CC BY
156
ПРОБЛЕМЫ. ПОИСК. РЕШЕНИЯ
23 (212) - 2013
УДК 330.46+51-77
моделирование нечетко-логической системы управления по результатам деятельности таможенных органов
г. и. горемыкина,
кандидат физико-математических наук, доцент кафедры прикладной математики E-mail: g_iv. 05e@mail. ru
И. Н. мастяева,
кандидат технических наук, доцент, заведующая кафедрой прикладной математики E-mail: imastyaeva@mesi. ru Московский государственный университет экономики, статистики и информатики
В статье представлена модель нечетко-логической системы управления по результатам деятельности таможенных органов на основе ключевых показателей эффективности. В модели применена схема нечеткого вывода по Мамдани по экспертным нечетким базам знаний. Процесс разработки системы реализован в среде MatLab с использованием пакета Fuzzy Logic Toolbox и интерактивного модуля fuzzy. Даны практические рекомендации по методике построения указанной системы, проведено моделирование ее параметров.
Ключевые слова: ключевые показатели эффективности, оценка степени достижения цели, нечетко-логическая система.
Введение. Система управления по результатам деятельности таможенных органов должна обеспечить достижение целей, определенных государственной таможенной политикой. В связи с этим руководителям таможенных органов необходимы целевые индикаторы - показатели результатов деятельности, позволяющие в количественном выражении оценить результат достижения стратегических и тактических целей. Такими индикаторами
являются ключевые показатели эффективности (Key Performance Indicators, KPI).
В качестве необходимого условия управления по результатам деятельности таможенных органов предлагается взять степень достижения указанных целей, оценить ее по набору ключевых показателей эффективности, а формализацию причинно-следственных связей между переменными «входы - выход» провести на естественном языке с применением теории нечетких множеств и лингвистических переменных.
Оценка степени достижения цели используется для принятия одного из следующих решений: S1 - улучшение результатов деятельности не требуется; S2 - улучшение результатов деятельности требуется и возможно; S3 - улучшение результатов деятельности требуется, но оно невозможно.
Структура, основные элементы и операции в нечеткой модели. На этапе концептуальной постановки задачи моделирования указанной оценки было принято решение об использовании нечеткого моделирования на основе экспертных данных. Метод нечетких множеств получил признание как перспективного и дающего точные результа-
Фаззификация
Рис.
ты рядом крупнеиших международных компаний (Motorola, General Electric, Otis Elevator, Pacific Gas & Electric, Ford). Моделирование проектируемых (пилотных) систем на основе статистических методов, как правило, неприменимо по причине
того, что отсутствует накопленная статистическая информация для получения объективных оценок. Метод нечетких множеств не исключает применение статистических методов, а становится инструментом, когда другие подходы неприменимы.
Общая схема нечеткой модели представлена на рис. 1 [7].
На входы нечеткой модели подаются числовые значения x1,...,xn. Блок «Фаззификация» вычисляет их степени принадлежности входным нечетким множествам1. Для выполнения указанной операции блок «Фаззификация» должен иметь доступ к точно определенным функциям принадлежности входов. Вычисленные и представленные на выходе блока «Фаззификация» степени принадлежности дают информацию о том, насколько числовые значения параметров x1,...,xn принадлежат конкретным нечетким множествам. Блок «Нечеткая база знаний» содержит логические правила, которые задают имеющие место в модели причинно-следственные отношения между нечеткими значениями ее входных и выходных параметров. Нечеткая база знаний может трактоваться как некоторое разбиение пространства влияющих факторов на подобласти с размытыми границами, в каждой из которых функция отклика принимает значение, заданное соответствующим нечетким множеством. База знаний содержит основную информацию о моделируемой системе. Поэтому умение правильно ее формировать является важным условием. Обычно формирование нечеткой базы знаний в конкретной предметной области для экспертов не вызывает сложностей. Блок «Дефаззификация» на основе результирующей функции принадлежности вычисляет четкое числовое значение y выходного параметра, являющееся результатом для входных числовых значений x1,...,xn. Данная операция выполняется
Если(...), то (. Правило 1
Если(...), то (...) Правило г
У
1 Понятие «нечеткое множество» употребляется в соответствии с источниками [5, 14].
Нечеткая база правил Дефаззификация
1. Общая схема нечеткой модели
с помощью механизма дефаззификации, который определяет метод вычисления.
В предлагаемой модели применяется схема нечеткого вывода по Мамдани (импликация моделируется минимумом, агрегация - максимумом). При нечетком моделировании чаще других используют базу знаний в формате Мамдани, в которой антецеденты и консеквентны правил являются нечеткими высказываниями. Нечеткое высказывание включает в себя лингвистическую переменную и терм, который представлен нечетким множеством. Нечеткие правила в таком формате предложены Л. Заде [15]. Нечеткие модели Мамдани являются прозрачными - их структура содержательно интерпретируется в терминах, понятных не только разработчикам, а и заказчикам (экономистам, менеджерам). Прозрачность нечетких моделей Мамдани является одним из главных преимуществ, благодаря которому нечеткие технологии успешно конкурируют с другими, например, семантическими методами моделирования экономических систем [6, 8-10].
Разработка ключевых показателей эффективности деятельности сотрудников таможни и таможенных постов для стратегической цели по обеспечению качества предоставления услуг. Рассмотрим моделирование системы управления по результатам деятельности таможенных органов на примере достижения одной из стратегических целей, заключающейся в обеспечении качества предоставления услуг таможенными органами [11]. Опираясь на цели, задачи, принципы, основные функции таможенных органов и адаптировав их под специфику таможенной деятельности, совместно с группой экспертов под руководством доктора экономических наук, профессора Л. А. Жигуна были разработаны тактические цели и система ключевых показателей эффективности деятельности сотрудников таможни и таможенных постов (выполнение задач и соблюдение стандартов). Выбор был ос-
тановлен на трех целях: обеспечение надежности и оперативности (цель № 1), обеспечение компетентности (цель № 2), обеспечение безопасности (цель № 3).
Измеримые показатели достижения стратегической цели были разработаны на основе следующих нормативно-правовых актов, определяющих сферу деятельности Федеральной таможенной службы:
• Федеральный закон от 27.11.2010 № 311-Ф3 «О Таможенном регулировании в Российской Федерации»;
• Таможенный кодекс РФ от 28.05.2003 № 61-Ф3;
• Таможенный кодекс Таможенного союза: принят решением Межгосударственного совета Евразийского экономического сообщества от 27.11.2009 № 17 «О Договоре о Таможенном кодексе Таможенного союза»;
• постановление Правительства РФ от 26.07.2006 № 459 «О Федеральной таможенной службе»;
• Федеральный закон от 30.12.2006 № 266-Ф3 «О внесении изменений в отдельные законодательные акты Российской Федерации в связи с совершенствованием государственного контроля в пунктах пропуска через границу Российской Федерации».
Выбранный набор показателей может быть дополнен в связи с появлением новых нормативно-правовых актов или в зависимости от изменения взглядов экспертов на ситуацию. Классификация ключевых показателей эффективности по тактическим целям приведена в табл. 1.
Модель оценки степени достижения стратегической цели представляет собою функцию следующего вида:
Х1 х... хХ7 ^ [0;1],
где Х1 х... х Х7 = {(КР111, КР112, КР121, КР122, КР123, КР131,КР132)\КР1ие Х1,КР1и еХ2, КР121 е Х3, КР122 е Х4, КР123 е Х5, КР131 е Х6, КР1Ъ2 е Х7};
22' КР123, KPI13\,
(КР1п, КР112, КР121, КР1,
KPI131 - вектор ключевых показателей эффективности.
Таким образом, количественной оценкой степени достижения стратегической цели является число, принадлежащее отрезку [0;1]. Обозначим эту оценку через \\КР1\|. Понятно, что большее значение \\КР1\\ соответствует большей степени достижения цели. Задача оценки ||КР1|| состоит в том, чтобы поставить в соответствие некоторому результату деятельности (по достижению стратегической
54 -
Таблица 1
Классификация ключевых показателей эффективности
№ п/п
1
наименование тактической цели
Обеспечение надежности и оперативности
КР111 - доля деклараций, выпуск которых необоснованно превышает трехдневный срок; КР112 - количество грузовых таможенных деклараций, оформленных с помощью электронного декларирования
Обеспечение компетентности
Обеспечение безопасности
Ключевые показатели эффективности
КР121 - доля исков (заявлений) к таможенным органам, по которым судами приняты решения не в их пользу;
КР122 - доля судебных дел с участием таможенных органов, по которым судами приняты решения не в их пользу;
КР123 - количество решений, действий (бездействий), отмененных по результатам ведомственного контроля
КР1 31 - доля партий товаров, подвергнутых таможенному контролю согласно системе управления рисками (СУР), в результате которого были выявлены нарушения законодательства РФ, либо выпуск товаров был запрещен в общем объеме товаров; КР132 - эффективность таможенных досмотров по профилям риска, повлекших возбуждение дел об административных правонарушениях
цели) с известными частными показателями одно из решений: S2 или S3.
Модель оценки степени достижения тактической цели № 1 (степени обеспечения надежности и оперативности) - функция следующего вида: Х1 х Х2 ^ [0;1],
где Х1 х Х2 ={(КР111,КР112)\КР111 е Х1, КР112 е Х2}.
Модель оценки степени достижения тактической цели № 2 (степени обеспечения компетентности) - функция вида:
Х3 х Х4 х Х5 ^ [0;1],
где Х3 х Х4 х Х5 = {(КР121,КР122,КР123)\КР121 е Х3, КР122е Х4, КР123 е Х5}.
Модель оценки степени достижения тактической цели № 3 (степени обеспечения безопасности) -функция вида:
Х6 х Х7 ^ [0;1],
2
3
Рис. 2. Иерархическая классификация переменных, влияющих на степень достижения стратегической цели
гдеХ6 хХ7 =[(КР1Ъ1,КР132)\КР1Ъ1 е Х6,КР1Ъ2 е Х7}.
Иерархическую взаимосвязь между входными переменными, классами входных переменных и выходной переменной (интегральным показателем) представим в виде дерева логического вывода (рис. 2).
Элементы дерева интерпретируется следующим образом. Корень дерева - количественная оценка степени достижения стратегической цели; терми-
11-
Кр!хг, Кр!гх,
КР1„, КР1,
22
23'
нальные вершины КР1] КР131, КР132 - частные показатели; нетерминальные вершины ^^, /~КР12, - свертки частных показателей; дуги КР11, КР12, КР13 - укрупненные показатели, при этом КР1. - степень достижения 7-й тактической цели (/' = 1, 2, 3); нетерминальная вершина КР1 - свертка укрупненных показателей. Каждый частный показатель, а также каждый укрупненный рассматривается как лингвистическая переменная - переменная с лингвистическими значениями, выражающими качественные оценки.
Свертки у^, fкpl2, ^13 и ,/кр1 производятся с помощью логического вывода по экспертным нечетким базам знаний типа Мамдани. При определении формы функций принадлежности, ассоциированных с каждой переменной, экспертам было предложено выбрать треугольную функцию. Выбор кусочно-линейной функции принадлежности был в значительной степени обусловлен малым объемом имеющейся релевантной информации. Кусочно-линейные функции принадлежности приводят к получению локально линейных поверхностей отклика модели (при условии правильного выбора
других составляющих системы), что положительно сказывается на точности моделирования в условиях малого объема информации [7]. Треугольная функция принадлежности может быть определена тройкой чисел. В качестве лингвистических терм-множеств переменных, исключая КР1, эксперты указали {низкая(ое), средняя(ее), высокая(ое)}. Лингвистическое терм-множество переменной КР1 было задано следующим образом: {неприемлемо низкая, низкая, средняя, выше среднего, высокая}.
Формирование нечетких баз знаний. В качестве нечетких баз знаний, являющихся носителем экспертной информации, были сформулированы логические правила, которые выражаются в виде пар посылок и заключений типа «Если..., то... ». Нечеткие базы знаний для моделирования указаны в табл. 2-5.
Логический вывод по иерархической нечеткой базе знаний был выполнен таким образом, что над промежуточными переменными КР11, КР12, КР13 последовательно производились операции дефаз-зификации и фаззификации: нечеткие результаты промежуточных логических выводов дефаззифици-ровались, затем полученные четкие значения подавались на вход нечетких систем следующего уровня иерархии и там они фаззифицировались. Поэтому для промежуточных переменных необходимо опре-
Таблица 2
нечеткая база знаний для моделирования степени достижения тактической цели № 1
Иомер правила КР1и КР112 КР11
1 Средняя Низкое Низкая
2 Высокая Низкое Низкая
3 Высокая Среднее Низкая
4 Низкая Низкое Средняя
5 Средняя Среднее Средняя
6 Высокая Высокое Средняя
7 Низкая Высокое Высокая
8 Средняя Высокое Средняя
9 Низкая Среднее Высокая
Таблица 3
нечеткая база знаний для моделирования степени достижения тактической цели № 2
Окончание табл. 5
номер правила КР121 КР122 КР123 КР1г
1 Высокая Высокая Низкое Низкая
2 Высокая Высокая Среднее Низкая
3 Высокая Низкая Высокое Низкая
4 Высокая Средняя Высокое Низкая
5 Низкая Высокая Высокое Низкая
6 Средняя Высокая Высокое Низкая
7 Средняя Средняя Среднее Средняя
8 Средняя Низкая Высокое Средняя
9 Низкая Средняя Высокое Средняя
10 Средняя Высокая Низкое Средняя
11 Низкая Высокая Среднее Средняя
12 Низкая Низкая Высокое Средняя
13 Высокая Низкая Низкое Средняя
14 Низкая Высокая Низкое Средняя
15 Высокая Средняя Среднее Средняя
16 Средняя Высокая Среднее Средняя
17 Средняя Средняя Высокое Средняя
18 Низкая Низкая Низкое Высокая
19 Низкая Низкая Среднее Высокая
20 Низкая Средняя Низкое Высокая
21 Низкая Средняя Среднее Высокая
22 Высокая Высокая Высокое Низкая
23 Высокая Средняя Низкое Средняя
24 Высокая Низкая Среднее Средняя
25 Средняя Средняя Низкое Высокая
26 Низкая Средняя Среднее Высокая
27 Средняя Низкая Среднее Высокая
номер правила КР1 31 КР132 КР13
1 Низкая Низкая Средняя
2 Низкая Средняя Высокая
3 Низкая Высокая Высокая
4 Средняя Низкая Низкая
5 Высокая Низкая Низкая
6 Средняя Средняя Средняя
7 Высокая Средняя Средняя
8 Средняя Высокая Высокая
9 Высокая Высокая Средняя
номер правила KPI1 KPI2 KPI3 KPI
1 Низкая Низкая Низкая Неприемлемо низкая
2 Низкая Низкая Средняя Неприемлемо низкая
номер правила КР11 КР1г КР13 КР1
3 Низкая Средняя Низкая Неприемлемо низкая
4 Средняя Низкая Низкая Неприемлемо низкая
5 Низкая Низкая Высокая Низкая
6 Низкая Высокая Низкая Низкая
7 Высокая Низкая Низкая Низкая
8 Средняя Средняя Средняя Средняя
9 Низкая Средняя Высокая Средняя
10 Высокая Высокая Средняя Средняя
11 Высокая Низкая Средняя Средняя
12 Средняя Низкая Высокая Средняя
13 Высокая Средняя Низкая Средняя
14 Средняя Высокая Низкая Средняя
15 Высокая Высокая Низкая Средняя
16 Высокая Низкая Высокая Средняя
17 Низкая Высокая Высокая Средняя
18 Средняя Средняя Низкая Средняя
19 Средняя Низкая Средняя Средняя
20 Низкая Средняя Средняя Средняя
21 Средняя Средняя Высокая Выше среднего
22 Средняя Высокая Средняя Выше среднего
23 Высокая Средняя Средняя Выше среднего
24 Высокая Высокая Средняя Высокая
25 Высокая Средняя Высокая Высокая
26 Средняя Высокая Высокая Высокая
27 Высокая Высокая Высокая Высокая
Таблица 4
нечеткая база знаний для моделирования степени достижения тактической цели № 3
Таблица 5
нечеткая база знаний для моделирования степени достижения стратегической цели
делять функции принадлежности. Это, безусловно, является недостатком указанного способа. Однако такой способ моделирования иерархической нечетко-логической системы позволяет получить систему частных моделей оценки степени достижения каждой тактической цели, что является необходимым при проведении постоянного мониторинга оценок результатов деятельности таможни и таможенных постов по обеспечению компетентности и оперативности, поддержанию надежности и безопасности.
Моделирование нечеткой системы средствами инструментария нечеткой логики. Процесс разработки нечетко-логической системы был реализован в среде MatLab с использованием пакета Fuzzy Logic Toolbox и интерактивного модуля fuzzy. Алгоритм Мамдани и многие другие алгоритмы нечеткого вывода реализуются также в таких средах, какfuzzyCLIPS, WindExS и др. Недостатком первой является то, что для адаптации экспертной системы, созданной в этой оболочке, необходимо прибегать к помощи программиста. Вторая же не переносима на различные платформы. Выбор пакета MatLab был обусловлен высокой эффективностью вычислений
и визуализациеи результатов, а также имеющимся опытом работы авторов проектируемой системы с данным пакетом [1-4].
Моделирование иерархической системы оценки степени достижения стратегической цели по обеспечению качества предоставления услуг таможенными органами было реализовано четырьмя системами нечеткого логического вывода:
• Tactical-KPIl.fis - система моделирования оценки степени достижения тактической цели № 1 (KP1X);
• Tactical-KPI2.fis - система моделирования оценки степени достижения тактической цели № 2 (KP12);
• Tactical-KPI3.fis - система моделирования оценки степени достижения тактической цели № 3 (KP13);
• Strategic-KPI.fis - система моделирования оценки степени достижения стратегической цели (KPI). Первая и третья системы имеют
следующую структуру: два входа, механизм нечеткого логического вывода по Мамдани, один выход. Структура второй и четвертой систем отличается от двух предыдущих количеством входов -их три. В качестве примера построения системы с двумя входами рассмотрим Tactical-KPI 1 .fis, с тремя - Strategic-KPI. fis. Для оставшихся же систем приведем лишь карты поверхностей выводов.
Для построения системы Tactical-KPI 1 .fis потребуются экспертные оценки входных переменных KP1n и KP1U и выходной переменной KP1X . Оценки входных переменных приведены в табл. 6.
Указанные переменные рассматриваются как лингвистические с единой шкалой качественных термов: низкая, средняя, высокая и значениями параметров, соответственно: (0; 0; 0,6), (0,5; 0,7; 0,95), (0,9; 1,1; 1,1).
Редактор системы нечеткого логического вывода (СНЛВ) Fuzzy inference system (FIS) - editor показан на рис. 3.
Добавляем еще одну входную переменную, переименовываем входные и выходную переменные, задаем имя системы (рис. 4). Задаем градации и
Таблица 6
Экспертные оценки показателей KPI11 , KPI12
Показатель Терм-множество*
Низкая(ое) Средняя(ее) Высокая(ое)
шп (0; 0; 0,085) (0,008; 0,093; 0,11) (0,09; 0,11; 0,11)
KP112 (0; 0; 50) (30; 55; 80) (58; 100; 100)
' Единица измерения - процент к общему числу.
Рис. 3. Окно редактора FIS-Editor
) FIS Editor: Tactical-KPIl
File Edit View
là
Tactical-KPH (mamdani)
KPI1
FIS Name: Tactical-KPIl FIS Type: mamdani
And method | mjn j^J Current Variable
Ur method max ^ Name
Implication | mjn ^J Aggregation maK ^J Type Range
Defuzzification centroid ^ Help Close
Saved FIS "Tactical-KPH" to disk
Рис. 4. Окно редактора системы нечеткого логического вывода Tactical-KPI1.fis
функции принадлежности для каждой входной и выходной переменных (рис. 5).
Вводим правила из табл. 5. На рис. 6 изображено окно редактора базы знаний после ввода всех девяти правил. Число, приведенное в скобках в конце каждого правила, представляет собой весовой коэффициент соответствующего правила. На рис. 7 приведено окно средства просмотра правил вывода
Рис. 5. Окно редактора функций принадлежности системы нечеткого логического вывода Тасйса1-КРП^
) Rule Editor: Tactical KPIl
File Edit View Options
1. If (KPI11 is Средняя) and (KPI12 is Низкое] then (KPI1 is Низкая] (1 ]
2. If (KPI11 is Высокая] and (KPI12 is Низкое) then (KPI1 is Низкая) (1)
3. If (KPI11 is Высокая] and (KPI12 is Среднее] then [KPI1 is Низкая) (1)
4. If (KPI11 is Низкая) and (KPI12 is Низкое) then [KPI1 is Средняя] (1)
5. If (KPI11 is Средняя) and (KPI12 is Среднее) then (KPI1 is Средняя) (1) G. If (KPI11 is Высокая] and (KPI12 is Высокое) then (KPI1 is Средняя) (1)
7. If (KPI11 is Низкая) and (KPI12 is Высокое) then (KPI1 is Высокая) (1)
8. If (KPI11 is Средняя) and (KPI12 is Высокое] then [KPI1 is Средняя] [1] Э. If (KPI11 is Низкая) and (KPI12 is Среднее] then (KPI1 is Высокая) (1)
and
KPI11 is
KPI12 is
Низкая Средняя Высокая Низкое Среднее Высокое ■а
попе попе
r Connection ■ 0Г
and
not Weight:
Wei
| 1 Delete rule | Add rule | Change rule |
Ready
Help
Рис. 6. Окно редактора правил вывода Tactical-KPIl.fis
(визуализация нечеткого логического вывода).
Средство просмотра правил вывода используется в целях диагностики. Оно позволяет отобразить процесс нечеткого вывода и получить результат. Как видно из рис. 7, при входном векторе (0,0187; 46,8) (доля деклараций, выпуск которых необоснованно превышает трехдневный срок - 0,0187; количество грузовых таможенный деклараций, оформленных с помощью электронного декларирования - 46,8) результат составляет 0,689, что характеризует степень достижения тактической цели № 1 (степень обеспечения надежности и оперативности) как «среднюю».
Проиллюстрируем работу модели. Для этого проведем моделирование параметров степени достижения тактической цели № 1 и с помощью системы нечеткого логического вывода оценим значения выходной переменной. В табл. 7 приведены результаты работы этой части программы.
Как видно, данные из табл. 7 могут быть полезны при проведении постоянного мониторинга оценки деятельности таможни и таможенных постов по обеспечению надежности и оперативности.
Средство просмотра поверхности вывода генерирует и выводит карту поверхности вывода системы нечеткого логического вывода [12]. Это позволяет представить весь спектр сценариев на карте поверхности для каждой из разработанных систем. На рис. 8 приведена трехмерная поверхность «входы - выход», соответствующая синтезированной нечетко-логической системе Тасйса1-КРП.Г18.
На рис. 9 приведены кривые отклика FIS-блока формирования переменной КР!Х.
Иллюстрацию карты поверхности вывода системы Тасйса1-КР12.:Й8 ограничим рассмотрением вариантов комбинаций входов, изображенных на рис. 10.
На рис. 11 приведена поверхность «входы - выход», соответствующая системе Тасйса1-КР13.:Й8.
Then
КРИ is
Низкая Средняя Высокая попе
Close
Рис. 7. Окно средства просмотра правил вывода Tactical-KPI1.fis
Таблица 7
Варианты реализации системы ТаСлсаЬКРН^
№ п/п КР1п KPI12 KPIl
1 0,0429 22,3 0,459
2 0,0167 54,1 0,855
3 0,0167 12,3 0,625
4 0,1020 12,3 0,218
5 0,0913 55,0 0,655
6 0,0278 17,7 0,542
7 0,1040 31,4 0,296
8 0,0055 94,1 0,969
9 0,0449 65,9 0,766
10 0,0833 34,1 0,390
Рис. 8. Окно просмотра поверхности решений Tactical-KPIl.fis
Рис. 9. Кривые отклика блока
формирования переменной KPI1
На рис. 12 приведены кривые отклика FIS-блока формирования переменной KPI3.
Для построения системы Tactical-KPIl.fis потребуются экспертные оценки выходной переменной KPI, приведеные в табл. 8.
Схема работы с программным модулем Fuzzy Logic системы MatLab описана выше. Поэтому ограничимся лишь иллюстрацией каждого проведенного этапа скриншотом (рис. 13-16).
Как видно из анализа данных рис. 16, при входном векторе (0,512; 0,524; 0,259) на выходе системы получается величина, равная 0,275, которая характеризует степень достижения стратегической цели как «неприемлемо низкую».
Иллюстрацию карты поверхности вывода ограничим рассмотрением вариантов комбинаций входов, изображенных на рис. 17.
Проиллюстрируем работу модели. Для этого проведем моделирование степени достижения стратегической
Рис. 10. Отображение зависимости выхода системы от входов: а - КР121 и КР122; б - КР121 и КР123; в - КР121; г - КР123
Рис. 11. Окно просмотра поверхности решений Тасйса1-КР13.Й8
Рис. 12. Кривые отклика блока формирования переменной КР13
Таб. гииа 8
Экспертные оценки выходной переменной KPI
Показатель Терм-множество *
Неприемлемо низкая Низкая Средняя Выше среднего Высокая
KPI (0; 0; 0,4) (0,3; 0,4; 0,5) (0,45; 0,575; 0,7) (0,65; 0,8; 0,95) (0,9; 1; 1)
; Единица измерения - действительное число от 0 до 1.
FIS Variables
Membership function plots plot points: Г isf
Рис. 13. Схема системы нечеткого логического вывода Strategic-KPI.fis
J Rule Editor: Strategjc-KPI
File Edit View Options
17.1\ (КР11 ¡5 Низкая) апс! (КР12 ¡5 Высокая) апс! (КР13 ¡5 Высокая) 1Иеп (КР1 ¡5 Средняя) (1)
18. К (КРИ ¡5 Средняя) апс! (КР12 ¡5 Средняя) апс! (КПЗ ¡5 Низкая) №еп (КР1 к Средняя) (1)
19. К (КРИ ¡$ Средняя) апс! (КР12 ¡г Низкая) апс! (КР13 ¡8 Средняя) 1Иеп (КР1 к Средняя) (1)
20. К (КРИ ¡5 Низкая) апс! (КР12 ¡5 Средняя) ап(1 (КР13 ¡5 Средняя) 1Иеп (КР1 ¡г Средняя) (1)
21. К (КРИ Средняя) апс! (КР12 ¡5 Средняя) апс! (КР13 ¡5 Высокая) 1Иеп (КР1 ¡5 Вышесреднего) (1)
22. К (КРИ ¡$ Средняя) апс! (КР12 ¡5 Высокая) апс! (КР13 ¡5 Средняя) 1Иеп (КР1 ¡5 Вышесреднего) (1)
23. К (КРИ ¡5 Высокая) апс! (КР12 ¡5 Средняя) апс! (КР13 ¡5 Средняя) 1Иеп (КР1 ¡5 Вышесреднего) (1)
24. К (КРИ ¡5 Высокая) апс! (КР12 ¡5 Высокая) апс! (КР13 ¡5 Средняя) (КР1 ¡5 Высокая) (1 ]
25. К (КРИ ¡5 Высокая) апс^ (КР12 ¡5 Средняя) and (КР13 ¡5 Высокая) №еп (КР1 ¡5 Высокая) (1 ]
26. ^ (КРИ ¡5 Средняя) and (КР12 ¡5 Высокая) апс! (КР13 ¡5 Высокая)^Ьеп (КР1 ¡8 Высокая) (1 ]
27. К (КРИ ¡$ Высокая! аг^ (КР12 ¡5 Высокая! аЫ ГКР13 к Высокая! (Иеп (КР1 ¡5 Высокая! (11
and
and
Then
КРИ is
KPI2 is
KPI3 is
KPI is
Низкая Низкая Низкая
Средняя Средняя Средняя
Высокая Высокая Высокая
попе попе попе
Низкая|aJ Средняя 7~-ВышесреднеЩ Высокая v
BH В
r Connection -| Weight:
Г or
and
Delete rule | Add rule | Change rule
Fleadv
Help
Close
Рис. 15. Окно редактора правил вывода Strategic-KPI.fis
Неприег^ .низкая
1
Низкая Средняя Вышесреднего Высокая
KPI2
KPI3
01 0.2 0.3 0.4 0.5 0.6 0,7 0.8 0.9 1 output variable "KPI"
Рис. 14. Функции принадлежности системы нечеткого логического вывода Strategic-KPI.fis
Рис. 16. Визуализация нечеткого логического вывода Strategic-KPI.fis
0.4 0.6
КРИ
б
Рис. 17.
Отображение зависимости выхода системы от входов:
а - KPIX и KPI2, б - KPL
а
цели и с помощью системы нечеткого логического вывода оценим значения выходной переменной. В табл. 9 приведены результаты работы этой части программы.
Структурная схема моделирующего алгоритма системы управления по результатам деятельности таможенных органов. Процесс функционирования системы управления по результатам деятельности таможенных органов на основе ключевых параметров эффективности представлен на рис. 18. Идея, положенная в основу создания указанной системы, заключается в применении бен-чмаркинга - сопоставлении вычисленной оценки степени достижения стратегической цели с допустимой оценкой, регламентируемой требованиями в сфере таможенных услуг и разрабатываемой экспертами на основе эталонных значений по шкале от 0 до 1.
В соответствии со схемой рис. 18 видно, что если условие блока «||КР1\|доп <||КР/||» выполняется, то улучшение результатов деятельности в данный период не требуется (блок - выход. Здесь
Таблица 9 Варианты реализации системы Strategic-KPI. Аб
№ п/п КР121 КР1гг КР123 КР1г
1 0,271 0,452 0,392 0,174
2 0,705 0,849 0,945 0,790
3 0,910 0,825 0,837 0,673
4 0,427 0,753 0,621 0,575
5 0,211 0,945 0,259 0,380
6 0,945 0,933 0,947 0,909
7 0,625 0,912 0,947 0,814
8 0,331 0,741 0,562 0,469
9 0,259 0,536 0,524 0,329
10 0,977 0,947 0,971 0,963
\ Нет
/
\ /
Выход
Рис. 18. Структурная схема моделирующего алгоритма системы управления по результатам деятельности таможенных органов
и далее \\КРЦ |доп - допустимая количественная оценка степени достижения стратегической цели. В случае, когда условие блока «||КР/||доп < ||КР/||» не выполняется, необходимо провести анализ работы таможни и таможенных постов в целях улучшения результатов деятельности. Для этого необходимо выяснить, какие из ключевых показателей можно улучшить - блок «Корректировка показателей эффективности». Если условие этого блока выполнимо, то следует переход к блоку S2 (улучшение результатов деятельности требуется и возможно), а после изменения значений показателей - возвращение к блоку «| КР/| |», где производится оценка степени достижения стратегической цели после проведенных мероприятий. Если корректировка показателей эффективности невозможна, то происходит переход к блоку S3 (улучшение результатов деятельности требуется, но невозможно) - выход.
Таким образом, для управления по
результатам деятельности таможенных органов по обеспечению качества предоставления услуг необходимо:
1) определить текущее значение выходной переменной ||КР/||;
2) сравнить его с установленным допустимым значением КР/ ;
II Идоп
3) подобрать значения управляющих переменных КР1п, КР112, КР121, КР122, КР12Ъ, КР/31, КР1Ъ2 так, чтобы достичь установленного допустимого результата (при условии, что такие значения могут быть обеспечены).
Заключение. Одним из достоинств построенной системы является следующее. Реализация проектов систем принятия управленческих решений требует привлечения больших объемов финансовых ресурсов, что во многом усложняет проведение экспериментов в реальном масштабе времени. Предлагаемая система с помощью проведения имитационных экспериментов позволяет принимать решения с определенным временно-пространственныным опережением. Указанная возможность антиципации способствует повышению эффективности деятельности руководителей.
Система, описанная в настоящей статье, является первым шагом на пути создания системы управления по результатам на основе сбалансированной системы показателей, позволяющей установить детерминированность стратегических целей таможенных органов и каждодневных действий сотрудников на каждом уровне управления, оценить установленную причинно-следственную связь и на основе полученной оценки принять соответствующее управленческое решение.
Список литературы
1. Герасимова Е. К. Математическое моделирование нечеткой системы управления качеством корпоративной информационно-вычислительной сети / Е. К. Герасимова, Г. И. Горемыкина // Проблемы управления и моделирования в сложных системах: труды XIII Межд. конф. Самара, 2011. С. 339-345.
2. Горемыкина Г. И. Создание нечеткой системы управления инвестиционными проектами / Г. И. Горемыкина, М. А. Пономарева // Проблемы управления и моделирования в сложных системах: труды XIV Межд. конф. Самара, 2012. С. 291-298.
3. Кондратьева С. И. Модель оценки качества инклюзивного образования в вузе / С. И. Кондратьева, И. Н. Мастяева // Вестник Университета (Государственный университет управления). 2009. № 13. С. 5-9.
4. Кондратьева С. И. Применение нейронных сетей в оценке качества инклюзивного образования / С. И. Кондратьева, И. Н. Мастяева // Качество. Инновации. Образование. 2009. № 7. С. 11-15.
5. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.
6. Морозов В. П., Тихомиров В. П., Хрусталёв Е. Ю. Гипертексты в экономике: информационная технология моделирования. М.: Финансы и статистика, 1997.
7. Пегат А. Нечеткое моделирование и управление. М.: БИНОМ. Лаборатория знаний, 2009.
8. Хрусталёв Е. Ю. Методологические и теоретические основы гипертекстовой технологии моделирования экономических систем // Концепции. 2010. № 1-2.
9. Хрусталёв Е. Ю. Семантическое моделирование как метод производства, систематизации и использования знаний об оборонном потенциале государства // Национальные интересы: приоритеты и безопасность. 2012. № 9.
10. Хрусталёв Е. Ю., Хрусталёв О. Е. Когнитивное моделирование развития наукоемкой промышленности (на примере оборонно-промышленного комплекса) // Экономический анализ: теория и практика. 2013.№ 10.
11. Черныш А. Я. Исследование проблемных вопросов управления качеством таможенных услуг: монография / А. Я. Черныш, Ю. Е. Гупанова, О. Г. Симахин. М.: Изд-во Российской таможенной академии, 2012.
12. Ярушкина Н. Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.
13. Parmenter D. Key Performance Indicators: Developing, Implementing and Using Winning KPI's. / New Jersey, USA: John Wiley & Sons, inc., 2007.
14. Zadeh L. A. Fuzzy sets // Inform. Contr. 1965. V. 8. P. 338-353.
15. Zadeh L. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes // IEEE Trans. Syst. Man Cybernet. № 3. 1973. P. 28-44. Processes // IEEE Trans. Syst. Man Cybernet. № 3. 1973. P. 28-44.
