Оценка и оптимизация систем с гетерогенными данными с учетом показателей эффективности на основе интегрированного алгоритма

В исследовании представлен интегрированный алгоритм оценки и оптимизации систем с гетерогенными данными с учетом управленческих и организационных показателей эффективности. Предлагаемый алгоритм состоит из анализа охвата данных (АОД), нечеткого анализа данных (НАОД) и набора статистических методов для оценки правдоподобия полученных результатов. Разработан интегрированный алгоритм определения наиболее эффективных гетерогенных показателей эффективности, отличающийся способом выбора достоверных показателей, позволяющий сформулировать стратегии совершенствовании организационных систем. Для верификации выбран набор из 12 критериев, указывающих на применение интегрированного метода. Результаты показали, что результаты АОД имеют меньшую среднюю абсолютную процентную ошибку (MAPE), чем результаты нечеткого АОД. В исследовании также анализируются и взвешиваются показатели, и результаты продемонстрировали, что показатели «инвестиции в исследования и разработки в отношении стоимости производства» и «инвестиции в образование и переподготовку в расчете на одного сотрудника» являются наиболее эффективными. В исследовании представлен уникальный алгоритм учета гетерогенных управленческих и организационных факторов. Он может справиться с неопределенностью данных из-за наличия в алгоритме механизмов нечеткого вывода. Веса показателей определяются с помощью набора надежных статистических алгоритмов.

1. Wickramasinghe D., Wickramasinghe V. Differences in Organizational Factors by Lean Duration. Operations Management Research. 2011;4(3):111–126. https://doi.org/10.1007/s12063-011-0055-5

2. Ahilan C., Dhas J.E.R., Somasundaram K., Sivakumaran N. Performance Assessment of Heat Exchanger Using Intelligent Decision Making Tools. Applied Soft Computing. 2015;26:474–482. https://doi.org/10.1016/j.asoc.2014.10.018

3. Harris T.J., Seppala C.T., Desborough L.D. A Review of Performance Monitoring and Assessment Techniques for Univariate and Multivariate Control Systems. Journal of Process Control. 1999;9(1):1–17. https://doi.org/10.1016/S0959-1524(98)00031-6

4. Shaw A. A Guide to Performance Measurement and Non-Financial Indicators. Surrey: The Foundation for Performance Measurement; 1999.

5. Hitchens D.M.W.N., Birnie J.E., Wagner K. A Matched Plant Comparison of Productivity in East and West Germany: Transition to the Market Economy. Omega. 1996;24(3):321–335. https://doi.org/10.1016/0305-0483(95)00062-3

6. Hitomi K. Efficiency Analysis of Japan's Industry and Manufacturing. Technovation. 2004;24(9):741–748. https://doi.org/10.1016/S0166-4972(02)00151-7

7. Hong H.K., Ha S.H., Shin Ch.K., Park S.Ch., Kim S.H. Evaluating the Efficiency of System Integration Projects Using Data Envelopment Analysis (DEA) and Machine Learning. Expert Systems with Applications. 1999;16:283–296.

8. Toloo M. An Epsilon-Free Approach for Finding the Most Efficient Unit in DEA. Applied Mathematical Modelling. 2014;38(13):3182–3192. https://doi.org/10.1016/j.apm.2013.11.028

9. Al-Refaie A. A Proposed Satisfaction Function Model to Optimize Process Performance with Multiple Quality Responses in the Taguchi Method. Journal of Engineering Manufacture. 2013;228(2):291–301. https://doi.org/10.1177/0954405413498583

10. Hatami-Marbini A., Saati S. Stability of RTS of Efficient DMUs in DEA with Fuzzy u0 Under Fuzzy Data. Applied Mathematical Sciences. 2009;3(44):2157–2166.

11. Hax A.C., Majluf N.S. The Strategy Concept and Process: A Pragmatic Approach. London: Prentice-Hall International; 1996. 440 p.

12. Azadeh A., Moghaddam M., Asadzadeh S.M., Negahban A. An Integrated Fuzzy Simulation-Fuzzy Data Envelopment Analysis Algorithm for Job-Shop Layout Optimization: The Case of Injection Process with Ambiguous Data. European Journal of Operational Research. 2011;214(3):768–779. https://doi.org/10.1016/j.ejor.2011.05.015