Геометрическое моделирование деятельности организаций по данным пассивного эксперимента

• Автор: Куликова, Оксана Михайловна
• Шифр специальности: 05.01.01
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Омск
• Количество страниц: 191 с. : ил.

Глаш 1 Обзор методов моделирования деятельности организаций по данным пассивного эксперимента

1.1 Организация как объект управления

12 Обзор существующих моделей, используемых для изучения деятельности

организаций и выбор наиболее эффективной модели

1.3 Теоретические основы геометрического моделирования сложных систем и процессов

1.3.1 Основные принципы построения обратимых чертежей геометрических фигур

1.3.2 Геометрические фигуры, используемые для описания свойств и

характеристик моделируемого объекта

Выводы по главе

Глава 2 Разработка методики построения геометрических моделей деятельности организаций по данным пассивного эксперимента

2.1 Базовые принципы построения геометрических моделей деятельности организаций

2.2 Общая структура геометрической модели организации
2.3 Этапы построения геометрических моделей систем по данным пассивного эксперимента
2.4 Разработка спецификации моделируемой системы
2.5 Выбор типа геометрической модели исходя из спецификации
моделируемой системы
2.5.1 Строение и свойства геометрических моделей первого типа
2.5.2Строение и свойства геометрических моделей второго типа
2.6Планирование и проведение пассивного эксперимента по изучению особенностей функционирования моделируемой системы

2.7 Построение регрессионной модели системы по данным пассивного эксперимента
2.8 Построение уравнения регрессии по данным пассивного эксперимента и оценка адекватности этого уравнения
2.8.1 Проверка качества данных, полученных в ходе эксперимента. Отсев грубых погрешностей
2.8.2 Построение уравнения регрессии по экспериментальным данным
2.8.3 Оценка адекватности уравнения регрессии и анализ его прогностичности
2.9 Построение обратимых чертежей проекций и сечений геометрической
фигуры, лежащей в основе геометрической модели системы
2.9.1Построение чертежей проекций сечений геометрической фигуры, лежащей
в основе геометрических моделей первого типа
2.9.2 Построение чертежей сечений 2 - плоскостями уровня геометрической фигуры, лежащей в основе геометрических систем второго типа
2.10 Расчет погрешности моделирования поведения исследуемой системы с помощью геометрических моделей первого и второго типов
2.11 Прогнозирование особенностей функционирования систем с помощью геометрических моделей данных систем
2.12 Разработка пакета компьютерных программ, реализующих алгоритм построения проекций сечений геометрических фигур, лежащих в основе геометрических моделей первого типа, по данным пассивного эксперимента
2.12.1 Пакет программ, предназначенный для проведения пассивного эксперимента по изучению деятельности организаций
2.12.2 «Modeling Tool» - программа, позволяющая строить чертежи проекций сечений геометрических фигур, лежащих в основе геометрических
моделей первого типа
Выводы по главе
Глава 3 Построение геометрических моделей деятельности организаций по данным пассивного эксперимента
3.1 Построение геометрической модели влияния эндогенных и экзогенных факторов на эффективность деятельности сотрудников технологического отдела цеха №17 ФГУП ОМО им. П.И. Баранова
3.2 Разработка спецификации моделируемой системы
3.3 Выбор типа геометрической модели, описывающей влияние эндогенных и экзогенных факторов на эффективность деятельности сотрудника ТО и проведение эксперимента
3.4 Построение регрессионной модели влияния эндогенных и экзогенных факторов на эффективность деятельности сотрудников ТО
3.5 Построение геометрических моделей влияния эндогенных и экзогенных факторов на эффективность деятельности сотрудников ТО
3.6 Использование геометрических моделей влияния эндогенных и экзогенных факторов на эффективность деятельности сотрудников ТО для приЕіятия управленческих решений и разработки оптимальных методов управления ТО
3.7 Построение геометрической модели влияния эндогенных и экзогенных факторов на эффективность учебной деятельности студентов втузов по начертательной геометрии
3.8 Разработка спецификации процесса усвоения знаний студентами втузов по начертательной геометрии
3.9 Выбор типа геометрический модели, описывающей влияние эндогенных и экзогенных факторов на усвоение знаний студентами втузов по начертательной геометрии, и проведение эксперимента
3.10 Построение уравнения регрессии по данным пассивного эксперимента, проведенного в СибАДИ
3.11 Построение геометрической модели влияния факторов на усвоение учебного материала по начертательной геометрии
3.12 Оценка погрешности геометрических моделей влияния эндогенных и экзогенных факторов на усвоение знаний по начертательной геометрии студентами втузов

На пятом этапе по таблице Граббса для N экспериментальных точек и заданном уровне значимости а определяем коэффициент Са. Затем проверяем гипотезу Н0, если tmax < Са, то верна гипотеза Н0: У тах не является грубой ошибкой и, следовательно, У тах не исключаем из выборки. Если tma% >
Са, то гипотеза об однородности ряда отвергается и У тах является грубой ошибкой и его необходимо исключить из выборки.
Минимальное значение в выборке проверяется следующим образом.
Проверяется гипотеза Но об однородности ряда при помощи критерия ^min, определяемого по формуле:
= (2-16)

гДе ^min - наименьшее значение результирующего признака в выборке. Принцип проверки гипотезы Но для tm-m такой же как и для tmax.
После того как из выборки удалены экспериментальные точки, содержащие вспомогательные значения результирующего признака, переходят к этапу построения уравнения регрессии.
2.8.2 Построение уравнения регрессии по экспериментальным данным
После того как выборка проверена с помощью статистических методов и отсеяны экстремальные наблюдения, можно приступать к построению уравнения регрессии.
Построение уравнения регрессии начинается с отбора факторов из спецификации моделируемой системы и выбора вида уравнения регрессии.
Главная цель отбора факторов для уравнения регрессии - определить тот набор факторов, который сможет с достаточной точностью описать поведение системы. Не стоит стремиться к включению максимального количества известных исследователю факторов в уравнение регрессии, поскольку это снижает