Материал: 582
Альтернативный подход в конструировании индикаторного показателя использует метод нечетких множеств. Для указанной лингвистической переменной построим систему из пяти трапециевидных функций принадлежности λ1(x) … λ5(x):
|
|
1,0 ≤ x,<0.15 |
|
λ1 |
|
(0.25 − x ),0.15 ≤ x <0.25 |
(1) |
(x )= 10 |
|||
|
|
0,0.25 ≤ x ≤1 |
|
|
|
|
|
|
|
1,0 ≤ x,<0.15 |
|
|
10 |
(0.25 − x ),0.15 ≤ x <0.25 |
|
|
|
0,0.25 ≤ x ≤0.35 |
(2) |
λ2 (x )= |
|||
|
10(0.45 − x ),0.35 ≤ x <0.45 |
|
|
|
|
0,0.45 ≤ x ≤1 |
|
|
|
|
|
|
|
1,0 ≤ x,<0.35 |
|
|
10 |
(0.35 − x ),0.35 ≤ x <0.45 |
|
|
|
0,0.45 ≤ x ≤0.55 |
(3) |
λ3 (x )= |
|||
|
10(0.65 − x ),0.55 ≤ x <0.65 |
|
|
|
|
0,0.65 ≤ x ≤1 |
|
|
|
|
|
|
|
1,0 ≤ x,<0.55 |
|
|
10 |
(0.55 − x ),0.55 ≤ x <0.65 |
|
|
|
0,0.65 ≤ x ≤0.75 |
(4) |
λ4 (x )= |
|||
|
10(0.85 − x ),0.75 ≤ x <0.85 |
|
|
|
|
0,0.85 ≤ x ≤1 |
|
|
|
|
|
|
|
0,0 ≤ x,<0.75 |
|
λ5 |
|
(0.75 − x ),0.75 ≤ x <0.85 |
(5) |
(x )= 10 |
|||
|
|
1,0.85 ≤ x ≤1 |
|
|
|
|
|
Наиболее лучшим образом исходные данные в графическом виде будут отражать трапециевидные функции принадлежности (рис. 9).
36
1,2 |
|
|
|
|
|
|
1 |
λ(x) |
|
|
|
|
|
0,8 |
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
0 |
0,2 |
0,4 |
0,6 |
0,8 |
x |
1 |
|
Рис. 9. Трапециевидные функции принадлежности |
|
||||
Для набора i = 1, …, n оценочных показателей со значениями xi произведем переход к агрегированному показателю Dk, который определим методом двойной свертки:
k |
5 |
|
Dk = ∑ri ∑αi λij (xi ), |
(6) |
|
i =1 |
j =1 |
|
где ri – вес i-го оценочного показателя, αi – узловые точки (0.1, 0.3, 0.5, 0.7, 0.9), λij(xi) – значение функции принадлежности.
Далее показатель Dk подвергается распознаванию на основе нечеткого классификатора по функции принадлежности (1–5). На следующем этапе строится матрица, по строкам которой расположены оценочные показатели, а по столбцам – их качественные уровни. Матрица дополняется весами (ri) и узловыми точками (αi) (табл. 1).
Таблица 1. Матрица оценочных показателей
Оценочные |
Вес |
Значение функции принадлежности |
||||
показатели |
ri |
λ1 |
λ2 |
λ3 |
λ4 |
λ5 |
|
|
|||||
X1 |
0.2 |
0 |
0 |
1 |
0 |
0 |
X2 |
0.4 |
|
|
|
|
|
… |
|
… |
… |
… |
… |
… |
Xn |
0.5 |
|
|
|
|
|
Узловые точки |
0.1 |
0.3 |
0.5 |
0.7 |
0.9 |
|
37
На следующем этапе определяются веса показателей по формуле:
r |
= |
2(N −i +1) |
(6) |
||
|
( |
) |
|||
1 |
|
N |
|
||
|
|
N +1 |
|
||
либо путем экспертных оценок. В нашем случае все оценочные показатели будем считать равнозначными с одинаковыми весами. Здесь также идет речь о выборе ЛПР.
Предлагаемая система оценки результатов деятельности территориальных органов МВД России носит дискретный характер и основывается на текущих значениях показателей эффективности. Данный подход следует рассматривать как первый этап анализа количественных оценок результатов деятельности. На основе отобранных показателей D1, D2, …, Dn формируется обобщенный критерий D:
D =α1D1 +α2 D2 +... +αn Dn , |
(7) |
где αi – коэффициенты значимости, которые могут определяться на основе экспертных оценок или корреляционно-регрессионно- го анализа. Очевидный недостаток данного подхода состоит в том, что определение значимости показателей в свертке также отражает функцию предпочтения ЛПР.
Оператор D представляет собой набор возможных состояний оперативной обстановки. Следовательно, система управления находится в одном из взаимоисключающих состояний D = (d1, d2, …, dn), для оценки которых и необходим интегральный показатель D.
На основе проведенного анализа формируется оценка оперативной обстановки, которую можно представить в виде матрицы, где строки – это территориальные органы МВД России, а столбцы – оценочные показатели:
|
y11 |
y12 |
... |
y1k |
|
|
|
y |
y |
... |
y |
|
(8) |
Ymk = |
21 |
22 |
... |
2k |
||
... |
... |
... |
. |
|
||
|
|
ym2 |
... |
|
|
|
|
ym1 |
ymk |
|
|||
Если T1n = (t1, t2, …, tn) – вектор-строка, обозначающая n лет, то оценочные показатели представлены в виде блочной матрицы T Y
38
размерности k ×mn : T Y =(t1Y, t2Y, ..., tnY ) с помощью произведения Кронекера. В графическом виде его можно представить в виде многомерной модели OLAP-куба (рис. 10), на основе которой и будет производиться свертка для расчета агрегированного показателя.
период
показатель
орган
Рис. 10. OLAP-Куб
Таким образом, предлагаемая система оценки результатов представлена в виде вектора Di = (Yi, Ri, Xi), где Yi – оценка результатов деятельности ОВД, Ri – оценка ресурсного обеспечения, Xi – оценка факторов внешней среды (социально-экономические факторы). Целевое назначение данной системы заключается в определении значения комплексного показателя оперативной обстановки.
Важнейшей составной частью деятельности ЛПР является умение правильно оценить конечные результаты функционирования территориальных органов МВД России. Руководитель, умеющий своевременно выявлять причины негативных изменений оперативной обстановки, может обеспечить эффективное управление органами и подразделениями ОВД. Следовательно, эффективность управленческих решений зависит от глубины анализа оперативной обстановки [6].
Очевидно, что информационно-аналитическое обеспечение в сфере обеспечения правопорядка в общественных местах все еще имеет ряд нерешенных проблем. Решение этой задачи тесно связано с поиском перспективных подходов к оценке результатов деятельности ОВД, которым приходится работать в очень сложных условиях внешней среды. Без получения такой оценки ЛПР трудно прини-
39
мать эффективные управленческие решения, вырабатывать последовательность мероприятий, позволяющих подразделениям ОВД формировать оптимальные траектории своего развития [2, с. 72].
Литература
1.Бурков В. Н. Основы математической теории активных систем / В. Н. Бурков. – М. : Наука, 1977. – 255 с.
2.Гонов Ш. Х. Применение моделей бинарного выбора для оценки эффективности деятельности ОВД в сфере обеспечения правопорядка в общественных местах / Ш. Х. Гонов // Экономика
именеджмент систем управления. – 2017. – № 4 (26). – С. 70–78.
3.Гонов Ш. Х. Статистический анализ и оценка короткого временного ряда уровня преступности в общественных местах /
Ш.Х. Гонов, В. Ю. Петрова // Экономика и менеджмент систем управления. – 2016. – № 2.2 (20). – С. 258–263.
4.Горошко И. В. Механизмы согласования показателей соци- ально-экономического развития региона и роль органов внутренних дел в их реализации / И. В. Горошко, Ю. В. Бондаренко. – М. : Академия управления МВД России, 2015. – 128 с.
5.Горошко И. В. Об одном из подходов к моделированию динамики преступности / И. В. Горошко, А. В. Лебедев, В. Ю. Петрова // Труды Академии управления МВД России. – 2011. – № 2. – С. 54–58.
6.Горошко И. В. Разработка алгоритма оценки результатов деятельности органов внутренних дел с использованием моделей бинарного выбора [Электронный ресурс] / И. В. Горошко, Ш. Х. Гонов // Моделирование, оптимизация и информационные технологии. – 2018. –– № 2. – T. 6. – Режим доступа: https://moit.vivt.ru/ wp-content/uploads/2018/04/GoroshkoGonov_2_18_1.pdf.
7.Новиков Д. А. Теория управления организационными системами / Д. А. Новиков. – М. : Московский психолого-социальный институт, 2005. – 581 с.
8.Обработка нечеткой информации в системах принятия решений / [А. Н. Борисов и др. ]. – М. : Радио и связь, 1989. – 304 с.
9.Торопов Б. А. Кластерный анализ данных в задачах оценивания результатов деятельности органов внутренних дел: сб. трудов XXV Всероссийской науч.-практ. конф. «Информатизация и информационная безопасность правоохранительных органов». – М. : Академия управления МВД России, 2016. – С. 30–34.
40