Экспертное оценивание многофакторных рисков в технологическом предвидении

The multiple-factor risk evaluation in the technology foresight of prospects of the evolution of complex innovation systems is proposed. The risk of unpredictable situations and the force majeure risk are analyzed with the help of the modified BOCR AHP methodology. A system of indices for informatio...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2007
Hauptverfasser:	Панкратова, Н.Д., Недашковская, Н.И.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Видавничий дім "Академперіодика" НАН України 2007
Schlagworte:	Інформатика та кібернетика
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/3259
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Экспертное оценивание многофакторных рисков в технологическом предвидении / Н.Д. Панкратова, Н.И. Недашковская // Доп. НАН України. — 2007. — № 11. — С. 48-53. — Бібліогр.: 10 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-3259
record_format	dspace
spelling	irk-123456789-32592009-07-07T12:02:27Z Экспертное оценивание многофакторных рисков в технологическом предвидении Панкратова, Н.Д. Недашковская, Н.И. Інформатика та кібернетика The multiple-factor risk evaluation in the technology foresight of prospects of the evolution of complex innovation systems is proposed. The risk of unpredictable situations and the force majeure risk are analyzed with the help of the modified BOCR AHP methodology. A system of indices for information risk evaluation on different information levels, such as point, interval and fuzzy expert estimates taking into account the probability distribution of expert information is developed. 2007 Article Экспертное оценивание многофакторных рисков в технологическом предвидении / Н.Д. Панкратова, Н.И. Недашковская // Доп. НАН України. — 2007. — № 11. — С. 48-53. — Бібліогр.: 10 назв. — рос. 1025-6415 http://dspace.nbuv.gov.ua/handle/123456789/3259 007.52,519.816 ru Видавничий дім "Академперіодика" НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Інформатика та кібернетика Інформатика та кібернетика
spellingShingle	Інформатика та кібернетика Інформатика та кібернетика Панкратова, Н.Д. Недашковская, Н.И. Экспертное оценивание многофакторных рисков в технологическом предвидении
description	The multiple-factor risk evaluation in the technology foresight of prospects of the evolution of complex innovation systems is proposed. The risk of unpredictable situations and the force majeure risk are analyzed with the help of the modified BOCR AHP methodology. A system of indices for information risk evaluation on different information levels, such as point, interval and fuzzy expert estimates taking into account the probability distribution of expert information is developed.
format	Article
author	Панкратова, Н.Д. Недашковская, Н.И.
author_facet	Панкратова, Н.Д. Недашковская, Н.И.
author_sort	Панкратова, Н.Д.
title	Экспертное оценивание многофакторных рисков в технологическом предвидении
title_short	Экспертное оценивание многофакторных рисков в технологическом предвидении
title_full	Экспертное оценивание многофакторных рисков в технологическом предвидении
title_fullStr	Экспертное оценивание многофакторных рисков в технологическом предвидении
title_full_unstemmed	Экспертное оценивание многофакторных рисков в технологическом предвидении
title_sort	экспертное оценивание многофакторных рисков в технологическом предвидении
publisher	Видавничий дім "Академперіодика" НАН України
publishDate	2007
topic_facet	Інформатика та кібернетика
url	http://dspace.nbuv.gov.ua/handle/123456789/3259
citation_txt	Экспертное оценивание многофакторных рисков в технологическом предвидении / Н.Д. Панкратова, Н.И. Недашковская // Доп. НАН України. — 2007. — № 11. — С. 48-53. — Бібліогр.: 10 назв. — рос.
work_keys_str_mv	AT pankratovand ékspertnoeocenivaniemnogofaktornyhriskovvtehnologičeskompredvidenii AT nedaškovskaâni ékspertnoeocenivaniemnogofaktornyhriskovvtehnologičeskompredvidenii
first_indexed	2025-07-02T06:35:12Z
last_indexed	2025-07-02T06:35:12Z
_version_	1836515970457272320
fulltext	УДК 007.52,519.816 © 2007 Н.Д. Панкратова, Н.И. Недашковская Экспертное оценивание многофакторных рисков в технологическом предвидении (Представлено академиком НАН Украины М.З. Згуровским) The multiple-factor risk evaluation in the technology foresight of prospects of the evolution of complex innovation systems is proposed. The risk of unpredictable situations and the force majeure risk are analyzed with the help of the modified BOCR AHP methodology. A system of indices for information risk evaluation on different information levels, such as point, interval and fuzzy expert estimates taking into account the probability distribution of expert information is developed. Для современных сложных систем очень важны проблемы технологического предвидения новых направлений и тенденций глобализации инновационного производства в условиях неопределенности и рисков [1–5]. Предлагается методология оценивания многофакторных рисков в процессе технологи- ческого предвидения перспектив развития сложных инновационных систем. Исследуются группы факторов риска: непрогнозируемых ситуаций, форс-мажорного и риска субъектив- ности экспертной информации (информационный риск). Первые две группы факторов рис- ка предлагается анализировать с использованием модифицированной методики BOCR для метода анализа иерархий (МАИ) [6–8]. Эта методика позволяет решать задачи распозна- вания, классификации и ранжирования факторов ситуционного и форс-мажорного риска. Обосновывается целесообразность использования МАИ для оценивания информационного риска. Разрабатывается система показателей оценивания информационного риска на раз- ных уровнях информированности лица, принимающего решение, при известных точечных, интервальных и нечетких экспертных оценках с учетом известного закона распределения экспертной информации. Модификация методики BOCR для оценивания возможностей, рисков и при- нятия решений. Известен T± как временной ресурс заданного или прогнозируемого пе- риода для принятия решения. Наблюдение процесса принятия решения во времени с по- мощью МАИ состоит в необходимости пересмотра иерархических структур относительно доходов, затрат, возможностей и рисков на протяжении установленного временного ресур- са T±. Пусть G = {g} — главная цель исследования и принятия решения; Aτ = {Aτ i \| i ∈ ∈ [1;N τ a ]} — множество альтернативных вариантов решений в момент времени Tτ ∈ T±; F τ = {F τ j \| j ∈ [1;N τ f ]} — множество факторов, влияющих на главную цель исследования в момент времени Tτ ∈ T±. Проведем классификацию факторов F τ на четыре группы: F τ B — факторы доходов, ко- торые будут получены в результате принятия решения, F τ B = {F τ Bj \| j ∈ [1;N τ B ]}; F τ C — фак- торы затрат, которые будут осуществлены в результате принятия решения, F τ C = {F τ Cj \| j ∈ ∈ [1;N τ C ]}; F τ O — факторы неопределенных возможных доходов, которые будут получены в результате принятия решения, F τ O = {F τ Oj \| j ∈ [1;N τ O]}; F τ R — факторы ситуацион- ных и форс-мажорных рисков, которые влияют на процесс и результат принятия решения, 48 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2007, №11 F τ R = {F τ Rj \| j ∈ [1;N τ R]}. Построим четыре иерархии: доходов (Hτ B), затрат (Hτ C), возмож- ностей (Hτ O) и рисков (Hτ R). Первые уровни этих иерархий создают соответственно факторы F τ B , F τ C , F τ O, F τ R рассматриваемых качеств. Признаки, которыми характеризуются факторы, образуют следующие уровни соответствующих иерархий. Количество pτ R уровней в иерар- хии рисков, а N τ Rk — количество элементов k-го уровня иерархии рисков, Rk ∈ [1; pτ R]; pB, pτ C , и pτ O — количество уровней соответственно в иерархиях доходов, затрат и возможностей; NBk , NCk , NOk — количество элементов k-го уровня иерархий доходов, затрат и возможно- стей, Bk ∈ [1; pτ B ], Ck ∈ [1; pτ C ], Ok ∈ [1; pτ O] аналогично. wτ Rk = {wτ Rkj \| j ∈ [1;N τ Rk ]} — вектор весов элементов k-го уровня иерархии рисков в момент времени Tτ ∈ T±, wτ Bk = {wτ Bkj \| j ∈ ∈ [1;N τ Bk ]}, wτ Ck = {wτ Ckj \| j ∈ [1;N τ Ck ]}, wτ Ok = {wτ Okj \| j ∈ [1;N τ Ok ]} — векторы весов элементов k-го уровня соответственно иерархий доходов, затрат и возможностей в момент времени Tτ ∈ T±. Векторы весов wτ Bk , wτ Ck , wτ Ok , wτ Rk являются нечеткими и рассчитываются с помощью рассматриваемой ниже методологии обработки нечеткой экспертной информа- ции на базе МАИ. Исходя из введенных обозначений, wτ RpR = {wτ RpR j \| j ∈ [1;N τ Rp ]} является вектором весов элементов последнего уровня иерархии рисков; аналогично wτ BpB = {wτ BpBj \| j ∈ ∈ [1;N τ Bp ]}, wτ CpC = {wτ CpC j \| j ∈ [1;N τ Cp ]} и wτ OpO = {wτ OpOj \| j ∈ [1;N τ Op ]} являются векторами весов элементов последних уровней иерархий доходов, затрат и возможностей. Альтернативные варианты решений будем оценивать не по всем элементам последних уровней иерархий Hτ B, Hτ C , Hτ O, Hτ R, а по их контрольным признакам. Для нахождения контрольных признаков следует установить порог значимости относительного веса: если вес элемента последнего уровня иерархии превышает установленный порог, то этот эле- мент является контрольным признаком. Контрольные признаки иерархии рисков в момент времени Tτ ∈ T± eτ R = {eτ Rj \| j ∈ [1;Nконтрτ R ]}. Аналогично, eτ B = {eτ Bj \| j ∈ [1;Nконтрτ B ]}, eτ C = {eτ Cj \| j ∈ [1;Nконтрτ C ]}, eτ O = {eτ Oj \| j ∈ [1;Nконтрτ O ]} — контрольные признаки иерархий доходов, затрат и возможностей. Построим Nконтрτ = Nконтрτ B + Nконтрτ C + Nконтрτ O + Nконтрτ R иерархий, вершинами кото- рых являются контрольные признаки доходов, затрат, возможностей и рисков. Последние уровни этих иерархий формируют альтернативные варианты решений. Другие уровни со- держат акторов (заинтересованных в принятии или непринятии решения лиц), их цели, подцели, планы, и т. п. Нечеткие относительные веса альтернатив по контрольным признаками рисков в мо- мент времени Tτ ∈ T± обозначим wальтτ R = {wальт контрτ Ri \| i ∈ [1;N τ a ]}, wальт контрτ Ri = = {wальт контрτ RijR \| jR ∈ [1;Nконтрτ R ]}. Аналогично, wальтτ B = {wальт контрτ Bi \| i ∈ [1;N τ a ]}, wальтτ C = {wальт контрτ Ci \| i ∈ [1;N τ a ]} и wальтτ O = {wальт контрτ Oi \| i ∈ [1;N τ a ]} — нечеткие отно- сительные веса альтернатив по контрольным признаками доходов, затрат и возможностей. Для нахождения нечетких весов wальт контрτ BijB , wальт контрτ CijC , wальт контрτ OijO , wальт контрτ RijR (локаль- ных весов), i ∈ [1;N τ a ], jB ∈ [1;Nконтрτ B ], jC ∈ [1;Nконтрτ C ], jO ∈ [1;Nконтрτ O ], jR ∈ [1;Nконтрτ R ] предлагается использовать разработанную авторами методологию обработки нечеткой экс- пертной информации на базе МАИ. Зная локальные веса альтернатив относительно каждо- го контрольного признака, можно рассчитать веса wальтτ B , wальтτ C , wальтτ O , wальтτ R альтернатив относительно качеств доходов, затрат, возможностей и рисков. Теперь необходимо оценить важность самих качеств в данной конкретной задаче приня- тия решений. Для этого формируется иерархия так называемых стратегических факторов, которые будут использоваться для определения нечетких весов качеств. Веса качеств в мо- ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2007, №11 49 мент времени Tτ ∈ T± будем обозначать wτ B , wτ C , wτ O, wτ R. При известных нечетких весах wальтτ B , wальтτ C , wальтτ O , wальтτ R альтернатив относительно каждого качества и нечетких весах wτ B, wτ C , wτ O, wτ R самих качеств вычисляются нечеткие глобальные веса альтернатив отно- сительно главной цели принятия решения. Глобальные веса альтернатив будем обозначать wальтτ = {wальтτ i \| i ∈ [1;N τ a ]}. Поскольку глобальные веса являются нечеткими, то для определения порядка на мно- жестве альтернатив необходимо использовать метод ранжирования нечетких весов. Предло- женный для этого метод основан на определении подмножеств недоминируемых нечетких весов и включает оценивание степени доверия к полученному ранжированию. Методология обработки нечеткой экспертной информации. Определение 1. Нечеткой матрицей парных сравнений (НМПС) назовем матрицу пар- ных сравнений (МПС) Aнеч = {(aнеч ij ) \| i = 1, n, j = 1, n}, для которой aнеч ij = (x, µij(x)) является нормальным нечетким множеством (нечетким числом) и отображает результат парного сравнения объектов Oi и Oj, x ∈ R, где R — множество действительных чисел. Значение функции принадлежности µij(x) нечеткого множества aнеч ij является степенью выполнения предпочтения Oi≻Oj, причем результат сравнения объекта Oi с самим собой равен единице, т. е. aii = 1. Задача. Известна НМПС Aнеч, сформированная по оценкам экспертов. Требуется определить: меру согласованности экспертной информации, представленной в НМПС Aнеч; вектор нечетких весов wнеч = {(wнеч i ) \| i = 1, n}, который отображает предпочтения, записанные в НМПС Aнеч; координата wнеч i этого вектора является нормальным нечетким множеством; порядок ранжирования нечетких множеств wнеч i ; степень доверия к полученному ранжированию. Общий подход к решению поставленной задачи заключается в использовании декомпо- зиционного представления нечеткого числа, которое позволяет перейти к работе с множест- вом интервалов. Рассмотрим интервальные матрицы парных сравнений (ИМПС) A = {(aij) \| aij = [lij, uij ], i = 1, n, j = 1, n}, где lij = mij − x1ij ; uij = mij + x2ij ; mij — наиболее вероятное значение интервала; x1ij , x2ij — отклонения от mij , x1ij > 0, x2ij > 0, которые показывают степень неопределенности, связанную с приближенным равенством mij ≈ wi/wj . Определение 2. ИМПС A называется согласованной, если допустимая область W = { w = (w1, . . . , wn) ∣ ∣ ∣ ∣ ∣ lij 6 wi wj 6 uij , wi > 0, wj > 0, i = 1, n, j = 1, n, n ∑ k=1 wk = 1 } является непустой [9]. Если ИМПС A является несогласованной, то не существует такого вектора весов, что- бы неравенство lij 6 wi/wj 6 uij выполнялось для ∀i = 1, n, j = 1, n. В этом случае предположим, что оцененные веса wi будут удовлетворять последнему неравенству нечет- ко, приближенно. Например, отношение весов wi/wj гарантировано попадает в некоторый расширенный интервал (1 − δ1ij)lij 6 wi wj 6 (1 + δ2ij)uij , ∀ i = 1, n, j = 1, n, (1) 50 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2007, №11 где 0 6 δ1ij < 1, 0 6 δ2ij < 1 — величины отклонений. И чем меньшими являются величины отклонений δ1ij , δ2ij , тем большей является степень согласованности ИМПС. Отметим особо, что для согласованной ИМПС величины всех отклонений равны нулю, т. е. δ1ij = δ2ij = 0 ∀i = 1, n, j = 1, n. Для нахождения наименьших значений отклонений, при которых выполняется нера- венство (1), предлагается следующая задача нелинейного программирования. Определить значение min δ(δ1, δ2) = n−1 ∑ i=1 n ∑ j=i+1 (δ1ij + δ2ij) (2) при ограничениях wi wj > lij(1 − δ1ij), i = 1, n − 1, j = i + 1, n, (3) wi wj 6 uij(1 + δ2ij), i = 1, n − 1, j = i + 1, n, (4) 0 6 δ1ij < 1, i = 1, n − 1, j = i + 1, n, (5) 0 6 δ2ij < 1, i = 1, n − 1, j = i + 1, n, (6) 0 < wi < 1, i = 1, n, (7) 0 < 1 n n ∑ i=1 wi 6 1. (8) Оптимальное значение δ∗ целевой функции δ(δ1ij , δ2ij) (2) можно рассматривать как меру согласованности ИМПС — чем большим является значение δ∗, тем более несогла- сованной является ИМПС. Поскольку целевая функция минимизирует сумму n(n − 1)/2 переменных, а именно, δ1ij + δ2ij для i < j, то можно определить индекс согласованности CI∗ как среднее значение δ1ij + δ2ij для элементов выше главной диагонали ИМПС: CI∗ = 2δ∗ n(n − 1) , где δ∗ — оптимальное значение целевой функции (2), полученное в результате решения задачи (2)–(8). Сформулируем следующую пару задач нелинейного программирования для нахождения интервального локального веса wh = [wl h, wu h], h = 1, n. Определить значения min /max wh (9) при ограничениях (3)–(8) и следующих условиях: wi − wj > 0 при dij > 1, i = 1, n, j = 1, n, (10) wi − wj > 0 при dik > djk, ∀k = 1, n и ∃q = 1, n : diq > djq, i = 1, n, j = 1, n, (11) n−1 ∑ i=1 n ∑ j=i+1 (δ1ij + δ2ij) = δ∗. (12) ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2007, №11 51 Здесь δ∗ в ограничении (12) характеризует оптимальное значение целевой функции (2). Ограничения (10) и (11) моделируют свойства слабого и сильного сохранение рангов ИМПС [9]. Для оценивания согласованности нечеткой экспертной информации предлагается но- вая мера согласованности — интервальный спектральный коэффициент согласованнос- ти; введены интегральные пороги применения и обнаружения для определения до- пустимого уровня несогласованности экспертной информации [10]. Предложен модифи- цированный метод мультипликативного синтеза для нахождения нечетких глобальных весов. Определение порядка ранжирования нечетких весов. Порядок ранжирования определяют значения ν(wнеч i , wнеч j ), νs(w неч i > wнечч j ), νe(w неч i ∼ wнеч j ) функций принад- лежности нечетких отношений нестрогого, строгого предпочтения и эквивалентности на множестве нечетких весов wнеч. Предлагается следующий метод ранжирования нечетких весов wнеч i , i = 1, n: 1) вес wнеч i строго преобладает над весом wнеч j (wнеч i > wнеч j ), если νs(w неч i > wнеч j ) > γs, где 0 < γs < 1 — установленное пороговое значение; 2) вес wнеч i эквивалентен весу wнеч j (wнеч i ∼ wнеч j ), если νe(w неч i ∼ wнеч j ) > γe, где 0 < γe < < 1 — установленное пороговое значение; 3) вес wнеч i нестрого преобладает над весом wнеч j (wнеч i > wнеч j ), если (wнеч i > wнеч j ) ∨ ∨ (wнеч i ∼ wнеч j ), т. е., если [vs(w неч i > wнеч j ) > γs] ∨ [ve(w неч i ∼ wнеч j ) > γe]. Метод ранжирования основан на формировании подмножеств недоминируемых нечет- ких весов. 1. Построим подмножество M1 недоминируемых нечетких весов wнеч j1 : M1 = {wнеч j1 \| ¬∃wнеч i : wнеч i > wнеч j1 , i 6= j1, w неч i , wнеч j1 ∈ wнеч}. Поставим в соответствие M1 подмножество индексов J1 = {j1 ∈ J \| wнеч j1 ∈ M1}, J = [1;n]. Тогда все объекты Oj1 , j1 ∈ J1, получают первый (наивысший) ранг. 2. Перейдем к рассмотрению множества нечетких весов wнеч \ M1, т. е. будем анализи- ровать веса, которые не попали в подмножество M1. Построим подмножество M2 недоминируемых нечетких весов wнеч j2 из множества wнеч \ M1, M2 = {wнеч j2 \| ¬∃wнеч i : wнеч i > wнеч j2 , i 6= j2, w неч i , wнеч j2 ∈ wнеч \ M1}. Поставим в соответствие M2 подмножество индексов J2 = {j2 ∈ J \| wнеч j2 ∈ M2}. Тогда объекты Oj2 , j2 ∈ J2, получают второй ранг. 3. Аналогично строятся остальные подмножества M3, . . . ,Mm и определяются группы объектов, которые получают третий и последующие ранги. Для нахождения степени доверия к полученному ранжированию будем использовать степени выполнений преобладаний одного нечеткого веса над другим и эквивалентности весов в данном ранжировании. Степень выполнения p(wнеч i > wнеч j ) нестрогого преобладания нечеткого веса wнеч i над нечетким весом wнеч j определим как p(wнеч i > wнеч j ) = ν(wнеч i , wнеч j ). Степень выполнения p(wнеч i > wнеч j ) строгого преобладания нечеткого веса wнеч i над нечетким весом wнеч j определим как p(wнеч i > wнеч j ) = νs(w неч i > wнеч j ). Степень выполнения p(wнеч i ∼ wнеч j ) эквивалентности нечетких весов wнеч i и wнеч j опре- делим как p(wнеч i ∼ wнеч j ) = νe(w неч i ∼ wнеч j ). Предлагаемые модификация методики BOCR и методология обработки нечеткой экспер- тной информации открывают возможности более точного оценивания и анализа проблем технологического предвидения в условиях многофакторных рисков. 52 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2007, №11 1. Згуровский М.З., Панкратова Н.Д. Системный анализ: проблемы, методология, приложения. – Киев: Наук. думка, 2005. – 743 с. 2. Згуровский М.З., Панкратова Н.Д. Технологическое предвидение. – Киев: Политехника. – 2005. – 165 с. 3. Згуровский М. З., Панкратова Н.Д. Информационная платформа сценарного анализа задач техно- логического предвидения // Кибернетика и системн. анализ. – 2003. – № 4. – С. 112–125. 4. Згуровский М. З., Панкратова Н.Д. Системная стратегия технологического предвидения в иннова- ционной деятельности // Системнi дослiдження та iнформац. технологiї. – 2003. – № 3. – С. 7–24. 5. Панкратова Н.Д., Недашкiвська Н. I. Комплексне оцiнювання чутливостi рiшення на основi методу аналiзу iєрархiй // Там само. – 2006. – № 3. – С. 7–25. 6. Saaty Thomas L. Theory of the analytic hierarchy process. P. 2.1 // Ibid. – 2003. – No 1. – P. 48–72. 7. Saaty Thomas L. Theory of the analytic hierarchy and analytic network processes-examples, Part 2.2 // Ibid. – 2003. – No 2. – P. 7–34. 8. Saaty Thomas L. The analytic network process, Examples, Part 2.3 // Ibid. – No 4. – P. 7–23. 9. Панкратова Н.Д., Недашковская Н.И. Методология обработки нечеткой экспертной информации в задачах предвидения. Ч. 1 // Пробл. управления и информатики. – 2007. – № 2. – С. 40–55. 10. Панкратова Н.Д., Недашковская Н.И. Методология обработки нечеткой экспертной информации в задачах предвидения. Ч. 2 // Там же. – 2007. – № 3. – С. 49–63. Поступило в редакцию 14.03.2007Институт прикладного системного анализа НТУ Украины “Киевский политехнический институт” ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2007, №11 53

Экспертное оценивание многофакторных рисков в технологическом предвидении

Institution

Ähnliche Einträge