2018-03-09
113
Для эффективной оценки текущего состояния системы менеджмента качества дорожно-строительного предприятия (СМК ДРСП) и последующих (в случае необходимости) корректирующих действий со стороны менеджеров необходимо иметь не только четко поставленные цели в области качества, но и детальный план, описывающий вектор движения предприятия к заявленным целям. Достижение указанных задач возможно только тогда, когда имеется прогноз возможных значений показателей эффективности бизнес-процессов предприятия в интересах СМК.
Прогнозирование будем проводить в два этапа: на первом – определим вероятности значений показателей качества по группам факторов используемых бизнес-процессов (организационно-технические, инженерно - технологические, экономические, социально-психологические) [10,15]; на втором этапе - определим степень влияния отдельных факторов и их групп на общую вероятность достижения СМК значений критериев заданных целей.
1. Расчет вероятности значений показателей качества бизнес-процессов по группам факторов.
|
|
|
В СМК ДРСП функционируют бизнес-процессы 
, определяющие каждый и совокупно общую интегральную оценку качества выполняемых работ. Пусть имеется совокупность данных по конкретным оценкам параметров бизнес-процессов за временной период 
, где t0 - период, предшествующий прогнозированию; t*- точка отсчета; tк - прогнозный период.
Безусловно, необходимо учесть, что сами параметры, определяющие качество результатов бизнес-процессов не являются случайными величинами и определяются на основе нормативных документов ДРСП как по группам, так и результатам. Поэтому в данной задаче мы можем лишь определить вероятность значения параметра качества [10,16] бизнес-процесса в момент времени tк.
В качестве исходных данных возьмем значения параметров качества бизнес-процессов организационно-технических X11 и сгруппируем их в таблицу:
Статистический ряд для X11
| N измерения | Значения показателя X11 |
| 1 | x11 |
| 2 | x12 |
| M | x1m |
Затем определяем количество различных исходов aji (варианты значений показателей по уровням шкалирования). Для простоты описания определим их в три группы значений. Все группы значений можно разделить по степени достижения необходимого результата [16]. Тогда, a1i – количество нежелательных исходов функционирования бизнес-процесса группы X11; a2i – количество удовлетворительных исходов функционирования бизнес-процесса группы X11; ami – количество «идеальных» исходов функционирования бизнес-процесса группы X11.
Тогда частоты получения результатов выборок по степени достижения распределятся следующим образом:
|
|
|
,
где 
- частоты нежелательных, нормальных и эталонных вариантов исходов для группы бизнес-процесса X11 в период 
.
Поскольку значение статистической совокупности и прогноза велико, то справедливо считать, что случайная величина X11 распределена по нормальному закону 
[15] с m-1 степенью свободы. Поэтому в качестве точечной оценки для неизвестной вероятности возникновения событий 
разумно использовать частоты . Однако, тогда необходимо задать точность и надежность такой оценки.
При больших значениях m частота события aji стремится к нормальному закону. При этом должно выполняться условие: np>4 и nq>4, где 
- вероятность того, что событие не произойдет. Поскольку эти условия в нашем случае выполнены, и частота p* распределена по нормальному закону, то для него применимы следующие параметры:
- математическое ожидание для группы бизнес-процесса X11:
,
где xij – значение параметра случайной величины X11;
- среднеквадратичное отклонение для X11:
.
При этом должно выполняться условие: 
.
Для определения вероятности исходов вначале назначим доверительную вероятность 
, которая показывает степень возможности попадания доверительного интервала 
к искомой вероятности [15]. Для задачи прогнозирования параметров качества бизнес-процессов за период 
доверительную вероятность зададим равной 0,9 [ 7, 12].
Таким образом, задача прогнозирования параметров качества бизнес-процессов по возможности достижения заданных целей сводится к отысканию вероятности возникновения заданного события при известной случайной величине xij (0,3; 0,7; 1).
Так как величина 
распределена нормально, то 
, (а β = 0,9) откуда 
, тогда обозначив 
(число среднеквадратичных отклонений, которое нужно отложить вправо и влево от центра рассеивания для того, чтобы вероятность попадания в полученный участок равнялась заданной).
Определим значение доверительной вероятности через следующее соотношение:
,
Зная выражение для определения среднеквадратичного отклонения, а значение табулирующей функции берется из таблицы [15,18], можно приравнять обе части для доверительной вероятности. В результате получим:
.
В результате преобразований получим:
.
Анализируя полученную зависимость можно придти к следующим выводам:
- вероятность возникновения желаемого события в прогнозный период не может превысить значение доверительной вероятности;
- при значительном увеличении числа наблюдений m→∞ значения вероятности события и доверительной вероятностей совпадают;
- увеличение значения доверительной вероятности выше 0,9 нежелательно, т.к. увеличивается доверительный интервал и тем самым снижается точность прогноза.
Теперь рассчитаем значения вероятностей для прогноза состояния бизнес-процесса СМК в момент tk для трех вариантов (нежелательное состояние, нормальное, эталонное):
- нежелательный прогноз бизнес-процессов:
,
- нормальный прогноз бизнес-процессов:
,
- эталонный прогноз бизнес-процессов:
.
Затем по представленному алгоритму производится расчет прогноза для других значений бизнес-процессов ДРСП. По каждому из рассчитываемых параметров выбирается значение прогноза, имеющее наибольшую вероятность [10,15,86]. В результате по каждому из анализируемых бизнес-процессов СМК формируется последовательность его наиболее вероятных значений на момент tk..
2. Расчет степени влияния отдельных факторов и их групп на общую вероятность достижения СМК значений заданных целей.
Теперь необходимо установить силу влияния отдельных факторов функционирования бизнес-процессов функционирования СМК на возможность достижения заданных целей в области качества.
Для этого применим аппарат факторного анализа [11,12]. В качестве объекта исследования будет выступать функция достижения заданных целей функционирования СМК в ДРСП.
|
|
|
Функционирование бизнес - систем СМК определяет множество реализованных в ней элементарных процессов:
Ø
Пусть определено множество всех процессов, реализованных в системе: Xm= { Xm: m 
}, где M≥ 1 означает количество процессов в СМК, и для каждого процессаопределено множество его элементов: 
.Тогда получим семейство множеств: MH= { Mh: h 
}.
Динамической структурой СМК является множество: 
, где число H определяет степень ее сложности. Если Н = 1, то динамическая структура СМК минимальна, если Н=М, она максимальна. При этом, если элементы множества 
, реализуют f -ю функцию системы то они реализуют элементарные процессы этого же вида. При этом F — количество различных элементарных процессов, реализованных в СМК. Тогда структура 
будет являться функциональной для СМК. Если F = 1, то функциональная структура минимальна или, другими словами, максимальна концентрация функции в СМК. Если F=М, томаксимальна деконцентрация (специализация) функции в СМК.
Для обеспечения благоприятного прогноза по достижению СМК поставленных целей необходимо выполнить следующее условие:
.
В функциональном плане возможности достижения целей СМК выделим крайние комбинации вариантов [64,66,67], когда изменения во времени вызывают функциональную интеграцию в СМК (цели достигнуты) или функциональную дезинтеграцию (цели недостигнуты). Процесс достижения целей реален, если для 
для 
; и процесс достижения целей нереален, если для 
для .
Адаптивной структурой СМК является зависимость вида: 
(где: X — множество входов (факторов достижения целей; Т — период прогноза СМК 
где 
— эффекты достижения целей СМК в моменты времени 
). Также адаптивную СМК можно описать следующими качественными характеристиками: если 
, то адаптация проходит под влиянием окружающей среды; если 
, то в адаптация самостоятельная; если 
, то адаптация происходит под влиянием окружающей среды и саморазвития [7,17].
Анализируя эффекты, полученные СМК в результате адаптации, выделяем следующие случаи: если 
, то адаптация СМК отсутствует (эффект достигнутых целей крайне низок); при 
адаптация дает положительные эффекты — высокий уровень достигнутых целей; когда 
, адаптация дает общее снижение эффективности – цели не достигнуты.
|
|
|
В адаптивной СМК отсутствуют бизнес-процессы как взрывчатого вида, т.е. возможен такой момент времени 
, при котором 
, так и катастрофического вила, когда 
.
Прогнозом достижения СМК заявленных целей в области качества назовем вероятность события, при котором в момент tk СМК даст эффекты величиной 
, т.е. 
.
В результате исследования влияния отдельных факторов на показатель результативности СМК: - для организационно-технических мероприятий - четко просматривается прямая корреляция между x и ν. В этом случае при осуществлении контроля за фактором x можно линейно управлять значением параметра качества ν.
- для инженерно-технологических мероприятий – легкая криволинейная корреляция между x и ν. В этом случае при осуществлении контроля за фактором x становится труднее управлять значением параметра качества ν - необходим большой комплекс мероприятий.
- не установлено прямой корреляционной связи между экономическими бизнес-процессами и функцией эффективности СМК.
Далее проводятся следующие мероприятия: составлена матрица исходных данных для факторов, имеющих прямые и легкие корреляции. При этом необходимо учесть, что организационно-технические факторы имеют с экономическими показателями корреляционную связь [10,35] гиперболической формы (уровень освоенности работ, программы работ и др.).
Матрица парных корреляций для
факторов функции качества СМК
| Бизнес-процессы |
| X1 | X2 | X3 | X4 |
| Организационно-технические
| X1 | 1
| 0,068
| 0,057
|
|
| Финансово-экономические | X2 | 0,068
| 1
| 0,019
|
|
| Управленческие | X3 | 0,057
| 0,019
| 1
|
|
| Социально-мотивационные | X4 |
|
|
| 1
|
Теперь составим уравнение регрессии для прогноза достижения целей СМК. Для чего включим в исходный вариант уравнения все рассмотренные выше факторы: 
, тогда основным условием по наивероятнейшему варианту значений функции прогноза выступает правило наименьших квадратов:
,
т.е. требуемая функция прогноза является наиболее вероятной тогда и только тогда, когда сумма квадратов отклонений наблюденных значений в период была минимальна.
Далее необходимо определить параметры коэффициентов a,b,c,d для функции эффекта прогноза, т.е. требуется выбрать такие значения a,b,c,d , чтобы выполнялось условие: 
.
Для этого продифференцируем левую часть предыдущего выражения по искомым коэффициентам и приравняем производные к нулю:
.
Так как величины функций прогноза непрерывны, то используются соответствующие элементы вероятностей, т.е. частные производные.
Система уравнений содержит столько же уравнений, сколько и неизвестных, поэтому решить ее в общем виде невозможно – необходимо задаться конкретным видом функции 
. Необходимо задаться конкретным видом функции прогноза.
В результате решения системы уравнений получено следующая зависимость для уравнения регрессии по прогнозу достижения СМК заданных целей:
,
где X1, X2, X3, X4 – факторы, определяемые на основе статистических наблюдений (организационно-технические, инженерно-технические, экономические и социально-психологические).
Коэффициент множественной корреляции оставляет 0,95. Ошибка аппроксимации составляет 11,5%, Коэффициенты эластичности составляют 0,967; 0,817; 1,525; 0,065. таким образом, с повышением коэффициента множественной корреляции улучшаются другие параметры модели, хотя между коэффициентом множественной корреляции и ошибкой аппроксимации не обнаружена устойчивая связь.
Далее, по найденной зависимости для периода 
строим прогностическую, для периода 
,используя метод интерполяции.
Таким образом, исследуя отдельные варианты работы адаптивной СМК (изменяя количество процессов и функций в системе), можно с высокой степенью достоверности установить, какими будут состояния ДРСП по целевым показателям качества в определенные моменты времени. Тем самым можно предвидеть, наступят ли нежелательные с точки зрения ЛПР события, что даст возможность менеджеру соответствующего звена управления оперативно вмешаться в ход событий.
Основным достоинством представленной модели прогнозирование является возможность проведения операций в два этапа: на первом этапе производится прогноз состояния каждого бизнес-процесса общей схемы СМК; на втором – прогноз развития всей СМК по достижению поставленных целей на основе данных прогноза каждой бизнес - схемой
ЗАКЛЮЧЕНИЕ
Квалиметрическая оценка качества изделий есть только основа и начальная стадия сложного процесса управления качеством объектов. Без знаний об уровне свойств и качеств рассматриваемых объектов нет научно обоснованного принятия необходимого управляющего решения и последующего осуществления соответствующего превентивного (упреждающего) или корректирующего воздействия на объект с целью изменения его качества минимальными затратами.
Обостряющаяся конкуренция товаропроизводителей, зарождение и все более широкое распространение потребительского движения в развитых странах привели к возвышению роли качества продукции и услуг для определения рейтинга страны в мировой иерархии. Страны, в которых качество продукции и услуг высокое, являются развитыми и богатыми, с эффективной рыночной экономикой и высоким уровнем качества жизни. Для обеспечения качества необходимо прежде всего научиться измерять его.
Квалиметрия – научная область, объединяющая методы количественной оценки качества различных объектов. История зарождения и развития квалиметрии насчитывает не один десяток лет, причем ее развитие началось задолго до того, как она получила свое название. Основная задача квалиметрии – определение номенклатуры показателей и разработка методик определения оценочных параметров качества.
Бесспорно, что точные методы оценки качества необходимы для решения множества проблем, в том числе управления качеством обеспечения конкурентоспособности выпускаемых изделий па внутреннем и внешнем рынках; эффективного развития торговли и т. д.
Однако в нашей стране и других странах до настоящего времени отсутствуют общепринятые методы оценки и контроля качества; в каждой стране эта проблема решается по-своему.
Дальнейшее развитие квалиметрии должно идти по направлению совершенствования теоретической базы (концепции, методологии и терминологии в области качества), а также разработки более точных методов оценки качества. Уровень и запас конкурентоспособности количественно характеризуют степень соответствия продукции или услуги требованиям потребителей. Очевидно, что эти показатели зависят в основном от уровня качества и, в меньшей мере, от цены приобретаемого или уже потребляемого, используемого, эксплуатируемого продукта. Вопросы оценки и управления конкурентоспособностью рассматриваются в экономических и управленческих учебных дисциплинах. При этом вновь количественные оценки качеств принимаются исходными и основополагающими.
Из вышеперечисленного следует, что квалиметрия как относительно новая и фундаментальная наука является актуальной и базисной для других сопряженных наук, направленных на решение проблем управления качеством, а также все еще нуждается в развитии и использовании при принятии управленческих решений в отношении качества чего-либо.
В данном учебном пособии были рассмотрены теоретические основы квалиметрии и ее методы, имеющие всеобщий, общенаучный, межотраслевой характер, а также вопросы специальной квалиметрии промышленной продукции, радиоэлектроники и строительного комплекса с практическими примерамив специализированных средах моделирования.
