоками
- •Тема 3. Логистические информационные системы
- •Тема 4. Виртуальные корпоративные структуры
- •Тема 5. Информационная поддержка управления конкурентоспособностью продукции
- •Тема 6. Анализ модулей управления производством в структуре корпоративной информационной системы
- •Сведения об авторах
Оценка качества продукции на основе кластерного анализа
Кластерный анализ может быть использован для оценки качества продукции в пределах одной и той же товарной группы. Цель этого анализа – классифицировать номенклатуру продукции по нескольким классификационным группировкамв зависимости от количественных значений частных показателей качества. Классификационные группировки при такой классификации называются кластерами. Использование количественных значений признаков классификации отличает кластерный анализ от традиционных методов классификации объектов (последовательного или параллельного), в которых признаки классификации имеют качественные, а не количественный значения.
В результате кластеризации продукция, принадлежащая одному кластеру, должна обладать сходными частными, показателями качества и существенно отличаться по этим показателям от продукции, принадлежащей другим кластерам.
Мерилом сходства пары объектов кластеризации может служить евклидово расстояние между ними:
, (5.25)
где и ‑ значения -го частного показателя качества соответственно для продукции-го и-го наименования,;‑ множество наименований (номенклатура) продукции,‑ множество частных показателей качества продукции.
Частные показатели качества могут быть представлены в разных единицах измерения. Поэтому перед расчетами по формуле (5.25) они должны быть стандартизированы (нормализованы) тем или иным способом, например:
, (5.26)
, (5.27)
, (5.28)
где ‑ стандартизированные значения показателя;‑ среднее арифметическое значение-го признака по всей номенклатуре продукции;,‑ соответственно максимальное и минимальное значения-го признака по всей номенклатуре продукции.
В случае использования балльных оценок всех частных показателей качества необходимость в стандартизации отпадает.
Результаты расчетов по формуле (5.25) могут быть представлены в виде квадратной матрицы, симметричной относительно ее главной диагонали (табл. 5.3).
Таблица 5.3
Евклидовы расстояния, характеризующие различия
в интегрированной оценке качества продукции
|
1 |
2 |
… |
|
1 |
0 |
|
… |
|
2 |
|
0 |
… |
|
… |
… |
… |
0 |
… |
|
|
|
… |
0 |
Алгоритм последовательной (иерархической) кластеризации сводится к следующему: каждый объект кластеризации (продукция определенного наименования) рассматривается как отдельный кластер.
Далее, объединяются два самых схожих кластера в смысле минимума евклидова расстояния между объектами:
, (5.29)
При этом образуется новый кластер, содержащий объекты и, а новое множество кластеров уменьшается по числу объектов на единицу.
Частные показатели качества нового кластера рассчитываются как средние значения показателей объединенных наименований продукции.
Процесс парного объединения кластеров по критерию минимального евклидова расстояния может продолжаться, пока объекты кластеризации не образуют единый кластер. Однако с практической точки зрения следует остановиться на таком шаге кластеризации, на котором евклидово расстояние между полученными кластерами будет существенно большим. Лицо, принимающее решение, должно оценить это различие и установить кластеры продукции, существенно отличающиеся по совокупности частных показателей качества. Эти кластеры продукции будут соответствовать значениям лингвистической переменной «Уровень качества продукции» (например, «Очень высокий», «Высокий», «Средний», «Низкий», и «Очень низкий»). Причем, каждый кластер будет характеризироваться усредненными значениями частных показателей качества, входящей в него продукции.
Пример дендрограммы кластерного анализа представлен на рисунке 5.6. По оси абсцисс на этом рисунке представлена номенклатура продукции, ось ординат характеризует евклидово расстояние, измеряемое в баллах. Как следует из этого рисунка различия между кластерами (евклидово расстояние) по мере парного объединения кластеров увеличивается, а количество кластеров уменьшается, пока не составит один общий кластер (на девятом шаге кластеризации).
Для выполнения кластерного анализа наиболее удобным и доступным статистическим пакетом является программный продукт Statistica американской компании Statsoft Inc.
Рис. 5.6. Пример дендрограммы кластерного анализа качества продукции
Контрольные вопросы:
Охарактеризуйте роль информационных технологий в повышении конкурентоспособности продукции в разрезе факторов конкурентоспособности.
Назовите основные показатели конкурентоспособности продукции и представьте порядок их расчетов.
Перечислите основные задачи, связанные с экспертной оценкой качества продукции.
Какие статистические показатели используются при обработке результатов экспертных оценок?
Назовите программные средства, поддерживающие экспертные оценки качества продукции.
В чем особенности оценки качества продукции с использованием нечеткой логики?
В чем состоит этап фаззификации системы первичных показателей оценки качества?
Как осуществляется вывод итогового показателя оценки качества в виде нечеткого числа?
В чем состоит этап дефаззификации итогового показателя оценки качества?
Приведите примеры программных продуктов, поддерживающих нечеткое моделирование оценки качества продукции.