Информационное обеспечение туризма: креативное управление - [45]
Если на рисунке отложить линию экономического эффекта от эксплуатации ИСТ, то картина оптимизации параметров будет более полной. В определённых случаях улучшение параметра (показателя) может и не совпадать с требованием оптимизации суммарных затрат на весь жизненный цикл ИСТ. Если принимать иллюстративно рассматриваемое здесь условие оптимальности за принцип, то улучшение показателя может стремиться лишь до границ оптимального состояния. Тогда процесс развития теории и практики КУИОТ может зайти в тупик. Следует учитывать, что оценка ИСТ категория многокритериальная. Улучшение ИСТ не может измеряться только экономическими показателями. Комплексное и непрерывное улучшение ИСТ способствует повышению престижа турфирмы, улучшает психологический климат, что иногда трудно или невозможно измерить только стоимостными категориями.
Корректность решения задачи ИСТ в плоскости оптимизации, на наш взгляд, требует выверенного подхода. Признавая полезность оптимизации ресурсов, например, относительно времени работы аппаратных средств и других задач следует отметить следующее. Необходимость оптимизации как принципа УИОТ в аспекте управления социальными объектами представляется на данном этапе сомнительной. Это касается, прежде всего, таких ИСТ, функционирование которых непосредственным образом связано с жизнедеятельностью и безопасностью туристов. Более того, эффективность многомерных организационно-экономических систем в пространстве критериев обусловливает практическую невозможность строгого решения задач оптимизации ИСТ определённого класса.
В решении задачи оценки ИОТ принципиальное значение имеет определение системы показателей оценки. В квалиметрии уровень ИСТ в значительной мере определяется статистикой дефектов ИСТ и её компонентов. Анализ структуры дефектов может обеспечить выделение основных показателей, их весомость, факторы, влияющие на ИСТ и др. На аксиоматическом уровне гипотетически предположим, что статистическая структура дефектов будет неоднородной. Это затруднит последующее уточнение природы дефектов, их типизацию, определение состава и значений показателей. В методологическом отношении неоднородность какой-либо совокупности можно устранить путём классификации [19]. В решении задач классификации применяются, например, такие способы – монотетический, политетический, кластер-анализ.
Первые два способа относятся к группировке соответственно по одному и нескольким признакам классифицируемых объектов. Чаще всего группировка выполняется по произвольным признакам, и она не всегда свободна от субъективности исследователя. Монотетическая классификация выполняется сравнительно небольшими трудозатратами. Политетическая классификация проводится по нескольким признакам и в логическом отношении более адекватна. Однако иногда политетическая классификация по большому объёму признаков в определённых случаях становится неразрешимой, как в содержательном, так и в ресурсном отношениях [45, 60].
Способы кластерного анализа основаны на более строгой количественной оценке признаков классифицируемых объектов и в этом плане являются более предпочтительными относительно первых двух способов. Средства кластер-анализа разделяются на два класса – агломеративные и дивизивные. Агломеративная классификация результируется произвольным количеством кластеров. В дивизивной классификации разбиение может происходить на заданное исследователем количество кластеров. Кластеризация может быть выполнена по сравнительно большому объёму классифицируемых объектов и оснований деления, то есть критериев разбиения.
В нашем случае наиболее целесообразным представляется классификация дефектов по двум признакам – времени и стоимости обнаружения и исправления дефектов или по одному из них. Поскольку объём выборки дефектов может быть довольно значительным, а обработка дефектов трудоёмкой, то классификация посредством кластерного анализа в данной задаче представляется более адекватной. При условии обширной выборки дефектов выполнение кластерного анализа встаёт необходимость реализации кластер-анализа с применением ЭВМ и соответствующих программ [17].
Поскольку статистическая структура дефектов в нашем случае является неоднородной и априори нам неизвестно, какие группы (классы) дефектов могут проявиться, то автоматическую классификацию дефектов целесообразно выполнить по агломеративной иерархической схеме. По результатам кластеризации полученные классы дефектов могут обеспечить определение соответствующих видов показателей. Затем классы дефектов могут быть подвергнуты статистической обработке на ЭВМ с целью получения значений единичных и групповых фактических показателей. Такими значениями могут быть, например, вероятность дефекта достоверности, среднее выборочное дефекта достоверности по времени и стоимости обнаружения и исправления, взятые по отдельным этапам и по ИСТ в целом.
