На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

Реализация принципов эргономичности и интеллектуальности в системе СВИРЬ

Статья опубликована в выпуске журнала № 3 за 2002 год.
Аннотация:
Abstract:
Авторы: Микони С.В. (svm@sm4265.spb.edu) - Петербургский государственный университет путей сообщения, доктор технических наук, Бураков Д.П. (burakovdmitry8@gmail.com) - Петербургский государственный университет путей сообщения (доцент кафедры «Математика и моделирование»), г. Санкт-Петербург, Россия, кандидат технических наук, Сорокина М.И. () -
Ключевое слово:
Ключевое слово:
Количество просмотров: 11129
Версия для печати
Выпуск в формате PDF (1.16Мб)

Размер шрифта:       Шрифт:

Система СВИРЬ предназначена для выбора и ранжирования объектов любой предметной области (ПО). Формирование допустимого множества объектов, ранжирование всех объектов и поиск наилучших объектов из числа отобранных выполняется на основе многокритериальной оценки однородных объектов. Эта задача не относится к числу новых задач программирования. Программные системы подобного назначения разрабатывались с использованием различных технологий программирования, в том числе и в операционной системе MS Windows [1,2]. Особенностью рассматриваемой системы наряду с ее универсальностью является реализация принципов эргономичности и интеллектуальности.

Универсальность системы СВИРЬ обусловливается широким спектром реализованных в ней функций выбора и ранжирования. Они объединены в следующие группы методов многокритериальной оценки объектов.

1. Методы выбора [3]: нахождение недоминируемых объектов (метод Парето); нахождение допустимого множества; метод притязаний.

2. Методы ранжирования объектов [4]: метод приоритетов; метод суперкритерия без ограничений; метод балльной оценки; метод мягких притязаний.

3. Методы выбора и ранжирования объектов: метод условной оптимизации; метод Парето с оценкой; метод поиска допустимого множества с оценкой.

Универсальность системы СВИРЬ подтверждается и такими факторами, как высокая размерность и разнородность обрабатываемых данных. Проблема размерности большого числа признаков, используемых для оценки объектов, решается путем их представления в виде иерархической системы. Символьные признаки приводятся к численному виду, а на основе первичных вычисляются критерии оценки.

В качестве источников исходных данных, помимо непосредственного ввода в систему, предусмотрены пакет общего назначения MS Excel и фирменные базы данных. Для редактирования, оформления и вывода результатов оценки используются универсальные текстовый и табличный процессоры MS Word и MS Excel.

Система, обладающая указанными свойствами, характеризуется большим объемом исходных данных и результатов, а также большим набором используемых функций подготовки, обработки и оценки информации. Успех применения такого рода систем обусловливается свойствами эргономичности и интеллектуальности. Эргономичность системы обеспечивается полнотой и легкостью реализации функций подготовки, обработки данных и анализа результатов и рациональной организацией человеко-машинного интерфейса. Интеллектуальность системы реализуется, в первую очередь, с помощью средств автоматизации отдельных операций и обеспечения познавательных (когнитивных) свойств человеко-машинного интерфейса. Указанные свойства реализуются в системе с помощью стандартных средств и ресурсов MS Windows.

В настоящей статье делается акцент на рассмотрении операций подготовки, обработки и оценки информации, на интерфейсе системы и анализе получаемых результатов.

Построение модели ПО. Эта задача решается на начальном этапе многокритериальной оценки объектов. Для представления данных в системе СВИРЬ используется табличная модель ПО. В строках таблицы перечисляются оцениваемые объекты ПО, а в столбцах – характеризующие их признаки (атрибуты).

Учитывая высокую размерность реальных предметных областей, определяемых десятками признаков (атрибутов), модели ПО формируются в виде иерархии таблиц. Каждый признак верхнего уровня иерархии характеризуется совокупностью детализирующих его признаков. Основанием для объединения признаков yj и yk в одну группу является степень их семантической близости. Она должна превышать степень семантической близости понятий, относящихся к другим группам (таблицам).

Внутренняя база данных системы СВИРЬ организована в виде иерархии таблиц, содержащих первичные признаки (атрибуты) и критерии оценки объектов предметной области.

Таблицы ПО могут создаваться как средствами самой системы СВИРЬ, так и импортироваться из табличного процессора MS Excel или из фирменных баз данных. При создании таблиц в самой системе число объектов в каждой последующей таблице задается автоматически по числу объектов первой таблицы. При импорте таблиц из внешних источников необходимо следить за идентичностью состава объектов во всех таблицах ПО.

Для обобщенной оценки объектов строится дерево иерархии признаков, на его нижний ярус помещаются таблицы, включающие первичные признаки ПО, которые используются для формирования критериев оценки объектов. В иерархической системе оценки различают следующие виды критериев: первичные, локальные и глобальный. Первичные критерии формируются в таблицах нижнего уровня иерархии. Локальные критерии соответствуют именам всех таблиц, за исключением корневой. Ей ставится в соответствие глобальный критерий.

Дерево иерархии признаков может строиться либо снизу вверх, либо сверху вниз. При использовании технологии построения снизу вверх каждая таблица создается автономно. В системе предусмотрено перемещение признаков из одной таблицы в другую. Оно осуществляется при помощи технологии drag-and-drop [5]. Она же применяется для подчинения (переподчинения) одной таблицы другой в дереве иерархии. При этом имя подчиненной таблицы автоматически рассматривается как признак таблицы верхнего уровня.

При использовании технологии построения сверху вниз признак таблицы верхнего уровня детализируется через таблицу нижнего уровня. Режим создания таблицы нижнего уровня выбирается по правой кнопке мыши. В появляющемся окне задаются число и имена детализирующих признаков.

Для отображения дерева иерархии в левой части главного окна системы СВИРЬ используется стандартное средство Tree-View операционной системы MS Windows.

Подготовка исходных данных заключается в означивании всех первичных признаков в таблицах нижних уровней иерархии и в формировании критериев. Значения признаков могут быть введены с клавиатуры либо импортированы из MS Excel или из баз данных, поддерживаемых ODBC и BDE.

Импорт из MS Excel осуществляется в режиме обновления данных. При этом выполняется автоматический поиск одноименных признаков в таблицах иерархии, куда пересылаются данные из выделенных столбцов листа Excel.

Для осуществления взаимодействия системы СВИРЬ с программами пакета MS Office была использована технология компонентной модели объектов COM (Component Object Model) [6].

Импорт из баз данных осуществляется с использованием технологии составления SQL-запросов для зарегистрированных в BDE баз данных [7]. Для этой цели разработан мастер импорта (Import Wizard), с помощью которого выполняются следующие этапы импорта: выбор требуемой базы данных, выбор в ней нужной таблицы, выбор полей в таблице. При выполнении перечисленных этапов автоматически формируется SQL-запрос к заданной базе данных. Выбранные по запросу данные импортируются в систему СВИРЬ в форме поименованной таблицы.

После означивания первичных признаков выполняются этапы кодирования переменных символьного типа и вычисления первичных критериев.

С точки зрения участия переменных символьного типа в выполнении процедур выбора и ранжирования объектов следует различать следующие типы их значений [8]:

·       номинальные (Санкт-Петербург, Москва, Орел);

·       качественные оценки (высокий, средний, низкий);

·       смешанные (числовые и символьные значения).

Для участия в выполнении процедуры селекции тип значений символьных переменных не играет роли. Это означает, что символьный атрибут не требует никакой специальной подготовки к выполнению процедуры селекции независимо от типа его значений. Значения, удовлетворяющие заданным требованиям, помечаются, и объекты, обладающие этими значениями, отбираются в допустимое множество.

Для участия в процедуре ранжирования объектов возникает необходимость перехода от номинальной шкалы к порядковой или интервальной шкале. Этот переход осуществляется путем численного кодирования символьных значений. К величине числа, сопоставляемого символьному значению, предъявляется требование указания места кодируемого символьного значения среди остальных в целочисленной шкале. Для выполнения процедуры кодирования символьных значений атрибута необходимо знать всю их совокупность. Она формируется путем отбора неповторяющихся значений в соответствующем столбце таблицы. Список полученных значений выводится в окно для последующего кодирования.

Наиболее очевиден принцип численного кодирования признаков, характеризуемых качественными оценками. Назовем его прямым кодированием. Например, значения низкое, среднее, высокое качество ранжируются числами 0,1,2 (или наоборот).

Кодирование признаков с номинальными значениями назовем косвенным. Его следует рассматривать как искусственный прием, так как он требует дополнительной информации о предпочтении значений. Например, значения Санкт-Петербург, Москва, Орел можно упорядочить с помощью цифр 1,2,3, если ввести предпочтение по географической широте (с севера на юг).

Кодирование признака, имеющего символьно-числовые значения, требует создания в таблице по крайней мере двух дополнительных столбцов. Им сопоставляются простые признаки, на которые может быть разделен исходный. Их кодирование, как правило, сочетает первые 2 принципа.

Кодирование признака выполняется в окне, выпадающем по команде Закодировать, которая выбирается в меню, вызываемом правой кнопкой мыши.

Для вычисления первичного критерия в таблице создается дополнительный столбец. Формула вычисления формируется в окне калькулятора. В качестве аргументов формулы выбираются исходные признаки из списка. Операции над ними задаются из стандартного набора калькулятора.

Настройка системы на многокритериальную оценку объектов состоит из выбора признаков, подлежащих оценке, и значений параметров, характеризующих метод оценки. К последним относятся: способ оценки объектов (Критериальный выбор, Мягкие притязания, Балльная оценка); роль признака в оценке (Критерий, Ограничение); весовые коэффициенты выбранных признаков.

Для критерия задаются: направление оптимизации (Max, Min); вид свертки (Аддитивная, Мультипликативная, Любая); тип связи (Вес, Место, Независимый).

Для ограничения задаются: тип (Снизу, Сверху, Точно, В интервале); значение; при балльной оценке дополнительно: пессимистическая и оптимистическая границы оценки; нижний и верхний баллы оценки признака

При замене точечного сопоставления значения признака с ограничением на интервальное задается мера различия значений признака в процентах.

Интерфейс окна Настройка следующий. В верхней части окна расположена таблица признаков, а в нижней – панель их настройки. Значения параметров на панели определены для признака Высота (принтера). Интеллектуальность подсистемы настройки проявляется в автоматической настройке остальных признаков. При необходимости настройка изменяется вручную. По умолчанию веса критериев задаются равными. Они могут изменяться прямым вводом либо вычисляться методами экспертных оценок. В режиме Изменение одного веса вес остальных признаков изменяется с сохранением исходной пропорции весов.

Конфигурация панели настройки признаков зависит от выбранной роли признака. Для признака в роли ограничения панель содержит параметры, используемые для настройки ограничения.

Использование принципов настройки признаков по умолчанию, по примеру, по роли с изменением конфигурации интерфейса позволяет совместить многообразие методов многокритериальной оценки объектов с легкостью их применения.

При визуализации результатов оценки важную роль играет учет психологических особенностей восприятия информации человеком:

·     напряжение от размерности;

·     стремление к обобщениям (поиск закономерностей);

·     прагматичный подход: «Что можно использовать?»;

·     оценка качества информации (выделение позитива и негатива);

·     эмоциональное восприятие цветов.

С этих позиций табличная форма представления данных неэффективна для человеческого восприятия. Пользователя интересует в первую очередь соотношение анализируемых данных и лишь потом их численные значения. Отсюда точечное представление значений признаков целесообразно заменить интервальным, реализуемым средствами компьютерной графики. Известно, что графика стимулирует образное мышление человека. Важными свойствами графического представления объектов являются взаимное расположение объектов и расстояние между ними.

Для оценки качества данных в системе СВИРЬ принята цветовая оценивающая шкала.

Рассмотрим применение графики и цветности в системе СВИРЬ более подробно.

Диаграммы. Для графического представления результатов оценки применяются диаграммы следующего вида.

1.  Функциональная зависимость (функция одного аргумента y=f(x)) представляется графиком функции. Горизонтальная ось используется для представления аргумента, а вертикальная – для представления функции. Оси оцифровываются. Для удобства интерполяции на график наносится сетка. График функции в системе СВИРЬ используется для отображения соотношения значений критериев и представления рассогласования рейтингов объектов для различных условий их оценки.

2.  Соответствие требованию отображается линейчатой диаграммой. Линия представляет диапазон изменения параметра [Min, Max]. На линии фиксируются среднее и фактическое значения признака, а также притязание (точечное, интервальное или полуинтервальное) для метода мягких притязаний. При этом фактическое значение признака соотносится с его средним значением либо с заданным притязанием.

3.   Доля признака представляется круговой диаграммой. В окружности цветом выделяется доля, соответствующая процентному вкладу признака в общую оценку.

Использование цветности. Оценка N объектов предполагает разбиение их по группам. Количество групп определяется значностью оценки. Например, при двоичной оценке (удовлетворительно, неудовлетворительно) множество объектов разбивается на 2 группы. При использовании широко распространенной пятибалльной оценки разбиение осуществляется на 5 групп и т.д. Независимо от числа градаций шкала оценок является монотонной, характеризуя объект от самой худшей оценки до самой лучшей.

Оценке может подвергаться любой признак, характеризующий объекты. При этом его значения могут быть представлены как в интервальной, так и в порядковой (точечной) шкале. Диапазон значений признака yj разбивается на k интервалов (k

Результаты оценивания объектов представляют собой разбиение исходной таблицы на k подтаблиц. При этом меняется их взаимное месторасположение и нарушается целостность исходной таблицы. Между тем часто необходимо лишь знать, как оценивается i-й объект по j-му параметру, не меняя его расположения относительно других объектов. При черно-белом представлении значений параметра их оценку можно различать применением различного начертания символов (обычный, жирный, курсив, подчеркнутый). Другим способом различения оценок является использование цветности символов. К его преимуществам относятся большее число значений (>4) и воздействие на эмоциональную сферу пользова- теля.

Учитывая огромное разнообразие вариантов установления соответствия между интервальными оценками и сопоставляемыми им цветами, необходимо руководствоваться неким общим принципом. За основу его определения примем общепринятую транспортную цветовую символику: красный, желтый, зеленый. С точки зрения возможности движения транспортных средств ее можно оценивать следующим образом: красный цвет – плохо (нет движения), желтый – удовлетворительно (подготовка к движению), зеленый – хорошо или отлично (есть движение). Трехзначную оценку цветов можно расширить на большую значность, пользуясь совпадением этой шкалы с частотной шкалой цветности. Вспомним базовый частотный диапазон: "каждый (красный) охотник (оранжевый) желает (желтый) знать (зеленый), где (голубой) сидят (синий) фазаны (фиолетовый). Вспомним также выражение голубая мечта, характеризующее меру лучшего. Эта частотная шкала задает нам направленность оценок от худшей (красной) до лучшей (голубой, а лучше фиолетовой). Из семизначной базовой шкалы для пятизначной оценки можно выбрать любой ее поддиапазон, например, от красного цвета до голубого, от желтого до фиолетового или выборочно в заданном порядке цветов. При необходимости современная компьютерная техника позволяет реализовать цветовую палитру до 65536 цветов, то есть практически непрерывную цветовую гамму. Таким образом, направленность оценок в заданном диапазоне цветов будем выбирать относительно направленности их частотного диапазона.

Интервалы оценок должны устанавливаться в соответствии с особенностями ПО. В наиболее простом случае используются равномерные интервальные оценки как более удобные и привычные. В системе СВИРЬ принято следующее кодирование значений максимизируемого критерия относительно его среднеарифметического значения j:

1)  j ±20% – желтый цвет;

2)  j –80% < y j <j –20% – оранжевый цвет;

3)  y j,min £ y j £j –80% – красный цвет;

4)  j +20% < y j <j +80% – зеленый цвет;

5)  j + 20% £ y j £ y j,max – голубой цвет.

Цветовая гамма минимизируемого критерия имеет обратную направленность.

При окраске многих параметров разнообразие цветовой оценки может вызывать реакцию утомления. В этом случае оценки можно скрывать, окрашивая значения только рассматриваемого в настоящий момент параметра.

Список литературы

1.   Рахманова И.О. Методы и модели интеллектуальной поддержки группового принятия решений в сложных организационно-технических системах//Информационные технологии и интеллектуальные методы. -СПб.: СПИИРАН, 1996.

2.   Железко Б.А., Морозевич А.Н. Теория и практика построения информационно-аналитических систем поддержки принятия решений. – Минск, Армита – Маркетинг, Менеджмент, 1999.

3.   Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. -М.: Высш. шк., 1989.

4.   Микони С.В. Методы мягкого выбора // Тр. конф. КИИ-2000, – М.: Изд-во Физматлит, 2000. - Т. 2.

5.   Грегори К. Использование Visual C++ 6.0. Спец. издание. –М.: Вильямс, 2000.

6.   Трельсен Э. Модель COM и применение ATL 3.0. –СПб.: BHV-СПб, 2000.

7.   Архангельский А.Я. Язык SQL в C++Builder 5.0. -М.: БИНОМ, 2000.

8.   Микони С.В., Козченко Р.В., Созоновский П.Г. Выбор наилучших вариантов из баз данных // Сб. докл. междунар. конф. по мягким вычислениям и измерениям. SCM'99, -СПб.: СПГЭТУ, 1999. - Т. 2. - С. 222–225.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=690&lang=
Версия для печати
Выпуск в формате PDF (1.16Мб)
Статья опубликована в выпуске журнала № 3 за 2002 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: