Образец опросного листа

Рассмотрим два возможных способа решения задач многокритериальной оценки качества при наличии статистической информации о значениях индивидуальных ПК. Первый из таких подходов был описан выше и основан на использовании функции потерь качества. Второй подход предполагает построение обобщенного показателя качества методами многомерного шкалирования для классификации исследуемых объектов в пространстве формальных обобщенных переменных типа главных компонент и главных факторов, являющихся линейными комбинациями значений регистрируемых индивидуальных ПК

Привлекательность подхода с использованием ФПК для задач многокритериальной оценки качества состоит в его формализованности, обеспечивающей простоту его реализации и доступность для широкого круга пользователей. Достоинства этого подхода состоят в следующем:

− Использование ФПК позволяет осуществить многокритериальную оценку качества продукции и производств, переводя значения ПК в их различных физических единицах в денежные потери, которые можно складывать и использовать их полученную сумму в качестве интегрального показателя для сравнения производств и продукции;

− Показатель ФПК легко вычислить для производства любой продукции, имея информацию о статистической изменчивости контролируемого ГТК определяемой по выборке изделий;

− С его помощью можно сравнивать по эффективности различные производства однотипной продукции с одинаковым допуском на значения ПК, но разным видом распределения продукции, когда эти производства не различаются традиционными методами их сравнения по величине указанного допуска;

Вместе с тем необходимо отметить ряд проблем и ограничений, связанных с использованием ФПК в практических задачах многокритериальной оценки качества. В их числе:

− Возможность использования ФПК для задач многокритериальной оптимизации только в случае статистически независимых индивидуальных ПК.

− Опасность догматического использования критериев Тагути для минимизации ФПК, которые могут привести к неоднозначным и ошибочным результатам. Эти критерии применимы только для объектов с определенным видом модели. При нарушении вида такой модели как указывалось максимизация критериев не будет минимизировать функцию потерь качества.

− В ряде случаев более обоснованным является использование ФПК другого вида - например, когда она является не квадратичной

− Наконец, как уже указывалось, при робастном проектировании для варьирования как основных, так и дестабилизирующих факторов используют экономные планы неполного перебора вариантов. В результате находят квазиоптимальный вариант (режим), а наилучшие варианты могут находиться в оставшейся непроверенной части полного перебора, реализовать который в реальных экспериментах не представляется возможным из-за ограниченности ресурсов. Попытки же использовать такой подход в задачах проектирования путем многофакторных расчетов с использованием аналитических моделей нельзя считать правомерным.

Рассмотрим теперь возможности использования методов многомерного шкалирования для решения задач многокритериальной оценки качества.

Достаточно типовой проблемой при анализе современных многофакторных объектов, в том числе и многокритериальной продукции по комплексу показателей является проблема их группировки в пространстве таких показателей для выявления типологии исследуемых объектов, а также построения обобщенного показателя для их классификации. Для решения я такого рода задач могут быть использованы процедуры многомерного статистического анализа, одной из которых является метод главных компонент. Он предусматривает переход от исходных коррелированных переменных (индивидуальных показателей качества) к новым обобщенным переменным - главным компонентам (ГК). Эти ГК (обозначаемые далее через z) являются линейными комбинациями исходных показателей; они ортогональны друг к другу и упорядочены по величине дисперсии изменчивости данных, которую они объясняют. При этом первые две или три ГК могут объяснять 60-90% указанной общей изменчивости исходных данных.

Такой переход от большого числа исходных индивидуальных показателей к указанным 2-3 ГК соответствует сжатию исходной многомерной информации об объектах в форме удобной для дальнейшего анализа и построенная интегрального показателя для многокритериальной оценки качества.

При проектировании выборки данных на плоскости первых ГК на экране компьютера можно увидеть, распадается ли анализируемая выборка объектов на группы, сколько таких групп и получить представление о том, как далеко они отстоят друг от друга. В силу ортогональности ГК в качестве меры расстояния между объектами можно использовать обычную метрику Эвклида. При этом отнесение объектов в различные группы проводить, например, по величине радиусов точек, соответствующих объектам в пространстве ГК.