Физическое моделирование АИС

Этап физического моделирования должен обеспечить на экспериментальном уровне проверку реальной работоспособности созданных моделей АИС и их адекватность. Для реализации этого этапа разрабатывается физическая (натурная) модель АИС.

Планирование эксперимента для проверки адекватности моделей. Разработка и экспериментальное исследование методики оценки качества

АИС выполняется обычно в рамках работ по созданию конкретных АИС. При разработке методики учитываются общие требования к качеству АИС и методики оценки качества, изложенные ранее, а также специфические свойства технологического процесса автоматизированной обработки информации.

При создании методики выполняются следующие работы:

• определение порядка сбора и регистрации данных, характеризующих качество АИС;

• сбор, измерение параметров функционирования АИС, обработка данных на ЭВМ и получение статистических оценок по качеству АИС;

• расчет показателей качества обработки АИС и заполнение «Карты оценки и анализа качества АИС»;

• анализ «Карты оценки и анализа качества АИС» и определение уровня качества АИС, ее компонентов, процесса обработки информации, информационной продукции и др.;

• выявление и анализ факторов, влияющих на качество АИС;

• определение порядка актуализации показателей качества АИС и выбор критериев качества управления АИС.

С целью обеспечения сбора необходимых экспериментальных данных разрабатывается «Методика выявления дефектов автоматизированной обработки информации» (см. Прил. 1). При этом данные регистрируются в специальную форму — «Ведомость выявленных дефектов при контроле обрабатываемой информации» (см. Прил. 2). Сбор статистических данных проводится обычно выборочно по этапам технологии комбинированным методом.

С целью получения данных для экспериментальной оценки на первом этапе (учет и прием первичных документов, заполненных УБ, поступающих от подчиненных предприятий в ИВЦ корпорации) взята выборка объемом 101 пачка УБ. Дефектной обозначалась та пачка, которая поступала с опозданием, т.е. после срока, установленного корпорацией. Каждая из пачек регистрировалась как случайная величина в «Ведомости дефектов» отдельной строкой. На данном этапе также обнаружены дефекты полноты — отсутствие значений показателей в УБ. Объем выборки в данном случае составил 250 УБ. Дефекты достоверности на данном этапе не проявились.

На втором этапе (прием УБ после их индексирования) в ИВЦ путем анализа УБ и «Журнала регистрации приема УБ от предприятий» методом случайных чисел была взята выборка в объеме 164 пачки УБ за определенный период. Поскольку техническими условиями по плану- графику время кодирования установлено 200 УБ за рабочую смену, то дефектными идентифицировались те пачки УБ, время кодирования которых превысило установленное.

На третьем этапе (ввод УБ в ЭВМ и обработка информации) была взята выборка объемом 200 УБ. Дефекты своевременности и полноты на данном этапе не обнаружены. Дефекты достоверности регистрировались отдельной строкой в «Ведомости».

На четвертом этапе (обработка результатных документов, выдача выходных данных абонентам АИС) взята выборка объемом 4806 УБ. В этой выборке были выявлены только дефекты достоверности в количестве 10 ошибочных символов.

Данные «Ведомости дефектов» вводились в ЭВМ по соответствующим инструкциям, разработанным с учетом методики эксперимента и фактуры ведомости. Значения по графам «время», «стоимость» обнаружения и исправления дефектов указывалось соответственно в минутах и копейках.

Проведение эксперимента для проверки адекватности моделей. Для кластеризации дефектов и получения статистических оценок по классам дефектов относительно времени и стоимости в методике оценки могут быть использованы ППП статистического анализа данных [59].

В соответствии с концептуальной и математической моделями проводится кластерный анализ неоднородной статистической структуры дефектов. Классификацию дефектов выполняет программа кластеранализа данных. В результате получается распечатка пятистолбцовой таблицы, описывающая пошаговый процесс объединения кластеров, и дендрограмма классификации дефектов.

В каждой строке таблицы элементы означают соответственно: 1-й — порядковый номер шага объединения; 2-й — значения отклонения между объединяемыми на данном шаге кластерами (евклидово расстояние); 3-й — разность между средним значением каждой переменной по времени и среднезвешенным значением образованного на данном шаге кластера; 4-й — соответственно разность между средним значением каждой переменной стоимости и средневзвешенным значением образованного на данном шаге кластера; 5-й — суммарный вес реализаций в кластере, полученном на данном шаге.

Дендрограмма изображена в соответствии с машинной распечаткой в виде древовидной горизонтальной схемы (рис.

Дендрограмма показывает, что в соответствии с кластеризацией на шаге 504 сформировался класс дефектов полноты — коды 12, 22; на шаге 514 сформировался класс дефектов своевременности — код 3. Внутри класса своевременности какие-либо модификации дефектов отсутствуют, внутри класса дефектов полноты имеются две разновидности дефектов, а по классу дефектов достоверности — десять модификаций.

Рис. 13.5. Фрагмент дендрограммы кластеризации дефектов автоматизированной обработки УБ

Анализ классификации позволяет установить, что внутри классов дефектов распределение модификаций дефектов равномерно. Можно предположить, что на уровне отдельного класса дефектов отсутствует какая-либо закономерность в распределении модификаций дефектов. Вместе с тем, очередность и характер объединения классов свидетельствуют о том, что наименование случайных величин имеют дефекты достоверности, затем по полноте и, наконец, дефекты своевременности, что подтверждает выдвинутые ранее предположения. Более конкретное представление о значимости каждого класса дефектов можно получить путем дальнейшей обработки статистической структуры по каждому классу дефектов.

Оценка параметров АИС выполняется посредством реализации соответствующей программы статистического анализа данных. На внутримашинном уровне исходные данные могут быть представлены следующими массивами: массив А — данные по дефектам по достоверности, массив В — по полноте, массив DE — по своевременности. В результате ЭВМ должна выдавать распечатки, содержащие статистические оценки, в частности среднее выборочное, среднее квадратическое отклонение, мода, медиана, коэффициенты вариации, ассиметрии, эксцесса, гистограммы классов дефектов по параметрам времени и стоимости, согласия эмпирических распределений дефектов с теоретическими и др.

С целью подсчета частоты факторов-причин, обусловивших появление дефектов, по указанной программе должны быть получены данные частотности причин. Поскольку массивы А и В имеют модификации по видам дефектов, то в соответствии с кодами дефектов могут быть получены также частотности дефектов.

Для определения функциональной зависимости между временем и стоимостью обнаруженных и исправленных дефектов используется программа канонического анализа. В результате обработки, в частности, установлено, что между указанными переменными существует сравнительно тесная зависимость. Так, коэффициент канонической корреляции равен 0,99999, коэффициент множественной корреляции равен 0,99998. Вариации значений указанных коэффициентов относительно массивов находятся в границах пятого знака после запятой. Данное условие, в частности, свидетельствует о том, что при последующих измерениях и оценке качества обработки УБ стоимость дефектов можно не регистрировать, так как полученное по соответствующей программе соотношение «время (мин)»:«стоимость (коп.)» равно 1:13. Однако это положение правомерно до изменения условий эксплуатации АИС, например обновления комплекса технических средств, изменения оплаты труда и др.

В соответствии с моделями регрессии обобщенных показателей на основе полученных оценок могут быть составлены две матрицы фиксированных данных — по производительности и себестоимости обработки УБ. Обработка матриц выполняется посредством программы регрессионного анализа. Для удобства анализа и оценки уровня качества полученные на ЭВМ основные статистические данные представляются по разработанной унифицированной форме в виде «Карты данных распределения дефектов» по параметру времени (табл. 13.7—13.9). Оценка параметров обычно проводится при уровне значимости 0,05, так как содержание данной задачи не требует более высокого уровня. Таблицы показывают, что полученные средние значения по указанному уровню достаточно хорошо укладываются в границы доверительных интервалов. В результате обработки распечатываются также гистограммы распределения частоты дефектов как по времени, так и по стоимости.

Таблица 13.7

Карта данных распределения дефектов достоверности по времени

Количество дефектов: 154.

Объем выборки: документов — 200, символов — 100 000.

Среднее выборочное: х = 3,084.

Среднее квадратическое отклонение: 8= 1,188.

Границы доверительного интервала среднего выборочного: нижняя — 2,895; верхняя — 3,274.

Вероятность дефекта: р = 154/100 000 = 0,00154.

Показатель достоверности: P_d = 1 — 0,00154 = 0,99846.

Оценка математического ожидания дефекта: X = ххр = 3,084 х X 0,00154 = 0,0047493 мин.

Карта данных распределения дефектов полноты по времени

Таблица 13.8

Окончание табл. 13.8

Количество дефектов: 166.

Объем выборки: документов — 250, показателей — 6250.

Среднее выборочное: x = 11,536.

Среднее квадратическое отклонение: 8 = 2,671.

Границы доверительного интервала среднего выборочного: нижняя — 10,177; верхняя — 13,014.

Вероятность дефекта: р = 166/6250 = 0,02656.

Показатель полноты: P_p = 1 — 0,02656 = 0,973444.

Оценка математического ожидания дефекта: X = X хр = 11,536 х X 0,02656 = 0,3063961 мин.

Таблица 13.9

Карта данных распределения дефектов своевременности по времени

на этапах 1 и 3

Количество дефектов: 195.

Объем выборки: пачек документов — 269 (среднее количество документов в пачке — 46), документов — 12374.

Среднее выборочное пачки: х = 2548,30769.

Среднее квадратическое отклонение: δ = 1003,28.

Границы доверительного интервала среднего выборочного: нижняя — 27,11; верхняя — 3016,32.

Вероятность дефекта (пачки документов): р = 195/269 = 0,724907.

Показатель своевременности: P_s = 1 — 0,724907 = 0,275093.

Оценка математического ожидания дефекта: X = х хр = 2548,30769 х X 0,724907 = 1847,286 мин.

Оценка по документу: 40,158391 мин.

Графики распределения дефектов АИС по времени изображены на рис. 13.6—13.8. По оси абсцисс отмечена ширина интервалов по времени (на рис. 13.8 время выражено в часах, на остальных графиках — в минутах). По оси ординат слева от оси указано количество дефектов, а справа относительная частота попадания дефектов в соответствующий интервал. Поскольку дефекты достоверности и полноты идентифицируются как непрерывные случайные величины, а дефекты своевременности как дискретные, то первые типы случайных величин представляются в виде полигонов частот, а вторые — в виде гистограммы.

Рис. 13.6. Полигон частот распределения дефектов достоверности

по времени

Рис. 13.7. Полигон частот распределения дефектов полноты по времени

Рис. 13.8. Гистограмма распределения дефектов своевременности

по времени

«Карта данных распределения дефектов» достаточно наглядно отображает результаты сбора и обработки экспериментальных данных, необходимые для расчета значений показателей комплексной оценки качества. Видно, что такие параметры, как средние квадратические отклонения, довольно существенно отличаются. Если среднее выборочное по достоверности равно 3,084 мин, по полноте — 11,536 мин, то по своевременности это значение равно 2548,30 мин. Отсюда видно, что факторы — дефекты своевременности — доминирующие в общей структуре факторов-дефектов, снижающих качество обработки УБ.

Регрессионный анализ зависимости обобщенных показателей от факторов — дефектов обработки выполняется путем применения соответствующей программы статистического анализа данных. В результате определяются коэффициенты весомости по факторам-дефектам. На основе полученных оценок по достоверности, полноте и своевременности производится расчет значений матриц фиксированных данных по производительности (табл. 13.10). В этой таблице в графе 1 указаны проценты снижения значений переменных, указанных в графах 2—4, а в графе 5 — значения прогнозируемой переменной (в документе - днях). Точно также может быть построена матрица по себестоимости. Только в этой матрице прогнозируемая переменная себестоимость будет измеряться в рублях на документ.

Таблица 13.10

Матрица фиксированных данных по производительности АИС

Окончание табл. 13.10

По данным матриц могут быть построены соответствующие графики зависимости обобщенных показателей по производительности и себестоимости от дефектов обработки. В качестве примера приведем график зависимости производительности АИС от снижения количества дефектов (рис. 13.9). По оси абсцисс отмечены проценты снижения количества дефектов, а по оси ординат соответствующие значения прогнозируемой переменной. Путем нанесения точек, соответствующих указанным значениям табл. 13.10 и проведения соответствующей линии регрессии получена графическая модель прогнозирования обобщенного показателя.

В практических задачах оперативного управления качеством АИС на основе графиков можно получать экспресс-оценки прогнозируемой величины снижения (увеличения) соответственно производительности и (или) себестоимости. Например, при снижении количества дефектов до 10 % значение обобщенного показателя по производительности АИС будет равно ориентировочно 215 документов в день (рис. 13.9), что вполне согласуется с данными табл. 13.10.

Для вычисления значений обобщенных показателей качества в результате реализации программы регрессионного анализа должны быть получены коэффициенты регрессии и оценочные величины по производительности и себестоимости соответственно. Табл. 13.11 показывает данные по производительности. Информация по анализу остатков приведена в табл. 13.12. График зависимости величины нормированного остатка от величины процента снижения количества дефектов приведены на рис. 13.10.

Рис.13.9. График зависимости производительности АИС от снижения количества дефектов

Таблица 13.11

Коэффициенты регрессии по производительности и данные по их оценке

Свободный член: 348,14.

Коэффициент множественной корреляции: 0,9982.

Коэффициент детерминации: 0,9965.

Г-статистика для проверки гипотезы: НО: В1: = В2 = ... = 0 — F 0 = = 499,7966.

Уровень значимости (P-значение) гипотезы: НО (Р > (F0/HO)): 0,0000. Среднее квадратическое отклонение ошибки: 0,58649.

Таблица 13.12

Данные анализа остатков регрессии по производительности

Окочание табл. 13.12

¹ SY — стандартное отклонение прогнозируемой переменной

² SS — стандартное отклонение ошибки

Рис. 13.10. График зависимости величины нормированного остатка от величины процента снижения дефектов по производительности

На основе выполненной обработки данных получают коэффициенты регрессии и составляют уравнения множественной линейной регрессии по производительности и по себестоимости:

Y^p = 348,14 - 0,18425 X₁ - 0,072831 х₂ - 0,038581 x₃.

Y^c = 3,61 + 0,0073265 X₁ + 0,0092365 x₂ + 0,024459 x₃.

В правой части уравнений слева направо расположены соответствующие свободные члены регрессии, затем коэффициенты регрессии. В нашем случае они обозначают соответственно базовые показатели производительности и себестоимости и коэффициенты весомости по достоверности, полноте и своевременности. Подставляя значения показателей по достоверности, полноте и своевременности можно определить фактические или прогнозируемые значения показателей по производительности и себестоимости.

Проверка адекватности моделей АИС. Обратимся к содержанию полученных оценок (табл. 13.11). Коэффициенты множественной корреляции, коэффициенты детерминации, уровни значимости нулевой гипотезы, среднего квадратического отклонения ошибки свидетельствуют, что качество линейного прогноза очень хорошее. Все коэффициенты регрессии укладываются в 95 %-ные доверительные границы. Это означает, что их истинные значения при нулевой гипотезе не могут быть отвергнуты при 5 %-ном уровне значимости.

Более четкое заключение можно дать на основе анализа остатков (табл. 13.12). Значение производительности и анализ статистических параметров показывает, что значения остатков незначительны как в абсолютном, так и относительном измерениях. Визуальную проверку адекватности модели удобнее всего выполнить по графику зависимости величин нормированных остатков от величин процентов снижения дефектов по производительности (рис. 13.10). На этом графике наибольший «выброс» наблюдается по 1 % и 19 % соответственно значениям нормированных остатков — 0,730 и 1,001 (табл. 13.12, графа 6).

Вместе с тем, по графику можно установить отсутствие четко выраженного криволинейного тренда. Наблюдается случайный разброс, свидетельствующий о том, что модель едва ли можно или целесообразно улучшить. Сравнительная смещенность распределения на рис. 13.10 настолько мала (близость к оси), что не имеет принципиального значения относительно номинальных величин прогнозируемой переменной по производительности (табл. 13.11). Свободные члены регрессионных уравнений при условии нулевых значений предсказывающих переменных отображают по существу возможно достижимые значения, т.е. в нашем случае базовое значение по производительности.

После получения исходных значений показателей оценки качества выполняются завершающие расчеты по оценке качества АИС. Полученные результаты записываются в специальную форму «Карта оценки и анализа качества АИС», фиксирующую в данном случае значения показателей качества обработки УБ (табл. 13.13).

Карта оценки и анализа качества АИС

Таблица 13.13

Анализ показателей и оценку качества обработки УБ целесообразно вести от общих показателей к частным. Относительный уровень производительности АИС, равный 0,58, свидетельствует о том, что используются только 58 % потенциальных возможностей технологического процесса АИС. Если действия учтенных дефектов обусловливают производительность на уровне 200,79 документов в день, то при условии устранения 100 % дефектов производительность может подняться до ее базового значения — 348,14 документов в день. Относительный уровень себестоимости обработки составляет 0,32, т. е. он ниже, чем соответствующий показатель по производительности. Подобное расхождение можно объяснить сравнительно большим удельным весом в стоимости АИС капитальных вложений — ЭВМ, оборудование, аренда здания и т.д. Вместе с тем, на величину себестоимости также отрицательно действуют факторы-дефекты, при условии устранения которых себестоимость может быть снижена от фактического значения — 11,24 руб. за документ до базового значения — 3,61 руб. за документ.

Удельный вес каждого класса дефектов можно отобразить посредством диаграммы Парето (рис. 13.11).

По оси абсцисс отмечены классы факторов-дефектов своевременности, полноты и достоверности, а по оси ординат — объемы дефектов в процентном отношении. На диаграмме видно, что наибольшая доля дефектов приходится на своевременность, а затем на полноту и достоверность. Экспоненты расходятся по всем классам дефектов, но наибольшее расхождение наблюдается по полноте и своевременности. Расхождение по полноте можно объяснить повышенной стоимостью исправления указанного вида дефектов из-за необходимости использования в определенных случаях междугородных переговоров с предприятиями по вопросу дефектных значений показателей в УБ и привлечения для этого дополнительных финансовых затрат на оплату телефонных услуг.

Рис. 13.11. Распределение дефектов на диаграмме Парето: 1 — дефекты своевременности; 2 — дефекты полноты; 3 — дефекты достоверности

Расхождение по своевременности можно объяснить, в частности, различием в должностных окладах по штатному расписанию определенных категорий сотрудников, например индексировщиков документов. Указанная принципиальная зависимость объема дефектов класса подтверждается и значениями других показателей. Так, если относительный уровень интегрального показателя, равный 0,85, ниже соответствующих значений достоверности и полноты (0,99 и 0,98 соответственно), то в этом видно влияние относительного уровня своевременности — 0,57. Та же зависимость наблюдается и по групповым фактическим показателям.

Если значения достоверности и полноты сравнительно сглажены, то значение группового фактического показателя своевременности свидетельствует о том, что объем дефектов по данному фактору значительно выше, чем в среднем по групповым показателям. Интегральный групповой показатель равен 0,85, а показатель своевременности — 0,57. Если этап приема УБ от предприятий имеет своевременность 0,69, то этап приема УБ после этапа индексирования УБ имеет своевременность только — 0,02. Дефекты полноты наибольший объем имеют на этапе приема УБ от предприятий — 0,97. Дефекты достоверности имеют сравнительно большой объем и более широкий спектр модификаций. Рассмотрим дефекты достоверности в аспекте их распределения по типам (табл. 13.14). Наибольший процент дефектов составляет замена символов — 47,4 %, при этом 33,2 % падает на буквы, а остальные на замены цифр. Следующий тип дефекта — пропуск символа, слова — составляет 44,2 %, причем из этого объема 24,1 % составили пропуски букв, 12,3 % — пропуски слов, 7,8 % — пропуски цифр. Эти виды ошибок можно объяснить прежде всего невнимательностью операторов при вводе документов в ЭВМ. Подобное предположение обосновывается, например, тем, что из 154 дефектов 19 падает на пропуск слова, то есть 12,3 %. Общий объем ошибок по буквам составил 61,7 %, меньше чем по цифрам кодовой части УБ (22,7 %), и по словам (15,6 %).

Характеристика дефектов достоверности по их типам

Таблица 13.14

Окончание табл. 13.14

Подобное распределение можно объяснить тем, что буквенного текста в УБ по объему в два раза больше, чем цифрового. Вместе с тем, 15,6 % ошибок на уровне слов — типа «пропуск», «дублирование», «сдвиг» — свидетельствуют прежде всего о недостаточной внимательности, собранности или ответственности операторов ввода УБ в ЭВМ.

Дефекты типа «дублирование символов» как относительно буквы, так и относительно цифры — две ошибки (1,2 %) — произошли по причине аппаратных сбоев клавиатуры. Это явно свидетельствует о недостаточном уровне профилактических и ремонтных работ по обслуживанию комплекса технических средств.

Распределение дефектов полноты представлено в табл. 13.15. Наибольшую долю дефектов (62,05 %) полноты составляет отсутствие реквизита-основания. Предприятия не всегда указывают в УБ некоторые реквизиты-основания, что свидетельствует об отсутствии необходимых знаний инструктивного материала, должной технологической дисциплины и контроля правильности заполнения УБ. Второе место (33,13 %) занимают дефекты, связанные отсутствием кода реквизита- признака, например, признаки типа «форма собственности предприятия», «территориальное расположение предприятия» и другие иногда предприятиями не указываются. Модификации ошибок, связанных с отсутствием документе-графы, составили 8,82 % дефектов полноты. Это означает, что в некоторых УБ предприятия не проставляют в соответствующей позиции значения показателей, что противоречит требованиям инструкции по заполнению УБ.

В силу однозначности дефектов своевременности этот тип дефектов не дифференцируется. Эти дефекты отмечаются кодом З (запаздывание пачки документов) в соответствии с кодификатором дефектов.

Характеристика дефектов полноты по их типам

Таблица 13.15

Чтобы конкретизировать пути улучшения качества обработки УБ необходимо рассмотреть также и факторы-причины, обусловливающие в той или иной мере возникновение дефектов. Распределение дефектов по видам и причинам представлено в таблицах 13.16, 13.17.

Распределение дефектов по их видам и причинам

Таблица 13.16

Окончание табл. 13.16

Таблица 13.17

Распределение дефектов по их видам

Окончание табл. 13.17

Сведения могут быть получены путем обработки исходных данных «Ведомости дефектов» посредством соответствующей программы. Проведем анализ факторов-причин в порядке их расположения по возрастанию кодов. Неразборчивость знаков в документе обусловило ошибки достоверности. Эти ошибки составляют 1 % от общего объема. Не всегда на предприятиях коды проставляются разборчиво, что затрудняет считывание данных операторами видеотерминалов на этапе ввода УБ в ЭВМ. В цифровой части УБ имеется 5 % ошибок. Этих ошибок могло бы и не быть, если бы в форме УБ имелось субполе «контрольная сумма», позволяющее применить программные методы контроля путем суммирования реквизитов-оснований и последующего сравнения полученной суммы с контрольной суммой. Данная программа могла бы освободить от необходимости сплошного визуального контроля каждого УБ.

Качество обработки снижается также по причине отсутствия технологических карт, в которых содержатся, в частности, схемы контроля правильности данных, время обработки и другие параметры технологии. Недостаточный уровень контроля на предшествующих этапах обработки обусловил 14,6 % дефектов, в том числе по полноте 11,8 %, по достоверности 0,2 %. Содержание причины «неисправность клавиатуры» рассмотрена выше, в связи с этим фактором допущено 0,4 % ошибок. Причина «нерегулярность инструктажа по контролю качества» объясняет 0,8 % дефектов, допущенных на этапах выдачи УБ предприятиями и индексировщиками. Недостаточность профессионального опыта некоторых контролеров ввода обусловила 0,2 % ошибок.

Самая значительная проблема по объему дефектов — «невнимательность операторов ввода» (22,9 %). Если ошибки достоверности составили здесь 20 %, то дефекты полноты только 2,9 %. Фактор-причина «недостаточная технологическая дисциплина» имеет место в 12,6 % случаев и наблюдается на всех этапах обработки, по всем видам дефектов. Больше половины здесь составили дефекты своевременности (6,6 %), причем 4,1 % за счет несвоевременного кодирования и выдачи УБ от этапа индексирования (кодирования) на этап ввода документов в ЭВМ для дальнейшей обработки.

Недостаточный уровень диспетчеризации технологического процесса обусловил 1,9 % дефектов, возникших из-за запаздывания поступления УБ от индексировщиков. Отсутствие системы управления качеством обусловило 9,1 % дефектов, из них 6,0 % дефектов полноты, 2,7 % — своевременности и 0,4 % — достоверности. Недостаточное знание применяемых в технологии классификаторов составило 0,2 % дефектов, относящихся к полноте, так как в данном случае кодировщики этапа индексирования затруднялись в идентификации кодируемых признаков.

Довольно значительный объем дефектов (9,3 %) объясняется недостаточным уровнем материального стимулирования труда по всем этапам обработки. Сотрудники, занятые в технологии, не имеют нормативной базы поощрения за качество труда, например по показателям своевременности, полноты, достоверности обрабатываемой документации. Второй по объему дефектов (21,6 %) — фактор-причина «недостаточный уровень прямоточности технологического процесса». При этом основной объем (21,0 %) дефектов падает на своевременность, т.е. запаздывание в выдаче УБ от этапа индексирования на этап ввода в ЭВМ. Функции кодирования были поручены сотрудникам, которые не всегда и не везде могли обеспечить кодирование УБ с необходимым качеством.

Общий объем дефектов, связанный с несвоевременностью представления УБ составляет 37,9 %. Второе место по объему дефектов занимают факторы-причины связанные с полнотой — 32,2 % и третье — 29,9 % факторы-причины, связанные с достоверностью.

Если классифицировать факторы-причины по содержательному признаку, то можно условно выделить класс документационно-информационных факторов. Сюда можно отнести факторы-причины, имеющие коды 108, 110, 202. Затем можно выделить класс технологических факторов — 204, 231, 308, 311, 336. К организационным факторам можно отнести факторы — 304, 306, 307, 312, 318, 333. Разумеется, подобная классификация условна, так как на практике каждый фактор одного класса может пересекаться с факторами других классов.

Особое внимание следует обратить на фактор-причину «отсутствие системы управления качеством». По существу управление таким сложным объектом как АИС требует включения ко всему комплексу факторов, воздействующих на качество. Например, традиционная диспетчеризация технологии и автономные схемы контроля по отдельным этапам с позиций современных требований к качеству должного эффекта не дают.

Планирование оргтехмероприятий по улучшению качества АИС. По существу большинство рассмотренных факторов прямо или косвенно относятся к системе управления качеством. Поэтому каждую из мер, направленных на нейтрализацию негативных факторов и достижение положительного эффекта в общем комплексе работ по улучшению качества АИС, целесообразно идентифицировать как логический этап разработки и реализации управляющих воздействий системы управления на качество АИС. В связи с этим одной из важных задач в улучшении качества обработки данных следует признать устранение отрицательного влияния факторов документационно-информационного, технологического и организационного характера.

С целью обеспечения достоверности информационной части документов, обрабатываемых в АИС, целесообразна разработка программы балансового контроля кодового столбца УБ, что в определенной мере освободит технологию от необходимости сплошного визуального контроля УБ на этапе их ввода в ЭВМ. Весьма кстати в данном случае возможность применения функциональной программы автоматического индексирования признаков УБ, позволяющая отказаться от такого критического и трудоемкого этапа технологии, как кодирование УБ. Реализация подобной модели в определенной мере может нейтрализовать факторы 108, 110, 204, 308, 311, 318, 336.

В документационном отношении форму УБ следует доработать как в содержательном, так и в формальном отношениях. Доработку целесообразно проводить с учетом возможности применения в обработке УБ программ контроля достоверности и полноты данных. При этом следует учитывать необходимость контроля технологического процесса со стороны КС УКИС.

В технологическом отношении следует обеспечить реализацию принципа прямоточности и централизации обработки УБ. В этом плане целесообразно передать функцию кодирования от ИВЦ на подведомственные предприятия. Поскольку предприятия лучше всех знают содержание собственной документации, априори можно предположить, что качество индексирования будет лучше, если в адрес предприятий направить соответствующие классификаторы и инструкции по индексированию документов.

С целью нейтрализации факторов, отрицательно воздействующих на полноту, необходимо усилить контроль за правильностью заполнения УБ на предприятиях. Кроме того, конкретные требования по каждому из этапов технологии необходимо оформить в виде рабочих инструкций для соответствующих категорий исполнителей, а также разработать технологические карты.

В организационном отношении необходимо усилить внимательность, например, операторов ввода УБ, контроль за технологической дисциплиной, четкость взаимодействия участков, задействованных в технологии обработки документов. С этой целью необходимо регулярно проводить инструктаж и разбор ситуаций, снижающих качество работы. Для снятия психомоторного напряжения у операторов группы ввода документов в ЭВМ в рамках рабочей смены необходимо составить и реализовать график труда и отдыха с обязательными паузами — производственной гимнастикой, отдыхом от дисплея в соответствии с нормами и др.

Отдел технического обеспечения комплекса ЭВМ должен устранить сбои в работе аппаратных средств, в частности клавиатуры, и устранить тем самым соответствующие дефекты достоверности.

Одним из эффективных методов улучшения качества обработки документации следует признать внедрение прогрессивных форм материального и морального стимулирования труда на основе достигнутых показателей качества. Целесообразно, например, операторов ввода данных в ЭВМ перевести с повременной на повременно-сдельную оплату труда, т.е. поставить уровень зарплаты в зависимость от уровня качества работы. Указанные формы стимулирования эффективны и для других участков технологического процесса АИС.

Периодичность анализа и оценки качества работы исполнителей на каждом этапе в отдельности и по АИС в целом должна составлять не менее одного раза в квартал перед подведением итогов работы. В рамках технологического контроля сбор сведений по этапам технологии обработки УБ можно проводить по мере необходимости — один—два раза в месяц. В общем случае периодичность сбора зависит от состояния работ по качеству на том или ином участке технологии. Часто объем выборок может быть уменьшен до 30—50 документов по каждой выборке, что обеспечит достаточно эффективную оценку и систематический контроль за состоянием технологического процесса и вместе с тем не повлечет принципиальных трудозатрат. Накопленная таким образом статистика оценок в конечном итоге будет способствовать объективности и достоверности показателей качества. При разработке перспективных планов оргтехмероприятий по улучшению качества АИС и кардинальной модернизации технологии может появиться необходимость в более глубокой оценке и привлечении выборок соответствующего объема.

Действенность плана оргтехмероприятий по улучшению качества зависит во многом от того, насколько полно выявлены факторы, влияющие на тот или иной параметр качества технологии. План должен учитывать документационно-информационные, технологические, организационные и другие факторы. За критерий значимости того или иного фактора целесообразно принимать степень влияния фактора на уровень качества технологии.

Экспериментальная проверка алгоритма автоматического обнаружения ошибок. Одно из эффективных направлений для устранения вышеуказанных недостатков в технологии обработки данных — создание методов и средств программного обнаружения и устранения дефектов в обработке данных. Рассмотрим вопросы реализации алгоритма автоматического обнаружения ошибок и восстановления достоверности значений показателей документов табличного вида. Для реализации алгоритма разрабатывается соответствующая программа.

В целях экспериментального исследования проверки работоспособности и оценки эффективности алгоритма анализу подвергается программа, реализующая указанный алгоритм. В качестве экспериментального материала привлекаются 20 документов (табл. 13.17). Далее планируется эксперимент и разрабатывается программа его проведения. В соответствии с программой в документы вносятся ситуационные ошибки. Обычно объем и модификации ошибок определяются с учетом максимального набора вероятных типов ошибок и проверки полного объема функциональных свойств программы.

Ведомость ошибок в документах предприятий

Таблица 13.17

Окончание табл. 13.17

В процессе экспериментального исследования особое внимание уделяется необходимости улучшения информативности документов по диагностике и коррекции ошибок. Удобная для восприятия и однозначная в понимании диагностика уже сама по себе повышает эффективность технологических процедур по исправлению ошибок. С целью наиболее эффективной адаптации программы разрабатываются рабочие технологические инструкции, в частности:

• рабочая инструкция № 1 по сбору, контролю и представлению документов в ИВЦ фирмы;

• рабочая инструкция № 2 по первичной (предмашинной) обработке, вводу и контролю достоверности и полноты сведений первичных документов, контролю достоверности и полноты выходных (производных) документов;

• рабочая инструкция № 3 оператору подготовки данных по вводу документов в ЭВМ (перенос документов на электронные носители, прием данных по каналам связи, ввод документов через сканирующие устройства и др.);

• рабочая инструкция оператору ЭВМ по работе с программой «Автоматическое обнаружение ошибок и восстановление достоверности значений показателей»;

• описание программы «Автоматическое обнаружение ошибок и восстановление достоверности значений показателей».

В соответствии с инструкциями выполняются работы по подготовке, вводу, контролю и анализу документов, ошибок в документах и их исправлению. В документах контрольные суммы подсчитываются только по тем строкам, в которых они отсутствуют в соответствии с регламентом их представления в ИВЦ. Описание структуры программы, блок-схемы алгоритма, порядка ввода, обработки документов в ЭВМ и анализа эффективности алгоритма и программы приводится ниже (см. раз. 13.3).

Уровень эффективности работ по улучшению качества будет выше, если одновременно учитываются все факторы, выявленные на основе оценки качества и последующего анализа факторов. В этой связи возникает задача разработки и применения такого механизма, который бы обеспечил комплексный подход к решению задач улучшения качества. Подобным механизмом можно считать КС УКИС. На основе выполненных работ по моделированию АИС целесообразно сделать выводы следующего характера:

• разработка методического аппарата по определению основных требований к качеству АИС и методам ее улучшения проводится с учетом принципов создания КС УКИС. Определение основных требований целесообразно выполнять на основе системного подхода к анализу качества АИС путем выделения комплекса семантических, синтаксических и прагматических свойств АИС. Выделение свойств осуществляется путем классификации АИС по существенным признакам, выбираемым с учетом содержания решаемых задач по улучшению качества. Анализ свойств позволяет, в частности, идентифицировать АИС как сложную человеко-машинную систему с иерархической структурой свойств;

• выделение комплекса свойств АИС обеспечивает определение основных требований к составу и содержанию методов улучшения качества АИС. В составе этих методов находятся методы исследования, проектирования, построения и эксплуатации КС УКИС как основного звена в системе улучшения качества АИС;

• в соответствии с основными требованиями к качеству АИС разрабатывается обобщенная математическая модель управления качеством АИС с применением средств теории управления. Улучшение качества АИС в общем случае идентифицируется как процесс взаимодействия АИС и системы управления ее качеством — КС УКИС. Под воздействием КС УКИС качество обработки улучшается по направлению к заключительным этапам АИС;

• в соответствии с обобщенной моделью управления качеством АИС разрабатывается математическая модель агломеративного кластерного анализа статистической структуры дефектов, ухудшающих качество АИС. На основе указанной модели может быть определен, в отличие от дескриптивного и экспертного методов, более адекватный состав показателей для оценки качества АИС;

• на основе модели оценки качества определяется причинно-следственная связь между дефектами обработки по достоверности, полноте и своевременности, с одной стороны, и значений обобщенных показателей оценки качества АИС (производительности АИС и себестоимости обработки информации) — с другой. С учетом вышеуказанной связи разрабатывается модель множественной линейной регрессии показателей качества — производительности АИС и себестоимости обработки данных. Переменными в данном случае могут выступать время и стоимость обнаружения и исправления дефектов достоверности, полноты и своевременности. Реализация указанной модели позволяет определить фактические и базовые значения обобщенных показателей оценки качества АИС, а также коэффициенты весомости показателей достоверности, полноты и своевременности. Проведенные эксперименты в количественной форме подтверждают предполагаемую закономерность — зависимость между значениями обобщенных показателей качества, в частности производительности АИС, и себестоимости освобождения документов от дефектов обработки данных;

• на основе вышеуказанных моделей и выявленных закономерностей разрабатывается прикладная методика аналитической оценки качества АИС с применением ЭВМ. Методика ориентирована на полное соответствие требованиям квалиметрии. Кроме того, применение ЭВМ в оценке качества АИС обеспечивает эффективное решение задач управления, планирования и прогнозирования качества системы;

• эффективное направление в улучшении качества — применение методов контроля достоверности и полноты информации. Наиболее перспективным представляется метод автоматического исправления ошибок в документах табличного вида;

• методом моделирования можно определить основные функциональные и параметрические свойства КС УКИС как основу для выполнения дальнейших работ по ее проектированию, созданию и эксплуатации.

13.3.