авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 | 4 |   ...   | 6 |

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное автономное образовательное учреждение высшего профессионального образования ...»

-- [ Страница 2 ] --

Несмотря на ограниченность во времени и рисковый характер каждого отдельного проекта, некоторые проектные структуры могут существовать продолжительное время и не иметь заранее определенного срока прекращения работы. Это структуры, которые созданы, условно говоря, для серийного выполнения проектов. Они основываются на постоянно пополняющейся смеси различных проектных работ.

Таким образом, хотя каждый отдельный рисковый проект представляет собой не устойчивую во времени структуру исполнения, динамически меняющаяся смесь проектов, ориентированная на вариабельные потребности среды внешних потребителей, может обеспечить устойчивость проектной структуры, созданной для ее исполнения.

Динамическая устойчивость проектной структуры обеспечивается постоянной целенаправленной работой по инициированию новых проектов, продлению старых проектов, мониторингу внешней среды и другими необходимыми действиями поддержания проектов.

Кроме университета в целом в нем может существовать целый ряд динамически устойчивых подструктур, обеспечивающих выполнение серий проектов.

Примерами могут служить структура обеспечения работы филиалов вуза, структура реализации ускоренных программ высшего образования, структура переподготовки и повышения квалификации.

Создание совместных проектов с внешними организациями – это перспективная практика для технического университета, ведущая к интер институциональной интеграции.

Кроме договора об аренде две организации могут заключить договор о сотрудничестве по выполнению проекта.

Руководящее ядро проекта – это инициативная группа менеджеров, которая либо сама нашла заказ на рынке и инициировала создание проекта по его исполнению, либо руководство университета выбрало ее для выполнения «спущенного сверху» проектного задания.

Руководящее ядро совершенно не обязательно должно состоять из специалистов в прикладной области деятельности проекта. Это, прежде всего, группа менеджеров, решающая традиционные задачи управления выполнением проекта. Прикладную, технологическую сторону работы обеспечивают базовые подразделения проекта. Члены руководящего ядра могут выполнять несколько разных проектов.

Сотрудники университета, руководящие исполнением проектов, занимают традиционные позиции в структуре университета и могут иметь любую должность от ректора до ассистента. Этот резерв, конечно, не может быть искусственно сформирован.

Кадровый резерв выращивается в организации по мере вовлечения ее в предпринимательскую проектную деятельность в течение продолжительного времени.

В мировой практике создана широкая номенклатура стандартов по системному подходу. Такое положение естественно вызывает озабоченность, и поэтому основные международные организации ИСО и МЭК по стандартизации выпустили стандарт, регламентирующий подходы по управлению системами, процессами и проектами. Таким стандартом явился ГОСТ Р ИСО/МЭК 15288-08 «Системная инженерия. Процессы жизненного цикла систем» [7].

Стандарт 15288 призван:

дать возможность организациям договориться о совмещении • замыслов, процессов проектирования, создания, эксплуатации и вывода из эксплуатации самых разных рукотворных систем – от учебной программы до атомных станций;

внедрить в практику организации ряд ключевых идей системной • инженерии: системного подхода;

процессного подхода;

проектного подхода;

жизненного цикла (ЖЦ);

инжиниринга требований;

культуры контрактации;

гармонизировать многочисленные стандарты, принятые различными • военными ведомствами, государствами, отраслевыми организациями стандартизации.

Стандарт универсален и охватывает все виды проектов, все этапы ЖЦ, все формы применяемых ресурсов и учитывает особенности композиции любых систем.

В связи с появлением этого стандарта необходимо уточнить понятие жизненного цикла.

В табл. 1.6 представлены основные стадии ЖЦ, их цель и схема решений.

Таблица 1.6. Стадии жизненного цикла Стадии ЖЦ Цель Вариант решения Определить потребности Замысел Исследовать замыслы Предложить решение Выполнить следующую стадию Уточнить требования Продолжить данную Разработка Описать решения стадию Создать проект Приостановить проект Провести верификацию Завершить проект Тиражировать проект Производство Проконтролировать и испытать Применение Обеспечить применение Поддержка применения Обеспечить реализацию возможностей проекта Перевод в категорию Хранение, архивирование непригодных для или списание применения С учетом реализуемых проектов число стадий ЖЦ может меняться, различные варианты числа стадий представлены на рис. 1.8.

Несмотря на различие применений, общая идеология стандарта сохраняется. Жизненный цикл включает в себя большой набор процессов, который необходимо реализовать во время управления конкретным проектом.

На рис. 1.9 показана иерархия процессов любого проекта или системы.

ПО Концепция Разработка Поддержка Списание Эксплуатация и Оборудование Идея Проектирование Изготовление Списание поддержка Определение Использование Персонал Приобретение Обучение Отставка требуемых и рост компетенций Проектирование Эксплуатация Здание Разборка Визуализация Согласование Строительство сооружения и и поддержка площадки Природный Приобретение Разработка Эксплуатация Рекультивация ресурс Определение Графическое Пилотное Использование и Проект Ликвидация Описание выхода представление внедрение совершенствование Система Идея Разработка Изготовление Использование Поддержка Списание Рис. 1.8. Варианты стадий жизненного цикла Рис. 1.9. Иерархия процессов при реализации ЖЦ проекта Все указанные на рис. 1.9 процессы характерны и для СУРКПТУ.

Процессы любого проекта, как и любые системы, сами проходят жизненный цикл: их задумывают, проектируют, потом идет постановка процессов (претворение процессных норм в жизнь) и т. д.

Цикл жизни процесса – это его прохождение по уровням зрелости.

Уровни зрелости процесса составляют его стадии ЖЦ, на которых описание процесса имеет разный нормативный статус (от отсутствия описания, к описанию процессов asis, далее к обязательному выполнению описаний как нормы, далее к постоянному пересмотру и улучшению нормативных описаний).

Анализ жизненных циклов проектов позволяет отследить происходящие эволюционные изменения и вовремя приступить к проведению инноваций, осуществляя мониторинг ЖЦ проекта.

Жизненный цикл проекта отражает изменения общественной потребности в производимом и используемом продукте (учебной программе) в течение времени циклов деятельности университета.

Выводы и результаты по первой главе 1. Все виды деятельности многопрофильного технического университета (образовательной, научно-исследовательской и коммерческой) реализуются в виде проектов. В разделе даны определения основных понятий:

проект, качество, результативность. Определена специфика применения этих понятий в процессе ситуационного управления проектами технического университета.

2. Изменения, происходящие в системе высшего профессионального образования Российской Федерации, только увеличивают число факторов, подлежащих учету, и повышают степень неопределенности при управлении проектами технического университета.

3. Предложена классификация задач и методов СУРКПТУ.

4. Выявлены особенности ситуационного управления, требующие проведения дополнительных исследований для комплексного формирования методологии СУРКПТУ:

разработка критериальной базы, методов и процедур оценки качества проектов технического университета при многозначности факторов внешней среды (раздел 2);

разработка критериев процедур и алгоритмов оценки результативности реализации проектов технического университета (раздел 2);

разработка методов и алгоритмов оценки рисков, возникающих в процессе СУРКПТУ (раздел 3);

разработка методов оценки бюджетной и инновационной деятельности технического университета (раздел 4);

разработка методик и алгоритмов имитационного моделирования процесса СУРКПТУ (раздел 5).

5. Проведен анализ ряда современных международных стандартов и оценена их применимость для задач ситуационного управления проектами технического университета;

предложены и разработаны процедуры оценки и повышения уровня зрелости университета.

6. Показано, что модель СУРКПТУ открывает новое измерение университетской свободы – свободы предпринимательской деятельности внутри университета на основе разработки и внедрения принципов проектной организации.

7. В качестве примеров применения методов СУРКПТУ в работе рассмотрены образовательные проекты и проекты по инновационной деятельности.

ГЛАВА 2. РАЗРАБОТКА КРИТЕРИАЛЬНОЙ БАЗЫ, ПРОЦЕДУР И АЛГОРИТМОВ СИТУАЦИОННОГО УПРАВЛЕНИЯ КАЧЕСТВОМ ПРОЕКТОВ ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА 2.1. Анализ ограничений ситуационного управления в условиях многозначности и неопределенности развития внешней среды Поскольку СУРКПТУ строится на общефилософских принципах системности, рассмотрим кратко основные идеи системного подхода. Развитие мировых интегративных факторов и проблем привело к тому, что принципы системности, системное видение и мировоззрение приобрели характер доминирующей ориентации философии, науки и методологии.

Современный этап развития системных понятий характеризуется следующими особенностями:

1. Резко усложнились создаваемые системы, произошла потеря возможности иметь о них полное и адекватное представление.

2. Возросло взаимодействие систем различной природы.

3. Стремительно увеличилась интенсивность информационных воздействий и информационных технологий, т. е. начался практический переход в информационную фазу развития общества.

Принципы системности фиксируют недостаточность традиционных подходов к постановке и решению новых задач проектирования и исследования и помогают строить новые объекты изучения, формируют новые исследовательские задачи;

дают возможность соединить структуру системы и её динамику и, в конечном итоге, приводят к появлению новых знаний.

Рассмотрим иерархию системности, представленную на рис. 2.1.

I. Системность среды, окружающей человека, включает в себя:

системность окружающей среды, системность человеческого общества, системность взаимодействия человека со средой, ведущая к возникновению проблем при создании проекта любого вида.

Системность – всеобщее свойство II III I Системность Системность Системность познавательной практической среды деятельности деятельности Рис. 2.1. Составляющие системности II. Системность познавательной деятельности:

анализ и синтез, диалектичность, системность результатов познания (духовная культура, модели).

III. Системность практической деятельности:

целенаправленность, алгоритмичность, системность результатов деятельности в технике и материальной культуре.

Управление качеством проектов на практике увязывается в один технологический процесс, структура и содержание которого вкратце может быть представлена в виде последовательности подпроцессов, приведенных на рис. 2.2. На рисунке введены обозначения:

УЦ, ОЗ, РЗ – уяснение целей, определение и решение задач проекта соответственно, СЗ – среда целей проекта, АСЗ – анализ и определение среды задач, ФП – формулирование проблемы, АСП – анализ проблемы (проблем ), ПМ – построение модели, М – моделирование, В – верификация результатов моделирования, С – синтез возможных вариантов, ПР – принятие решения, РР – реализация решения, V – вектор воздействия среды, Q f – вектор выходных критериев.

РЗ ОЗ СЗ АСЗ ФП АСП ПМ М О С' УЦ ПР Qf РР Прямая связь Обратная связь Рис. 2.2. Последовательность процессов создания проекта Схема, представленная на рис. 2.2, является универсальной и не зависит от вида разрабатываемого проекта. В каждом конкретном случае могут меняться векторы V, Q f, а также воплощение внутренних этапов, зависящее от применения тех или иных методов и инструментов.

Проблемы, возникающие в процессе создания проекта любого класса, возникают в процессе взаимодействия со средой. Однако среда не является чем то единым, а состоит из множества сфер, воздействующих на систему одновременно. В настоящее время принято рассматривать семь основных сфер, с которыми соприкасается человеческое общество. Каждая сфера подчиняется своим законам и принципам поведения, которые регулируют процессы обмена с проектируемой системой. Проекция системы в определённую сферу создаёт образ системы (ситуацию). Соответственно этап уяснения задачи состоит в том, чтобы выяснить, какие ситуации могут возникнуть и как их парировать в процессе проектирования. Общих процедур решения этой задачи в настоящее время не существует, и поэтому процесс создания проекта во многом зависит от интуиции и опыта лиц, осуществляющих проектирование, и от набора средств и методов, которыми они располагают.

Рассмотрим кратко каждую из сфер:

1. ФИЗИЧЕСКАЯ СФЕРА представляет собой установившееся в глобальных масштабах движение, вместе с тем должны быть учтены локальные изменения, зависящие от географического расположения проектируемой системы, и характерные антропогенные воздействия. Всеобщая информационная связь присуща всей физической сфере, поэтому взаимодействия в ней влияют и на поведение системы в других сферах.

2. БИОСФЕРА. Последние исследования доказывают запрограммированность биологической жизни нашей планеты. Так, рибосомный механизм ДНК практически один и тот же для различных организмов, а генетическая программа, заложенная в ДНК, едина для всего живого (в том числе и растений). Разнообразие вызвано действием разных или не совпадающих участков генетических программ. Биологическая сфера служит источником многих проблем при проектировании: создание защиты от загрязнения водного и воздушного бассейнов, создание природощадящих технологий и т. п.

3. ПСИХОЛОГИЧЕСКАЯ СФЕРА связана с развитием человеческого общества и влияет на такие результаты техногенной деятельности, которые влекут за собой перепроизводство, безработицу, проблемы утилизации морально устаревших систем и т. п.

4. ТЕХНОСФЕРА. Человечество в своём развитии, взаимодействуя с физической и биологической сферами, создало искусственную среду – технологическую сферу, которая активно влияет на все остальные сферы.

Информационная стадия характерна массовым переходом от централизованного управления к децентрализованному (переход от иерархических структур к сетевым, передача управления при помощи микропроцессора непосредственно на рабочее место и т. д.), интеграцией национальной техносферы в мировую, интенсификацией и интеллектуализацией информационных обменов, переходом на наукоемкие, безотходные технологии и т. д. Происходит перерастание научно-технической революции в системную. Нарастающее рассогласование естественных и искусственной сфер возможно только за счет усиления влияния экономической и социально-политической сфер.

5. ЭКОНОМИЧЕСКАЯ СФЕРА определяет отношения субъективной полезности элементов обмена и права собственности на них. При этом распределяется не только полезный продукт, но и затраты. Экономическая сфера базируется на договорной основе между членами общества, поэтому ситуации в ней весьма чувствительны к ситуациям в других сферах.

6. СОЦИАЛЬНО-ПОЛИТИЧЕСКАЯ СФЕРА – это, прежде всего, сфера общественных договоров, регулирующих права и обязанности членов сообщества в различных сферах, чем более развита какая-либо сфера, тем она оказывает большее влияние на социальную сферу. Поэтому человеческое сообщество имеет историю цивилизаций, а не историю популяций, как в животном мире.

7. ИНФОРМАЦИОННАЯ СФЕРА тесно взаимодействует со всеми названными сферами. Об информационной сфере сказано достаточно много выше, поэтому ограничимся утверждением, что она является наиболее устойчивой по сравнению с рядом рассмотренных сфер.

Даже краткое рассмотрение различных сфер позволяет заключить, что все они не только взаимодействуют, но обладают свойством взаимопроникновения, и их образы «живут» друг в друге. Всякое выделение объекта из окружающей его среды достаточно условно и приводит к большим ошибкам. Размытость, расплывчатость границ рассмотрения привели к созданию теории нечётких множеств, получающей всё большее распространение в технических приложениях (см. подразд. 2.3).

В случае СУРКПТУ рассмотрение схемы процесса и различных сфер среды приводит к необходимости решения двух задач:

построение алгоритма СУРКПТУ с учетом модулей процесса • создания проекта (рис. 2.2);

создание аналитической модели, учитывающей неоднородность и • стохастичность ситуаций, возникающих при СУРКПТУ.

Обе эти задачи решаются в последующих подразделах настоящего раздела.

2.2. Разработка процедуры и алгоритма СУРКПТУ Главным содержанием процесса стратегического управления университетом в новых условиях является ориентация на рынок не только внутренний, но и внешний. Как следствие, возникающие задачи носят стохастический, динамический, междисциплинарный и требующий концентрации усилий характер.

Дадим характеристику этих новых рыночных свойств функций инновационного университета и укажем на сложность их реализации с управленческой точки зрения в традиционном вузе. Первые два свойства (стохастика и динамика) являются общезначимыми для любого рынка и отражают факт неточной предсказуемости (вероятностный характер) и нестабильности (то есть изменение во времени) рыночного запроса. Два вторых вышеупомянутых свойства функций инновационного университета особенно сложны для реализации в традиционной управленческой системе вуза.

Большинство проблем, определяющих передний край развития общества знаний, носит междисциплинарный характер, требующий для своего решения участия специалистов разных кафедр и факультетов, а также взаимодействия с другими научно-образовательными институтами. В традиционной вузовской организации нет отработанного управленческого механизма функционального объединения подразделений. Отметим, что речь идет именно о функциональном объединении усилий, а не об организационном слиянии или поглощении. Все сказанное относится и к необходимости концентрации лучших сил университета для решения крупного проекта, например государственного заказа или участия в федеральной инновационной программе.

Лучшие человеческие и материально-технические ресурсы университета, как правило, должны быть собраны из разных подразделений. По своей сути, создание ситуационного проекта является процессом свершения открытий.

Алгоритм ситуационного управления проектами университета представлен на рис. 2.3, на котором модули подпроцессов взяты из рис. 2.2.

1. Начало проекта Модуль 1-У 2. Уяснение ситуации Уяснение 3. Анализ ситуации целей проекта 4. Осознание проблемы (проблем) 5. Необходимость изменений Модуль 2-О 6. Выбор критерия Определение проекта Да задач проекта Нет 7. Формирование команды 8. Выбор метода Модуль 3-Р описания проекта Решение задач 9. Создание модели Аналитика проекта Модель 10. Моделирование 11. Соответствие 9 12 требованиям 12. Метод описания 10 13 13. Верификация Да Да 14. Соответствие требованиям 15. Реализация проекта Нет Нет 15 16. Конец проекта 17. Реинжинирин проекта при изменении 16 ситуации (по пунктам 1–16) Рис. 2.3. Алгоритм процесса СУРКПТУ Назовем этот алгоритм по первым буквам представленных модулей – алгоритм УОР:

У – уяснить цели, стоящие перед проектом, независимо от вида проекта;

• О – определить задачи, решаемые в процессе реализации проекта;

• Р – решить задачи, поставленные перед проектом.

• Этот алгоритм УОР применим к любым ситуационным проектам университета, требующим свершения открытий и использования инноваций.

Сильная сторона алгоритма заключается в том, что он поднимает больше вопросов, чем дает ответов. Знать, какие вопросы задавать, прежде чем выбирать решение проблемы, – это прямой путь к возникновению революционных идей. После того как команда проекта достаточно продвинулась в процессе УОР и этап обновления проекта завершен, работа переходит на этап реинжиниринга – основную контрольную точку в течение ЖЦ проекта, когда принимается решение о создании нового проекта (обычно при этом вносятся изменения в концепцию конечного результата или в план) или прекращении его.

Если использовать алгоритм УОР, то можно оценивать полученный результат и решать насколько он удовлетворяет заказчика. Вариантом выполнения алгоритма УОР является применение его по спирали. Например, быстро проходятся все этапы алгоритма в течение нескольких недель, рассматриваются полученные результаты и создается представление о концепции проекта или опытного образца. Естественно, что такой подход применим, в первую очередь, к образовательным проектам. Затем после анализа данных осуществляется переход к направленному и более расширенному циклу совершенствования опытного образца, привлекая больше перспективных пользователей и создавая новые опытные образцы. Так как УОР на самом деле является комплексом ориентиров, то нужно адаптировать их к своей ситуации. На этапе подготовки к использованию алгоритма, готовясь к генерации творческих идей и к созданию инноваций, рекомендуется прибегнуть к применению двенадцати технологий, предложенных Вайнбергом [59] (см. Приложение Г).

Действия, проводимые в каждом модуле, кратко обозначены на рис. 2.3.

Дадим дополнительный комментарий к каждому из модулей алгоритма.

У – Проводится анализ возможных ситуаций и определяется набор • критичных сфер окружающей среды. Это предполагает определение потребительского сегмента, изучение существующих продуктов или услуг, оценку существующей конкуренции. Сюда также относится осознание сдерживающих факторов, таких как постановления правительства или требования заказчика, которые могут ограничивать рамки или сроки действий. Понимание технологий предполагает наличие средств воплощения проекта в реальность.

О – Главным моментом в этом модуле является:

• четкое определение показателя качества или результативности;

формулирование цели и выбор критерия (в зависимости от вида проекта);

определение целей управления ситуацией при решении проблемы;

генерация перечня возможных управляющих воздействий по отношению к подсистеме – источнику проблемы;

прогнозирование последствий этих воздействий для ситуации;

подбор команды специалистов, в том числе из разных подразделений университета или привлеченных со стороны.

Хорошим примером такой деятельности является работа подразделений научно-инновационно-технологического комплекса университета. В этом модуле также необходимо выбрать метод описания проекта и путей его реализации. Причем для образовательных проектов в качестве модели можно выбирать программу предыдущего поколения, внося в нее изменения в соответствии с требованиями ФГОС или заказчика образовательных услуг.

Р – На пути реализации надо стараться использовать новые идеи, но • удовлетворяющие требованиям заказчика. Сформулированную проблему при этом надо разбить на отдельные части и для каждой выполнить следующие действия (например, что нужно сделать для постановки совершенно нового курса дистанционно с учетом необходимости проведения лабораторных работ):

1) Понять функциональные требования, 2) определить признаки, 3) учесть требования заказчика, 4) изучить области поиска решения.

5) изобрести новые решения, 6) выбрать наиболее перспективный вариант, 7) верификацировать и оценить варианты решений, 8) принять решение, довести до исполнителей, 9) Контролировать выполнение решений.

Экспериментирование с опытными вариантами программы предполагает использование общих ценностей, таких как взаимодействие с заказчиками, ранний результат и ориентация на результат. Необходимо сопротивляться давлению, оказываемому типичными личностями ньютоновского типа и создать общий проект программы, а затем проверить ее на практике, оценить результаты освоения материала и получения практических навыков, внося оперативно необходимые изменения. В какой-то момент необходимо прекратить все эксперименты и остановиться на окончательном варианте решения.

При появлении нового заказчика с новыми требованиями реализуется этап 17-го алгоритма, повторяющий все или необходимые предыдущие этапы (см. рис. 2.3).

Представленный алгоритм является универсальным и наполнение отдельных этапов учитывает специфику того или иного проекта.

2.3. Анализ и сопоставление возможностей математических методов описаний процесса СУРКПТУ в условиях неоднозначности Многозначность сфер среды приводит к необходимости отказа от методов двоичной логики и использования аппарата так называемых мягких вычислений (Soft Computing). Термин «мягкие вычисления» был введен в г. основоположником теории нечетких множеств, профессором Лотфи Заде. На сегодня к разделу мягких вычислений относят теорию нечетких множеств, нейронных сетей, сетей доверия, теории хаоса, эволюционного моделирования, т. е. таких методов, которые объединяет совокупность неточных, приближенных методов решения задач. Такие задачи возникают в области биологии, медицины, гуманитарных наук, робастного управления, менеджменте. По сути, они составляют новый раздел вычислительной математики, который в ряде проблемных областей оказался более эффективным, чем традиционные методы. Мягкие вычисления не являются отдельной методологией. Это, скорее, объединение, комбинирование различных направлений. Термин получил широкое распространение, уже прошла 14-я международная конференция по мягким вычислениям, опубликовано большое количество работ.

Методы, входящие в понятие мягких вычислений, представлены на рис. 2.4.

Нечеткие множества Серый цвет – подходящие для Мягкие вычисления - SC Нейронные сети оценки знаний Байесовские сети доверия Логика антонимов Голубой – не Эволюционные вычисления подходящие для оценки знаний Теория хаоса Рис. 2.4. Методы мягких вычислений Для целей СУРКПТУ нужно использовать именно мягкие вычисления, поскольку стохастичность, коррелированность и неопределенность ситуаций не позволяет давать конкретных двоичных оценок. Среди мягких вычислений наиболее подходящим методом для решения задач СУРКПТУ, и в особенности образовательных проектов, подходят методы, отмеченные на рис. 2.4 серым цветом. Их сравнительный анализ будет проведен ниже. Эволюционные вычисления (генетические алгоритмы, эволюционное программирование и т. д.) не подходят для решения задач диссертации, так как они основываются на принципах заимствованных из биологии и медицины, напрямую не могут быть связаны с задачей оценки уровня образованности и подходят скорее для задач оптимизации в задачах создания искусственного интеллекта. Задачи теории хаоса имеют ограничения применения, так как связаны с выбором вводных параметров. Методы вычисления этих параметров зависят от динамики, лежащей в основе данных, и вида анализа, которая в большинстве случаев очень сложна и не всегда точна.

Приведем сравнение методов, которые, по мнению автора, могут быть использованы для оценки компетентностей обучаемых, что является одной из задач оценки результативности и качества образовательных проектов университета. Данные сведены в табл. 2.1.

Таблица 2.1. Сравнение методов мягких вычислений Методы МВ Возможности Достоинства Недостатки Получение f(x), Построение функции Решение в Нечеткие соответствия между введение среднем, для множества лингвистическими «треугольных чисел» класса объектов переменными Задачи прогнозирования, Задачи нелинейной Необходимость Нейронные распознавание образов, оптимизации обучения, сети управление трудность формирования топологии сети Вероятностная сеть для Прогнозирование, Невозможность Сети доверия оценки апостериорных диагностирование оценить вероятностей истинность гипотезы Оценка различия, Непрерывнозначность, Наличие Логика соответствие оценивание экспертов антонимов классической логике конкретного объекта В таблице серым цветом отмечен метод МВ – логика антонимов, который более подробно будет описан ниже в данном подразделе. Описание других методов не приводится, так как они подробно описаны в имеющейся технической литературе.

Со значительным опозданием методы мягких вычислений начали применяться на постсоветском пространстве. В октябре 2002 г. состоялась международная конференция в Минске, где целая секция была посвящена нечетко-множественным исследованиям в экономике. С 17 по 20 июня 2004 г. в Санкт-Петербурге состоялась международная научно-практическая конференция «Нечеткие множества и мягкие вычисления в экономике и финансах», на которой было представлено свыше 60 докладов ученых более чем из 20 стран мира. В 2002 г. в России создана ассоциация по мягким вычислениям и измерениям (Soft Computingand Measurements – SCM) и ежегодно проводятся конференции в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» им. В. И. Ульянова. Темы конференции: неопределенность в измерениях и вычислениях, меры и шкалы;

моделирование сложных систем;

вероятностные методы в обработке информации;

нечеткие множества, приближенные выводы и их приложения;

перспективные информационные технологии и среды программирования для сложных объектов и распределенных систем в условиях неопределенности;

нейрокомпьютерные сети, генетические алгоритмы и их применения;

интеллектуальные измерительные системы и приборы и др.

На российском рынке с 1995 г. стали появляться программные продукты для персональных компьютеров, рассчитанные на решение задач мягких вычислений. В России наибольшую популярность получили следующие программные продукты: Fuzi Calc фирмы Fuzi Ware;

Cubi Calc фирмы Hiper Logic и Matlab фирмы Soft Line.

Однако для целей повышения качества образования при оценивании уровня компетентности отдельных обучающихся не подходят вероятностные методы раскрытия неопределенностей, так как при этом факторизация состояния объекта происходит по вероятностям его пребывания в том или ином состоянии в определённый момент времени. При этом следует иметь в виду, что не объект имеет такую строгую зависимость своего состояния от времени, а именно количество его определённых состояний. Поведение нужного параметра изучается, и его изменение во времени описывается с определёнными допущениями под известные математические зависимости (экспоненциальную, нормальную, Вейбулла и т. д.). Однако методами вероятностного моделирования можно хорошо решать задачи определения состояния множества (класса) объектов, получать усредненные оценки. Когда исследователей интересует поведение конкретного обучающегося, вероятностные характеристики годятся плохо.

За последние тридцать лет сформировалось «логико-вероятностное моделирование», в котором использовались функции алгебры логики для аналитической записи условий работоспособности системы. Однако попытки объединения теории вероятностей и алгебры логики не совсем корректны, так как теория вероятностей исходит из неопределённости в совершении событий, а алгебра логики – полной определённости объектов изучения. Именно противоречия такого рода и послужили причиной развития новых подходов к моделированию, когда используются логические операторы или их аналоги, а функционалы, рассматриваемые в этих формализмах, непрерывнозначны.

Толчком к созданию новой теории послужило осознание того факта, что многие современные задачи управления, моделирования, описания поведения сложных объектов не могли использовать строгие методы, основанные на классической математике – теории дифференциальных уравнений, математического анализа и т. д. в связи с двумя обстоятельствами:

• сложностью и приближенностью математических моделей;

• отсутствием таковых для сложных и малоизученных объектов.

Исследовательские и коммерческие проекты университета относятся к той группе проектов, для которых необходимо применять методы мягких вычислений, так как для описания поведения объекта с использованием нечёткой логики нет необходимости искать зачастую сложное математическое описание, например, дифференциальными уравнениями, графами и т. д., а достаточно лишь определить причинно-следственные связи между параметрами, характеризующими поведение объекта, и описать их в терминах нечёткой логики.

2.4. Применение метода логики антонимов для оценки качества проектов университета 2.4.1. Основы метода логики антонимов Поскольку метод логики антонимов не приобрел еще широкого распространения, кратко остановимся на его основных положениях.

Дальнейшим развитием логики Заде послужил формальный аппарат, разработанный Я. Я. Голота [51–53] в 1982 г. и названный им логикой антонимов (ЛА). ЛА является непрерывнозначной логикой, обладающей свойством булевости, которое означает, что все законы классической логики переходят в соответствующие эквивалентности ЛА. Являясь непрерывнозначной логикой, ЛА может рассматриваться как формализованное описание «серого» мира. Областью значений истинностного функционала является неотрицательная числовая полуось.

Логика антонимов относится к логикам контрарных отношений в отличие от традиционно применяемых логик контрадикторных отношений.

О существовании двух типов логик впервые говорил два тысячелетия назад Аристотель. С тех пор в течение многих столетий других противоположностей в естественном разговорном языке логики и философы не установили. Это даёт право утверждать, что существует только два типа противоположностей:

контрадикторные и контрарные.

Примерами контрадикторных и контрарных оппозиций являются соответственно «белое – небелое» и «белое – чёрное». Между элементами контрадикторной оппозиции нет среднего, третьего, промежуточного элемента, и они исключают друг друга. Контрарные же оппозиции не только отрицают друг друга, но и несут в себе нечто положительное взамен отрицаемого в противоположном элементе, между ними возможны иные, чем 0 или 1, значения (например, «серые»).

Требуется построить математический аппарат для поддержки модели оценки качества проекта, использующей нечеткие логики. Математический аппарат должен позволять проводить количественную оценку и формировать интегральный критерий качества проекта с помощью свертки модели показателей, определяемых заинтересованными сторонами (далее – ЗС).

Логика антонимов – ЛА (или логика противоположностей – ЛП) применима в случаях, когда исходная информация нечетка, в ней многое неопределенно или статистического материала слишком мало. В рыночных условиях необходимо обеспечить максимальное удовлетворение заказчика, поэтому желательно перейти от оценок, представленных на языке двухзначной логики (типа «да» – «нет»), к оценкам, представленным на языке многозначной логики (хуже на 30 %). Такая оценка дает возможность более объективно принять последующее решение или более объективно оценить результаты испытаний.

Перечислим основные преимущества применения логики антонимов по сравнению с другими методами мягких вычислений, в частности логики Заде, а именно возможность:

• построить модель, описывающую состояние конкретного проекта в необходимый момент времени, что дает преимущество над известными методами, позволяющими на основании статистической информации и теории вероятности описать некоторый абстрактный объект, наложив значительные ограничения;

• описать поведение уникального проекта, для которого применение инструментов статистики крайне затруднено, так как каждый проект реализуется один раз и является сложной системой с уникальным набором характеристик;

• исключить недостатки существующих методов, использующих аналитическое описание объекта рассмотрения, а также опирающихся на их эмпирическое описание, что создает трудности, а зачастую делает невозможным разработку единой стройной системы аналогий для адекватного описания сложных технических и социотехнических систем.

Логика антонимов соединяет воедино принципы классической логики и теории вероятностей;

• использовать характеристики качества проекта, получаемые экспертными методами, однако используя при этом строгий математический аппарат;

• проводить количественную оценку характеристик проекта на основании взаимосвязи между показателями как одного, так и различных уровней иерархической структуры, что осуществляется при помощи математической модели, предложенной ниже [23, 24].

• осуществлять комплексную оценку качества проекта, учитывая и раскрывая связи свойств качества, без использования методов оценивания по среднему, как это принято в классических методах квалиметрии.

Аксиоматика математического аппарата ЛА записывается в следующем виде [51–53]:

• свойства, отражающие некоторые элементарные требование к ИИП заинтересованных сторон, обозначаются через Aij, Bij, Cij и т. д.;

• свойство, противоположное A, обозначается A. Эти свойства образуют антонимические пары;

• используются двуместные операции: – аналогично дизъюнкции («слабая» связь) и – аналогично конъюнкции («сильная» связь) математической логики;

Aij, Bij, Cij поставлены в соответствие числа H ( A), H ( B), H (C ), где H • – символ функционала. Знакосочетание H ( A) следует понимать как «степень наличия свойства А в рассматриваемом изделии»;

• в ЛА предлагаются формулы, по которым можно вычислить значения функционала от аргументов любой сложности. В случае, когда все рассматриваемые объекты не зависят друг от друга, эти формулы имеют следующий вид (2.1) – (2.1):

H (A) = 2 1 – 2 – H ( A), – log (2.1) H ( AB) H ( A) + H ( B), = (2.2) = – log 2 1 – (1 – 2 – H ( A) )(1 2 – H ( B ) ), H ( AB) (2.3) или H ( AB) = 2 1 – (1 – 2 – H (A) H (B ) ).

– log (2.4) С учетом весовых коэффициентов для свойств A и B выражения (2.2) и (2.4) можно записать в следующем виде (2.5)–(2.6):

H ( AB) = 1H ( A) + 2 H ( B), (2.5) H ( AB) = 2 1 – (1 – 2 – 1H (A) 2 H (B ) ).

– log (2.6) где: 1 и 2 весовые коэффициенты, установленные для свойств A и B.

Интерпретация формул (2.1)–(2.4) определяется, исходя из следующих рассуждений:

• объект A определяется через более простой объект А и оценки H (A) и H ( A), находящиеся в противофазе;

AB представляет некоторое комплексное свойство. Максимальное • значение оценка H ( A B ) принимает в случае максимальных значений оценки H ( A) и H ( B ). При обращении одного из свойств в нуль оценка H ( A B ) в нуль не обращается;

AB представляет некоторое комплексное свойство. Максимальное • значение оценка H ( AB) принимает в случае максимальных значений оценки H ( A) и H ( B ). Однако при обращении одного из свойств в нуль оценка H ( AB ) обращается в нуль;

H ( AB ) H ( A B ), т. е. оценка совокупности свойств при их • значительной взаимосвязанности всегда меньше или равна оценке этих же свойств при незначительной взаимосвязанности.

При использовании ЛА необходимо определить графическую модель иерархии показателей с учетом связей между ними, весовыми коэффициентами показателей (например, как показано на рис. 2.4):

• для характеристики связей показателей применяются операторы ЛА:

:H ( A B ) H ( A) + H ( B ) – «слабая связь»

= и = – log 2 1 – (1 – 2 – H ( A) )(1 2 – H ( A) ) : – H ( AB) – «сильная связь».

Дополнительно каждому из показателей графической модели необходимо поставить в соответствие определенный весовой коэффициент ij, учитывающий его важность;

• производится преобразование иерархической графической модели в формулу, которая связывает показатели нижнего уровня и интегральный критерий качества. Формула, позволяющая получить интегральную оценку, составляется в соответствии с аксиоматикой ЛА на основании формул (2.1)– (2.4), представленных выше. Для графической модели, приведенный на рис. 2.5, интегральная оценка в общем виде выглядит следующим образом (2.7):

H[W]=H[ABCDEF] (2.7) Рис. 2.5. Иерархическая граф-модель Каждое комплексное свойство A,B,C,D,E,F в свою очередь описывается на основании свойств нижележащего уровня и входящих связей.

При СУРКПТУ необходимо разработать перечень показателей проекта в виде иерархической древовидной структуры, который будет отражать потребности всех заинтересованных сторон. При начале любого проекта необходимо понять, чьи потребности должны быть удовлетворены при реализации проекта и каковы пути достижения цели. Вначале определяется перечень заинтересованных сторон: сам университет, потребители услуг и продукции университета (студенты, будущие работодатели, потребители результатов научных разработок), общество (заказывающее и оплачивающее образовательные услуги и научные разработки). Отметим, что потребности каждой из заинтересованных сторон, как правило, находятся в противоречии по отношению к потребностям других сторон. Затем проводится разбиение потребностей сторон на группы, например на группы «показатели, характеризующие свойства продукции», «показатели, характеризующие проект» и т. д. После этого группы разбиваются на подгруппы следующего уровня. Например, свойства продукции могут быть представлены совокупностью показателей, характерных для данного проекта (компетентность выпускников, инновационность проекта, финансовые характеристики и т. п.).

Этот процесс продолжается до тех пор, пока не будет создана возможность простой количественной оценки каждого показателя (в баллах, проценте новизны, рублях и т. д.). Эти показатели могут быть «измерены»

непосредственно или оценены экспертно. Таким образом, последовательное рассмотрение всех ветвей дерева дает перечень метрик оценивания (показатели нижнего уровня), а соединения между показателями двух соседних уровней (ветви дерева или дуги графа) определяют причинно-следственные связи между показателями. Полученный граф можно использовать как для оценки качества работы университета в целом, так и для оценки качества отдельных проектов университета. При этом под элементом проекта понимается та его часть, дальнейшее разбиение которой не представляется целесообразным.

Выбор метода «свертки» единичных показателей (характеризующих выявленные потребности заинтересованных сторон) – получение того комплексного показателя, который и нужен ЛПР. Поставленная задача очень важна для оценки, так как от корректности метода «свертки» зависит и корректность получения значения комплексного показателя, характеризующего качество выполнения проекта. Эту задачу приходится решать в условиях неопределенностей, когда нет возможности создать строгую аналитическую модель, связывающую значения единичных показателей и значения комплексного показателя качества проекта.

Любому проекту в ЛА может быть поставлено в соответствие любое неотрицательное число. Последовательное применение правил ЛА позволяет определять число, которое ставится в соответствие сложному проекту (в нашем случае – качеству проекта) путём вычисления значения некоторой функции от многих переменных. Отличительной особенностью графической модели является то, что на ней дополнительно указываются связи между узлами модели. Связи очень просто определяются из таблицы, но делается существенное дополнение: указывается не только наличие или отсутствие связи, но и тип связи (о котором шла речь выше). Напомним, что сильная связь между элементами модели подразумевает следующее: если характеристика хотя бы одного из элементов выходит за допустимые пределы, то и совокупная характеристика всей системы выходит из допустимых границ. Слабая связь между элементами означает, что выход за пределы значений, характеризующих любой из элементов, не влечет за собой вывод из допустимых границ характеристики всей системы, а лишь ухудшает ее.

Чтобы построить графическую модель проекта, необходимо определить его поэлементный состав и виды взаимосвязей между элементами. Для этого необходимо произвести условное разделение проекта на составные части.

Проект рассматривается как система, состоящая из ряда подсистем, которые в свою очередь состоят из модулей и т. д. Удобством предлагаемого метода моделирования является то, что вид модели конкретного проекта выбирается различным в зависимости от целей моделирования, от имеющихся исходных данных, от уровня качественного представления о проекте, от привычек и вкуса исследователя и т. д. В частности, разбиение может быть по блокам, по свойствам и т. д.

В нашем случае эти числа определяются оценкой единичных показателей в шкалах [1]. Крайние точки шкал соответствуют значениям показателей потребностей для «идеального» проекта (1) и для «самого плохого» проекта.

Определив характер связей (сильная или слабая ) между показателями разных уровней и руководствуясь вышеприведенными выражениями, можно рассчитать оценку комплексного показателя, характеризующего качество проекта. Важно отметить, что полученная комплексная оценка может рассматриваться только в сравнении с аналогичными объектами. Таким объектом может быть, например, «идеальный» проект (в котором значения всех показателей соответствуют правым границам шкал). Тогда сравнение рассчитанного комплексного показателя рассматриваемого проекта с комплексным показателем «идеального» варианта проекта показывает, насколько он далек от «идеального». Когда ЛПР интересует ход выполнения проекта во времени, то он может решить и эту задачу, рассчитав комплексные показатели для двух точек времени ЖЦ проекта. Достаточно просто с использованием описанного метода можно решать задачи ранжирования вариантов проектов в соответствии с рассчитанными комплексными показателями качества проектов. Использование ЛА (в сравнении, например, с традиционно используемыми в квалиметрии различными методами «свертки») дает очень важное преимущество – возможность учесть характер причинно-следственной связи между показателями проекта (тесную или слабую связь), которая отражается приведенными выше выражениями. Если же ЛПР сможет каждому из показателей проекта поставить в соответствие затрачиваемый ресурс (деньги, время, кадры и т. д.), то можно решать и следующую важную задачу – задачу поиска, например, оптимального проекта при имеющихся ограничениях.

Подводя итог сказанному, отметим, что применение ЛА оправдано в тех случаях, когда:

1) есть необходимость учитывать большое число параметров и невозможно применить традиционные методы;

2) нет вовсе или слишком мало статистического материала для корректного применения теоретико-вероятностных методов;

3) количественные зависимости между параметрами либо неуловимы, либо трудно формализуемы, а качественные зависимости достаточно четко выражены, т. е. исследователю понятны логические зависимости между рассматриваемыми переменными величинами, понятны причинно следственные связи между ними;

4) использование в решающих правилах операторов «коньюнкция» и «дизъюнкция» приводит к тому, что ряд значений показателей исключается из рассмотрения, а решение принимается на основе анализа только максимального или минимального значений показателей;

5) по условию задачи нужно учитывать состояние данной конкретной системы в рассматриваемый момент времени, а не некоторое усредненное состояние.

Практическая методика оценки качества проекта описывается ниже на примере оценки компетентности обучаемых.

2.4.2. Использование метода логики антонимов для оценки компетентности обучаемых Оценивание компетентности обучающихся необходимо руководству университета, чтобы держать образовательные процессы под контролем, чтобы вовремя принимать корректирующие воздействия в необходимых случаях. Это предписывает, например, ГОСТ Р52614.2-2006 [7], где прямо говорится о необходимости измерений и анализа: «Информацию, полученную в результате таких измерений и оценок, рекомендуется рассматривать как входные данные для анализа со стороны руководства, чтобы убедиться, что постоянное улучшение системы менеджмента качества является движущей силой совершенствования деятельности организации».

Повышение качества работы с использованием всех принципов и подходов менеджмента качества является необходимым условием создания конкурентных преимуществ университета.

Общепризнано, что серьезным средством создания конкурентного преимущества любой компании является повышение качества продукции (товара, услуги). Не являются исключением в данном отношении и образовательные учреждения, которые в наших условиях оказывают образовательные услуги (студентам, слушателям программ дополнительного профессионального образования и т. д.) и производят продукцию в виде подготовленных специалистов реальному сектору экономики для промышленных предприятий, компаний и т. д.

Остановимся на описании метода оценки уровня компетентности выпускников высших учебных заведений, разработанного автором, так как формирование требуемого уровня компетентности является современным требованием к образовательным процессам, реализуемым в высшей школе.

Ключевыми моментами стандартов «третьего поколения» является двухуровневая система подготовки (бакалавриат, магистратура), компетентностный подход, модульная структура дисциплин и «кредитная»

система оценки, непрерывный характер процесса обучения.

В педагогической практике проблема измерений, проблема количественной характеристики результатов обучения на любых уровнях требует пристального внимания специалистов. В ряде работ автора [24–25] предлагается теоретический подход и методика оценки компетентностей на основе ЛА.

При разработке системы оценки решены две основные задачи:

создание системы метрик оценки (показателей, характеризующих оцениваемый объект – в данном случае уровень компетентности как комплексный показатель, являющийся «сверткой» множества значений единичных показателей – компетенций обучающегося);

создание метода математической обработки численных значений показателей.

Для оценки уровня компетентности целесообразно использовать многоуровневую «древовидную» компетентностную модель. Использование таких моделей для создания графического образа компетентности обучающихся дает возможность:

1) осуществлять декомпозицию (композицию) компетенций;

2) устанавливать причинно-следственные связи между компетенциями различных уровней;

3) проводить оценивание степени формирования компетенций.


Рекомендуется начинать декомпозицию с составления перечня компетенций, структурированных по различным уровням иерархии в соответствии с моделью древовидного типа. Вопрос декомпозиции в каждом отдельном случае требует анализа и обсуждения педагогической общественностью. На нижнем уровне иерархии представлены компетенции, формируемые и развиваемые отдельными дисциплинами или блоками учебных дисциплин. Названия этих компетенций по существу отражены в названиях соответствующих учебных дисциплин. Примем как факт возможность оценивания каждой компетенции (например, преподавателями соответствующих дисциплин).

В качестве примера возьмем перечень компетенций выпускника в области управления инновациями по направлению «Инноватика», приведенный в Федеральном государственном образовательном стандарте высшего профессионального образования. Этот перечень может быть представлен в виде своеобразного «дерева компетенций», первый уровень которого содержит две группы компетенций: профессиональные (ПК), определяющие «готовность и способность целесообразно действовать в соответствии с требованиями дела, методически организованно и самостоятельно решать задачи и проблемы, а также самооценивать результаты своей деятельности», и общекультурные компетенции (ОК), связанные «со способностью рассуждать в абстрактных терминах, осуществлять анализ и синтез, решать задачи (принимать решения), адаптироваться, быть лидером, работать как в команде, так и самостоятельно».

Общекультурные компетенции представлены 18-ю компетенциями.

Профессиональные компетенции представлены четырьмя группами, относящимися к разным видам деятельности: производственно технологической (ПК-1 – ПК-5), организационно-управленческой (ПК-6 – ПК 10), экспериментально-исследовательской (ПК-11 – ПК-14) и проектно конструкторской (ПК-12 – ПК-18) – всего 18 компетенций. Используем эти компетенции для построения своеобразного «дерева компетенций» в виде графа, в котором компетенции представлены узлами графа, а дуги графа отражают причинно-следственные связи между компетенциями разных уровней.

При оценивании можно ограничиться указанными уровнями дерева компетенций в тех случаях, когда не возникает затруднений в том, чтобы дать оценку уровня компетентности обучающегося. Например, применительно к компетенции ОК-14 «Способность к письменной и устной деловой (профессиональной) коммуникации на одном из иностранных языков» оценка может быть получена в результате проведения экзамена по иностранному языку. А как оценить уровень компетентности, например, применительно к компетенции ОК-8 «Способность применять математический аппарат, методы оптимизации, теории вероятностей, математической статистики, системного анализа и принятия решений», которая формируется в процессе изучения ряда дисциплин (высшая математика, системный анализ и др.). В этом случае целесообразно перейти на следующий уровень дерева, чтобы отдельно оценивать уровень компетентности в результате изучения каждой из этих дисциплин. Этот процесс можно продолжать и дальше, перейдя, например, на уровень разделов дисциплин. Процесс «наращивания» уровней дерева целесообразно продолжать до тех пор, пока не настанет возможность просто оценить показатели нижнего уровня. Причем чем больше будет уровней, тем проще оценивать показатель нижнего уровня, а это как раз и требуется. На первом этапе процесса оценивания строится дерево компетенций по направлению «Инноватика» так, как было описано выше (см. рис. 2.5).

На нижнем уровне модели находятся те показатели (компетенции), которые можно «измерить», т. е. численные значения которых можно определить и нет смысла делать их дальнейшее разделение. Отметим, что «измерение» показателей можно проводить различными способами:

тестированием, проведением экзамена, приемом выпускной работы бакалавра и т. д. Каждому элементу модели соответствует свой весовой коэффициент, выбор которого производится аналогично выбору весов при использовании средневзвешенного метода.

Между узлами модели указывается не только наличие или отсутствие связи, но и тип связи. В этом и заключается принципиальное отличие предлагаемой модели, построенной на основе ЛА, от моделей других видов.

Связи могут быть двух типов:

– «слабая (не тесная)» – этому типу связи соответствует оператор ;

– «сильная (тесная)» – этому типу связи соответствует оператор.

Тесная связь между элементами модели подразумевает следующее: если хотя бы один из элементов выходит за допустимые пределы, то и совокупная характеристика всей системы выходит из допустимых границ. Слабая связь между элементами означает, что выход за пределы значений, характеризующих любой из элементов, не влечет за собой вывод из допустимых границ характеристики всей системы, а лишь ухудшает ее. На рис. 2.5 представлен фрагмент графической модели, которая предлагается для оценивания уровня компетентности обучающегося (Z). Узлы А и В модели соответствуют показателям, характеризующих соответствующие компетенции, а весовые коэффициенты и определяют значимость (важность) показателя для исследователя. Оценка уровня компетентности Н(Z) рассчитывается по формулам в соответствии с аксиоматикой ЛА. На рис. 2.6 приведены также основные формулы для расчетов. Несмотря на кажущуюся сложность расчетов, компьютерная модель позволяет обеспечить оперативность оценки уровня компетентности.

– сильные связи – слабые связи 2 3 5 6 7 8 1 1 Рис. 2.6. Фрагмент графической модели оценки уровня компетентности обучающихся Отметим, что узлам графа (дерева) нужно ставить в соответствие весовые коэффициенты, которые отражают мнение оценивающего относительно того, как соответствующий показатель влияет на показатель более высокого уровня.

Построенное «дерево компетенций» решает задачу определения метрик оценивания, т. е. перечня М показателей, каждый из которых характеризует уровень компетентности обучающегося в рамках конкретной компетенции.

Вторая задача связана с методом свертки М единичных показателей в один комплексный.

Каждому узлу графа присваивается весовой коэффициент. Выделяются «сильные» и «слабые» связи между узлами графа. Они определяют аналитические выражения связей между узлом данного уровня и узлом предыдущего уровня. Например, связи между узлом 1 (комплексная оценка «Уровень компетентности») и узлами 2 («Общекультурные компетенции»), («Профессиональные компетенции») и 4 («Иные», добавляемые по желанию ЛПР) на рис. 2.5 являются «сильными» и оценка комплексного показателя А в соответствии с аксиоматикой логики противоположностей вычисляется согласно выражению H[А] = –log2[1–(1–2–2H[2])(1–2–3H[3])(1–2–4Н[4]], (2.8) где А – компетентность обучающегося (представлена узлом 1 графа);

2, 3, 4 – компетенции, соответствующие одноименным узлам (например, общекультурные, профессиональные, иные компетенции);

2, 3, 4 – весовые коэффициенты узлов 2, 3 и 4;

H[2], H[3], H[4] – оценки компетентностей второго уровня;

Н [А] – комплексная оценка уровня компетентности обучающегося.

В случае «слабой» связи (например, между узлом 2 и узлами 5, 6 и 7 – группами общекультурных компетенций):

H[2] =5H[5] + 6H[6] + 7H[7], (2.9) где H[5], H[6] и H[7] – оценки компетенций, представленных узлами следующего уровня графа, с соответствующими весовыми коэффициентами 5, 6 и 7.

Значения весовых коэффициентов выставляются таким образом, чтобы сумма весовых коэффициентов узлов (например, узлов 5, 6 и 7), соединенных с узлом предыдущего уровня (узлом 2), была равна 1. Отметим, что по желанию ЛПР может взять за основу иное разбиение компетенций, например когнитивные, функциональные, личностные и этические (в соответствии с Европейской системой классификации) и построить иное «дерево компетенций».

В результате после задания всех узлов в соответствии со списком компетенций, задания характера связей между ними, задания весовых коэффициентов ЛПР получает рассчитанное с учетом приведенных выражений значение уровня компетентности обучающегося, причем это значение лежит в интервале (0, 1). Значения единичных показателей нижнего уровня компетенций также должны быть указаны в шкале (0, 1).

Полученное значение уровня компетентности H[А] должно сравниваться, например, с «идеальным» уровнем, который рассчитывается по тому же дереву, но со значениями показателей нижнего уровня, соответствующими «идеальному» варианту – «идеальному» обучающемуся. Если ЛПР заинтересован в том, чтобы в результате оценивания провести ранжирование, например, обучающихся в группе, то по описанной методике он может получить оценки уровней компетентности всех этих обучающихся.

Приведем результаты примера расчета уровня компетентности двух виртуальных обучающихся, оценки нижнего уровня которых (узлы 5–12) имеют значения, представленные в табл. 2.2, причем оценки отдельных компетенций у обучающихся различаются существенно. В последнем столбце таблицы приведены значения уровня компетентности обоих обучающихся. Видно, что с этой точки зрения, обучающиеся примерно одинаковы (разница составляет несколько процентов). Для сравнения приведем результаты расчета уровня компетентности для тех же обучающихся, сделанного по методу средневзвешенного: 0,21 и 0,18 соответственно. Видим различие на 14 %. Таким образом, применение указанных методов оценивания дает различные результаты.

Таблица 2.2. Пример расчета уровня компетентности Уровень Обучающийся Оценки компетенций (узлы 5–12) компетентности 5 6 7 8 9 10 11 Вес компетенции 0,5 0,2 0,9 0,4 0,7 0,7 0,5 0, Обучающийся 1 0,25 0,35 0,4 0,3 0,7 0,35 0,2 0,45 0, Обучающийся 2 0,4 0,45 0,15 0,8 0,2 0,4 0,46 0,14 0, Нетрудно убедиться в том, что если в примере хотя бы одна компетенция из компетенций, соответствующих узлам 2, 3, 4, отсутствует у одного из обучающихся, то оценки остальных двух компетенций при использовании логики противоположностей не имеют никакого значения, так как эти узлы связаны с узлом 1 «тесно». При использовании же метода средневзвешенного достаточно наличия хотя бы одной из компетенций 2, 3, 4, чтобы эта группа внесла ненулевой «вклад» в комплексную оценку уровня компетентности. Таким образом, использование логики противоположностей, на наш взгляд, дает результат, более адекватный реальной жизни. Так как предложенная модель и описанный инструмент реализации модели учитывают причинно-следственные связи между уровнем компетентности и показателя, характеризующими компетенции, то можно решать задачу формирования у обучающихся заданного уровня компетентности, но это требует специального исследования.


Таким образом, производится построение полной графической модели, которая может быть использована для оценивания компетентности выпускника ВПО.

Методика оценивания, основанная на применении нечеткой логики противоположностей, краткое описание которой было приведено в подразд. 2. и статьях автора, свободна от недостатков, присущих методу средневзвешенного. Естественно, что представить на бумаге модель с достаточно большим числом элементов (узлов) затруднительно, а тем более затруднительно представить математическое выражение, по которому можно рассчитать оценку H[z], где z – компетентность бакалавра (специалиста, магистра), в соответствии с приведенными выше формулами, так как там содержатся громоздкие логарифмические функции многих переменных. Но это легко можно сделать, создавая модель с использованием компьютерной техники. Ниже приводится описание разработанного инструмента оценивания QEazy-GUAP, который построен с использованием логики противоположностей. Приложение рассчитано для работы в системах Windows 95 и более поздних версий и имеет графический пользовательский интерфейс (GUI) со стандартными элементами управления.

Авторы разработки [25] старались сделать инструмент максимально удобным для использования ЛПР, так как в модель описания анализируемого объекта должны быть положены, прежде всего, мысли и соображения ЛПР. В этом случае повышается степень уверенности ЛПР в получаемой оценке.

Конечно, при необходимости ЛПР может привлечь эксперта (экспертов).

Второе соображение – моделирование таких процессов как оценивание компетентности – должно опираться на качественные соображения, где вполне уместно использование характеристик типа «меньше», «лучше», «больше» и т. д. Это вполне оправдано, если учесть существенные неопределенности, в которых решается задача, когда нет четких критериев, что считать лучшим, а что считать худшим, когда исходные данные часто задаются экспертами.

Поэтому естественным является решение применить для «раскрытия» таких неопределенностей нечеткую логику.

Рис. 2.7. Основное окно программы QEazy-GUAP На первом этапе процесса оценивания строится дерево компетенций, например, так, как было описано выше. В программе QEazy-GUAP это построение осуществляется в основном окне (рис. 2.7). В связи с ограниченными размерами экрана компьютера имеется возможность построения графической модели дерева частями с указанием связей между частями. Пакет QEasy работает в операционной оболочкеWindows 95 и более поздних версий. Программы обеспечивают развитый графический интерфейс для ввода и редактирования направленного графа, составляемого с применением математического аппарата ЛА.

Программа обладает следующими возможностями:

ввод и редактирование параметров и структуры графа с помощью «мыши» и клавиатуры;

выбор команд посредством меню и панели инструментов;

одновременная работа более чем с одним графом;

предварительный просмотр и печать графа на принтере;

проверка правильности логической организации графа (контроль контуров);

расчёт характеристик всех узлов графа в соответствии с формулами из аксиоматики ЛА;

Пользователь программы QEasy может добавлять узлы и связи графа, выбирать узлы и/или связи для операций редактирования (удаления, переноса) или для задания/модификации параметров узлов и связей. Узлы графа отображаются в виде кружков разного цвета (в зависимости от их параметров), связи отображаются линиями, соединяющими два узла. Пользователь может выбирать любые пункты меню или кнопки на панели управления. В нижней части главного окна программы находится статусная строка, в которой даются краткие указания по действиям пользователя в некоторых режимах. Для того чтобы осуществить какие-либо действия по редактированию графа (удаление, перемещение), нужно выделить объект, над которым необходимо выполнить действие.

Декомпозиция проекта (оценка компетентности) проводится на основе единообразного для всех проверяемых студентов правил:

набора компетентностей на основе стандарта направления или • специальности;

структуры последовательности читаемых курсов (возможно в виде • ленточного графика);

индивидуального весового коэффициента каждого предмета (при • возникновении такой необходимости). Весовой коэффициент может варьироваться от 1 в меньшую сторону при составлении индивидуальных программ по желанию конкретного заказчика. В данном случае заказчик выступает в роли ЛПР и возникает необходимость учета его предпочтений при оценке общей компетентности.

2.5. Разработка критериев и метода оценки результативности СУРКПТУ 2.5.1. Анализ терминологии В современной технической литературе существует разночтение терминов, для определения особенностей процесса авторы используют разные определения: «показатели», «критерии», «параметры», «цели», «индикаторы», «характеристики», «нормы», «стандарты», «меры».

Представляется более правильным подойти к рассмотрению терминологии, используемой при описании ситуационного подхода, с позиций теории исследования операций [42], являющейся одним из разделов прикладной математики. Напомним, что в рамках теории исследования операций подобный подход известен под названием системный подход.

Напомним определение проекта, одинаково звучащее в ряде основополагающих ГОСТ [2,155,156]: проект – уникальный процесс, состоящий из совокупности скоординированной и управляемой деятельности с цели, начальной и конечной датами, предпринятый для достижения соответствующей конкретным требованиям, включающий ограничения по срокам, стоимости и ресурсам. Понятие процесса аналогично понятию операции в теории исследования операций, там под операцией понимается упорядоченная совокупность взаимосвязанных действий, объединенных общим замыслом и направленных на достижение некоторой цели, т. е. совокупность целенаправленных действий. С формальной точки зрения, любая операция представляет собой обмен, в результате которого сторона, проводящая операцию, за приобретенную для себя пользу, т. е. за полученный полезный целевой результат, расплачивается некоторым количеством затраченных ресурсов. Тогда под целью понимается желаемый или требуемый результат деятельности. Цель считается достигнутой, если в итоге предпринятых действий получен соответствующий этой цели результат. Следовательно, чтобы проверить, достигнута цель или нет, ее необходимо формализовать. Для дальнейших рассуждений обратимся к определению термина «качество». ГОСТ Р ИСО 9000-2005 [2] трактует качество как степень соответствия присущих характеристик требованиям. Характеристика определяется данным стандартом как отличительное свойство. Определение термина свойство не регламентировано действующими нормативными документами Российской Федерации. Согласно С. И. Ожегову, «свойство – признак, составляющий отличительную особенность кого-, чего-нибудь». Процессы, обладая теми или иными свойствами, могут проявлять их с разной интенсивностью. По наличию интенсивности и характеру ее изменения свойства разделяют на точечные (нулевого измерения), линейные (одномерные) и векторные (многомерные).

Точечное свойство не имеет интенсивности: процесс может либо обладать им, либо нет. Степень интенсивности проявления линейного или векторного свойства операции называют показателем этого свойства, а множество возможных значений показателя – его шкалой. Мир шкал весьма обширен [39], ниже в табл. 2.3 рассмотрим только двумерные статистические измерительные шкалы (СИШ). В графе «Наименование СИШ» приведены наиболее употребляемые, но аналогичные названия.

Таблица 2.3. Сравнение статистических шкал № Наименование Способ Виды Характер Примеры СИШ измерения статистик функции 1 Эквивалентности, Логические Выборка Однозначная Дефекты, классификации, операции, конкурс, номиналов шкалы экзамен непараметри 2 Предпочтения Ранжирование Монотонная Баллы, ческие рангов, порядка звания 3 Дистанций, разности, Непосредственные Мода, размах Линейная Даты, интервалов измерения, шкалы расстояния Отношения, подобия, параметрические 4 Закон Подобия Доход, пропорциональности распределения время Из табл. 2.3 можно сделать вывод, что измеримый показатель в теории квалиметрии – термин более общий, чем количественный показатель в теории измерений.

Очевидно, что каждое свойство может характеризоваться не одним, а целой совокупностью показателей.

Показатель свойства может быть представлен в виде формулы:

F = f (X), где F – показатель, характеризующий некоторое свойство операции;

Х – множество параметров, влияющих на значение показателя;

f – функция зависимости F от Х.

Несколько слов о параметрах. Под параметрами следует понимать совокупность факторов, от которых зависит результат процесса и проекта в целом. К таким факторам относятся условия протекания процесса и ресурсы (человеческие, материальные, временные, энергетические, информационные и др.). Определенные сочетания факторов, образующие варианты действий (под действием в данном случае понимается мероприятие по обеспечению соответствующих факторов), направленных на достижение цели операции, называют стратегией. Совокупность всевозможных взаимоисключающих (альтернативных) вариантов действий образуют множество допустимых стратегий.

Теперь вернемся к цели проекта. Следует заметить, что целей у проекта может быть несколько, но не более числа показателей, характеризующих свойства проекта. Цель может быть выражена через некоторое значение показателя, например, Fтр = 0,95.

Для принятия решения о достижении цели необходимо иметь определенное правило сопоставления результатов проекта. Такое правило принятия решения называется критерием. Если задан критерий достижения цели – Fр Fтр, правилом принятия решения о достижении цели является равенство или превышение реальным значением показателя Fр требуемого значения Fтр.

При этом все становится на свои места: рассмотренные выше термины четко выстраиваются в логическую последовательность, представленную в табл. 2.4.

Термины «индикатор», «норма», «мера» не будут далее использоваться, поскольку в настоящей диссертации не рассматриваются вопросы, связанные с техническими приложениями.

Таблица 2.4. Термины, относящиеся к проекту Термин Определение Термины-синонимы (содержание, смысл, суть) уникальный процесс, состоящий из совокупности скоординированной и Проект управляемой деятельности с начальной и Деятельность конечной датами, предпринятый для цели, достижения соответствующей конкретным требованиям, включающий ограничения по срокам, стоимости и ресурсам.

Свойство Признак, составляющий отличительную Признак особенность процесса Показатель Степень интенсивности проявления свойства Характеристика процесса Цель Желаемый или требуемый результат процесса Целевое значение показателя Критерий Правило принятия решения (например, о Индикатор достижении цели процесса) Так, например, индикатор – техническое средство или вещество, предназначенные для установления наличия какой-либо физической величины или превышения уровня ее порогового значения (вольтметр, лакмусовая бумага и т. п.) и этот термин можно считать синонимом термина критерий.

2.5.2. Оценка результативности Понятия «эффективность» и «результативность» до настоящего времени являются предметом жаркой дискуссии специалистов по управлению. Более того, стандарты по менеджменту качества не дают четкого понимания их внутреннего смысла. Автор считает, что цель – повысить эффективность чего либо относится к неизмеримым целям по причине своей неконкретности, так как не определены показатели эффективности. Согласно ГОСТ Р ИСО 9000 2008 под эффективностью понимается соотношение между достигнутым результатом и использованными ресурсами. Однако нельзя путать соотношение с отношением, а тем более с делением, хотя отдельные специалисты понимают соотношение именно как деление. Его смысловое содержание лучше определить как состояние достигнутых результатов и использованных ресурсов. В общем случае правильнее отталкиваться от определения словаря Вебстер: «делать вещь правильно, т. е. в соответствии с нормативной документацией». Но при этом, следует помнить, что можно работать эффективно, но сделать бесполезную вещь. Бессмысленно говорить об эффективности вообще без указания конкретных значений показателей эффективности.

Поэтому при ситуационном управлении правильнее использовать понятие результативности, т. е. степени достижения поставленных целей.

Подавляющее большинство авторов предлагают результативность оценивать или анализировать, хотя некоторые предлагают ее измерять, не говоря при этом, каким образом они собираются это делать. Не все просто и с понятием степени. Стандарт требует обеспечить степень, но какую степень – не говорит.

Обеспечить можно достижение только заданной, причем заданной самим университетом, степени. В противном случае – не понятно, что надо обеспечивать! Погоня за 100 %-й результативностью, как это молчаливо подразумевают стандарты, явно не оправданна. Кроме того, стандарты ИСО 9000 ничего не говорят о методике оценки результативности. Многочисленные публикации не приближают к пониманию процесса оценивания результативности, а порой дают ошибочные рекомендации.

Поэтому необходимо разобраться с идеей оценки результативности, в особенности с учетом специфики ситуационного управления. Вывод о том, результативен проект или нет – это некоторое значение обобщенного показателя результативности проекта. Обобщенная оценка хороша в двух случаях: для сравнения с другими вузами (правда, только в том случае, когда они ставят перед собой аналогичные цели в области качества проектов, причем как по количеству, так и по составу) и для отслеживания динамики изменения обобщенной оценки результативности внутри предприятия.

Помочь в выборе направлений улучшения проектов, в том числе повышения результативности, обобщенная оценка не может! Поскольку главной целью диссертационной работы является управление качеством проектов университета, дальнейшие рассуждения будем связывать именно с этой целью. ГОСТ Р ИСО 9001-2008 не говорит о целях вообще, он говорит о целях в области качества, которые должны быть измеримы. Аналогичное требование к запланированным результатам – отсутствует. Далее рассматриваем ситуацию, сложившуюся в университете. На протяжении лет в университете действует глобальный проект – система менеджмента качества, дважды успешно прошедшая ресертификацию со стороны IQNet на соответствие требованиям ИСО 9000. И в рамках СМК осуществляются разнообразные проекты: – учебные, научные, коммерческие и т. д. Таким образом, необходимо оценивать результативность проектов различного уровня. Будем считать, что в университете, имеющем работающую СМК, можно выделить два класса целей:

1. Цели первого класса (цели соответствия) 1.1. – задачи, выполняемые в рамках прямых функций подразделений или должностных лиц;

1.2.– задачи выполнения деятельности регламентированной документированными процедурами (и другими регламентирующими документами) СМК.

2. Цели второго класса (цели улучшения) – задачи по улучшению качества осуществляемых проектов.

Таким образом, принимая во внимание, что оценить любую деятельность можно по ее результатам, целесообразно оценку результативности СМК проводить по целям улучшения. Чаще всего это цели в области качества на уровне университета, назовем их приоритетными или целями первого уровня. Цели в области качества, полученные путем декомпозиции приоритетных целей до уровня функций, подразделений и процессов, назовем целями второго и далее уровней, однако учитывать их при оценке результативности следует только тогда, когда соответствующая цель первого уровня не достигнута. Очевидно, что содержанием оценки результативности СМК является определение степени достижения целей первого уровня в области качества.

Теперь, когда суть оценки «результативности» ясна, целесообразно ответить на два вопроса:

1) требует ли оценка результативности деления чего-то на что-то, если в определении термина результативность употребляется словосочетание степень достижения;

2) является ли обязательным использование при проведении оценки результативности СМК обобщенных показателей на основе аддитивной и других видов сверток.

При ответе на первый вопрос учтем, что многие авторы представляют показатели результативности в виде отношения достигнутого к требуемому.

Например, «отношение (процент) количества актуализированных документов к общему числу документов, подлежащих актуализации», «отношение (процент) числа контрактов, при выполнении которых возникли непредвиденные проблемы, к общему числу принятых и выполненных контрактов» и т. д. Такое представление показателей результативности СМК и целей возможно, однако не является обязательным.

Для того чтобы определить степень достижения цели, не обязательно делить реальное значение показателя результативности СМК на его целевое значение, достаточно просто сравнить эти значения. Единственный случай, который может потребовать деления, – это если критерий состояния результативности задан в виде процента достижения цели.

В табл. 2.5 приведены типы критериев, которые следует применять на различных этапах протекания проекта. Возможные варианты видов критериев для оценки результативности для различных временных интервалов (краткосрочные, долгосрочные) представлены в Приложении Д.

Таблица 2.5. Типы критериев на различных этапах ЖЦ Этап оценки Содержание этапа Необходимость № п/п результативности наличия этапа проекта 1 Определение целевых значений Установка показателей результативности (для целей в целей 1-го класса).

области качества и Определение целей-событий Необходим результативности (целей 2-го класса) и срока их свершения 2 Определение реальных значений показателей, по которым Определение установлены цели (для целей 1-го реальных значений класса). Необходим показателей Установление факта, что цель событие свершилась в течение установленного срока (для целей 2-го класса ) 3 Сравнение реальных Сравнение реальных значений Необходим значений показателей результативности с для целей показателей целевыми (для целей 1-го класса) 1-го класса с целевыми 4 Обобщенная оценка Расчет значения обобщенного Возможен, результативности показателя с заранее однако, (с использованием определенными коэффициентами необходимость обобщенных важности (для целей 1-го класса) отсутствует показателей) 5 Вывод о состоянии Вывод об удовлетворительном или результативности неудовлетворительном состоянии СМК результативности СМК (без Возможен, использования обобщенного однако, показателя). необходимость Вывод о состоянии (число групп отсутствует состояний СМК определяет университет) результативности СМК (с использованием обобщенного показателя) Выводы и результаты по второй главе 1. Определены ограничения, налагаемые на процесс СУРКПТУ многозначностью внешней среды.

2. Описана процедура СУРКПТУ и предложен алгоритм процесса СУРКПТУ, инвариантный к виду и/или типу проекта.



Pages:     | 1 || 3 | 4 |   ...   | 6 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.