СТАТЬЯ
11.03.02

Информационные технологии в управлении качеством процессов

 © С.А.Калихман , д.т.н.,
Чувашский госуниверситет

Международный стандарт ISO 9000:2000 определил процесс как «Совокупность взаимодействующих видов деятельности, преобразующих входы в выходы, для которых определены цели, критерии эффективности и «хозяин» процесса (лицо ответственное за эффективность)». Там же указаны основные процессы, эффективность выполнения которых определяет результат деятельности любого предприятия:

    1. Процессы, связанные с потребителем: определение и анализ требований к продукции, конъюнктуры рынка, договорная деятельность.
    2. Процесс проектирования и разработки: определение входных и выходных данных, анализ, проверка и утверждение, управление изменениями проекта.
    3. Процесс закупок: оценка и выбор поставщика, заключение и контроль договоров, транспортировка, складирование, входной контроль, распределение.
    4. Управление персоналом: компетентность, осведомлённость, обучение.
    5. Управление оборудованием для реализации процессов: применение соответствующего оборудования, мониторинг состояния, ремонт по техническому состоянию.
    6. Процесс производства продукции: планирование производства, оборудование, персонал, технологический регламент, мониторинг и измерения в процессе производства.
    7. Оценка удовлетворённости потребителей.
    8. Ответственность руководства: определение Политики и целей организации в области качества, анализ и постоянное повышение эффективности системы качества, информирование персонала о результативности деятельности предприятия.

В рамках каждого процесса, реализуется стандартный управленческий цикл [1], начинающийся с операции «прогнозирование» и заканчивающийся – «корректирующими действиями». Таким образом, управление предприятием на основе стандартов ISO 9000:2000 строится как интеллектуальная система управления, характеризующаяся мотивированным выбором цели, не сводящимся к выбору одной или нескольких, априори предусмотренных и хорошо формализованных целей, наличием верхнего – организационного (целеполагание), среднего – координационного (выбор способа достижения поставленной цели) и нижнего – исполнительского уровней управления (реализация способа). Эта системадолжна реализовать процессный подход, то есть рассматривать деятельности предприятия как совокупности взаимосвязанных процессов. Данная задача может быть успешно решена за счёт широкого использования информационных технологий, позволяющих обрабатывать массивы данных, характеризующих всё множество входных и выходных векторов каждого процесса и их совокупности. В свою очередь, сами системы управления прошли путь от информационных систем, позволяющих оперативно собирать информацию об основных характеристиках процессов, и трансформировались в аналитические системы, построенные в соответствии с иерархией аналитических операций [2]. Основу управления качеством процессов в режиме реального времени составляют различные разновидности операции Интерпретация, позволяющие решить весь спектр задач для любого из элементов множества {вектора входных величин, вектора выходных величин, характеристика процесса (системы)} при известных двух других.

Все разновидности операции Интерпретация реализуются на основе базы данных, поддерживаемой информационной системой. Так операция Идентификация позволяетвыяснить (идентифицировать) вид и параметры модели, характеризующей процесс, используя в качестве объекта анализа пары векторов «вход-выход». Операция Предсказание (прогноз)предоставляет информацию об ожидаемых выходных сигналах (реакции системы) при известных входных. Операция Управление позволяет при известных характеристиках системы определить требуемый вектор входных величин (либо управляющих воздействий) для получения желаемой реакции системы (вектор выходных величин). Производя декомпозицию операции Идентификация, вводятся операции Мониторинг и Диагностика. Операция Мониторинг позволяет отслеживать отклонения в поведении системы, а Диагностика выявить причины отклонений.

Наиболее сложным этапом практического управления, а так же создания системы поддержки принимаемых решений является операция идентификации – построения математической модели процесса (рис. 1).

  

Рис. 1. Математическая модель процесса.
 — вектора входных (I), выходных (О) и управляющих (C) величин.

Отметим, что математическая модель должна быть построена не только для технологических, но и для всех определённых процессов системы качества. Далее, на основе полученной модели проводятся все остальные операции. Данный подход близок к методологии SADT [3], но отличается от неё использованием конкретных количественных характеристик процесса, детерминированных или стохастических. Перспективность стохастического подхода при анализе адаптационных возможностей предприятия в изменяющейся бизнес среде показана в [4].

Реализация количественного анализа процессов затруднена вследствие высокой погрешности, нерегулярности и запаздывания ряда параметров, характеризующих процесс и нелинейностью самой моделирующей системы. Поэтому представляется целесообразным для описания процессов использовать методологию экспертных систем [5]. В этом случае (рис. 2) на некотором интервале времени (выборка) анализируются характеристики процесса (вход – выход), строится количественная модель (обучение), модель тестируется и, если тестирование успешно, используется для, например, прогнозирования, а также коррекции модели с целью учёта тенденций развития процесса.

Рис. 2. Блок-схема процедуры создания модели процесса.

В противном случае берётся более состоятельная выборка, либо выбирается новый тип модели, определяются её количественные характеристики и цикл повторяется. Само «обучение» (рис. 3) может происходить при фиксированной модели и тогда «обучение» сводится к расчёту переходной матрицы, либо оно включает и выбор типа модели из базы правил (моделей).  

Рис. 3. Блок-схема процедуры «обучения» модели.

Данная процедура представляет собой процедуру логического вывода (рис. 4), использующую базу фактов и базу правил. При этом главными вопросами являются: на сколько представительна база фактов и на сколько адекватна база правил.

Рис. 4. Блок-схема процедуры логического вывода.

Для технологических процессов достаточно универсальными являются квазидинамические модели регрессии вида:

где  соответственно вектора откликов, факторов и их математических ожиданий, T — интервал наблюдений (выборки), tτ — время запаздывания значений i -го отклика относительно j-х факторов (отметим, что в роли фактора может использоваться комбинация входных величин), [B]  - матрица подлежащих определению коэффициентов регрессии, z  — вектор управляющих воздействий. В случае, когда в пределах допустимых значений величин факторов и откликов, процесс можно считать близким к линейному, используются динамические модели вида:

   

где kij  — импульсная переходная функция, которая для простейшей инерционной модели имеет вид   — постоянные, определяемые, например, методом наименьших квадратов, по результатам выборки.

Наличие модели процесса позволяет находить оперативные материальные и энергетических балансы, что даёт возможность анализировать эффективность использования ресурсов непосредственно в технологическом аппарате (процессе) и выявлять истинное состояние ресурсо-энергосбережения, а также судить об адекватности моделей технологических процессов.

При построении моделей процессов управления, например, договорной деятельностью или диагностики оборудования, важно в максимальной степени использовать знания опытных работников, что характерно для экспертных систем вида «если ... то». В этом случае система обучения (построения модели) должна включать следующие операции: 

    1. «Извлечение» знаний путём собеседования с персоналом и хозяином процесса.
    2. Создание правил (документирование процесса).
    3. Проверка правил на модельных ситуациях (тестирование).
    4. Обсуждение результатов совместно с персоналом и экспертом.
    5. Если проверка дала удовлетворительный результат – применять, если нет, возвращаемся к «извлечению» знаний.

Данный подход характерен и для систем управления с нечёткой логикой [6], основными задачами которых является сопоставление состояния процесса с условиями истинности продукционных правил и определение порядка (стратегии) использования правил. При этом возможны два типа формирования управления: либо правила задаются в явном виде (образуют базу знаний) и стратегия просмотра неизменна, либо явно заданных правил нет, а набор правил и порядок их применения определяются стратегией управления - нечётким маршрутом в сети от исходной к целевой ситуации. В последнем случае управление обладает большей гибкостью и устойчивостью, особенно в нештатных ситуациях.

Важной задачей принятия решений при управлении процессами (например, оценки и выбора поставщика, управление соответствием оборудования) является выбор вариантов по многим критериям. Известные методики многокритериального анализа, используемые в технических системах [1], предусматривают преобразование вектора частных критериев оценки эффективности системы в скалярный интегральный критерий. Однако данный подход плохо приспособлен к качественным критериям, которые оцениваются экспертными методами. В этом случае, теория нечётких множеств позволяет формализовать процесс многокритериального выбора вариантов решений, рассматривая интегральный критерий как нечёткую свёртку частных критериев (схема Беллмана–Заде [7]). Нечёткое множество D (интегральный критерий оценки варианта) определяется в виде пересечения нечётких множеств по каждому из критериев. С учётом того, что операции пересечения соответствует min, получим:

где  — уровень оценки варианта  по критерию  (степень принадлежности элемента  к нечёткому множеству , рост величины  означает увеличение оценки k-го варианта по l-му критерию;  — приведенный коэффициент относительной важности l-го критерия  чем более значим критерий, тем больше должно быть различие между вариантами (более концентрировано нечёткое множество). При равновесных критериях

В качестве примера применения данного подхода рассмотрим алгоритм процесса оценки и выбора поставщика. Воспользуемся следующими критериями (M=3): c1- технические характеристики продукта, с2 - цена поставки, с3 - надёжность в выполнении договорных обязательств. При экспертных оценках N потенциальных поставщиков (sk,) и ранжировании критериев (с1) воспользуемся девятибальной шкалой парных оценок [8]: 1 - если отсутствует преимущество варианта si над sj, критерия cp над cr; 3 - если имеется слабое преимущество; 5 - существенное преимущество; 7 - явное преимущество; 9 - абсолютное преимущество. Будем считать, что рассматриваются три потенциальных поставщика (N=3, s1, s2, s3) при сравнении которых по выбранным критериям были получены лингвистические высказывания и их оценки, приведенные в таблице.

   Таблица

Критерий

Парные сравнения

Оценка

С1

Отсутствие преимущества s1 над s2

Существенное преимущество s3 над s1

1

5

С2

Слабое преимущество s1 над s3

Отсутствие преимущества s2 над s3

3

1

C3

Существенное преимущество s1 над s2

Явное преимущество s1 над s3

5

7

Ранги выбранных критериев определяются следующими лингвистическими выражениями: почти существенное преимущество с2 над с1; явное преимущество с3 над с1. После преобразований, аналогичных приведенным в [8], и при тех же допущениях о свойствах матрицы парных сравнений (диагональность, обратная симметрия, транзитивность), получим

   

Тогда приведенные значения коэффициентов относительной важности критериев будут: w01=1; w02=4,01; w03=7,03, что означает приоритетность надёжности выполнения договорных обязательств (критерий с3). Нечёткие множества  элементов  с учётом степени принадлежности элементов примут вид:

.

После проведения операции пересечения данных нечётких множеств получим

Следовательно, первый поставщик (s1) имеет абсолютное преимущество перед остальными потенциальными поставщиками. Данный вывод явился следствием высокого рейтинга критерия с3 - «надёжность выполнения договорных обязательств» по сравнению с рейтингами остальных критериев. Отметим, что без учёта значимости критериев отбора первый и второй поставщики (s1, s2) были равнозначны.

Таким образом, современное состояние информационных технологий позволяет построить количественные модели процессов и повысить эффективность управления предприятием в соответствии с требованиями стандартов ISO 9000:2000.

 

Литература

  1. Надёжность и эффективность в технике: Справочник: В 10 т./Ред. совет: В.С.Авдуевский (пред.) и др. – М.: Машиностроение. 1988.
  2. Clancey W.J. Heuristic classification. Artificial Intelligence, 27, p. 289-350.
  3. Марка Д.А., МакГоуэн К. Методология структурного анализа и проектирования (SADT).: Пер. с англ. М.: Метатехнология, 1993.
  4. Калихман С.А., Хорькова Н.Б. Управление децентрализацией на предприятии.//Проблемы теории и практики управления №4, 2000, с. 114-119.
  5. Джексон П. Введение в экспертные системы. Пер. с англ. М.: Изд. дом «Вильямс», 2001.
  6. Васильев С.Н. От классических задач регулирования к интеллектному управлению. ΙΙ // Изв. РАН. ТиСУ. 2001. № 2. с. 5-21.
  7. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях//Вопросы анализа и процедуры принятия решений. М.: Мир, 1976.
  8. Rotshtain A.P. Modification of Saaty Method for the Construction jf Fuzzy Set Membership functions // Proc. of the Inter. Conf. «Fuzzy Logic and its Application», Zichron, Israel, 1997.

Дополнительную информацию Вы можете получить в компании Interface Ltd.

Обсудить на форуме
Отправить ссылку на страницу по e-mail


Interface Ltd.
Тel/Fax: +7(095) 105-0049 (многоканальный)
Отправить E-Mail
http://www.interface.ru
Ваши замечания и предложения отправляйте автору
По техническим вопросам обращайтесь к вебмастеру
Документ опубликован: 11.03.02