Подрядчик аккредитации: вероятностная модель

РЕЗЮМЕ

Выбор компетентных подрядчиков является одним из важнейших функции во всех бизнес-организаций. В отличие от других типов поставщиков (например, дистрибьюторов, производителей и т.д.), подрядчики, как правило, аккредитованные до того, как бизнес-операции имеет место. В таких ситуациях, часто значительное количество неопределенности, связанной с процессом аккредитации. Это исследование представляет собой вероятностные модели аккредитации подрядчиков. Мы обсуждаем методологию, в которой вероятность меры используются для захвата неопределенность в процессе принятия решений. Эти вероятности оцениваются на основе данных о (я) прошлого заявителей и (II), их последующего исполнения, если аккредитацию. Кроме того, эти вероятности используются для определения того, когда дополнительные сведения о заявителя должны быть собраны, а также какого рода информация будет наиболее важное значение для поставщиков в стадии рассмотрения.

Предметные области: декабрь Анализ OU, систем поддержки принятия решений, Вероятностные модели, а также закупок.

ВВЕДЕНИЕ

Выбор компетентных продавцов уже давно признана в качестве важнейшего бизнес-функции. В попытке обеспечить определенную структуру, чтобы к этому процессу выбора, различные научные и практические работники проанализировали процесс оценки поставщиков и предлагаемых различных количественных моделей. Эти модели включают, среди прочего, линейные модели взвешивания (Ассаф постоянного Усамы Jannadi, 1994; Грегори, 1986; Холт, Olomolaiye, постоянного Харрис, 1994, 1995; Тиммерман, 1986; Вебер, ток,

Во многих организациях, выбора подрядчика состоит из двух этапов. Во-первых, подрядчик должен подать заявку на аккредитацию (часто называют предварительной квалификации). Во-вторых, при необходимости, только на аккредитованных список рассматриваются. Наличие доступных пула аккредитованных подрядчиков устраняет необходимость проводить формальную оценку каждый раз тендер оценивается. Часто это приводит к существенному сокращению сроков. Поскольку несколько подрядчиков, как правило, аккредитованных для обеспечения той же службы, подрядчики не могут прибегнуть к монополистической стратегии ценообразования.

В последние годы был достигнут определенный опубликованы исследования, которые решает проблему подрядчика аккредитации. Рассел и Jaselskis (1992) определила ряд важных факторов, которые могут привести к подрядчику провал, в котором отказ определяется как "нарушение правовых обязанностей подрядчика владельцу достаточно разрешения владельца прекратить услуг подрядчика." (Стр. 612 ) Использование questionnairre обследования, проведенного среди владельцев и менеджеров, которые принимали участие в оценке подрядчика и контроля, они считают, что разрушение происходит чаще всего для небольших проектов, чем для более крупных проектов. Это предположительно произойти из-за крупных проектов выгоду от большего внимания. Рассел и Jaselskis также сообщил, что случаи отказа были больше, когда (а) владельца расходуется минимальное усилие при оценке пригодности подрядчиков для выполнения поставленной задачи, или Co) владелец не имел опыта работы с подрядчиком. В Jaselskis и Рассел (1992), авторов представил модель дерева решений для оценки ожидаемых затрат и оценки усилия, связанные с проектом на основе двух факторов-подрядчика предварительном квалификационном отборе и поручительства связи. Весовые скоринговых моделей для подрядчика аккредитации были представлены в Ассаф и Осама Jannadi (1994) и др. Холт.

(1994). Эти модели требуется, принимающего решение, чтобы назначить веса всем соответствующим критериям, которые могут помочь в процессе принятия решений, а затем оценить каждый подрядчик по этим критериям использования некоторых соответствующем масштабе. Итоговый результат подрядчик линейных среднем присвоило рейтинги с помощью соответствующей массы. Когда несколько подрядчиков сравниваются эти оценки обеспечивают простой основой для выбора одного или нескольких из них. Холт и др.. (1995) представил альтернативный взвешенных скоринговых моделей, которые рассматривают три различные оценки производительности. Первая оценка была основана на предварительном квалификационном отборе переменных, вторая оценка комбинированного предварительного квалификационного отбора переменные с переменными оценки претендента, а третья оценка также включены суммы тендера в списке переменных. Заметим, что линейные функции взвешивания были наиболее широко используются для моделирования более общая задача выбора поставщика, а также (Gregory, 1986; Mazurak, Rao,

Когда подрядчик будут аккредитованы до начала любой коммерческой сделки с покупателем, как правило, имеется значительное количество неопределенности, связанной с процесса принятия решений. Эта неопределенность может быть следствием различных причин. Основным источником неопределенности является отсутствие опыта работы с этим подрядчиком. При оценке поставщиков в целом, производительность на качество и производительность на поставку были определены в качестве двух наиболее важных критериев в предыдущих исследованиях (Monczka, Nichols,

В данной работе мы представляем техники, которые явно считает неизбежной неопределенности, связанные с совершением решения об аккредитации подрядчиков. Помимо модели дерева решений представленных Jaselskis и Рассел (1992), не до работы, что модели неопределенности, связанной с поставщиком аккредитации. Jaselski и Рассел модель не учитывает все различные переменные, которые оцениваются для подрядчика аккредитации. Вместо этого, он считает, что процесс предварительной квалификации целостно, как фактор, влияющий на производительность возможного подрядчика. Заметим, что предыдущие исследования использовали стохастических моделей для выбора поставщиков в целом (Ronen дЕ Триетш, 1988; Soukup, 1987; Tullous

Таким образом, цель нашей модели заключается в определении вероятности того, что подрядчик рассматриваются на предмет аккредитации будет хорошо работать. Основная неопределенность относительно ожидаемых результатов деятельности подрядчика моделируется с помощью исчисления вероятностей. С покупке организации обычно не имеет опыта работы с подрядчиком, желающим получить аккредитацию, вероятность того, что подрядчик будет выполнять также оценивается на основе известных фактов о заявителе. Если дополнительная информация, полученная об подрядчика, он используется для пересмотра вероятность того, что подрядчик будет выполнять удовлетворительно ..

Особенностью нашей методики является то, что актуальной задачей оценки вероятностей, основанный на исторических данных. Исторические данные хранить важные характеристики подрядчиков, которые подали заявки на аккредитацию в прошлом, и последующие опытом с теми подрядчиками. Соответствующие меры вероятность оценивается на основе данных о выполнении ранее кандидатов. Проблема часто встречается при оценке вероятности таким образом, что большой объем данных должен быть доступен. Мы обсудим, как условное имущественной самостоятельности позволяет обойти эту потенциальную ограничения разумным образом. Прежде чем использоваться в вероятностной модели оценки, мы покажем, как наличие условной собственности независимость может быть протестирована в строгим образом. Использование вероятностей в качестве меры неопределенности позволяет использовать решения теоретических подхода к сбору дополнительной информации о подрядчика, когда имеющейся информации недостаточно для достижения окончательного решения. Как правило, есть некоторые дополнительные расходы, связанные со сбором и анализом дополнительной информации. Стоимость приобретения дополнительной информации можно определить, когда, принимающего решение в состоянии обеспечить оценки выгоды и издержки, связанные с совершением хорошие и плохие решения.

Это приобретение дополнительной информации и ее последующей ассимиляции продолжается до тех пор имеющейся информации приводит к достоверный прогноз, или пока все источники информации, были исчерпаны. Таким образом, явно моделирования неопределенность может привести к более экономически эффективные процессы принятия решений для аккредитации подрядчиков ..

Таким образом, главная цель предлагаемого вероятностной методологии заключается в следующем:

Когда представлена новая заявка подрядчика, использовать исторические данные, чтобы определить вероятность того, что в случае его принятия, исполнения этого подрядчика будет удовлетворительным. Кроме того, если больше данных необходимо собрать, основанная на сходстве нынешнего подрядчика с прошлых случаев, определить, какая информация будет способствовать решению создатель всего.

В дополнение к включению теоретической строгости в процесс, который часто субъективных оценок, мы считаем, что предлагаемая методика имеет следующие преимущества. В отличие от линейной модели скоринга, которые используют субъективные веса для каждого принятия решений критерий, предложенный метод оценки вероятности выполнения нового подрядчика непосредственно из исторических данных. Этот метод может быть реализован в виде автоматизированной системы поддержки, которая взаимодействует с существующими базами данных, которая поможет в оптимизации процесса аккредитации. Кроме того, наличие вероятности оценка позволит, принимающего решение, чтобы выполнить формальный анализ затрат и выгод, чтобы определить, какие дополнительные часть информации о новых подрядчиков является наиболее выгодным.

В оставшейся части этого статья организована следующим образом. В следующем разделе мы сформулируем вероятностные модели. Кроме того, в данном разделе рассматриваются свойства условной независимости и показывает, как это приводит к легко осуществимых методика оценки вероятностей. Далее мы рассмотрим, как вероятностная модель может быть проверена, прежде чем положить в использовании. В следующем разделе мы рассмотрим решение теоретических подхода к стратегии сбора информации, когда издержки и выгоды, связанные с различными результатами имеются. И наконец, мы рассмотрим ограничения этого исследования, обеспечить направления для дальнейшей работы, и завершить этот документ.

Вероятностная модель для подрядчика АККРЕДИТАЦИЯ

Основная мотивация для этого исследования вытекает из нашего опыта в международной компании нефтехимической в оценке своих поставщиков процесса аккредитации. В этой организации, с тем чтобы рассматривать для аккредитации, производители должны обеспечить информационный бюллетень, который включает основные данные, необходимые для проведения оценки. Тип информации, предоставленной поставщиком зависит от характера товара или услуги продавец может предложить. Для этой компании, продавцы были разделены на две категории: подрядчики и дистрибьюторов. Подрядчики, нанятых для выполнения строительства и эксплуатации объектов на территории предприятия. Дистрибьюторы, с другой стороны, обеспечить инженерные принадлежности. Данные, необходимые для оценки подрядчиков отличаются от тех, которые необходимы для оценки дистрибьюторов. В этой статье мы рассмотрим процесс аккредитации подрядчиков использованием вероятностной модели.

Для подрядчиков, данные в бюллетень содержит информацию о финансовом положении подрядчика, качество программ на подрядной организации, технических и функциональных возможностей подрядчика и безопасность подрядчика и правовой истории. Иногда, предварительный анализ на основе этой информации достаточно для того, принимающего решение, чтобы заключить, должен ли заявитель быть аккредитованы или нет. Во многих случаях, однако, дополнительных данных (в том числе от посещения) являются обязательными. В таких случаях окончательное решение и общее доверие, принимающего решения являются зависеть от более подробных и времени анализа вновь полученных данных. Обсуждения с сотрудников, выполняющих эту функцию, показали, что традиционно оценка была проведена в довольно субъективным образом. Исходя из прошлого опыта с подрядчиками, сотрудниками отдела закупок определить, когда можно получить дополнительную информацию, а то, что окончательные рекомендации должны быть.

Важной характеристикой этой проблемы является то, что исторические данные часто легко доступны на прошлом подрядчиков. Например, нефтехимическая компания все записи для каждого контрагента, которые ранее подали заявки на аккредитацию. В дополнение к основным данных из досье, представляемых каждым проспект, каждый подрядчик записи, содержащиеся (а) полный набор данных, которые впоследствии приобрели, (б) принять-отклонить решение, и (с) оценки возможного подрядчика производительности, если аккредитацию. Эта оценка была обычной практикой компании за все контракты работников, и таким категориям, как "хорошее" или "бедным". Таблица со списком атрибутов, используемых для оценки подрядчиков представлены в Приложении. Такие данные представляют собой богатый источник информации, а также позволяет вероятность сметы, которые будут сделаны в отношении различных аспектов подрядчика. По сути, данные могут быть сохранены в базе данных и используется в качестве заменителя прошлого опыта с подрядчиками при анализе новых претендентов.

Цель предлагаемой модели является оценка вероятности того, что новый кандидат будет хорошо работать на основе наблюдаемых признаков этом заявителя. Решение об одобрении или отклонении заявителя может быть исходя из того, оценка вероятности выше или ниже некоторого заданного порога. Во-первых, для иллюстрации приведем схему вероятность, что предполагает существует много исторических случаев в базе данных с тем же атрибутом значения в качестве нового претендента. На практике, поскольку большое количество атрибутов Для этого используется процесс принятия решений, получения такой совершенной матчей является очень маловероятным. Следовательно, мы рядом обсудить изысканной схеме, которая использует свойство условной независимости, чтобы обойти необходимость того, чтобы соответствовать одновременно все значения атрибутов нового заявителя с предыдущим делам. И наконец, мы рассмотрим общий случай, который устанавливает основные атрибуты могут быть рассмотрены в совокупности, как группы (далее как составная атрибуты), чтобы получить точные оценки вероятности.

Проиллюстрируем вероятностные модели, используя небольшое подмножество атрибутов из базы данных. Атрибуты рассмотрены потенциальные подрядчики включают следующие финансовые показатели и факторы безопасности:

* Финансовые коэффициенты:

Рентабельность собственного капитала (RLV)

Рентабельность общих активов (RTA)

* Факторы безопасности:

О безопасности и гигиене администрации травматизма за последние 3 года (OSHA)

Забыли рабочие дни Заболеваемость за последние 3 года (LWDI)

Обратите внимание, что все заявители должны предоставить эту информацию в основной информационный бюллетень. Таким образом, база данных предварительного заявителей отражает эту информацию. Для того, чтобы легко оценить вероятность меры из базы данных различных факторов преобразуются в дискретных классов. Например, финансовые показатели и RNW RTA для фирмы классифицируются как "высокий" или "Low", в зависимости от того, фактическое значение больше или меньше, чем соответствующие отрасли. Заметим, что тонкая классификация значений атрибутов может быть уместным в некоторых ситуациях. Аналогичным образом, OSHA безопасности Факторы и LWDI классифицируются как "высокий" или "Low", основанный на фактическое количество таких случаев. Имеются также данные о фактических результатах деятельности подрядчиков, которые получили контракты в прошлом. Выполнение таких подрядчиков контролируется отслеживание различных работ, которые были заключены контракты и является ли подрядчик смог оказывать необходимые услуги в пределах приемлемого уровня качества и график работы. В целом показатели приводятся как "хорошее" или "бедный" на основе этих факторов производительности. В таблице 1 приведен образец категории факторов, ранее аккредитованные подрядчиков и их возможные оценки производительности ..

Рассмотрим ситуацию, в которой новый заявитель оценивается. На основании досье и сопроводительных документов, различных факторов, относящихся к новым заявителем могут быть классифицированы как и раньше. Предположим, что новый подрядчик имеет следующие характеристики:

Рентабельность собственного капитала (RNW) = Высокий

Рентабельность общих активов (RTA) = Низкий

О безопасности и гигиене администрации травматизма за последние 3 года (OSHA) = Низкий

Забыли рабочие дни Заболеваемость за последние 3 года (LWDI = Низкий

База данных может быть использована для оценки того, этот новый подрядчик, скорее всего, хорошо выполнять или нет. Следующие меры вероятности должна быть оценена по результатам Perf = добра и Perf = бедных:

P (Perf я RNW = Высокий, RTA = низкий, OSHA = низкий, LWDI = Низкий).

Эти вероятности оценить исторические примеры, которые имеют тот же набор значений, связанных с финансовой и безопасности факторов. Таким образом, если бы до 20 заявителей с теми же значениями атрибутов, а 16 из них приступили к выполнению своих контрактов в приемлемой форме, то вероятность того, считают, что новый кандидат будет выполнять также будет 0,8. Однако, как отмечалось ранее, учитывая большое количество признаков, вероятность получения точного совпадения очень мала. Далее, мы показываем, каким образом свойство условной независимости может быть использована для обхода этой проблемы.

Условная независимость и вероятностные оценки

На практике, Есть большое количество факторов и атрибутов, которые были рассмотрены до принятия решения относительно аккредитации нового претендента. Например, на основе досье и финансовые отчеты, представленные новым заявителем, около 30 факторов были определены как соответствующие оценки подрядчиков в нефтехимической организации. Поэтому, как правило, не представляется возможным получить точные совпадения многих на всех значений атрибутов между новым заявителем и до дела. Это верно, даже если база данных имеет большое количество записей, поскольку потенциальное количество комбинаций различных результатов фактором является большим. Таким образом, в случаях, когда точное совпадение отсутствует, это не представляется возможным оценить вероятность необходимых выражений, как описано выше. Опытные сотрудники покупку, с другой стороны, возможность принимать правильные решения в таких случаях, потому что они осознают, что из прошлого опыта, результат, скорее всего для данного набора значений атрибутов. Мы показываем, что при точных совпадений нет, понятие условной независимости помогает в оценке необходимых вероятностей различных состояний результатов при относительно меньших потребностей хранения данных.

Мы используем атрибуты RNW и OSHA чтобы показать, как условное имущественной самостоятельности позволяет легко оценить вероятность меры для различных результатов. Условная независимость атрибуты RNW и OSHA в отношении выполнения обязательств подрядчика означает следующее:

Если мы знаем, за то, что данный подрядчик имеет хорошую производительность, то вероятность того, что подрядчик максимума (минимума) RNW не зависит от вероятности того, что подрядчик имеет низкий (или высокий) OSHA падения.

Вероятностно, понятие условное независимости реализации RNW = Высокий и OSHA = Низкое могут быть установлены в аналогично тому, что чисто независимости, как показано ниже (Pearl, 1988, с. 36-37):

Интуитивного основания для предположения условной независимости собственности является то, что атрибуты, как RNW и OSHA являются результаты врожденных способностях подрядчика для выполнения контрактов в адекватным образом. Это неотъемлемое диски способность наблюдаемые характеристики, как RNW и OSHA падения, которые затем используются в качестве суррогатного мер по способности контрактора. Таким образом, по сравнению с подрядчиком с "плохими" перформанс, подрядчиков с "хорошими" исполнении, более вероятно, имеют высокие прибыли на собственный капитал, а также низкое значение OSHA травматизма. Когда атрибуты RNW и OSHA условно независимых друг от друга с учетом возможного исполнения контрактов В.П., равенство (1) справедливо для всех возможных реализаций значений атрибутов для RNW и OSHA.

Использование условной независимости позволяет легко оценить необходимые вероятностей, связанных с различными состояниями результата. Рассмотрим ситуацию с выше RNW = Высокий и OSHA = Низкий. Функции оценки, которые используются для принятия решения вероятность того, что подрядчик будет иметь хорошую работу. Эту вероятность можно оценить с помощью условных имущественной самостоятельности, и определяется выражением:

Так как оба выражения (2) и (3) имеют тот же знаменатель, подрядчика зависит от значения числители для двух стран исхода. Обратите внимание, что все составные условия вероятности в числителе для (2) и (3) легко оценить из имеющихся случаев. Это потому, что при оценке вероятности термин, как P (RNW = Высокое | VP = бедных), который появится в числителе (3), нужно только найти спички для атрибута RNW, без совпадать со значением для OSHA одновременно. Кроме того, при оценке P (OSHA = Low | В. П. =- бедных), только для attributevalue OSHA является актуальным, не RNW. Знаменатель, который является общим для обоих выражений (2) и (3), не нужно быть четко оцениваться в практике. Вместо этого, признавая, что вероятность оценки в (2) и (3) необходимо добавить до 1, числитель может быть оценена, а затем нормированы для получения желаемой оценки вероятностей для двух стран исхода. Решение об одобрении или отклонении заявитель может быть сделан на основе оценки вероятности.

Как отмечалось ранее, важная причина для использования условной независимости собственности является то, что точные оценки вероятности можно сделать с небольших баз данных, по сравнению с ситуацией, когда это свойство не используется. Рассмотрим ситуацию, в которой 10 бинарных атрибутов используются для оценки подрядчиков, в результате чего в общей сложности 2 ^ SUP 10 = 024 возможных комбинаций атрибутов значения для каждого подрядчика результат. При создании нового подрядчика проводится оценка, атрибут-значение подрядчика набор (профиль) может быть любой из этих 1024 комбинаций. Для оценки вероятности значимым образом из базы данных, один потребовалось бы несколько матчей на полный профиль подрядчика. Таким образом, без условного имущественной самостоятельности, мы будем требовать, чтобы базы данных десятки тысяч записей, для того, чтобы сделать достоверные оценки. Используя условную имущественной самостоятельности, мы должны оценить условные вероятности, связанные с каждым атрибут-значение, независимо от других атрибутов. Иными словами, мы не должны совпадать полного профиля с существующими случаях. Вместо этого, мы просто требуют результатов отдельных признаков, по одному за раз, для оценки компонента условиях вероятность того, что составляет общее выражение.

Есть только два возможных значений, которые может принимать атрибут для каждого подрядчика результат. Таким образом, данные требования сводятся чрезвычайно достоверные оценки вероятности. В самом деле, для этого примера, уменьшается на коэффициент 512!.

Группировка взаимосвязанных атрибуты для точной оценки вероятности

Методика, используемая для получения оценки вероятности потенциальных подрядчиков могут быть легко реализованы на практике. Необходимо отлично сочетаются все атрибуты для нового заявителя с предыдущими случаях преодолевается за счет условного предположении независимости. Тем не менее, на практике, вполне возможно, что данный результат государства, не все значения атрибутов условно независимых друг от друга. Например, в задаче выбора подрядчика, 2 атрибуты прибыли на собственный капитал (RNW), а доходность суммарных активов (RTA) относятся к рентабельности подрядчика, и не может быть условно независимых относительно результата переменной, подрядчика (В. П. ). В таких ситуациях, как правильно оценить вероятность того, связанных с различными государствами результат рассмотрения этих двух атрибутов в комплексе. Кроме того, значения заболеваемости OSHA травм и LWDI также взаимосвязаны. Пересмотренной функции оценки за результат VP = Хорошо, для значений атрибутов RNW = Высокий, RTA = Высокий, OSHA = Низкий и LWDI = Низкое оценивается как показано ниже. Вновь отмечая, что знаменатели задней выражения вероятности VP = добра и VP = Бедные те же, мы имеем:

Символ (опущено) относится к "соразмерности" вероятности оценивать по левой стороне заявления (4) с выражением в правой части. В (4), атрибуты и RNW RTA, рассматриваются в качестве составной атрибут для оценки вероятности. Кроме того, переменные и OSHA LWDI также рассматриваться в качестве составного атрибута. В оперативном отношении, все простые атрибуты хранятся как и раньше, они рассматриваются как составной атрибут только тогда, когда используется для оценки необходимых вероятностей. Выражение для P (VP = бедных | RNW = Высокий, RTA = Высокий, OSHA = низкий, LWDI = низкий) могут быть получены таким же образом, и нормированные результаты, которые используются, как раньше.

Используя все атрибуты, как простой, когда соединение атрибуты соответствующих случаях, может привести к ошибочным решениям. Это происходит, когда различные атрибуты, очень тесно связаны, и используя их самостоятельно приводит к двойному подсчету их влияние на окончательную оценку вероятности. Рассмотрим следующий гипотетический сценарий, в котором мы предполагаем, что правильный способ лечения 2 атрибуты RNW RTA и так же соединение 1. Кроме того, мы рассмотрим эти две характеристики и падения OSHA оценить новый подрядчик. Пусть VPC представляют VP = добра и УРр представляют VP = бедных. Мы предполагаем, что значения атрибутов для 3 новых заявителя: RNW = Высокий, RTA = Высокий и OSHA = Низкий. Для удобства записи, мы ссылаемся на эти значения очень просто: RNW RTA и OSHA. Тогда,

Приведенный выше пример показывает, что, когда набор атрибутов, сильно зависят друг от друга с учетом результатов государственной, используя их как простых атрибутов может привести оценку вероятности, что существенно отличается от истинной вероятности. Если атрибут является (почти) полностью коррелирует с другой, то, конечно, один из двух атрибуты могут быть исключены из анализа. Когда атрибуты соотносятся, но недостаточно сильно, чтобы быть совершенным заменителей, то важно, чтобы лечить такие атрибуты, как соединения из них. Таким образом, в дополнение к выявлению все соответствующие атрибуты, это также важно определить, какие из атрибутов должны рассматриваться в совокупности как составные атрибуты. Эта группировка простых атрибутов в соединение из них может быть получено первое определение основных факторов, которые влияют на принятие решения, а затем определить, какие из простых атрибутов должны быть включены в каждую из важных факторов. Например, рентабельность подрядчиков часто измеряется с помощью финансовых отношений Вернуться на чистые активы (RN), доходность суммарных активов (RTA), а до налогообложения маржа (BT). Эти три финансовых показателей можно рассматривать в качестве составной атрибут для оценки возможного вероятность того, что подрядчик будет выполнять хорошо.

Кроме того, финансовые показатели, которые связаны с ликвидностью подрядчика Коэффициент текущей ликвидности (CR), Коэффициент быстрой ликвидности (QR), а также инвентарь для оборотных средств (МКА), могут рассматриваться в качестве еще одного атрибута соединения. Тогда, если соотношение отражает прибыльности и ликвидности применяются для оценки подрядчика, соответствующие выражения вероятности будут:.

Для простоты обозначений, мы говорим только названия условные и кондиционирования переменных в этом выражении, а также оставить неявных фактических значений, которые они могут иметь. Окончательные оценки вероятности получаются нормализации правой части этого выражения, связанные с различными значениями VP.

Результате использования соединения атрибутов, а по сравнению с использованием только простые атрибуты, в том, что она увеличивает потребности в данных для точной оценки вероятности. Таким образом, если RNW, RTA и BTM являются составной атрибут, то множество реализаций RNW = Высокий, RTA = Высокий и BTM = Высокое будет рассматриваться как один реализации для соединения атрибута. Число реализаций, что соединение атрибут может иметь это произведение количества возможных реализаций компонента простых атрибутов. Например, если все три вышеупомянутых переменных считаются бинарных, а затем Существуют восемь возможных комбинаций этих отношений. Это накладывает четырехкратное увеличение требований к данным по сравнению с использованием только простые атрибуты. Это касается отношений, которые связаны с ликвидностью подрядчика, а также. Тем не менее, это все же предпочтительнее использовать все шесть отношения как один атрибут соединения. В этом случае, не было бы 64 возможных реализаций для соединения атрибут, с высокой скоростью передачи данных соразмерно требованиям для создания точной оценки вероятности. По этой причине меньшего атрибуты соединения являются более предпочтительными, по мере необходимости.

Данная процедура легко распространяется на любое количество атрибутов, которые могут быть использованы для оценки подрядчиков, а не ограничивается только атрибуты, имеющие только двоичные значения. Пусть простые атрибуты обозначим X ^ 1 к югу ^..., X ^ п ^ к югу, а также быть результатом переменной. Далее, пусть Y ^ ^ 1 к югу, к югу Y ^ 2 ^, Y ^ R ^ югу быть определенный набор сложных атрибутов, которые составляют набор атрибутов, то есть, каждый X ^ ^ к югу является составной частью некоторых соединений Атрибут Y ^ J ^ к югу. Тогда для каждого возможного результата = ^ ^ я к югу, то функция оценки является:

Термин Y ^ J ^ югу используется для обозначения соединения атрибут-значение, набор в приведенном выше выражении (например, Y ^ югу J ^ может быть составной реализации RNW = Высокий

Проверка МОДЕЛЬ

Прежде чем выше методика может быть использована для оценки подрядчиков, необходимо получить от лиц, принимающих решения спецификации полной вероятностной модели. Первый шаг в модели задачи спецификации, чтобы добиться от пользователей подрядчика атрибуты, которые будут использоваться в процессе оценки. Эта информация, как правило, легко доступны, так как большинство организаций разработали руководящие принципы для оценки различных типов подрядчиков. Следующим шагом будет получить от пользователей переменных, которые следует рассматривать в качестве составной атрибутов. Как показано в предыдущем разделе, это является важным требованием. Наконец, принимающего решения необходимо обеспечить классификации, используемые для классификации каждой переменной, так как это тоже имеет отношение к возможному точность оценки вероятностей. Как правило, вся эта информация должна быть получена из опытных сотрудников покупки. Однако, прежде чем модель используется, важно, чтобы убедиться, что допущения, заложенные в модели являются обоснованными из них. В этом разделе мы рассмотрим, как выбор сложных атрибутов, а также классификация схем для разных переменных, должны быть проверены с использованием имеющихся данных.

Выбор атрибутов Подворье

Для того, чтобы получить точную оценку вероятности относительно будущих результатов деятельности подрядчика, важным вопросом является выбор переменных, которые представляют собой различные атрибуты соединения. Хотя опытные офицеры покупки часто могут указать, какие переменные являются взаимосвязанными, они не могут указать все свойства условной независимости, которые существуют во всей переменные в точном моды. Важной задачей, то это проверить, что соединения атрибутов, указанных в самом деле удовлетворить условной собственности независимости. Перед набором атрибутов соединения используются для оценки вероятности, следующие два типа проверки должны быть выполнены.

* Убедитесь, что соединение различных атрибутов продемонстрировать условное имущественной самостоятельности навстречу друг другу.

* Убедитесь, что все переменные, которые были указаны в качестве части составного атрибута должны рассматриваться как таковые. В противном случае, разложить смесь атрибутов на меньшие подмножества переменных, условно независимых друг от друга.

Мы обсуждаем с использованием примеров, как эти вопросы должны быть решены до модели ставится в использовании.

Существование условных имущественной самостоятельности через переменные могут быть протестированы в следующим образом. Рассмотрим ситуацию, при которой финансовые показатели Коэффициент текущей ликвидности (CR), Коэффициент быстрой ликвидности (QR), а также инвентарь для оборотных средств (МКА), рассматриваются в качестве составной атрибут, который относится к ликвидности подрядчика, а RNW RTA и BTM В настоящее время рассматривается в качестве составной атрибут, который относится к рентабельности подрядчика. Соединения атрибуты являются условно независимыми, если равенство выполняется для всех возможных реализаций различных переменных:

При вероятности оцениваются по данным, маловероятно, что выше равенства проведет в точном образом, даже если условное допущение независимости правда. Различия в вероятностных оценок, полученных с условным предположении независимости и без нее, соответственно, помогают указать, является ли предположение оправдано или нет. Хи-квадрат независимости может быть выполнен, чтобы проверить, является ли наблюдаемая различия в допустимых пределах, если соединение атрибутов действительно условно независимыми. Принимая во внимание наличие условных имущественной самостоятельности как нулевой гипотезы, chisquare статистика может быть оценена на основе имеющихся данных. Либо уровне 5% или 1% уровень значимости, как правило, считается целесообразным для таких испытаний (Эверитт, 1977). Если нулевая гипотеза отклоняется, то правильный путь для рассмотрения финансовых показателей связано с ликвидностью и доходностью, чтобы объединить их в один атрибут соединения.

Важным следствием указанных выше испытаний, что, когда два набора переменных, не установлено, что условно независимыми, новый атрибут соединения получены в результате слияния двух групп может состоять из большого числа переменных. Конечно, когда это произойдет, точные оценки вероятности можно сделать только тогда, когда достаточно большое количество образцов в базе данных.

Когда количество переменных, включенных в два атрибуты соединения мала, хи-квадрат тест может выявить наличие условных имущественной самостоятельности при относительно малых выборок. Когда смесь атрибутов большие, больше данных, являются желательными для проведения таких испытаний. Эверитт (1977, стр. 40) указал, что критерий хи-квадрат разумно до тех пор, как ожидаемое число случаев для наименее вероятным реализации больше, чем 0,5. Рассмотрим ситуацию, в которой мы тестируем условной независимости через соединение атрибутов ликвидности и доходности (где каждое соединение атрибут имеет три компонента отношения, соответственно). После включения кондиционирования переменной (подрядчика), мы должны рассмотреть в общей сложности 27 = 128 различных возможных реализаций. Если все реализации были равновероятны (т. е. 1 / 128 каждый), объем выборки составляет около 64 будет достаточно. Однако, вполне вероятно, что некоторые реализации имеет гораздо меньшей вероятностью, чем другие. В таких ситуациях, размер выборки требования для выполнения критерия хи-квадрат может быть на несколько порядков больше. Таким образом, если наименее вероятной реализации были вероятностью 1 / 12800, требование выборки увеличится до 6400, которая вряд ли будет достигнута.

При больших атрибутов соединения считаются, требования выборки будет еще больше. Это означает, что, когда имеющиеся размер выборки небольшой, учитывая большое соединение атрибутов не подходит. Следует отметить, что хи-квадрат статистика приводится в число имеющиеся образцы. Когда размер выборки относительно мал (например, 50 или меньше), 2 набора переменных должны продемонстрировать сильную зависимость, с тем чтобы привести к отказу от нулевой гипотезы ..

Проверив соединения атрибуты условной независимости, целесообразно рассматривать каждый пересмотренный соединения атрибут чтобы убедиться, что переменные, включаемые действительно зависят друг от друга. Процедуры для выполнения этого теста, как и для тестирования условной независимости через соединение атрибутов. Рассмотрим соединение атрибут "ликвидности", который состоит из соотношения CR, QR, и ICA. Прежде чем принять решение, чтобы рассматривать эти соотношения совместно при оценке вероятности, мы должны проверить, имеет ли какой-либо один из них условно независимыми от других. Например, чтобы проверить, если ICA условно независимой от двух других отношений, мы должны убедиться, что имеет место равенство для всех реализаций переменных:

Выше гипотезу можно проверить с использованием имеющихся данных в порядке, обсуждались ранее. Если гипотеза принимается, то переменные ЧР и QR, должны рассматриваться как один атрибут соединения, в то время как ICA следует рассматривать как отдельный атрибут. Если ICA не установлено, что условно независимыми от двух других переменных, аналогичные испытания должны быть выполнены, чтобы определить, является ли переменная CR условно зависит от множества переменных (QR, ICA). Наконец, QR должна пройти проверку (CR, ICA) условной независимости, а также. При соединении атрибута распадается на две отдельные атрибуты соединения, аналогичная процедура разложения могут быть применены к новым соединения атрибуты в целях дальнейшего сокращения их размера.

Мы отмечаем, что процедуры, изложенные выше, не является гарантированно найти наилучшего возможного набора атрибутов соединения, поскольку на каждом этапе испытаний условной независимости одного элемента атрибута соединения с другими. Вполне возможно, что соединение атрибут, состоящий из 4 переменных может быть, разложимых в два соединения атрибуты, состоящий из двух переменных каждая. Тем не менее, это не будет обнаружен, если испытания условной независимости явно выполнены для двух наборов переменных. Когда размер первоначального атрибута соединения мала, это может быть возможным перечислить все возможные схемы разложения и выполнять необходимые тесты для значения. Однако число возможных схем распада увеличивается по экспоненте с размером соединения атрибута. Есть в общей сложности 21-1 различных схем декомпозиции составного атрибута п переменных. В результате, перечисления и тестирование всех схем распада будет вычислительно времени для больших атрибутов соединения, и не может быть осуществимым на практике.

Стоит отметить, что значения уровней, связанных с испытаниями независимости описанные здесь применяются для каждого теста в отдельности. В результате одновременного уверенность в несколько тестов, которые необходимы для проверки будет соответственно ниже. Например, соотношение CR могут быть признаны условно независимыми, так QR и ВСА на уровне 1% уровней значимости, соответственно, и QR и ICA могут быть признаны условно независимых друг от друга на 1% уровне значимости а. Однако, мы не могли бы заключить, что все три соотношения попарно условно независимыми на 1% уровне значимости. Вместо этого, используя неравенство в Bonferroni (нетеровым слева, Вассерман, постоянного Катнер, 1989), мы могли бы сказать, что все три соотношения попарно условно независимыми не менее чем в 3% уровне значимости. Если мы хотим обеспечить, чтобы отношения 3 попарно условно независимыми на 1% уровне значимости, было бы следовать из неравенства Bonferroni о том, что мы проводим индивидуальные тесты на 0,33% уровне значимости.

В предыдущих рассуждениях мы предполагали, что условное имущественной самостоятельности во множестве переменных является одинаковым для всех возможных состояний результата. Возможно также, что условная независимость свойств через атрибуты могут отличаться для разных результатов. Примером может служить случай, когда атрибут ICA условно независимые части (QR, CR), когда VP = Хорошо, а QR условно независимые части (CR, ICA), когда VP = бедных. Такие свойства условной независимости может быть проверена использованием проверки значимости природы говорилось выше. Тем не менее, хотя такие случаи условной независимости интуитивно менее значимыми, они могут помочь в снижении требований к данным для оценки вероятности.

Оценка различных схем категоризации для значений атрибутов

Выбор схемы классификации для переменной как правило, зависит от характера переменной. Для номинальных переменных, как ISO 9000 Сертификация, True или False классификации будет достаточно. При непрерывных переменных превращаются в категорической характера (например, финансовые показатели), различные схемы классификации могут быть рассмотрены. Например, простая схема классификации для отношения RNW будет использовать либо значение высокой или низкой, в зависимости от того, наблюдается соотношение выше или ниже среднего значения этого отношения для аналогичных компаний. С другой стороны, покупка офицера, возможно, пожелает более детальной классификации тех ценностей, которые относятся к категории низкого, разделив их на категории умеренно низкой и очень низкой. В целом, чем выше степень схемы классификации, тем более информативным будет матч на этот атрибут. Это могло бы стимулировать пользователей к предусматривают штраф схемы классификации насколько это возможно. Тем не менее, более тонкая классификация требует большего количества тестовых данных для получения точной оценки вероятности. Поэтому, когда выявления схемы классификации, компромисс должен быть заключен между предсказательная сила схемы классификации тоньше и способность к правильным оценкам вероятности на основе имеющихся данных.

Этот компромисс может быть выполнен в строгой моды, изучая добавил предсказательная сила классификации тоньше и тестирования на значение аналогично тому, что говорилось в предыдущем пункте. Поясним, как такой компромисс должен быть выполнен ..

Как правило, этот вопрос решить будет нечто вроде следующего: мы должны рассмотреть два возможных категорий значений RNW, или три, как говорилось выше? Для простоты изложения мы предположим, что первая переменная RNW является единственным компонентом составного переменной. Если бы мы использовали три класса, то, как оно повлияет на окончательную оценку вероятности через следующие вероятности компонента:

для VP = добра и VP = бедных. Тогда, комбинируя два класса, умеренно низкой и очень низкой, в один класс (например, низкий), не приведет ни к каким разница в окончательная оценка вероятности при любых возможных сценария. Однако, как уже говорилось выше, при оценке условных вероятностей по данным, эти вероятности редко одинаковы, даже если истинные вероятности очень близки. Еще раз, различия могут быть проверены на предмет использования значения критерия хи-квадрат за независимость. Предполагая, что эти два класса, не приводят к очень разным оценкам, вероятность, хи-квадрат статистики могут быть оценены на основе имеющихся данных образца. Степенями свободы, ассоциированные с тестом будет соответствовать разнице между степенями свободы, ассоциированные с использованием 2 классов по отдельности, а рассматривать их как единый класс, соответственно. Еще раз, размер выборки будет играть важную роль, так как хи-квадрат статистика явно включает в себя эффект больших образцов путем вычисления относительно тесного оценки вероятности.

Указанный порядок может быть распространен на изучение альтернативных схем классификации для переменных, которые являются частью сложных атрибутов, которые включают других переменных. Если Yi ссылается на другие переменные, которые усугубляют атрибут, а Y ^ ^ я к югу относится к реализации этих переменных, то эквивалентность по вероятности условия будут интересны:

Мы должны сравнить вышеуказанные условия для всех возможных реализаций переменных, включенных в Y югу ^ я ^ и различные результаты для VP. Порядок исчисления хи-квадрат статистика была бы аналогична предыдущему случаю. Степенями свободы, ассоциированные с этим тестом, будет зависеть от числа реализаций, что Y ^ ^ к югу я есть.

Более сложный сценарий будет один, в котором схемы классификации изучаются различные переменные, которые принадлежат к той же атрибут соединения. Самый простой способ сделать это состоит в изучении альтернативных схем классификации для каждого атрибута, один за один раз. Более строгий метод потребует рассмотрения всех переменных одновременно, сравнивая оценки вероятностей, связанных с различными схемами классификации. Можно было бы начать с лучших возможных схем классификации для каждой переменной в соединении атрибута, и крах вместе классов, которые не обеспечивают значительно более интеллектуального власти. Конечно, этот метод, как правило, связаны выполнять несколько больше тестов, по сравнению с простым способом. С другой стороны, этот тест будет явно учитывать взаимную зависимость между переменными в соединении атрибута, и приведет к более точной оценки в целом.

АНАЛИЗ ЗАТРАТ И ВЫГОД ДЛЯ СБОРА НОВЫХ ИНФОРМАЦИОННЫХ

ЗАКЛЮЧЕНИЕ

Это исследование представляет собой вероятностный метод для принятия решений подрядчика аккредитации. Техники явно считает, неопределенность, связанная с возможностью подрядчика для надлежащего выполнения требований. Отличительной особенностью нашей методики является то, что актуальной задачей оценки вероятностей на основе соответствующих исторических данных. Впоследствии, вероятность того, что подрядчик будет выполнять также оценивается на основании известных фактов о заявителе и исторических данных по предварительному заявителей. Исторические данные служат суррогатом прошлого опыта аналогичных подрядчиков. Использование вероятностей в качестве меры неопределенности также позволяет использовать решение теоретических подхода к сбору дополнительной информации о подрядчика, когда имеющейся информации недостаточно. Стоимость приобретения различных фрагментов информации может быть оценена, когда принимающий решение в состоянии обеспечить оценки выгоды и издержки, связанные с совершением хорошие и плохие решения. Явного моделирования неопределенности приводит к более экономически эффективные процессы решения.

Использование условных имущественной самостоятельности существенно снижает требования к данным при оценке необходимых вероятностей. Тем не менее, проверки наличия условной независимости свойств, а затем и точность процесса оценки вероятности, будет зависеть от объема имеющихся данных. Когда количество имеющихся данных является ограниченным, или составные атрибуты рассматриваются крупные, полученные оценки не могут быть надежными. Как правило, средних и крупногабаритных организации большой пул подрядчиков, которые позволили бы для использования предложенной методики. Организации, которые имеют небольшое количество подрядчиков потребуется собрать необходимую информацию, с течением времени, чтобы иметь достаточное количество данных для конструктивных оценки вероятностей.

Одним из смежных аспектов предлагаемой модели состоит в том, что качество вероятностные оценки процесса во многом зависит от качества данных. Таким образом, необходимо позаботиться, чтобы убедиться, что данные являются точными, и как можно более полной. Кроме того, фактический опыт работы с подрядчиком, доступны только в базе данных, если подрядчик был аккредитован в первую очередь. Основываясь только на решение таких заявителей может привести к образцу смещения (аналогично prescreening смещения определены в литературе кредитный рейтинг), так как информация о отклонил заявители не войдет в систему. Кроме того, если до решения об отказе подрядчика были основаны на субъективных и предвзятых факторов, вероятностная модель увековечит таких критериев решения в будущем. Таким образом, информация от подрядчиков была отвергнута на этапе аккредитации должны быть также включены в базу данных.

Вопрос, таким образом в том, как включить информацию о отклонил заявителей в базе данных. Этот вопрос был рассмотрен в литературе кредитный рейтинг, и некоторые из методов, используемых не может быть рассмотрен (Розенберг

Третий вариант заключается в разработке некоторых увеличения техники, аналогичные, разработанные для кредитного рейтинга ярмарка, Исаака и компания (Galitz, 1983). Такой метод позволит сократить присущие смещения путем взвешивания хорошие и плохие заявителей в аккредитованных группы по оценке вероятности того, что каждая из них будет принято. Следует отметить, что хотя вышеупомянутые методы лучше, чем игнорирование prescreening предвзятости, они не смогут полностью компенсировать недостающую информацию об исполнении отклонил заявителей ..

Выбор переменных, которые являются атрибутом каждого соединения играет важную роль в точной оценки вероятностей. От лица, принимающего решение в точки зрения, такие группы должны быть интуитивно и легко понять. С другой стороны, множество сложных атрибутов должны продемонстрировать условной собственности независимости. Сам процесс проверки может занять много времени и утомительным, если различные атрибуты используются в оценке. В настоящее время мы разрабатываем автоматизированную систему, которая будет испытанием для условной независимости через наборы атрибутов. Это может существенно сократить время, необходимое для проверки модели, и позволяет пользователям рассматривать многие другие альтернативные спецификации сложных атрибутов.

Важным вопросом для будущих исследований является изучение методов для получения множества сложных атрибутов на основе анализа имеющихся данных. Многомерный анализ методов, таких как факторный анализ, могут быть использованы, если достаточное количество исторических данных не имеется. Такой метод может быть использован для кластера те атрибуты, которые сильно коррелируют, который будет служить в качестве составной атрибутов. Мы в настоящее время изучают такие методы, чтобы посмотреть, как они могут быть интегрированы с вероятностный процесс построения модели, с тем чтобы соответствующие атрибуты соединения могут быть получены непосредственно от самих данных. [Источник: 27 февраля 1995. Принято редколлегией: 5 июля 1996.]

Ссылки

Асаф, S.,

Bannerjee, А. (1986). Модели совместного экономико-много-размер для покупателя и продавца. Решение наук, 17 (3), 292-311.

Эйзенбеис, Р. А. (1978). Проблемы в применении дискриминантного анализа в кредитных скоринговых моделей. Журнал банковского дела и финансов, 2, 205-219. Эверитт, Б. С. (1977). Анализ таблиц сопряженности. Лондон: Чепмен и Холл. Galitz, Л. C. (1983). Потребительский кредит анализа. Управленческий финансов, 9 (3 / 4), 27-33. Грегори, Р. Е. (1986). Выбор источника: матричный подход. Журнал закупкам и управлению запасами, 22 (2), 24-29.

Холт, Г. Д., Olomolaiye, П. О.,

модель выбора подрядчика. Строительной техники и информатизации, 23 (5), 255-264. Ховард, Р. (1966). Информация теории стоимости. IEEE Transactions по системам Наука и кибернетики, SSC-2 (1), 22-26.

Jaselskis, Е. J.,

Mazurak, Р. Е., Рао С. Р.,

Monczka, Р. М., Nichols, Е. Л.,

Monczka, Р. М.,

Мур, суд по делам малолетних,

Закупкам и управлению запасами, 19 (4) 27-32. Нарасимхан Р.,

Нетеровым слева, J., Вассерман, В.,

Перл, J. (1988). Вероятностные рассуждения в интеллектуальных системах. Сан - Матео, штат Калифорния:

Морган Кауфманн. Ронен, B.,

Расселл, J. С.,

Soukup, В. Р. (1987). стратегии выбора поставщиков. Журнал закупкам и управлению запасами, 23 (2), 7-12.

Тиммерман, Е. (1986). Подход к оценке эффективности поставщика. Журнал закупкам и управлению запасами, 22 (4), 2-8.

Tullous Р.,

Вебер, К. А., ток, J. Р.,

Sumit Саркар и Деб Гош

Департамент В формировании системы и решение наук, университет штата Луизиана, Батон-Руж, И. 70803

Sumit Саркар является доцентом систем управленческой информации в EJ Орсо Колледж управления бизнесом при Университете штата Луизиана. Он получил М.С. и доктора наук степенями в компьютерных и информационных систем в Университете Рочестера. В настоящее время его научные интересы включают принятие решений в условиях неопределенности, представление неопределенности в базах данных и баз знаний, а экономика информационных систем. Его исследования были опубликованы в IEEE Transactions, транспорт науки, решение Support Systems, и ACM Сделки на Database Systems, среди других. Он является членом сообщает, AAAI, ACM и IEEE Computer Society.

Деб Гош является адъюнкт-профессор в MIS EJ Орсо Колледж управления бизнесом при Университете штата Луизиана. Он получил диплом бакалавра технологии в электронике из Индийского технологического института, Kharagpur, Индия, в 1983 и доктора наук в МДП из Сиракузского университета в 1988 году. Деб публикаций Гош исследовательских появились в журналах, таких как исследование операций, Европейский журнал исследования операций, систем поддержки принятия решений, а также Анналы "ИЛИ", среди других.