Software & Systems

В последние два десятилетия в мире появилась экономика нового типа, названная информационной и глобальной, в которой  одним из инновационных направлений в управлении предприятиями является эффективное использование современных достижений в области информационных технологий [1].

В современном обществе информация становится важнейшим производительным, общественным и социальным ресурсом экономического и технического развития, при этом производительность и конкурентоспособность организаций во многом зависят от их способности генерировать, обрабатывать и эффективно использовать информацию, основанную на знаниях.

Следует признать, что российское общество пока далеко от информационного в полном его понимании, но в научной литературе дискутируется вопрос о возможности и целесообразности внедрения западных технологий и методов управления в деятельность российских хозяйствующих субъектов, в том числе и в систему агропромышленного комплекса (АПК).

Одно из важнейших мест в АПК занимает система технического сервиса, так как уровень использования техники и затраты на ее обслуживание оказывают существенное влияние на себестоимость получаемой продукции.

При управлении деятельностью предприятий технического сервиса АПК с помощью информации  возникает необходимость построения структуры управления системой технического сервиса в виде, который позволял бы элементам системы оптимально и эффективно получать и перерабатывать весь нужный объем данных для повышения результативности работы.

Одной из главных проблем, решаемых при проектировании систем управления, опирающихся на современные информационные технологии, является определение состава информации, которая действительно нужна работнику для эффективного выполнения своих функций с учетом феномена информационной необозримости.

Методы и модели исследований и анализа внутренних информационных потоков достаточно разработаны и освещены в литературе, в то же время практически неразработанным является методическое обеспечение по исследованию и отбору внешних документальных информационных потоков.

Авторами данной статьи разработана методика оценки источников информации (ИИ), основанная на определении интегрального коэффициента качества, отражающего оценку информации экспертами по ряду используемых критериев качества.

Для решения поставленной задачи формируется группа экспертов, отобранных по критерию максимальной согласованности мнений и имеющих одинаково высокий уровень подготовки. Набор показателей качества информации, по которым проводится отбор ИИ, представляется некоторым множеством K={K1, K2, …, Kl} (), причем было определено, что наиболее полно можно оценить информацию, используя такие показатели качества, как точность, достоверность и полнота. Эксперты оценивают информацию по каждому из выбранных показателей отдельно, после чего принимают окончательное решение о включении того или иного ИИ в создаваемую БД.

Процедуру оценки и отбора ИИ экспертами предлагается описывать в терминах теории графов как наиболее наглядного способа представле­ния отношения эксперта к ИИ, легко поддающегося формализации и обработке на персональных компьютерах. Так, для наиболее полного представления отношения «эксперт–ИИ» воспользуемся двудольным графом Кенига: G(K)=(E, X, V), где E и X – множества вершин графа G(K); V – множество ребер, устанавливающее взаимно-одно­значное соответствие между вершинами из множества E и множества X.

При дальнейшем рассмотрении считается, что множеству E соответствует количество привлекаемых экспертов N; множеству X – количество предназначенных к рассмотрению ИИ I, а множество V представляет некоторую оценочную функцию F=F(fij, kij), определяющую степень отношения экспертов к рассматриваемому ИИ. Величина fij характеризует оценку экспертом анализируемого ИИ по конкретному показателю качества.

Система условий по включению j-го ИИ в БД i-м экспертом имеет следующий вид:

При fij=1 или 2 эксперт указывает степень важности ИИ путем присвоения ему коэффициента важности 0, каждый элемент которой показывает степень отношения i-го эксперта к j-му ИИ по каждому критерию, и матрицей , элементы которой – это коэффициенты важности j-го ИИ для i-го эксперта.

Используя элементы матриц I(K) и C(K), можно получить усредненную оценку мнения каждого эксперта обо всех ИИ () и усредненную оценку всеми экспертами конкретного ИИ () по данному критерию, то есть ; , .

Как следует из условий поставленной задачи, в БД включают только те ИИ, за которые высказалось наибольшее число экспертов. В связи с этим для дальнейших рассуждений при оценке качества ИИ выбирается величина , удовлетворяющая условию .

Проведенными исследованиями установлено, что мнения экспертов при отборе ИИ могут расходиться, даже если группа формировалась по критерию максимальной согласованности мнений. Это объясняется их способностью к многомерному анализу документа, организационными факторами и многими другими причинами как субъективного, так и объективного характера. В связи с этим и на основании приведенных выше рассуждений оценивать ИИ предлагается с использованием интегрального коэффициента качества, который учитывает используемые экспертами показатели качества. Интегральный коэффициент качества имеет вид , где L – количество задействованных критериев качества (шт.);  – усредненный показатель качества оценки экспертами j-го ИИ при использовании i-го критерия.

Несмотря на то, что величина  может принимать значения в диапазоне от нуля до двух, рекомендуется отбирать ИИ, для которых выполняется условие .

Таким образом, разработанная методика формализует процедуру оценки качества и отбора информации экспертной группой. Это, в свою очередь, даст возможность включать в формируемые базу данных и знаний ИИ, которые, по мнению экспертов, являются наиболее важными на данный момент в конкретной предметной области, используя при этом множество качественных показателей. Предлагаемая методика позволит  пользователям информационной системы использовать при управлении и принятии решений актуальную и адекватную информацию, что в конечном итоге существенно повысит эффективность функционирования системы принятия решений.

Литература

1.  Кастельс М. Информационная эпоха: экономика, общество и культура. М.: ГУ ВШЭ, 2000. С. 608.

2.  Экономика знаний и факторы ее реализации: аналит. вестник Совета Федерации ФС РФ. 2005. № 15 (267). URL: //http:www.budgetrf.ru (дата обращения: 03.03.09).

3.  Оре О. Теория графов. М.: Наука, 1968.