Методы выбора оптимального варианта проектных решений

Для обоснования эффективности предлагаемого нового устройства необходимо провести сравнение проектируемого устройства с существующими аналогами или другими вариантами его реализации. В данном пособии подробно рассмотрены три метода, наиболее часто используемые для выбора оптимального варианта: таксонометрический метод, метод анализа иерархий и квалиметрический метод [5, 10, 12].

Для этой цели из всех параметров, характеризующих устройство с точки зрения его технических качеств и экономических показателей, выбираются наиболее существенные, из которых формируется набор критериев для осуществления выбора оптимального варианта. Очевидно, что такая задача носит многокритериальный характер. Поскольку параметры, участвующие в сопоставлении, чаще всего несопоставимы по экономической сущности и единицам измерения, то используется прием «нормализации», позволяющий сопоставлять параметры, различные по сути. Кроме того, в зависимости от назначения проектируемого устройства степень влияния каждого из параметров на качество и эффективность устройства в большинстве случаев бывает различной, поэтому необходимо учитывать «вес» (значимость) показателей при проведении сравнений с помощью весовых коэффициентов.

Сущность таксонометрического метода сравнения вариантов состоит в проведении сопоставления совокупности показателей на основе дисперсионного анализа с учетом их значимости. Для осуществления сравнения нужно построить матрицу, содержащую п*ш значений показателей Л,у,, подлежащих сравнению, где i = 1, п- количество показателей, по которым осуществляется сравнение; j=l,m - количество сравниваемых объектов.

Рассмотрим пример 1.4.1 по выбору наилучшего устройства, для которого ключевыми показателями, определяющими его эффективность, являются: чувствительность, надежность, технологичность, вес и себестоимость. Каждый из этих показателей в зависимости от назначения устройства в разной степени влияет на степень его эффективности. Так, для одних целей применения чувствительность и надежность являются более важными параметрами, чем низкая себестоимость. Напротив, в других обстоятельствах определяющим фактором является себестоимость. Поэтому в зависимости от важности показателя относительно других задается «вес» каждого параметра L, (табл. 1.4.1).

Таблица 1.4.1. Пример оценки веса параметров устройства

«Вес» каждого показателя может быть оценен экспертной комиссией. При осуществлении ВКР эту функцию может на себя брать руководитель дипломного проекта. Для осуществления сравнения выбирается балльная шкала степени важности показателей, где с ростом баллов увеличивается «вес» параметра, то есть его важность.

Далее для каждого параметра рассчитывается коэффициент весомости g_b представляющий собой отношении каждого конкретного значения веса к общей сумме весов всех показателей:

^^L‘ (1.4.1)

Например, коэффициент весомости параметра себестоимости равен g, =2/18=0,11. При этом сумма всех коэффициентов g, всегда равна I.

Для пояснения методики выбора оптимального варианта построим матрицу сравнения трех моделей устройств Ml, М2, М3 с конкретными значениями параметров Aij. и их «весов» (табл. 1.4.2)..В данной матрице i=l,5; j=l,3. Для каждого параметра введем признак Si, который примем равным Si=+1, если при возрастании величины параметра улучшается качество устройства, и Si= -1, если, напротив, качество устройства падает при возрастании значения параметра. Например, если себестоимость устройства растет, то при прочих равных такое устройство будет хуже, чем его более дешевый аналог, и в этом случае Si= -1. В то же время, если растет чувствительность, то это повышает качество устройства, то Si = +1.

Для сравнения разнородных величин все элементы составленной матрицы Aij необходимо нормировать и сформировать новые значения элементов матрицы Zij. Рассматриваемый метод использует следующую форму нормирования:

А.-А,

• 7 =_Д___
• (1.4. 2)
• - среднее квадратическое от-

Za,

А, = —-- О', =

где - среднее значение;

клоненис.

Для наглядности расчетов в табл. 1.4.2 введены столбцы промежуточных значений (среднее, среднее квадратическое отклонение) и значения нормированной матрицы для трех моделей Z_;/, Z,₂, Z,j, вычисленных по формуле (1.4.2). Выбранные значения эталона сравнения Z,_o также заносятся в табл. 1.4.2. Эталон сравнения - это модель с наилучшими из возможных значений параметров, для чего должны соблюдаться условия:

Z,o = max {ZJ при Si = +1 ; Z_i0 = min (Z^ ) при Si = -I.

Выбор устройства, которое наиболее близко к эталону ио большинству показателей, осуществляется с помощью показателя Rj:

(1.4.3)

В нашем примере это RJ R2, R3. Устройство, у которого показатель Rj имеет минимальный уровень (min{/?i}), в наименьшей степени отличается от эталона и является лучшим из всех рассматриваемых. Следовательно, наилучшим является устройство М1.

Рассмотренный способ сравнения рекомендуется применять при наличии не менее трех сравниваемых вариантов, что обусловлено статистическими требованиями нормирования данных. Если существует лишь один вариант для сравнения, то целесообразно применить метод анализа иерархий, который позволяет сравнивать любое количество вариантов.

Как и в предыдущем методе, сначала определяется перечень параметров -критериев (i = 1 ,п), по которым проводится оценка качества устройства, и производится выбор сравниваемых вариантов Mj (j=1,m) - альтернатив. Иерархия строится с вершины - цели анализа (в нашем случае, это - наилучшая модель устройства, которую надо выбрать), через промежуточные уровни (критерии, по которым производится Парное сравнение микросхем по критерию), к нижнему уровню, который является перечислением альтернатив Mj. Пример иерархии для выбора одного варианта устройства из трех по N критериям представлен на рис. 1.4.1.

Суть метода анализа иерархий заключается в том, что первоначально определяется важность («вес») каждого критерия (в работе [10] предложена шкала относительной важности критериев, представленная в табл. 1.4.3). После этого производятся парные сравнения критериев для оценки их относительных весов. Затем проводится парное сравнение альтернатив относительно каждого из рассматриваемых критериев и производятся интегральные оценки каждого из вариантов, полученные с учетом оценок по всем критериям. Лучший вариант выбирается путем

Таблица 1.4.2. Выбор наилучшего варианта технического устройства таксонометрическим методом

36

Рис. 1.4.1. Иерархия для выбора наилучшей модели устройства

Таблица 1.4.3. Шкала относительной важности критериев

сравнения интегральных оценок

Для пояснения методики МАИ применим его на конкретном примере 1.4.2 устройства Ml. Будем считать, что у этого устройства существует аналог М2 с известными параметрами и нам необходимо выбрать лучший из двух аналогов, причем мнения экспертов по поводу преимуществ каждого из них совпадают. Воспользуемся перечнем параметров, важных для оценки качества устройств, приведенным в примере 1.4.1. Их «веса», оцененные по девятибалльной системе, и значения критериев приведены в табл. 1.4.4.

Таблица 1.4.4. Параметры устройств Ml и М2

Построим матрицу парных сравнений второго уровня иерархии - сравнение критериев между собой по степени их важности. В нулевой столбец и нулевую строку занесены обозначения критериев. Элементы матрицы обозначим А,у, причем / = l,n; j = 1,п, то есть матрица квадратная, (табл. 1.4.5, где приведены относительные веса критериев). Кроме того, в соответствии с методикой МАИ матрица является обратно симметричной, то ест ь элементы матрицы соотносят ся между собой как:

Таблица 1.4.5. Матрица парных сравнений

(1.4.4)

В первый столбец квадратной матрицы занесем «веса» критериев, а в первую строку их обратные значения в соответствии с выражением (1.4.4) - так критерий В (вес устройства) соотносится с другими критериями по степени важности в соответствии с принятыми экспертом весами. Далее во второй строке производится сравнение критерия Ч (чувствительность) попарно с другими критериями, и выставляются баллы также, исходя из собственного суждения о сравнительной важности критериев, в соответствующих ячейках второй строки таблицы. Таким же способом заполняются следующие строки матрицы.

Далее определяются векторы приоритетов W, (табл. 1.4.6), для которых справедливы следующие выражения:

W,^

^S‘ , (1.4.5)

где Р' = J [JAy, S, = A_tj, п - размерность матрицы.

Vj-1_ >1

Таблица 1.4.6. Определение векторов приоритетов для критериев

Например,

Vlxl/5xl/3xl/2xl/2 (1 + 5 + 3 + 2 + 2)

Поскольку заполнение ячеек матрицы производится экспертами на основании их субъективных оценок, что нс исключает наличие несогласованности матрицы, а следовательно, и формирования ошибочного заключения при выборе устсравнений. Для этого вычисляется выражение:

ройства, необходимо произвести проверку согласованности матрицы парных

/=» ;=i J

(1.4.6)

После чего рассчитываются индекс согласованности ИС и отношение согласованности ОС

Л -п ИС

ОС = —

л-1 ; > (1.4.7)

где п - размерность матрицы; f - табличная величина случайной согласованности матрицы (табл. 1.4.7).

Таблица 1.4.7. Средние величины случайной согласованности для случайных матриц разного порядка.

Согласованность матрицы считается допустимой, если ОС < 1/5. Если это условие не выполняется, то несогласованность матрицы превышает допустимый порог. В этом случае следует произвести коррекцию суждений эксперта, пересмотрев исходные оценки критериев Li или оценки относительных весов при парных сравнениях.

2^=5,8115 ЯС= = ^{5,811 5} = 0,2029; ОС=^^?=0,181.

л-1 4 1,12

В нашем примере ОС меньше 1/5, хотя и на грани допустимого порога. Матрицу считаем приемлемой.

Следующим шагом выполняется сравнение устройств Ml и М2, находящихся на третьем уровне иерархий, по отношению к каждому критерию. Для этого по каждому критерию строится отдельная матрица парных сравнений по алгоритму, рассмотренному для определения векторов приоритетов для критериев. В соответствии с выражением 1.4.5 определяются векторы приоритетов для каждого из критериев W_w. Данные о сравниваемых устройствах по перечисленным выше критериям представлены в следующих таблицах 1.4.8 - 1.4.12. В таблице 1.4.13 сведены все полученные векторы приоритетов.

Таблица 1.4.8. Сравнительные оценки по критерию В

Таблица 1.4.9. Сравнительные оценки по критерию Ч

Таблица 1.4.10. Сравнительные оценки по критерию Т

Таблица 1.4.11. Сравнительные оценки по критерию СС

Таблица 1.4.12. Сравнительные оценки по критерию СТ

Таблица 1.4.13. Вектора приоритетов для ус тройств

Для получения окончательных результатов необходимо для каждого из рассматриваемых устройств определить глобальный приоритет Z,-, для чего следует найти сумму произведений векторов приоритетов устройств на соответствующие векторы приоритетов критериев:

Z.=^W_tl-W_t (1.4.9)

?=1

где к - номер критерия; п - число критериев для сравнения; i - номер сравниваемого устройства.

Для нашего примера значения IV* берем из табл. 1.4.6, а значения IV*, -из табл. 1.4.13.

Результат для Ml: Z, = 1/540,03+1,3 0,9+0,5 1/3+0,14 0,11+0,94 0,13 = 1,48; Результат для М2: Z₂= 0.94 0,03+0,14 0,9 +0,5 1/3+1,3 0,11+1/54 0,13 = 0,49.

Лучшим является устройство, имеющее наибольший результат: устройство Ml по суммарному критерию существенно превосходит аналог.

Для принятия решений по выбору наиболее эффективных новых или усовершенствованных технологий, стандартов, устройств, сетей, услуг связи (инноваций) при отсутствии информации о результатах и затратах их внедрения можно использовать экспертночсвалиметрический подход [51. Этот метод позволяет получить комплексную оценку эффективности инноваций на основе экспертного оценивания показателей результатов и затрат на внедрение инновации и обоснованно выбрать эффективные инновации из множества альтернативных вариантов.

Комплексная оценка эффективности инновации, содержание которой в обобщенном виде приведено на рис. 1.4.2, характеризует эффективность инноваций по совокупности частных показателей, отражающих эффекты и барьеры внедрения инноваций.

Рис. 1.4.2. Система показателей комплексной оценки эффективности инноваций в сфере инфокоммуникаций

Коэффициент эффективности инноваций рассчитывается по формуле:

_к = Р_и = a_uAQ4-a_2jAd_r +a_3jAII_c

З_и ЬуС_ти+b2jR_H+b₃jC_7H (1.4.10)

где Ри - результативная составляющая эффективности инноваций, определяется как средневзвешенная переменных: потенциальный прирост доходов от услуг связи AQ, прирост рыночной доли или прорывной рыночный потенциал Ad_r, прирост прибыли за счет снижения себестоимости услуг АПс;

Зи - затратная составляющая эффективности инноваций, определяется как средневзвешенная переменных: технологическая сложность (превышение общих затрат на внедрение над стоимостью нового оборудования) С_ти, риск рсализацииИц, соизмеримость стоимости и результатов внедрения инноваций (превышение общих затрат на внедрение над выручкой)С_Тц;

Зц, by -значимость i-тых частных показателей результативной и затратной составляющих эффективности; j - число кластеров инноваций в зависимости от вида связи, положения на сети, типа инноваций (услуги, оборудование, технология) и т. д.

Для обеспечения сопоставимости и однонаправленности измерения частных показателей эффективности инноваций комплексная оценка эффективности инноваций производится на основе относительных показателей, что позволяет экспертам оценить возможные изменения результатов и затрат на внедрение.

По каждому частному показателю результативной и затратной составляющих эффективности инноваций (рис. 1.4.2) группа экспертов выставляет оценки в баллах, по результатам которых с учетом значимости частных показателей рассчитываются суммарные средневзвешенные оценки результативной и затратной составляющих эффективности (в баллах), соотношение которых дает коэффициент эффективности инноваций.

По уровню коэффициента эффективности можно осуществить ранжирование инноваций и выбрать наиболее эффективные по следующим критериям:

если К_ЭИ > 1,5, то эффективность инноваций очень высокая;

если 1,0 < К_ЭИ < 1,5, то - высокая; если 0,8 < К_ЭИ < 1,0, то - средняя;

если 0,5 < К_ЭИ < 0,8, то - низкая; если К_ЭИ < 0,5, то -очень низкая. Инновации с очень низкой эффективностью в перечень эффективных инноваций не входят.

Процедура экспертного оценивания и выбора эффективных инноваций на основе экспертно-квалиметрического подхода состоит в последовательном выполнении этапов анализа информации об инновациях, экспертной оценки параметров эффективности и обработки результатов.

Первым этапом выбора эффективных инноваций является формирование экспертной группы, в состав которой должны входить высококвалифицированные специалисты с перспективным типом мышления, способные системно оценивать результаты НТП и предвидеть будущее развитие технологий, систем и оборудования связи. Для оценки своей компетентности эксперты производят самооценку информированности по проблеме и степени аргументации принятия решения по обоснованию выбора эффективных инноваций по пятибалльной шкале по анкете (табл. 1.4.14).

Таблица 1.4.14. Анкета для проведения экспертом самооценки компетент-

Качество эксперта определяется коэффициентом компетентности Ккомп : 1 «аг "

• *^комп 2 71 —
• (1.4.11)

где Кинф - коэффициент информированности по проблеме, отражающий источники информированности и знаний; Карг - коэффициент аргументации, отражающий теоретические знания и производственный опыт; п - число оцениваемых областей знания.

Итоги самооценки компетентности экспертов по оцениваемым областям знаний по пятибалльной шкале сводятся в табл. 1.4.15, по результатам которой из экспертизы исключаются специалисты с уровнем компетентности ниже 3 баллов (недостаточность источников информации и несистематизированные теоретические знания и производственный опыт).

Таблица 1.4.15. Результаты самооценки компетентности экспертов

Вторым этапом экспертного оценивания является заполнение экспертами анкеты. Анкета по оценке эффективности инноваций, представленная в табл. 1.4.16, имеет форму таблицы, в графах которой указаны частные показатели результативной и затратной составляющих эффективности с вариантами диапазонов их изменения и дастся место для выставления балльной оценки. Чтобы ответы экспертов были однозначными, в анкете кратко раскрываются сущность иннова ции, особенность технологии, технические характеристики, сфера использования, а также принадлежность к кластеру по сфере деятельности.

Инфокоммуникационныс инновации можно разделить по сферам деятельности на следующие кластеры', базовая сеть, сеть доступа, сетевые услуги, услуги конечному пользователю, устройства фиксированной связи, мобильные терминалы, сопутствующие услуги/технологии. Классификация инноваций по кластерам позволяет сгруппировать результаты оценки эффективности по сегментам бизнеса.

Анкета опроса заполняется экспертом с учетом эффектов и барьеров внедрения инноваций. После прочтения короткого описания инновации и важнейших направлений эффективности ее внедрения эксперт дает оценку в баллах частных показателей эффективности в соответствии с диапазонами шкалы оцениваемых показателей: 1 балл ставится в позиции низких уровней частных показателей результативной и затратной составляющих, 2 балла - средних, 3 балла - высоких. По каждому показателю ставится только одна балльная оценка из трех позиций шкалы оценивания.

Таблица 1.4.16. Анкета опроса экспертов об эффективности инноваций

В табл. 1.4.17 приведены данные о значимости частных показателей эффективности инноваций по составляющим комплексного показателя в разрезе кластеров инноваций.

Таблица 1.4.17. Значимость частных показателей эффективности инноваций по _____________________________кластерам, в отн. ед.______________________________

Пример 1.4.3 заполнения экспертом таблицы оценивания эффективности внедрения инноваций по кластеру «мобильные терминалы» приведен в табл. 1.4.18. По каждой инновации, в соответствии с выставленными частными оценками, рассчитываются средневзвешенные баллы результативной и затратной составляющих и величина коэффициента эффективности. Так, коэффициент эффективности мобильного терминала «Multi-mode mobile phones» составляет:

„ 3-0,6+2-0,2+1-0,2 2,8 . _,

^эи 1-0,2 + 2-0,6+2-0.2 1,8

Анализ результатов экспертного оценивания эффективности инноваций в кластере «мобильный терминал» показал, что из 10 инноваций экспертом признаны эффективными все инновации, из них с очень высокой эффективностью - 2 ед.; со средней эффективностью - 4 ед.; с низкой - 4 ед.

Таблица 1.4.18. Пример оценки экспертом эффективности инноваций в кластере «мобильные терминалы»

Степень согласованности мнений экспертов по составляющим эффективности определяется коэффициентом вариации V по формуле:

„ _ ЁС,, fcte.-c,)1

^v' = c?^; И--— ?

В приведенном примере коэффициенты вариации по всем оценкам экспертов не превышают 15%, что свидетельствует о достаточном уровне достоверности результатов выбора наиболее эффективных инноваций.

Таблица 1.4.19. Результаты оценки эффективности инноваций

• [1] Самооценка производится по пятибалльной шкале: информированность по проблеме: 1 балл - источников информации не имею, 2 балла - статьи научно-технических журналов, Интернет; 3 балла - книги, статьи в журналах, Интернет; 4 балла - стандарты, спецификации, книги, статьи в журналах, Интернет; 5 баллов - отчеты компаний о деятельности и инновационных проектах, книги, статьи в журналах, Интернет; степень аргументации: 1 балл - нет опыта и знаний; 2 балла несистематизированные теоретические знания и производственный опыт; 3 балла - систематизированные теоретические знания и производственный опыт; 4 балла - глубокие теоретические знания отечественных и иностранных научно-технических достижений без опыта работы; 5 баллов - глубокие теоретические и практические знания.