Теоретико-методологические основы качества информационных систем

Разработка концептуальной модели совершенствования качества информационных систем. Анализ модели определения состава показателей качества информационных систем. Экспериментальное исследование моделей совершенствования качества информационных систем.

Рубрика Программирование, компьютеры и кибернетика
Вид монография
Язык русский
Дата добавления 28.03.2020
Размер файла 844,8 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

В каждой строке таблицы ее элементы означают: 1-й - порядковый номер шага объединения, 2-й - значения отклонения между объединяемыми на данном шаге кластерами (евклидово расстояние), 3-й и 4-й - соответственно разность между средним значением каждой переменной по времени и стоимости и средневзвешенным значением образованного на данном шаге кластера, 5- й - суммарный вес реализаций в кластере, полученном на данном шаге. Дендрограмма отображена в соответствии с машинной распечаткой в виде древовидной горизонтальной схемы. Она содержит определенные сведения таблицы.

Слева от схемы помещены 3 столбца цифр. 1-й столбец указывает номера строк (реализаций) вводимых данных в ЭВМ из «Ведомости дефектов», 2-й - содержит коды дефектов, участвующих в кластеризации, 3-й - указывает последовательность объединения кластеров (дефектов) на каждом шаге.

Дендрограмма показывает, что на 497 шаге завершено объединение дефектов в классе по достоверности - дефекты с кодами 72,74,77,85,86 и др. На шаге 504 сформировался класс дефектов по полноте - коды 12,22, на шаге 514 сформировался класс дефектов по своевременности - код 3.

25 75 21

22 85 20

14 73 12

102 74 93

88 73 78

75 86 68

51 86 490

142 72 127

124 77 114

103 86 497

213 12 503

227 22 203

260 22 234

283 12 493

297 22 473

262 22 500

171 12 149

155 22 504

327 3 474

336 3 295

337 3 296

361 3 514

Рис. 4.1 Редуцированный вариант 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 содержательная закономерность в распределении модификаций дефектов. Вместе с тем, очередность и характер объединения классов дефектов свидетельствуют о том, что сначала объединяются дефекты по достоверности, затем по полноте и, наконец, дефекты по 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 в отдельности и в комплексе.

Оценка параметров ИС выполняется посредством реализации соответствующей программы статистического анализа данных. На машинном уровне исходные данные могут быть представлены массивами: массив А - данные по дефектам достоверности, массив В - по полноте, массив DE - по своевременности (таблица 4.17).

Для удобства анализа и оценки уровня качества, полученные на ЭВМ основные статистические данные, представляются по разработанной унифицированной форме в виде «Карты данных распределения дефектов» (КДРД) (таблицы 4.1-4.6). Под каждой таблицей приведены статистические характеристики. Эти характеристики получены путем расчета на ЭВМ оценок описательной статистики, а также оценок по формулам моделей измерения и оценки качества ИС (глава 3).

Таблица 4.1

Карта данных распределения дефектов достоверности по времени

Границы интервалов (мин.)

Абсолютная частота (символ)

Относительная частота

Относительная накопленная частота

1-2

12

0,08

0,08

2-3

38

0,25

0,33

3-4

52

0,34

0,67

4-5

34

0,22

0,89

5-6

13

0,08

0,97

6-7

5

0,03

1

Объем выборки: документов - 200, символов - 100000,

Среднее выборочное:
Среднее квадратическое отклонение: = 1,188

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

Вероятность дефекта = 154/100000 = 0,00154
Показатель достоверности = 1- 0,00154 = 0,99846
Оценка математического ожидания дефекта X=* = 3,084*0,00154 = 0,0047493 мин.
Таблица 4.2
Карта данных распределения дефектов полноты по времени

Границы интервалов (мин.)

Абсолютная час-тота(показатели)

Относительная частота

Относительная накопленная частота

1

2

3

4

6-7

5

0,03

0,03

7-8

7

0,04

0,07

8-9

10

0,06

0,13

9-10

16

0,1

0,23

10-11

20

0,12

0,35

11-12

25

0,16

0,51

12-13

24

0,14

0,65

13-14

21

0,13

0,78

14-15

15

0,09

0,87

15-16

9

0,05

0,92

16-17

7

0,04

0,96

17-18

7

0,04

1

Объем выборки: документов - 250, показателей - 6250.

Среднее выборочное: = 11,536.

Среднее квадратическое отклонение = 2,671.

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

Вероятность дефекта = 166/6250 = 0,02656.

Показатель полноты = 1 - 0,02656 = 0,973444.

Оценка математического ожидания дефекта:

X = * = 11,536 * 0,02656 = 0,3063961 мин.

Таблица 4.3

Карта данных распределения дефектов по своевременности на этапах 1 и 3

Границы интервалов (мин.)

Абсолютная частота (пачка)

Относительная частота

Накопленная частота

492-984

8

0,04

0,04

984-1476

13

0,07

0,11

1476-1968

19

0,1

0,21

1968-2460

29

0,15

0,36

2460-2952

44

0,23

0,59

2952-3444

30

0,15

0,74

3444-3936

26

0,13

0,87

3936-4428

15

0,08

0,95

4428-4920

9

0,04

0,99

4920-5412

2

0,01

1

Объем выборки: пачек документов - 269, среднее количество документов в пачке - 46, всего документов - 12374.

Среднее выборочное пачки: = 2548,30769.

Среднее квадратичное отклонение = 1003,28.

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

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

Показатель своевременности s = 1 - 0,724907 = 0,275093.

Оценка математического ожидания дефекта

X = * = 2548,30769 * 0,724907 = 1847,286 мин.

Оценка по документу - 40,158391 мин.

Таблица 4.4

Карта данных распределения дефектов достоверности по стоимости

Границы интервалов (коп.)

Абсолютная ча-стота (символы)

Относитель-ная частота

Относительная на-копленная частота

13-26

12

0,08

0,08

26-39

38

0,25

0,33

39-52

52

0,34

0,67

52-65

34

0,22

0,89

65-78

13

0,08

0,97

78-81

5

0,03

1

Объем выборки: документов - 200, показателей - 100000.

Среднее выборочное: = 40,175.

Среднее квадратическое отклонение = 15,494.

Границы доверительного интервала среднего выборочного: нижняя - 37,708, верхняя - 42,642.

Вероятность дефекта = 154/100000 = 0,00154.

Показатель достоверности d = 1 - 0,00154 = 0,99846.

Оценка математического ожидания дефекта

X = * = 40,175* 0,00154 = 0,0618695 коп.

Таблица 4.5

Карта данных распределения дефектов полноты по стоимости

Границы интервалов (коп.)

Абсолютная ча-стота (показатель)

Относитель-ная частота

Накопленная относительная частота

168-196

5

0,03

0,03

196-224

7

0,04

0,07

224-252

10

0,06

0,13

252-280

11

0,1

0,23

280-308

20

0,12

0,35

308-336

25

0,16

0,51

336-364

24

0,14

0,65

364-392

21

0,13

0,78

392-420

15

0,09

0,87

420-448

9

0,05

0,92

448-476

7

0,04

0,96

476-504

7

0,04

1

Объем выборки: пачек документов - 250, показателей 6250.

Среднее выборочное: = 323,009.

Среднее квадратическое отклонение = 74,792.

Границы доверительного интервала среднего выборочного: нижняя -321,545, верхняя -334,473.

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

Показатель полноты p = 1 - 0,02656 = 0,97344.

Оценка математического ожидания дефекта

X = * = 323,009* 0,02656 = 8,579119 коп.

Таблица 4.6

Карта данных распределения дефектов своевременности

по стоимости на этапах 1 и 3

Границы интервалов (коп.)

Абсолютная частота (пачка)

Относитель-ная частота

Накопленная относительная частота

1

2

3

4

6396-12792

8

0,04

0,04

12792-19188

13

0,07

0,11

19188-25584

19

0,1

0,21

25584-31980

29

0,15

0,36

31980-38376

44

0,23

0,59

38376-44772

32

0,15

0,74

44772-51168

26

0,13

0,87

51168-57564

15

0,08

0,95

57564-63960

9

0,04

0,99

63960-70356

2

0,01

1

Объем выборки: пачек документов - 269, среднее количество документов

в пачке - 46, документов - 12374.

Среднее выборочное пачки: = 33126,0.

Среднее квадратическое отклонение = 13044,0.

Границы доверительного интервала среднего выборочного: нижняя -13206,0, верхняя - 78366,0.

Вероятность дефекта: = 195/269 = 0,724907.

Показатель своевременности s = 1 - 0,724907 = 0,275093.

Оценка математического ожидания дефекта

X = * = 33126,0* 0,724907 = 24013,269.

Оценка по документу - 522,02758 коп.

Графики распределения дефектов по времени отображены на рис. 4.2 - 4.4. По оси абсцисс отмечена ширина интервалов по времени. На рис. 4.4 время выражено в часах, на остальных графиках - в минутах. По оси ординат указано слева от оси количество дефектов, а справа относительная частота попадания дефектов в соответствующий интервал. Карты данных распределения дефектов достаточно наглядно отображают результаты сбора и обработки экспериментальных данных, необходимые для расчета значений показателей комплексной оценки качества. При первом приближении видно, что такие параметры как средние квадратические отклонения довольно существенно отличаются по достоверности, полноте и своевременности как относительно параметров времени, так и параметров стоимости. 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 по своевременности являются доминирующими в общей структуре факторов-дефектов, снижающих качество обработки УБ.

В соответствии с моделями регрессии обобщенных показателей на основе полученных оценок могут быть составлены две матрицы фиксированных данных соответственно по производительности и себестоимости обработки УБ. Обработка матриц выполняется посредством программы регрессионного анализа. Регрессионный анализ зависимости обобщенных показателей от факторов-дефектов обработки выполняется путем применения соответствующей программы статистического анализа данных. В результате реализации регрессионной модели определяются

Рис. 4.2 Гистограмма распределения дефектов достоверности по времени

Рис.4.3 Гистограмма распределения дефектов полноты по времени

Рис. 4.4. Гистограмма распределения дефектов своевременности по времени

коэффициенты весомости по факторам-дефектам. На основе полученных оценок по достоверности, полноте и своевременности производится расчет значений матриц фиксированных данных соответственно по производительности и себестоимости (таблицы 4.7, 4.8). В этих таблицах в первых графах указаны значения процентов снижения значений переменных, указанные в графах 2-4 и значения прогнозируемых переменных в графах 5 таблиц. В таблице 4.7 предсказывающие переменные измеряются в человеко-днях, прогнозируемая переменная - в документо/днях, а в таблице 4.8, соответственно - рублях и рублях/документ.

В результате обработки данных матриц построены соответствующие графики зависимости обобщенных показателей по производительности и себестоимости от дефектов обработки (рис. 4.5, 4.6). По оси абсцисс отмечены значения процентов снижения дефектов, а по оси ординат соответствующие значения прогнозируемых переменных. Путем нанесения точек, указанных значений (табл. 4.7, 4.8), и соответствующей линии регрессии получены графические модели прогнозирования обобщенных показателей от снижения дефектов по соответствующим значениям процентов.

В практической работе оперативного управления качеством ИС на основе графиков можно получать экспресс-оценки прогнозируемой величины снижения (увеличения) соответственно по производительности и (или) себестоимости. Если необходимо определить, например, прогнозируемое значение обобщенного показателя по производительности ИС при условии снижения дефектов до 10%, то это значение будет равно ориентировочно 215 документов в день (рис. 4.5), что вполне согласуется с данными таблицы 4.7. Определяется путем нанесения линий параллельно осям

Таблица 4.7.

Матрица фиксированных данных по производительности

Значение %

Достоверность (дни)

Полнота (дни)

Своевременность (дни)

Производитель-ность (док. в день)

1

2

3

4

5

0

246,14

794,01

4162,76

200,79

1

243,68

786,07

4121,14

202,05

2

241,22

778,13

4079,52

203,37

3

238,76

770,19

4037,90

204,72

4

236,30

762,25

3996,28

206,07

5

233,84

754,31

3954,66

207,45

6

231,38

746,37

3913,04

208,84

7

228,92

738,43

3871,42

210,26

8

226,46

730,49

3829,80

211,69

9

224,00

722,55

3788,18

213,14

10

221,54

714,61

3746,56

214,61

11

219,08

706,67

3704,94

216,10

12

216,62

698,73

3663,32

217,61

13

214,16

690,79

3621,70

219,16

14

211,70

682,85

3580,08

220,71

15

209,24

674,91

3538,46

222,29

16

206,78

666,97

3496,84

223,89

17

204,32

659,03

3455,22

225,51

18

201,86

651,09

3413,60

227,16

19

199,40

643,15

3371,98

228,81

20

196,94

635,21

3330,36

230,53

Таблица 4.8

Матрица фиксированных данных по себестоимости

Значение %

Достоверность (руб.)

Полнота (руб.)

Своевременность (руб.)

Себестоимость (руб.на док.)

1

2

3

4

5

0

15776,72

109383,76

266067,02

11,24

1

15618,95

108289,93

263406,06

11,17

2

15461,18

107196,10

260745,68

11,00

3

15303,42

106102,27

258085,01

11,02

4

15145,65

105008,44

255424,34

10,94

5

14987,88

103914,61

252763,67

10,86

6

14830,12

102820,78

250103,00

10,79

7

14672,35

101762,95

247442,33

10,71

8

14514,58

100633,12

244781,66

10,63

9

14356,81

99537,29

242120,99

10,56

10

14199,05

98445,45

239460,32

10,48

11

14041,28

97351,61

236799,65

10,40

12

13883,51

96257,77

234138,98

10,33

13

13725,75

95163,94

231478,31

10,25

14

13567,98

94070,10

228817,64

10,17

15

13410,21

92976,26

226156,97

10,09

16

13252,45

91882,43

223496,30

10,02

17

13094,68

90788,59

220835,63

9,94

18

12936,91

89694,75

218174,96

9,87

19

12779,14

88600,92

215514,29

9,79

20

12621,38

87507,08

212853,62

9,71

координат до пересечения с линией регрессии. Подобным образом можно определить экспресс-оценки по графику регрессии себестоимости обработки документов (рис. 4.6).

Для получения значений обобщенных показателей качества в результате реализации программы регрессионного анализа были получены коэффициенты регрессии и оценочные величины соответственно по производительности и себестоимости (таблицы 4.9 и 4.10). По этим данным составлены уравнения множественной линейной регрессии по производительности и по себестоимости:

= 348,9 - 1,452 x1 - 0,1119 x2 + 0,07146 x3.

= 3,66 + 0,3924 x1 + 0,0002067 x2 - 0,02332 x3.

В правой части уравнений расположены слева направо соответствующие свободные члены регрессии (нулевые коэффициенты), затем коэффициенты регрессии. Они обозначают соответственно значения базовых показателей производительности и себестоимости и коэффициентов 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.

Рис. 4.5 График зависимости производительности ИС от снижения трудоемкости устранения дефектов обработки

Рис. 4.6 График зависимости себестоимости обработки документов от снижения трудоемкости устранения дефектов обработки

Таблица 4.9

Коэффициенты регрессии по производительности и данные их оценки

Вид (коэффици-ента)

Значение коэффициента регресссии

Стандартная ошибка коэффициента

Уровень значимости

нулевой гипотезы (Р-значение)

Нулевой

348,9

27

5,95Е-7

Достоверность

-1,452

271,7

0,9915

Полнота

-0,1119

81,56

0,9941

Своевременность

0,07146

23,47

0,993

Коэффициент множественной корреляции - 0,9993;

Коэффициент детерминации - 0,99859;

Приведенная (несмещенная) оценка коэффициента детерминации - 0,99834;

Стандартная ошибка вычислений - 0,37546;

F - значение статистики Фишера для проверки нулевой гипотезы - 4020;

Уровень значимости (Р - значение) нулевой гипотезы -0,0000;

Гипотеза 1: <Регрессионная модель адекватна экспериментальным данным>.

Таблица 4.10

Коэффициенты регрессии по себестоимости и данные их оценки

Вид (коэф-фициента)

Значение коэффициента регресссии

Стандартная ошибка коэффициента

Уровень значимости

нулевой гипотезы (Р-значение)

Нулевой

3,663

0.06802

1.037E-8

Достоверность

0.3924

0.5402

0.5162

Полнота

0.0002067

0.0005942

0.7315

Своевре-менность

-0.02332

0.03202

0.5174

Коэффициент множественной корреляции - 0,99917;

Коэффициент детерминации - 0,99833;

Приведенная (несмещенная) оценка коэффициента детерминации - 0,99804;

Стандартная ошибка вычислений - 0,020831;

F - значение статистики Фишера для проверки нулевой гипотезы - 3392;

Уровень значимости (Р - значение) нулевой гипотезы - 0,0000;

Гипотеза 1: <Регрессионная модель адекватна экспериментальным данным>.

Экспериментальная проверка алгоритма. В целях экспериментального исследования, проверки работоспособности и оценки эффективности алгоритма анализу подвергается программа автоматического восстановления данных, реализующая указанный алгоритм. В качестве экспериментального материала привлечено 20 документов (таблица 4.11). Каждый документ состоит из 7 таблиц. Для проверки программы в документы были внесены ситуационные ошибки (таблица 4.11). Объем и модификации ошибок определялись с учетом необходимости проверки максимального набора вероятных типов ошибок и полного объема функциональных свойств программы.

Таблица 4.11

Ведомость ошибок в документах

№№

пп

Наименование организации

(сокращенное)

Код предприятия

Адрес и модификация ошибки

адрес

(строка-графа)

значение показателя

заменяемое

заменяющее

1

2

3

4

5

6

1

Казанский

144000

170200-1

50

51

2

Калининградский

144003

173700-14

51

58

3

Кременчугский

144008

173400-11

406

552

4

Красноярский

179009

01-1

700

704

5

Липецкий

179010

180100-10

451

2051

6

Магнитогорский

179011

173400-кс

180100-10

815

800

825

890

7

Московский

334000

051100-13

0

50

8

Орловский

334010

020200-12

20

25

9

Одинцовский

334011

01-14

59

50

10

Павловский

391010

180100-15

6599

6590

11

Пензенский

391011

180100-13

0

20

12

Саратовский

391023

01-9

0

25

13

Саранский

490001

120200-8

0

10

14

Северный

490005

120200-11

136

150

15

Таганрогский

490009

120700-11

21

73

16

Тульский

491003

121100-4

92

95

17

Тюменский

491009

120800-10

112

122

18

Тагильский

491012

120800-12

0

10

19

Угличский

493019

050100-12

060800-12

76

88

88

76

20

Самарский

494023

-

Без ошибок

С целью получения данных для проведения сравнительного анализа и оценки эффективности рассматриваемой программы экспериментальная обработка осуществляется по двум вариантам. По первому варианту входной контроль отчетов выполняется средствами системы подготовки данных (СПД) с подключением программы автоматического восстановления достоверности значений показателей. Затем указанные отчеты контролируются по второму варианту - только средствами СПД, то есть с отключением рассматриваемой программы. Как по первому, так и по второму вариантам должны быть получены соответствующие протоколы ввода и диагностики ошибок во входных документах (распечатка принтера).

Последующий анализ протоколов ввода показал следующее. Одиночные ошибки автоматически обнаруживаются, вычисляются достоверные значения, затем последние заменяют ошибочные значения и оператору для контроля правильности работы программы выдаются сообщения типа «В документе ХХХХХ УУ обнаружена ошибка, строка ХХХХХХ-графа ХХ, значение ХХ скорректировано на значение УУУУ (таблица 4.11, позиции 1-5,7-12,14-15,17). По двойным и более ошибкам программа обнаруживала ошибки, однозначно идентифицируя их адреса, и выдавала сообщения типа «В документе ХХХХХ УУ обнаружено более одной ошибки, строка ХХХХХХ, содержит ошибку, строка ХХХХХХ, графа ХХ содержит ошибку» (таблица 4.11, позиция 18). Ошибочное значение определяется путем взятия пересечения номеров соответствующих строк и (или) граф. При условии случайной механической перестановки значений показателей по строкам и отсутствия нарушения контрольной суммы по графе (в строке 01) было выдано сообщение типа «В документе ХХХХХ УУ обнаружено более одной ошибки, строка ХХХХХ содержит ошибку, строка ХХХХХХ содержит ошибку, графа ХХ содержит ошибку» (таблица 4.11, позиция 19). Точно также идентифицируется «перестановка» значений показателей по графам. В процессе экспериментального исследования оператором подготовки данных была внесена непреднамеренная ошибка в отчет предприятия «Магнитогорский». В строке 180100, графа 10, в значении показателя 890 цифра 9 была ошибочно заменена на цифру 0, то есть, получено ошибочное значение 800. Поскольку в этот отчет ранее была внесена ситуационная ошибка, то программа выдала сообщение о двух ошибках и их адресах (таблица 4.11, позиция 6). В отчет предприятия «Самарский» ситуационные ошибки не вносили, при подготовке данных ошибок также не было, поэтому программа идентифицировала указанный отчет как безошибочный.

4.3 Оценка и анализ адекватности моделей и результатов экспериментов

По результатам обработки ЭВМ были получены данные, содержащие статистические оценки, в частности, среднее выборочное, среднее квадратичное отклонение, мода, медиана, коэффициенты вариации, ассиметрии, эксцесса, гистограммы классов дефектов по параметрам времени и стоимости, согласия эмпирических распределений дефектов с теоретическими и др. По каждой КДРД (таблицы 4.1-4.6) приведены выборочные оценки. На основе этих, а также в последующем полученных данных, были проведены необходимые расчеты (приложение 4) с целью заполнения «Карты оценки и анализа качества» (таблица 4.14) и выполнения анализа по соответствующей методике [122].

Оценка параметров ИС обычно проводится при уровне значимости 0,05, так как с учетом содержания данной задачи этого достаточно. Таблицы показывают, что полученные средние значения по указанному уровню достаточно хорошо укладываются в границы доверительных интервалов. В результате обработки распечатываются также гистограммы распределения частот дефектов, как по времени, так и по стоимости. Проверка эмпирических распределений показала, что случайные величины подчиняются нормальному закону распределения.

Для определения функциональной зависимости между временем и стоимостью обнаруженных и исправленных дефектов использована 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 находится в границах 5-го знака после запятой. Данное условие, в частности, свидетельствует о том, что в последующих измерениях и оценки качества обработки УБ можно не регистрировать стоимость дефектов, так как полученное по соответствующей программе соотношение «время (мин.)»: «стоимость (коп.)» равно 1:13. Однако это положение правомерно до изменения условий эксплуатации ИС, например, обновления комплекса технических средств, изменения оплаты труда работников и др.

Для проверки адекватности регрессионной модели обратимся к содержанию полученных в результате экспериментальной обработки оценок (таблицы 4.9, 4.10). Проверка регрессионных моделей показала в целом по гипотезе № 1 их адекватность экспериментальным данным. Относительно коэффициентов множественной корреляции, коэффициентов детерминации, критериев Фишера, уровней значимости нулевой гипотезы и других оценок, можно принять, что качество линейного прогноза хорошее.

Более четкое заключение можно дать на основе анализа остатков. В результате обработки получена информация по анализу остатков. Она приведена в таблицах 4.12 и 4.13. Графики зависимости величины нормированного остатка от величины процента приведены на рис. 4.7 и 4.8.

Значения производительности и себестоимости и анализ параметров показывает, что значения остатков незначительны как в абсолютном, так и относительном измерениях. Визуальную проверку адекватности модели удобнее всего выполнить по графикам зависимости величин нормированных остатков от величин процентов снижения дефектов соответственно по производительности и себестоимости (рис. 4.7, 4.8). К обработке и построению графиков целесообразно привлечь нормированные остатки, указанные в графе «Остаток в единицах стандартного отклонения» соответственно таблиц 4.12 и 4.13.

По полученным графикам можно установить следующее. График зависимости величины нормированного остатка от величины процента снижения дефектов по стоимости (рис. 4.8) показывает отсутствие четко выраженного криволинейного тренда. Наблюдается случайный разброс, свидетельствующий о том, что модель

Таблица 4.12

Данные анализа остатков регрессии по производительности

Зна-че-ние %

Номинальное значение производительности (Yэксп.)

Значение прогноза производительности (Yрегр.)

Остаток (Yэксп - Yрегр.)

Остаток в единицах

стандартного отклонения

Стандартная ошибка среднего значения

(d/Yрегр)

95% до-верительный интервал

(iYрегр.)

0

200.8

200.1

0.661

1.91

0.3756

0.7832

1

202.1

201.6

0.4351

1.257

0.3717

0.775

2

203.4

203.1

0.2691

0.7774

0.3681

0.7675

3

204.7

204.6

0.1332

0.3847

0.3649

0.7609

4

206.1

206.1

-.002805

-0.008104

0.3621

0.7551

5

207.4

207.6

-0.1088

-0.3142

0.3598

0.7501

6

208.8

209

-0.2047

-0.5914

0.3578

0.7461

7

210.3

210.5

-0.2707

-0.782

0.3563

0.7429

8

211.7

212

-0.3266

-0.9436

0.3552

0.7406

9

213.1

213.5

-0.3626

-1.048

0.3545

0.7392

10

214.6

215

-0.3786

-1.094

0.3543

0.7388

11

216.1

216.5

-0.3745

-1.082

0.3545

0.7392

12

217.6

218

-0.3505

-1.013

0.3552

0.7406

13

219.2

219.4

-0.2865

-0.8275

0.3563

0.7429

14

220.7

220.9

-0.2224

-0.6425

0.3578

0.7461

15

222.3

222.4

-0.1284

-0.3709

0.3598

0.7501

16

223.9

223.9

-0.01434

-0.04142

0.3621

0.7551

17

225.5

225.4

0.1197

0.3458

0.3649

0.7609

18

227.2

226.9

0.2837

0.8197

0.3681

0.7675

19

228.8

228.4

0.4478

1.294

0.3717

0.775

20

230.5

229.8

0.6818

1.97

0.3756

0.7832

Таблица 4.13

Данные анализа остатков регрессии по себестоимости

Зна-че-ние %

Номина-льное значение про-изводительности (Yэксп.)

Значение прогноза производительности (Yрегр.)

Остаток (Yэксп - Yрегр.)

Остаток в единицах

стандартного отклонения

Стандартная ошибка среднего значения

(d/Yрегр)

95% до-верительный интервал

(iYрегр.)

1

2

3

4

5

6

7

0

11.24

11.25

-0.005596

-1.762

0.003446

0.007186

1

11.17

11.17

0.0007875

0.2479

0.00341

0.00711

2

11.09

11.09

-0.002168

-0.6827

0.003377

0.007042

3

11.02

11.02

0.00435

1.37

0.003348

0.006981

4

10.94

10.94

0.001064

0.3349

0.003322

0.006928

5

10.86

10.86

-0.002223

-0.6998

0.003301

0.006882

6

10.79

10.79

0.004295

1.352

0.003283

0.006845

7

10.71

10.71

0.0002629

0.08279

0.003269

0.006816

8

10.63

10.63

-0.002277

-0.717

0.003259

0.006795

9

10.56

10.56

0.004478

1.41

0.003253

0.006782

10

10.48

10.48

0.0009548

0.3006

0.003251

0.006778

11

10.4

10.4

-0.002331

-0.734

0.003253

0.006782

12

10.33

10.33

0.004383

1.38

0.003259

0.006795

13

10.25

10.25

0.0009007

0.2836

0.003269

0.006816

14

10.17

10.17

-0.002385

-0.7511

0.003283

0.006845

15

10.09

10.1

-0.005671

-1.786

0.003301

0.006882

16

10.02

10.02

0.0008466

0.2666

0.003322

0.006928

17

9.94

9.942

-0.002439

-0.7681

0.003348

0.006981

18

9.87

9.866

0.004274

1.346

0.003377

0.007042

19

9.79

9.789

0.0009882

0.3112

0.00341

0.00711

20

9.71

9.712

-0.002494

-0.7851

0.003446

0.007186

Рис. 4.7 График зависимости величины нормированного остатка от величины процента снижения дефектов по времени

Рис. 4.8 График зависимости величины нормированного остатка от величины процента снижения дефектов по стоимости

едва ли можно или целесообразно улучшить. Сравнительная смещённость, например, распределения настолько мала (близость к оси), что не имеет принципиального значения относительно номинальных величин прогнозируемой переменной по себестоимости (таблица 4.13). Вместе с тем график зависимости величины нормированного остатка от величины процента снижения дефектов по времени (рис. 4.7) показывает незначительный криволинейный тренд. В общем случае это может означать, что в модели вероятно не учтен какой-либо фактор, либо допущены некоторые ошибки в расчетах. Первое условие маловероятно (пропуск фактора), так как кластер-анализ показал только три фактора, с одной стороны, и это условие не подтверждается распределением нормированных остатков по стоимости (рис. 4.8.). Более всего вероятным в данном случае является второе условие. Кроме того, следует учитывать вероятность действия в принципе обоих вышеуказанных и других условий, как это принято в модели регрессии (формула 3.35). Вместе с тем, график показывает, что смещённость распределения остатков относительно оси настолько мала, что в практическом отношении эта смещённость не имеет принципиального значения относительно номинальных величин прогнозируемой переменной по производительности (таблица 4.12, графа «Остаток»). С учетом вышеизложенного можно констатировать, что полученные модели адекватны экспериментальным данным.

Анализ показателей и оценку качества обработки УБ целесообразно начать от общих показателей к частным по данным «Карты оценки и анализа качества ИС» (таблица 4.14). Относительный уровень производительности ИС, равный 0,58, свидетельствует о том, что используются только 58% потенциальных возможностей ИС. 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, в нашем случае максимального, а потому и идеального значения - 348,9 док./день.

Относительный уровень себестоимости обработки составляет 0,32, то есть ниже, чем соответствующий показатель по производительности. Подобное расхождение можно объяснить сравнительно большим удельным весом в стоимости капитальных

Таблица 4.14

Карта оценки и анализа качества функционирования ИС

№пп

Наименование показателей

Значения показателей

фактические

базовые

Относите-льные

единичные

групповые

1

2

3

4

5

6

1

Достоверность:

· этап ввода УБ;

· этап выдачи УБ;

-

0,99846

0,999995

0,9992275

-

-

0,99999996

-

-

0,99992278

-

-

2

Полнота:

· этап приема УБ;

· этап выдачи УБ;

-

0,97344

0,9999169

0,9866784

-

-

0,9999993

-

-

0,986679

-

-

3

Своевременность:

· этап приема УБ от предприятий;

· этап приема УБ от индексировщиков;

· этап выдачи УБ;

-

0,6930694

0,0238096

0,9979202

0,5715997

-

-

-

0,9999804

-

-

-

0,5716109

-

-

-

4

Интегральные

-

0,8525018

0,9999932

0,8527375

5

Обобщенные:

· производительность ИС (док./день);

· себестоимость обработки документов (руб./док.);

-

-

200,79

11,24

348,14

3,61

0,58

0,32

вложений в ИС - ЭВМ, оборудование, аренда или содержание 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 рубля за документ до базового значения - 3,66 рубля за документ.

Удельный вес каждого класса дефектов можно отобразить посредством диаграммы Парето (рис. 4.9). По оси абсцисс отмечены классы факторов-дефектов

Рис. 4.9 Распределение дефектов на диаграмме Парето

по своевременности, полноте и достоверности, а по оси ординат - объемы дефектов в процентном выражении на основе расчета значений по трудоемкости и стоимости дефектов по формулам (3.39) и (3.47) соответственно (приложение 4). 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 междугородных переговоров с предприятиями по отсутствию в УБ значений показателей и привлекаемых для этого дополнительных финансовых затрат на оплату телефонных услуг. Расхождение по своевременности можно объяснить, в частности, различием должностных окладов по штатному расписанию некоторых категорий сотрудников, например, индексаторов документов.

Указанная принципиальная зависимость в объемах классов дефектов подтверждается и значениями других показателей. Так, если относительный уровень интегрального показателя равен 0,85, ниже соответствующих значений достоверности и полноты 0,99 и 0,98, то в этом видно влияние относительного уровня своевременности - 0,57. Та же зависимость наблюдается и по групповым фактическим показателям. Если значение 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. Здесь интегральный групповой показатель равен 0,85, а своевременность - 0,57. Если этап приема УБ от предприятий имеет своевременность 0,69, то этап приема УБ от этапа индексирования УБ имеет своевременность только - 0,02. Дефекты по полноте наибольший объем имеют на этапе приема УБ от предприятий - 0,97.

Дефекты по достоверности имеют сравнительно больший объем и более широкий спектр модификаций. В связи с этим рассмотрим дефекты достоверности в аспекте их распределения по типам (таблица 4.15). 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, прежде всего, объяснить невнимательностью операторов ввода документов в ЭВМ. Подобное предположение обосновывается, например, тем, что из 154 дефектов 19 дефектов 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%. Подобное распределение по классам информации можно объяснить тем, что буквенного текста в УБ по объему больше, чем цифрового в два раза. Вместе с тем, 15,6% ошибок на уровне слов - типа «пропуск», «дублирование», «сдвиг» свидетельствуют, прежде всего, о недостаточной внимательности, собранности операторов ввода УБ в ЭВМ. Дефекты типа «дублирование символов» как относительно буквы, так и относительно цифры - 2 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 по полноте представлено в таблице 4.16. Наибольшую долю дефектов (62,05%) по полноте составляет «отсутствие значения реквизита-основания». Предприятия не всегда указывают в УБ некоторые реквизиты-основания, что свидетельствует об отсутствии необходимых знаний инструктивного материала, должной технологической дисциплины и контроля УБ. Второе место (33,13%) занимают дефекты типа «отсутствие кода признака», например, признаки

Таблица 4.15

Характеристика дефектов достоверности по типам

№№

пп

Типы дефектов

Характер адреса ошибки

Всего

цифра

буква

слово

кол-во

%

кол-во

%

кол-во

%

кол-во

%

1

2

3

4

5

6

7

8

9

10

1

Замена символов

22

14,3

51

33,2

-

-

73

47,4

2

Пропуск символа, слова

12

7,8

37

24,1

19

12,3

68

44,2

3

Лишние символы

-

-

5

3,3

-

-

5

3,3

4

Дублирование символов, слова

1

0,6

1

0,6

4

2,6

6

3,9

5

Перестановка символов

-

-

1

0,6

-

-

1

0,6

6

Сдвиг (тран-спозиция) символа

-

-

-

-

1

0,6

1

0,6

Итого

35

22,7

95

61,7

24

15,6

154

100

Таблица 4.16

Характеристика дефектов полноты по типам

№№ пп

Типы дефектов

Код типа дефекта

Количество дефектов

% дефектов

1

2

3

4

5

1

Отсутствие кода значения реквизита-признака

12

55

33,13

2

Отсутствие документографы

21

8

4,82

3

Отсутствие реквизита-основания

22

103

62,05

Итого

166

100

типа «форма собственности предприятия», «территориальное расположение предприятия» и другие не всегда указываются предприятиями. Модификации ошибок типа «отсутствие документо-графы» составили 8,82% дефектов полноты и означают, что в некоторых УБ предприятия не проставляют в соответствующей позиции значения показателей, что противоречит требованиям инструкции по заполнению.

В силу однозначности дефектов по своевременности этот тип дефектов не дифференцируется. Эти дефекты отмечаются кодом З - «запаздывание пачки документов» в соответствии с кодификатором дефектов.

С целью конкретизации путей улучшения качества обработки УБ необходимо рассмотреть также и факторы-причины, обусловливающие в той или иной мере возникновение дефектов (таблица 4.17). Сведения были получены путем обработки исходных данных «Ведомости дефектов» посредством реализации соответствующей программы. Проведем анализ факторов-причин в порядке их расположения по возрастанию кодов. Неразборчивость знаков в документе обусловило ошибки достоверности, конкретные модификации которых рассмотрены выше.

Таблица 4.17 (начало)

Распределение дефектов по причинам возникновения

№№

пп

Наименование факторов-причин

Коды факторов причин

Всего дефектов

кол-во дефектов

%

дефектов

1

2

3

4

5

1

Неразборчивость знаков в документе

108

5

1,0

2

Отсутствие поля контрольной суммы

110

26

5,0

3

Отсутствие технологических карт этапа

202

2

0,4

4

Недостаточный уровень контроля на предшествующем этапе технологии

204

75

14,6

5

Неисправность клавиатуры

231

2

0,4

6

Нерегулярность инструктажа по контролю качества

304

4

0,8

7

Недостаточный опыт контролеров

306

1

0,2

8

Невнимательность операторов

307

118

22,9

9

Плохая технологическая дисциплина

308

65

12,6

10

Недостаточный уровень ди-спетчеризации технологии

311

10

1,9

11

Нет системы управления качеством

312

47

9,1

12

Недостаточное знание применяемых классификаторов (кодификаторов)

318

1

0,2

13

Недостаточный уровень форм материального стимулирования труда

333

48

9,3

14

Низкий уровень прямоточности технологического процесса

336

111

21,6

Итого

515

100

Таблица 4.17. (окончание)

Распределение дефектов по причинам возникновения

№№

пп

Наименование видов дефектов и массивов

достовер-

ность

массив А

полнота

массив В

своевременность

всего

массив DE

в том числе:

кол-во дефе-ктов

% дефе-ктов

к- во де-фек-тов

% дефе-

ктов

массив D

массив Е

кол-во дефе-ктов

% дефе-ктов

кол-во дефе-ктов

% де-фек-ктов

к-во дефе-ктов

% де-фе-ктов

1

6

7

8

9

10

11

12

13

14

15

1

5

1,0

-

-

-

-

-

-

-

-

2

26

5,0

-

-

-

-

-

-

-

-

3

-

-

2

0,4

-

-

-

-

-

-

4

1

0,2

61

11,8

13

2,6

4

0,8

9

1,8

5

2

0,4

-

-

-

-

-

-

-

-

6

-

-

3

0,6

1

0,2

1

0,2

-

-

7

1

0,2

-

-

-

-

-

-

-

-

8

103

2,0

15

2,9

-

-

-

-

-

-

9

1

0,2

30

5,8

34

6,6

21

4,1

13

2,5

10

-

-

-

-

10

1,9

10

1,9

-

-

11

2

0,4

31

6,0

14

2,7

10

1,9

4

0,8

12

-

-

1

0,2

-

-

-

-

-

-

13

13

2,5

20

3,9

15

2,9

12

2,3

3

0,6

14

-

-

3

0,6

108

21,0

106

20,6

2

0,4

Ито-го

154

29,9

166

32,2

195

37,9

164

31,8

31

6,1

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 в форме УБ имелось бы субполе «контрольная сумма», позволяющая 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.

Недостаточный уровень контроля на предшествующих этапах обработки обусловил 14,6% дефектов, в том числе по полноте 11,8%, по достоверности 0,2%. Качество обработки снижается также по причине отсутствия технологических карт, в которых содержатся, в частности, схемы контроля правильности данных, время обработки и другие параметры технологии.

Содержание причины «неисправность клавиатуры» рассмотрена выше. Причина «нерегулярность инструктажа по контролю качества» объясняет 0,8% дефектов, допущенных на этапах выдачи УБ предприятиями и индексаторами. Недостаточность профессионального опыта операторов ввода обусловила 0,2% ошибок. Большинство операторов ввода данных в основном молодые люди и сравнительно недавно закончили курс профессионального обучения. С целью подсчета частоты факторов-причин, обусловивших появление дефектов, были получены по указанной программе данные частотности причин. Поскольку массивы А и В имели модификации по видам дефектов, то в соответствии с кодами дефектов были получены также частотности дефектов.

Самой значительной проблемой по объему дефектов является «невнимательность контролеров (операторов) ввода» (22,9%). Если ошибки достоверности составили здесь 20%, то дефекты полноты только 2,9%. Фактор-причины «недостаточная технологическая дисциплина» составляет 12,6% 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 из-за запаздывания передачи УБ от индексаторов на следующий этап. Отсутствие системы управления качеством обусловило 9,1% дефектов, при этом 6,0% по полноте, 2,7% по своевременности и 0,4% по достоверности. Недостаточное знание применяемых в технологии классификаторов составило 0,2% дефектов и относится к полноте, так как в данном случае кодировщики этапа индексирования затруднялись в идентификации кодируемых признаков.

Довольно значительный объем дефектов (9,3%) объясняется недостаточным уровнем форм 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. Вторым по объему дефектов (21,6%) является фактор-причина «недостаточный уровень прямоточности технологического процесса». При этом основной объем (21,0%) дефектов падает на своевременность, то есть запаздывание в выдаче УБ от этапа индексирования на этап ввода в ЭВМ. В силу сложившихся обстоятельств 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 по полноте - 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 ИС требует включения и активного использования всего комплекса факторов, воздействующих на качество. Традиционная диспетчеризация технологии и автономные схемы контроля по отдельным этапам с позиций современных требований к качеству должного эффекта не дают.

По существу большинство рассмотренных факторов (таблица 4.17) прямо или косвенно относятся к системе управления качеством и являются ее элементами. Поэтому каждая из мер, направленная на нейтрализацию негативных факторов и достижение положительного эффекта в общем комплексе работ по улучшению качества ИС целесообразно идентифицировать как логический этап разработки и реализации управляющих воздействий системы управления на качество ИС. 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 ИС, 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 представляется возможность применения функциональной программы автоматического индексирования признаков УБ, что позволит отказаться от довольно критического и трудоемкого этапа технологии, как кодирование УБ. Реализация подобной модели в определенной мере может нейтрализовать факторы 108, 110, 204, 308, 311, 318, 336 (таблица 4.17). В документационном отношении форму УБ следует доработать, как в содержательном, так и в формальном отношениях. Доработку целесообразно проводить с учетом обеспечения возможности применения в обработке УБ программ контроля достоверности и полноты данных. При этом следует учитывать необходимость и возможность управления технологическим процессом 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 как никто лучше представляют содержание собственной документации, то 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 предприятия, как по достоверности, так и по своевременности. 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, участвующих в технологии обработки документов. С этой целью необходимо регулярно проводить инструктаж и разбор ситуаций, снижающих качество работы. Для снятия психомоторного напряжения операторов в группе ввода документов в ЭВМ в рамках рабочей смены составить и реализовать график труда и отдыха с обязательными паузами «разгрузки» - производственная гимнастика, отдых от дисплея и другое. Отдел технического обеспечения комплекса ЭВМ должен устранить сбои в работе аппаратных средств, в частности, клавиатуры и устранить тем самым соответствующие дефекты по 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, то есть поставить уровень зарплаты в зависимость от уровня качества результатов работы. Такие формы стимулирования являются эффективными и для других участков технологического процесса ИС.

Периодичность оценки качества работы исполнителя, этапов в отдельности и ИС в целом следует принять 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 - 1-2 раза в месяц. В общем случае периодичность сбора зависит от состояния работ по качеству на том или ином участке технологии. В подобных случаях объем выборок может быть уменьшен до 30-50 документов по каждой выборке. Это обеспечит достаточно эффективную оценку и систематический контроль за состоянием технологического процесса и вместе с тем не повлечет принципиальных трудозатрат. Накопленная таким образом статистика оценок будет способствовать, в конечном итоге, объективности, достоверности значений показателей качества. При разработке перспективных планов оргтехмероприятий по улучшению качества ИС 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. Критерием значимости того или иного фактора, их ранжирование, целесообразно принимать степень влияния фактора на уровень качества технологии, например, относительный уровень производительности, себестоимости, абсолютную и относительную меры дефектов и др.

Оценку эффективности программных и алгоритмических средств можно выполнить в качественном и количественном аспектах. В аспекте качества данный алгоритм существенно расширяет функциональные возможности методических средств программного контроля входных документов сравнительно широкого класса - документы табличной структуры с цифровым наполнением. Кроме того, алгоритм обладает функцией вычисления и восстановления достоверности значений показателей путем замены соответствующего ошибочного значения. По сравнению с существующими средствами контроля рассматриваемая программа обнаруживает такие ошибки, которые в принципе не могли быть обнаружены средствами традиционных программ входной диагностики документов, например, перестановки значений показателей по строкам. Кроме того, возможность автоматического исправления ошибок обеспечивает восстановление пропущенных значений в строке или графе. Все это в конечном итоге повышает уровень качества технологического процесса, снижает трудоемкость на таких трудных участках технологии, как ввод и корректировка первичных документов. Снижение трудоемкости обеспечивает реализацию требований, предъявляемых к информационной технологии - перевод ручных операций на ЭВМ, улучшение устойчивости технологии, улучшение показателей качества ИС и др.

При рассмотрении количественных параметров оценки эффективности программы необходимо отметить следующее. Эксперименты показали, что общее время работы программы, как с включением программы в СПД, так и без включения, одинаково и составило 2 минуты на обработку 20 отчетов (таблица 4.11). Однако время работы процессора ЭВМ по реализации операций входного контроля отчетов не равнозначно относительно указанных вариантов контроля. Так, например, время работы процессора с включением программы в СПД по данным протокола ввода и контроля документов составило 38,02 сек. Процессорное время контроля без применения рассматриваемой программы (только средствами СПД) составило 44,98 сек. Таким образом, применение программы сократило время работы процессора на 6.96 сек., то есть на 15,5 %. Вместе с тем, взаимодействуя с СПД, программа освобождает от необходимости объемной распечатки диагностики ошибок. В любом случае посредством рассматриваемой программы на принтер выдаются более краткие и вместе с тем более информативные сообщения об адресе, исправлении и модификации ошибок. Так, например, распечатка диагностики ошибок по протоколу ввода и контроля 20 отчетов при условии включения рассматриваемой программы в СПД заняла 8 листов бумаги формата 207х210 мм. Распечатка диагностики указанных отчетов без включения программы, то есть только средствами СПД, заняла 14 листов бумаги указанного формата. Таким образом, применение программы уменьшает расход бумаги при выполнении этапа ввода и контроля документации ориентировочно до 40%.

По результатам работы ИВЦ среднее время корректировки одной ошибки на технологическом уровне средствами СПД составляет около 5 минут. С учетом машинного времени и времени на передачу протоколов ввода из машинного зала на корректировку и других видов подготовительно-заключительного времени среднее время на корректировку одной ошибки составляет около 6 мин. Для обеспечения работы программы необходимо выполнить подсчет контрольных сумм по строкам отчета. Опытным путем установлено, что среднее время подсчета контрольной суммы по строке составляет 0,5 мин. Количество строк в отчете в среднем равно 10. Отсюда трудоемкость подсчета контрольных сумм составляет по отдельному документу около 5,0 мин. Таким образом, на основании вышеизложенного представляется целесообразным и во временном отношении применение рассматриваемой программы в структуре СПД. При условии невозможности подсчета контрольных сумм, например, в форме документа не предусмотрено специальных полей, то можно в роли контрольных сумм на этапе эксперимента использовать показатели типа «всего» и (или) «итого», что вообще устраняет необходимость подсчета контрольных сумм по строкам. Но в этом случае автоматическое исправление может быть реализовано только по субполю матрицы отчета.

Вполне очевидно, что наиболее обоснованными представляется подсчет контрольных сумм поручить составителям документов на предприятиях. Реализация этого мероприятия позволит, с одной стороны, повысить ответственность работников предприятий за достоверность документов, а с другой, в определенной мере освободить систему централизованной обработки - ИВЦ от выполнения технических функций по подсчету контрольных сумм, увеличить тем самым объем ресурсов на интеллектуальные виды работ.


Подобные документы

  • Методология структурного анализа и проектирования информационных систем. Базовый стандарт процессов жизненного цикла программного обеспечения. Цели и принципы формирования профилей информационных систем. Разработка идеальной модели бизнес-процессов.

    презентация [152,1 K], добавлен 07.12.2013

  • Жизненный цикл информационных систем, методологии и технологии их проектирования. Уровень целеполагания и задач организации, классификация информационных систем. Стандарты кодирования, ошибки программирования. Уровни тестирования информационных систем.

    презентация [490,2 K], добавлен 29.01.2023

  • Методологические основы оценки качества информационных ресурсов. Анализ принципов методологии, используемых при решении задач ОКФИС. Логика организации, ее теоретический базис, нормы и правила. Методы и средства моделирования информационных систем.

    контрольная работа [66,7 K], добавлен 23.01.2011

  • Факторы угроз сохранности информации в информационных системах. Требования к защите информационных систем. Классификация схем защиты информационных систем. Анализ сохранности информационных систем. Комплексная защита информации в ЭВМ.

    курсовая работа [30,8 K], добавлен 04.12.2003

  • Применение систем визуализации показателей качества воды. Принципы создания информационных систем, их назначение, цели и требования к ним. Разработка сайта и возможности CMS Joomla. Построение модели информационной системы с помощью CASE-технологий.

    дипломная работа [2,5 M], добавлен 12.08.2017

  • Анализ показателей оценки эффективности информационных систем и технологий. Расчет трудовых и стоимостных показателей и показателей достоверности информации, разработка программы для ускорения методов обработки данных. Интерфейс и листинг приложения.

    дипломная работа [1,2 M], добавлен 14.01.2012

  • Области применения и реализации информационных систем. Анализ использования Web-технологий. Создание физической и логической модели данных. Проектирование информационных систем с Web-доступом. Функции Института Искусств и Информационных Технологий.

    дипломная работа [3,8 M], добавлен 23.09.2013

  • Особенности построения и функционирования информационных систем. Понятие, цель и задачи информационной логистики, информационные потоки и системы. Виды и принципы построения логистических информационных систем. Повышение качества логистического процесса.

    контрольная работа [25,4 K], добавлен 11.11.2010

  • Развитие информационных систем. Современный рынок финансово-экономического прикладного программного обеспечения. Преимущества и недостатки внедрения автоматизированных информационных систем. Методы проектирования автоматизированных информационных систем.

    дипломная работа [1,5 M], добавлен 22.11.2015

  • Изучение деятельности фирмы СООО "Гейм Стрим", занимающейся разработкой программного обеспечения интеллектуальных систем. Проведение работы по тестированию информационных систем на степень защищенности и безопасности от разного рода информационных атак.

    отчет по практике [933,1 K], добавлен 05.12.2012

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.