Проведение маркетинговых исследований на примере ООО Центросвар (стр. 4 из 21)

x=a * ρ + b

где a, b – коэффициенты аппроксимации.

Таблица 1.

Параметры функции желательности.

Значение функции желательности	Характеристика качества объекта или изделия
1,00	Соответствует лучшему уровню качества, улучшение которого не имеет смысла
1,00…0,80	Отличное качество, соответствующее лучшему мировому образцу
0,80…0,63	Хорошее качество, уровень которого выше, чем среднемировой
0,63	Средний уровень качества изделий-аналогов, представленных на данном товарном рынке
0,63…0,37	Удовлетворительное качество изделий, превышающее минимально допустимый уровень, но нуждающееся в улучшении
0,37	Минимально допустимый уровень качества (соответствует предельному уровню рентабельности изделия)
0,37…0,20	Плохое качество продукции, не соответствует поставленным целям (убыточное производство)
0,00	Абсолютно неприемлемое качество

Процедура получения оценки уровня параметра изделия по шкале (функции) желательности ¦ включает следующие этапы:

а) определение значений приведенного параметра x, соответствующих узловым точкам шкалы желательности ¦;

б)определение значений приведенного параметра ρ, соответствующих границам интервалов шкалы желательности ¦ (согласно условиям (критериям), приведенным в табл. 1);

в) определение коэффициентов аппроксимации по данным x и ρ;

г) вычисление значения x для конкретного значения оцениваемого параметра ρ;

д) определение значения функции желательности ¦ для оцениваемого параметра.

Очевидно, что результаты сравнительной оценки конкурентоспособности различных изделий- аналогов будут в значительной степени зависеть от того, какие конкретные значения на шкале параметров будут поставлены в соответствие границам интервалов шкалы желательности ¦. Если заранее неизвестны требования конкретных потребителей, данный метод рекомендует придерживаться следующих правил:

а)за ¦=1,00 принимается уровень параметра, превышающий лучший мировой, или максимально возможный уровень, или уровень, улучшать который не имеет смысла;

б)за ¦=0,80 принимается лучший мировой уровень, то есть наилучшее значение параметра среди всех рассматриваемых изделий;

в) за ¦=0.20 принимается самый низкий уровень среди всех рассматриваемых изделий;

г) за ¦=0,00 принимается наиболее низкий уровень значения исследуемого параметра изделия, который можно себе представить;

д) интервал на шкале параметров, соответствующий значениям функции желательности ¦=0,20…0,80, следует разбить равномерно. При этом значения параметра ρ в точках, соответствующих значениям функции желательности 0,37 и 0,63 определяются из уравнения аппроксимации:

ρ=

В качестве критериев оценки могут быть приняты как количественные, так и качественные измерители. В последнем случае оценки качественного параметра (например, имидж изделия или фирмы, его производящей) могут быть также сделаны в соответствии с рекомендациями, приведенными в табл. 1

Имея оценки уровней отдельных параметров изделия, рассчитываем уровень конкурентоспособности всего изделия с помощью обобщенной функции желательности F:

F= ¦₁*¦₂*…*¦_n

где ¦ - значение функции желательности для i-го параметра изделия; n – количество анализируемых параметров изделия.

Сравнивая значение F различных изделий, определяем изделие, обладающее в данное время наилучшей совокупностью потребительских свойств. Этому изделию будет соответствовать наибольшее значение обобщенной функции желательности.

Данный метод страдает также рядом недостатков, а именно:

1)при расчете конкурентоспособности не учитывается различное влияние разных параметров на конкурентоспособность продукции;

2)для каждого из параметров предлагается определять только одну аппроксимирующую функцию. Это не всегда может обеспечить необходимую достоверность расчетов, особенно при использовании в качестве аппроксимирующей линейной функции. В данном случае предлагаем (если возможно получить значения ρ для всех узловых значений x) строить аппроксимирующую функцию по узловым точкам, ближайшим к значениям параметра изделия.

1.2.3. Определение конкурентоспособности продукции методом многокритериальной оптимизации.

Рассмотрим постановку многокритериальной задачи ранжирования: пусть имеется N объектов

и каждому объекту присущи S признаков, выраженных количественно. То есть имеется дискретный набор значений

¦₁¹…¦₁^N

……..

¦_S¹…¦_S^N

где ¦_i^j - значение i-го признака для j -го объекта.

Желательным является выбор такого объекта, у которого значение любого признака является лучшим по сравнению с другими рассматриваемыми объектами.

Очевидно, что такой объект не всегда существует и у каждого есть свои преимущества и недостатки, особенно если S>>1. Поэтому выбор такого объекта не всегда возможен. В этом случае одним из наиболее распространенных методов решения является метод, основанный на выделении множества Парето из множества всех объектов.

Определение. Пусть имеется два вектора y(y₁,…y_n) и y*(y*₁,…y*_n) . Вектор называется оптимальным по Парето, если для

выполняются соотношения и хотя бы для одного i выполняется строгое неравенство.

Очевидно, что при этом не имеет смысла говорить о единственном решении, так как нет никакой информации для того, чтобы предпочесть один объект из множества Парето другому. Поэтому. Если задача заключается в выборе единственного объекта, лицо, принимающее решение (ЛПР), должно выбрать решение, основываясь на ряде субъективных факторов. При этом ему приходится сравнивать между собой все объекты из множества Парето, то есть сначала необходимо установить приоритет (или ранг) для всех объектов из множества Парето, а затем выбрать в качестве единственного решения тот объект, который будет иметь наивысший приоритет (ранг).

Предлагаемый способ решения многокритериальных задач ранжирования можно разбить на следующие этапы:

Этап 1. Формулируется задача НМП (нечеткого математического программирования):

……………….

где

- функция принадлежности элемента ко множеству A_i, характеризующая степень близости значения i-го критерия в рассматриваемой пробной точке ¦_I^j=¦_I(x^j) к оптимальному значению данного критерия. Функции принадлежности строятся с помощью процедуры, выбираемой ЛПР. Сначала необходимо задать функции принадлежности , а затем для каждого ¦_i^j рассчитать значение (или ).

Этап 2. На основе полученных значений

для каждого объекта рассчитывается агрегирующая функция:

где * - некоторая бинарная операция.

Этап 3. После осуществления этапа 2 каждому j-му объекту будет соответствовать единственный числовой параметр

. Для определения оптимальной точки из числа всех пробных точек необходимо выбрать пробную точку с номером j⁰, для которой

Выбор вида функции принадлежности зависит от ряда субъективных факторов, которые обязательно присутствуют, так как выбор осуществляет ЛПР.

Выбор наиболее конкурентоспособного образца продукции – частный случай многокритериальной задачи ранжирования. Необходимо внести следующие изменения:

1) ввести ограничения для значений функции принадлежности: [0;1]; значение функции принадлежности

будет характеризовать степень удовлетворения потребности в i-й характеристике j-м образцом продукции. Причем если =0. то значение i-й характеристики неудовлетворительно, а если =1, то потребность в i-й характеристике удовлетворена полностью;