Реферат Курсовая Конспект
СИСТЕМНЫЙ АНАЛИЗ ОРГАНИЗАЦИОННЫХ СТРУКТУР УПРАВЛЕНИЯ ВОЕННО-ТЕХНИЧЕСКИМИ СИСТЕМАМИ - раздел Охрана труда, ...
|
Военная инженерно-космическая академия
Имени А.Ф. Можайского
"СИСТЕМНЫЙ АНАЛИЗ ОРГАНИЗАЦИОННЫХ СТРУКТУР УПРАВЛЕНИЯ ВОЕННО-ТЕХНИЧЕСКИМИ СИСТЕМАМИ "
Р У К О В О Д С Т В О
К практическим работам
По дисциплине
“Военная системотехника и системный анализ”
Санкт-Петербург
Год
ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РАБОТЫ
Пример.
Проиллюстрируем работу описанного алгоритма с использованием метода ближайшего соседа для следующих исходных данных:
А={а1, а2, а3, а4}, отображение целевого сходства gзадано матрицей
Начальное разбиение R0={{а1}, {а2}, {а3}, {а4}}. Максимальное сходство между А3 и А4 равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения R1={{а1}, {а2}, {а3, а4}}. Произведем пересчет целевого сходства для нового разбиения методом ближайшего соседа:
.
Максимальное сходство между А1={а1} и А’3={ а3, а4} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения R2={{а2}, {а1, а3, а4}}. Произведем пересчет целевого сходства для нового разбиения методом ближайшего соседа:
.
Последнее объединение всех задач в исходное множество А={а1, а2, а3, а4} со значением целевого сходства 0.7.
Полученное иерархическое разбиения Tg изображается графически (рис. 7) в виде графа специального вида, получившего название дендрограммы (ребра графа идут параллельно вертикальной оси, которая изображает целевое сходство кластеров разбиений различных уровней).
Алгоритм определения типа организационной структуры
ВАРИАНТЫ ЗАДАНИЙ
Вариант
Определить тип организационной структуры управления СОТС при следующих исходных данных:
1. A={a1,a2,..., a6} - множество целевых, обеспечивающих и вспомогательных задач управления.
2. Отображение g: A´A ® [0,1] целевого сходства задач исходного множества А. Исходные данные использовать согласно номера варианта.
3. Отображение f: A´A ® [0,1] функционального сходства задач исходного множества A. Исходные данные использовать согласно номера варианта.
4. Использовать для пересчета значений сходства кластеров нового разбиения методы иерархического кластерного анализа:
· метод ближайшего соседа (сильной связи):
· метод дальнего соседа (слабой связи):
· метод простого среднего (средней связи):
Вариант №1
Вариант №2
Вариант №3
Вариант №4
Вариант №5
Вариант №6
Вариант №7
Вариант №8
Вариант №9
Вариант №10
Вариант №11
Вариант №12
Вариант №13
Вариант №14
Вариант №15
СОДЕРЖАНИЕ ОТЧЕТА ПО ПРАКТИЧЕСКОЙ РАБОТЕ
Отчет о выполненной работе представляется каждым исполнителем. В нем должны содержаться следующие материалы:
- исходные данные по заданию;
- результаты исследований целевого и функционального сходства задач управления СОТС, представленные в виде иерархического разбиения их с использованием предложенных методов иерархического кластерного анализа;
- расчет относительных показателей структурного подобия построенных дендограмм целевого и функционального сходства задач управления СОТС;
- выводы по результатам решения задачи определения типа организационной структуры управления.
ПРИМЕР РЕШЕНИЯ ВАРИАНТА ЗАДАНИЯ.
Вариант
Определить тип организационной структуры управления СОТС при следующих исходных данных:
1. A={a1,a2,..., a5} - множество целевых, обеспечивающих и вспомогательных задач управления.
2. Отображение g: A´A ® [0,1] целевого сходства задач исходного множества А.
3. Отображение f: A´A ® [0,1] функционального сходства задач исходного множества A.
4. Использовать для пересчета значений сходства кластеров нового разбиения методы иерархического кластерного анализа:
· метод ближайшего соседа (сильной связи):
· метод дальнего соседа (слабой связи):
· метод простого среднего (средней связи):
1. Произведем построение дендограмм (Tg и Tf) и расчет относительных показателей структурного подобия дендограмм S1 и S2 с использованием метода сильной связи иерархического кластерного анализа.
1.1 Построение дендограммы Tg.
Начальное разбиение {{а1}, {а2}, {а3}, {а4}, {а5}}. Максимальное сходство между А2 и А4 равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2, а4}, {а3}, {а5}}. Произведем пересчет целевого сходства для нового разбиения методом ближайшего соседа:
.
Максимальное сходство между А3={а3} и А5={ а5} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2, а4}, {а3, а5}}. Произведем пересчет целевого сходства для нового разбиения методом ближайшего соседа:
Максимальное сходство между А1={а1} и А2’={ а2, а4} равно 0.7, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а2, а4}, {а3, а5}}. Произведем пересчет целевого сходства для нового разбиения методом ближайшего соседа:
.
Последнее объединение всех задач в исходное множество А={а1, а2, а3, а4, a5} со значением целевого сходства 0.65.
1.2 Построение дендограммы Tf.
Начальное разбиение {{а1}, {а2}, {а3}, {а4}, {а5}}. Максимальное сходство между А4 и А5 равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2}, {а3},{а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом ближайшего соседа:
.
Максимальное сходство между А1={а1} и А2={ а2} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а2}, {а3},{а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом ближайшего соседа:
Максимальное сходство между А1’={а1, a2} и А3={ а3} равно 0.7, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а2, а3}, {а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом ближайшего соседа:
.
Последнее объединение всех задач в исходное множество А={а1, а2, а3, а4, a5} со значением функционального сходства 0.6.
Полученное иерархическое разбиения Tf изображается графически (рис. 9).
1.3 Вычисление относительных показателей структурного подобия дендограмм Tg и Tf:
Здесь
,
,
m(Ri,Rj)=2card(Ri Ç Rj) - card Ri - card Rj,
n(Ri,Rj)=card Ri + card Ri - 2card (Ri È Rj).
где k - количество уровней иерархических разбиений; al, al-1 - значения сходства, при которых происходит объединение кластеров разбиений.
В нашем случае k =5, a0=0,
a1=0.6 R1g={ а1, а2, а3, а4, a5}, R1f={{ а1, а2, а3}, {а4, a5}};
a2=0.65 R2g={{ а1, а2, а4}, {а3, a5}}, R2f={{ а1, а2, а3}, {а4, a5}};
a3=0.7 R3g={{ а1}, {а2, а4}, {а3, a5}}, R3f={{ а1, а2}, {а3}, {а4, a5}};
a4=0.8 R4g={{а1}, {а2, а4}, {а3}, {a5}}, R4f={{ а1}, {а2}, {а3}, {а4, a5}};
a5=0.9 R5g={{а1}, {а2}, {а3}, {а4}, {a5}}, R5f={{ а1}, {а2}, {а3}, {а4}, {a5}}.
m( R1g , R1f)=2card(R1g Ç R1f) - card R1g - card R1f= 2card({{ а1, а2, а3}, {а4, a5}}) – 1 – 2= 2*2-1-2=1;
m( R2g , R2f)=2card(R2g Ç R2f) - card R2g - card R2f= 2card({{ а1, а2}, {а3}, {а4}, {a5}}) – 2 – 2= 2*4-2-2=4;
m( R3g , R3f)=2card(R3g Ç R3f) - card R3g - card R3f= 2card({{ а1}, {а2}, {а3}, {а4}, {a5}}) – 3 – 3= 2*5-3-3=4;
m( R4g , R4f)=2card(R4g Ç R4f) - card R4g - card R4f=2*5-4-4=2;
m( R5g , R5f)=2card(R5g Ç R5f) - card R5g - card R5f= 2*5-5-5=0.
n( R1g , R1f)= card R1g + card R1f - 2card(R1g È R1f) = 1+2-2card({а1, а2, а3, а4, a5})=1+2-2*1=1;
n( R2g , R2f)= card R2g + card R2f - 2card(R2g È R2f) = 2+2-2card({а1, а2, а3, а4, a5})=2+2-2*1=2;
n( R3g , R3f)= card R3g + card R3f - 2card(R3g È R3f) = 3+3-2card({а1, а2, а3, а4, a5})=3+3-2*1=4;
n( R4g , R4f)= card R4g + card R4f - 2card(R4g È R4f) = 4+4-2card({{а1}, {а2, а4, а5}, {a3}})=4+4-2*3=2;
n( R5g , R5f)= card R5g + card R5f - 2card(R5g È R5f) = 5+5-2card({{а1}, {а2}, {а3}, {а4}, {a5}})=5+5-2*5=0.
D1(Tg, Tf)=0.6*1+0.05*4+0.05*4+0.1*2=1.2;
S11=1.2/6=0.2;
D2(Tg, Tf)=0.6*1+0.05*2+0.05*4+0.1*2=1.1;
S21=1.1/4=0.275.
Вывод:
Полученные оценки S11и S21говорят о невысоком структурном подобииTgи Tf.Рекомендуется выбирать линейную или линейно-функциональную структуру ОСУ. Выявленное различие Tgи Tf обуславливается задачами а3 и а4 (как видно из рис.8 и рис.9), что может потребовать их координации при включении в функциональные подразделения структуры.
2. Произведем построение дендограмм (Tg и Tf) и расчет относительных показателей структурного подобия дендограмм S1 и S2 с использованием метода слабой связи иерархического кластерного анализа.
2.1 Построение дендограммы Tg.
Начальное разбиение {{а1}, {а2}, {а3}, {а4}, {а5}}. Максимальное сходство между А2 и А4 равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2, а4}, {а3}, {а5}}. Произведем пересчет целевого сходства для нового разбиения методом дальнего соседа:
.
Максимальное сходство между А3={а3} и А5={а5} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2, а4}, {а3, а5}}. Произведем пересчет целевого сходства для нового разбиения методом дальнего соседа:
Максимальное сходство между А1={а1} и А3’={а3, а5} равно 0.5, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а3, а5}, {а2, а4}}. Произведем пересчет целевого сходства для нового разбиения методом дальнего соседа:
.
Последнее объединение всех задач в исходное множество А={а1, а2, а3, а4, a5} со значением целевого сходства 0.2.
Полученное иерархическое разбиения Tg изображается графически (рис. 10).
2.2 Построение дендограммы Tf.
Начальное разбиение {{а1}, {а2}, {а3}, {а4}, {а5}}. Максимальное сходство между А4 и А5 равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2}, {а3},{а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом дальнего соседа:
.
Максимальное сходство между А1={а1} и А2={ а2} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а2}, {а3},{а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом дальнего соседа:
Максимальное сходство между А3’={а4, a5} и А3={ а3} равно 0.5, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а2}, {а3, а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом дальнего соседа:
.
Полученное иерархическое разбиения Tf изображается графически (рис. 11).
2.3 Вычисление относительных показателей структурного подобия дендограмм Tg и Tf:
В нашем случае k =5, a0=0,
a1=0.1 R1g={ а1, а2, а3, а4, a5}, R1f={{ а1, а2}, {а3, а4, a5}};
a2=0.2 R2g={{а2, а4}, { а1, а3, a5}}, R2f={{ а1, а2}, {а3, а4, a5}};
a3=0.5 R3g={{ а1}, {а2, а4}, {а3, a5}}, R3f={{ а1, а2}, {а3}, {а4, a5}};
a4=0.8 R4g={{а1}, {а2, а4}, {а3}, {a5}}, R4f={{ а1}, {а2}, {а3}, {а4, a5}};
a5=0.9 R5g={{а1}, {а2}, {а3}, {а4}, {a5}}, R5f={{ а1}, {а2}, {а3}, {а4}, {a5}}.
m( R1g , R1f)= 2*2-1-2=1; m( R2g , R2f)= 2*4-2-2=4;m( R3g , R3f)= 2*5-3-3=4;
m( R4g , R4f)= 2*5-4-4=2; m( R5g , R5f)= 2*5-5-5=0.
n( R1g , R1f)= 1+2-2*1=1; n( R2g , R2f)= 2+2-2*1=2; n( R3g , R3f)= 3+3-2*1=4;
n( R4g , R4f)= 4+4-2*3=2; n( R5g , R5f)= 5+5-2*5=0.
D1(Tg, Tf)=0.1*1+0.1*4+0.3*4+0.3*2=2.3;
S12=2.3/6=0.38;
D2(Tg, Tf)=0.1*1+0.1*2+0.3*4+0.3*2=2.1;
S22=2.1/4=0.525.
Вывод:
Полученные оценки S12и S2 2говорят о среднем структурном подобииTgи Tf.Рекомендуется выбирать линейную-штабную или линейно-функциональную структуру ОСУ. Выявленное различие Tgи Tf обуславливается задачами а1 и а4 (как видно из рис.10 и рис.11).
3. Произведем построение дендограмм (Tg и Tf) и расчет относительных показателей структурного подобия дендограмм S1 и S2 с использованием метода средней связи иерархического кластерного анализа.
3.1 Построение дендограммы Tg.
Начальное разбиение {{а1}, {а2}, {а3}, {а4}, {а5}}. Максимальное сходство между А2 и А4 равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2, а4}, {а3}, {а5}}. Произведем пересчет целевого сходства для нового разбиения методом простого среднего:
.
Максимальное сходство между А3={а3} и А5={а5} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2, а4}, {а3, а5}}. Произведем пересчет целевого сходства для нового разбиения методом простого среднего:
Максимальное сходство между А1={а1} и А3’={а3, а5} равно 0.575, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а3, а5}, {а2, а4}}. Произведем пересчет целевого сходства для нового разбиения методом простого среднего:
.
Последнее объединение всех задач в исходное множество А={а1, а2, а3, а4, a5} со значением целевого сходства 0.468.
Полученное иерархическое разбиения Tg изображается графически (рис. 12).
3.2 Построение дендограммы Tf.
Начальное разбиение {{а1}, {а2}, {а3}, {а4}, {а5}}. Максимальное сходство между А4 и А5 равно 0.9, что требует объединения указанных кластеров в один и построение нового разбиения {{а1}, {а2}, {а3},{а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом простого среднего:
.
Максимальное сходство между А1={а1} и А2={ а2} равно 0.8, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а2}, {а3},{а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом простого среднего:
Максимальное сходство между А3’={а4, a5} и А3={ а3} равно 0.55, что требует объединения указанных кластеров в один и построение нового разбиения {{а1, а2}, {а3, а4, а5}}. Произведем пересчет функционального сходства для нового разбиения методом дальнего соседа:
.
Последнее объединение всех задач в исходное множество А={а1, а2, а3, а4, a5} со значением функционального сходства 0.344.
Полученное иерархическое разбиения Tf изображается графически (рис. 13).
3.3 Вычисление относительных показателей структурного подобия дендограмм Tg и Tf:
В нашем случае k =5, a0=0,
a1=0.344 R1g={ а1, а2, а3, а4, a5}, R1f={{ а1, а2}, {а3, а4, a5}};
a2=0.47 R2g={{а2, а4}, { а1, а3, a5}}, R2f={{ а1, а2}, {а3, а4, a5}};
a3=0.55 R3g={{а2, а4}, { а1, а3, a5}}, R3f={{ а1, а2}, {а3}, {а4, a5}};
a4=0.575 R4g={{ а1}, {а2, а4}, {а3, a5}}, R4f={{ а1, а2}, {а3}, {а4, a5}};
a5=0.8 R5g={{а1}, {а2, а4}, {а3}, {a5}}, R5f={{ а1}, {а2}, {а3}, {а4, a5}};
a6=0.9 R6g={{а1}, {а2}, {а3}, {а4}, {a5}}, R6f={{ а1}, {а2}, {а3}, {а4}, {a5}}.
m( R1g , R1f)= 2*2-1-2=1; m( R2g , R2f)= 2*4-2-2=4; m( R3g , R3f)= 2*5-2-3=5;
m( R4g , R4f)= 2*5-3-3=4; m( R5g , R5f)= 2*5-4-4=2; m( R6g , R6f)= 2*5-5-5=0.
n( R1g , R1f)= 1+2-2*1=1; n( R2g , R2f)= 2+2-2*1=2; n( R3g , R3f)= 2+3-2*1=3;
n( R4g , R4f)= 3+3-2*1=4; n( R5g , R5f)= 4+4-2*3=2; n( R6g , R6f)= 5+5-2*5=0.
D1(Tg, Tf)=0.344*1+0.13*4+0.08*5+0.025*4+0.225*2=1.814;
S13=1.814/6=0.302;
D2(Tg, Tf)=0.344*1+0.13*2+0.08*3+0.025*4+0.225*2=1.39;
S23=1.39/4=0.347.
Вывод:
Полученные оценки S13и S23говорят о среднем структурном подобииTgи Tf.Рекомендуется выбирать линейную или линейно-функциональную структуру ОСУ. Выявленное различие Tgи Tf обуславливается задачами а1 и а4 (как видно из рис.12 и рис.13).
ЛИТЕРАТУРА
1. Евенко Л.И. Организационные структуры управления промышленными корпорациями США.- М.: Наука, 1983.-350 с.
2. Жамбю М. Иерархический кластер-анализ и соответствия..- М, Финансы и статистика, 1988.-344 с.
3. Кинг У., Клиланд Д. Стратегическое планирование и хозяйственная политика.-М.: Прогресс, 1982.-400 с.
4. Классификация и кластер. /Под ред. Дж.Вэн Райзина.-М.: Мир, 1980.-392 с.
5. Кунц Г., О'Доннел С. Управление: системный и ситуационный анализ управленческих функций. Т.1,2.-М.: Прогресс, 1981.-496 с.,512 с.
6. Лейбкинд А.Р., Рудник Б.Л. Моделирование организационных структур (Классификационный подход). -М.:Наука,1981.-144с.
7. Лейбкинд А.Р., Рудник Б.Л., Тихомиров А.А Математические методы и модели формирования организационных структур.-М.: Изд.МГУ, 1982.-232 с.
8. Мандель И.Д. Кластерный анализ.- М.: Финансы и статистика,1988.-176 с.
9. Мильнер Б.З. Организация программно-целевого управления.-М.: Наука, 1980.-376 с.
10. Мильнер Б.З., Евенко Л.И., Рапопорт В.С. Системный подход к организации управления.-М.: Экономика, 1983.-224 с.
11. Проблемы программно-целевого планирования и управления. /Под ред.Г.С.Поспелова.- М.: Нука, 1981.-464 с.
12. О'Шонесси Дж. Принципы организации управления фирмой. М.:
Прогресс, 1979.-423 с.
– Конец работы –
Используемые теги: Системный, анализ, организационных, структур, управления, военно-техническими, системами0.087
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: СИСТЕМНЫЙ АНАЛИЗ ОРГАНИЗАЦИОННЫХ СТРУКТУР УПРАВЛЕНИЯ ВОЕННО-ТЕХНИЧЕСКИМИ СИСТЕМАМИ
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов