Ф.И.О.
Орлов Александр Иванович
Ученая степень
• кандидат физико-математических наук
• доктор технических наук
• доктор экономических наук
Ученое звание
профессор
Почетное звание
—
Организация, должность
• Московский государственный технический университет им. Н.Э. Баумана
Научные интересы
статистические методы, организационно-экономическое моделирование. Разработал новую область прикладной статистики — статистику объектов нечисловой природы
Адрес веб-сайта
—
Электропочта
Текущий рейтинг (суммарный рейтинг статей)
0
TOP5 соавторов
Статей в журнале: 154 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
Предельные теоремы в статистическом контроле
01.00.00 Физико-математические науки
Краткое описание
Проанализировано развитие теории статистического контроля (от XVIII в. до наших дней). М.В. Остроградский (1846) четко описывает потребности практики (а именно, возникающие при проверке качества больших партий мешков муки или штук сукна), для удовлетворения которых он провел свое исследование. В то же время Симпсон остался в кругу идей теории вероятностей XVIII в. Поэтому М.В. Остроградского следует считать основоположником теории статистического контроля (не только в нашей стране, но и во всем мире). Предельные теоремы теории вероятностей и математической статистики позволили получить ряд асимптотических результатов в задачах статистического контроля качества, предложить основанные на них практические рекомендации. Однако необходимо выяснить, насколько интересующие специалистов характеристики отличаются от предельных при конечных объемах выборок. Для алгоритма синтеза плана контроля на основе предела среднего выходного уровня дефектности это сделано в настоящей статье, а для алгоритма синтеза плана контроля на основе приемочного и браковочного уровней дефектности - пока нет (выяснение условий применимости этого алгоритма - нерешенная задача прикладной математики). Кратко рассмотрено развитие наших исследований по статистическому контролю. Единицами контроля могут быть не только единицы продукции, но и документы (при внутреннем и внешнем аудите), и условные единицы воздуха, воды, почвы при экологическом мониторинге. Одним из достижений можно считать перенос методов статистического контроля продукции на экологический мониторинг
-
Математические методы в социологии за сорок пять лет
22.00.00 Социологические науки
Краткое описание
Социология - одна из наиболее важных общественных наук. Математические, прежде всего статистические методы - эффективные интеллектуальные инструменты социологов. Проанализируем работы автора настоящей статьи, посвященные разработке статистических методов с целью решения задач социологии. Обсуждаются основные научные события этих лет, прежде всего, формирование прикладной статистики и ее основы - статистики нечисловых данных (в социологии 70- 90% переменных имеют нечисловой характер). В течение последних 30 лет российская социология бурно растет по всем количественным параметрам. Очевидно, глубину исследованиям придает использование развитого научного аппарата - методологии и методов сбора и анализа данных, математических моделей. На наш взгляд, принципиальный прорыв был осуществлен в нашей стране в 1970-е годы. Именно тогда в арсенале отечественных социологов появились теория измерений и нечеткие множества, математические методы классификации и многомерное шкалирование, непараметрическая статистика и статистика нечисловых данных. В дальнейшие десятилетия шло естественное развитие научного аппарата. Одни и те же математические и статистические методы и модели могут с успехом применяться в самых разных областях науки и практики. Статистические методы и модели весьма эффективны в социологических, социально- экономических, управленческих, технических и технико-экономических исследованиях, медицине, истории, практически в любой прикладной отрасли и области знания. В рассматриваемой области основное событие последних тридцати пяти лет – это становление научно-практической дисциплины «прикладная статистика», посвященной разработке и применению статистических методов и моделей. Анализ динамики развития прикладной статистики приводит к выводу, что в XXI в. статистика нечисловых данных становится центральной областью прикладной статистики, поскольку содержит наиболее общие подходы и результаты
-
О ключевых показателях эффективности научной деятельности
Краткое описание
Из многих актуальных проблем науковедения рассмотрим методы оценки эффективности и качества работы ученого, научной деятельности подразделения, организации, журнала. Показатели эффективности научной деятельности используются как важная составная часть при оценке вузов, инновационного потенциала предприятий и т.п. Для оценки эффективности научной деятельности естественно использовать хорошо зарекомендовавшие себя в других предметных областях интеллектуальные инструменты. К таким инструментам относятся, в частности, система сбалансированных показателей, основанная на ключевых показателях эффективности (отсюда и название настоящей статьи), а также контроллинг, прежде всего контроллинг научной деятельности. Подробно разработаны и широко применяются два инструмента оценки эффективности научной деятельности - наукометрические показатели и экспертные оценки. Их критическому анализу и посвящена настоящая статья. Различные варианты манипулирования значениями наукометрических показателей в РФ, по нашей оценке, пока еще применяются сравнительно редко. Возможно, это связано со сравнительно небольшим сроком их использования при управления наукой. Поскольку такой показатель, как число цитирований работ исследователя, позволяет объективно оценить его вклад в науку, то применение этого наукометрического показателя для управления наукой оправдано. В то же время число публикаций и особенно индекс Хирша не позволяют объективно оценить эффективность научной деятельности, особенно с учетом свойств реальных библиометрических баз данных. Экспертные процедуры имеют ряд недостатков. В настоящей статье обсудим реальную эффективность экспертных процедур в таких областях их применения, как присвоение ученых степеней и выборы в государственные академии наук (прежде всего в РАН). Основные принципы экспертизы в рассматриваемых областях остаются неизменными в течение последних 70 лет. На основе анализа практики приходится констатировать недостаточную эффективность экспертных оценок в указанных областях. Обоснование сказанному приведено в статье
-
Проблемы внедрения математических и инструментальных методов контроллинга
01.00.00 Физико-математические науки
Краткое описание
Статистические методы опираются на развитую теорию и продемонстрировали свою полезность в отраслях народного хозяйства. Однако анализ положения дел в области применения статистических методов показывает явное неблагополучие, в результате которого накопленный в нашей стране научный потенциал используется далеко не в полной мере. Как показывает практика, мало разработать перспективные современные научно обоснованные эффективные математические и инструментальные методы контроллинга. Чтобы эти методы использовались, необходимо, чтобы они были внедрены. Управление внедрением новшеств, т.е. инновационный менеджмент, вполне обоснованно является в настоящее время одним из наиболее обсуждаемых разделов экономики и организации производства, всей экономической науки в целом. Однако внедрение прикладной статистики и других статистических методов, более широко, математических и инструментальных методов контроллинга, имеет свою специфику. Она рассмотрена в статье. Выделены болезни роста - низкий научный уровень многих лиц, применяющих статистические методы, отсутствие организационной структуры прикладной статистики как области прикладной деятельности и др. С сожалением приходится констатировать, что как сама идея необходимости установления требований к методам анализа данных, так и проект с формулировками таких требований остались вне внимания тех специалистов, которым они необходимы и были адресованы. Отсутствует система методические документы по конкретным статистическим методам, выполненных на современном научном уровне. По мнению автора, желательное будущее прикладной статистики состоит в ее реорганизации по образцу метрологии. Проанализировано применение статистических методов как специальность. Дан анализ системы государственных стандартов по статистическим методам и причинам появления в них грубых ошибок. Обсуждается статус документов по статистическим методам стандартизации и управления качеством продукции. Рассмотрена новая система «Шесть сигм» внедрения перспективных математических и инструментальных методов контроллинга
-
Основные проблемы контроллинга качества
Краткое описание
Контроллинг статистических методов обеспечения качества продукции – частный случай контроллинга организационно-экономических методов управления. Сегодня контроллинг в практике управления российских предприятий понимается как «система информационно- аналитической и методической поддержки по достижению поставленных целей». Контроллер разрабатывает правила принятия решений, руководитель принимает решения, опираясь на эти правила. Нами обоснована концепция «контроллинга методов». Инновации в сфере управления основаны, в частности, на использовании новых адекватных организационно- экономических (а также экономико- математических и статистических) методов. Контроллинг в этой области – это разработка и применение процедур управления соответствием используемых и вновь создаваемых (внедряемых) организационно-экономических методов поставленным задачам. Таким образом, методология контроллинга имеет большое практическое значение в любой области, в которой действия (операции) необходимо осуществлять в соответствии с определенными правилами (регламентами, стандартами, инструкциями), поскольку в любой такой области необходимы разработка и применение процедур управления соответствием используемых и вновь создаваемых (внедряемых) правил задачам, поставленным перед организацией. В настоящей статье выделяем такую область контроллинга, как контроллинг качества, и обсуждаем ее основные проблемы. Речь идет о контроллинге организационно-экономических методов обеспечения качества продукции, прежде всего статистических методов, основанных на теории вероятностей и математической статистике. Рассмотрены анализ и синтез планов статистического контроля качества, варианты оптимизации планов статистического контроля, усеченные планы. Обсуждаются различие планов контроля у поставщика и потребителя, выделение единиц бесформенной (жидкой, газообразной) продукции, отбор случайной выборки при статистическом контроле качества продукции, оценка снизу необходимого объема выборки. Установлено, что не всегда нужен контроль качества продукции. Выявлен основной парадокс теории статистического приемочного контроля. Обсуждается развитие статистических методах управления качеством в нашей стране. Дана классификация статистических методов управления качеством
-
О высоких статистических технологиях
01.00.00 Физико-математические науки
Краткое описание
При практическом использовании методов прикладной статистики применяются не отдельные методы описания данных, оценивания, проверки гипотез, а развернутые цельные процедуры - так называемые «статистические технологии». Понятие «статистическая технология» аналогично понятию «технологический процесс» в теории и практике организации производства. Вполне естественно, что одни статистические технологии лучше соответствуют потребностям исследователя (пользователя, статистика), другие хуже, одни – современные, а другие – устаревшие, свойства одних изучены, а других – нет. Важно подчеркнуть, что квалифицированное и результативное применение статистических методов - это отнюдь не проверка одной отдельно взятой статистической гипотезы или оценка характеристик или параметров одного заданного распределения из фиксированного семейства. Подобного рода операции - только отдельные кирпичики, из которых складывается статистическая технология. Процедура статистического анализа данных – это информационный технологический процесс, другими словами, та или иная информационная технология. Статистическая информация подвергается разнообразным операциям (последовательно, параллельно или по более сложным схемам). В настоящей статье обсуждаются статистические технологии и проблема «стыковки» алгоритмов. Введено понятие «высокие статистические технологии», обоснована необходимость их разработки и применения. В качестве примера приведены исследования Института высоких статистических технологий и эконометрики Московского государственного технического университета им. Н.Э Баумана. Рассмотрен ряд вопросов подготовки специалистов по высоким статистическим технологиям
-
Оценивание параметров: одношаговые оценки предпочтительнее оценок максимального правдоподобия
01.00.00 Физико-математические науки
Краткое описание
Согласно новой парадигме прикладной математической статистики следует отдавать предпочтение непараметрическим методам и моделям. Однако в настоящее время в прикладной статистике используются разнообразные параметрические модели. Термин «параметрический» означает, что вероятностно-статистическая модель полностью описывается конечномерным вектором фиксированной размерности, причем эта размерность не зависит от объема выборки. В параметрической статистике задача оценивания состоит в том, чтобы оценить неизвестное статистику значение параметра наилучшим (в каком-либо смысле) образом. В статистических задачах стандартизации и управления качеством используют трехпараметрическое семейство гамма-распределений. В настоящей статье это семейство рассматривается как пример. Сравним методы оценивания параметров. Метод моментов является универсальным. Однако получаемые с его помощью оценки лишь в редких случаях обладают оптимальными свойствами. Оценки максимального правдоподобия (ОМП) входят в класс наилучших асимптотически нормальных оценок. В большинстве случаев аналитических решений не существует, следовательно, для нахождения ОМП необходимо применять численные методы. Однако применение численных методов порождает многочисленные проблемы. Сходимость итерационных алгоритмов требует обоснования. В ряде примеров анализа конкретных данных функция правдоподобия имеет много локальных максимумов, а потому естественные итерационные процедуры не сходятся. Предлагаем использовать одношаговые оценки (ОШ-оценки). Они имеют столь же хорошие асимптотические свойства, что и оценки максимального правдоподобия, при тех же условиях регулярности, что и ОМП. Одношаговые оценки выписываются в виде явных формул. В статье доказано, что одношаговые оценки являются наилучшими асимптотически нормальными оценками (при выполнении естественных условий). Найдены ОШ-оценки для гамма-распределения. Приведены результаты расчетов по данным о наработке резцов до предельного состояния
-
Базовые результаты математической теории классификации
01.00.00 Физико-математические науки
Краткое описание
Математическая теория классификации содержит большое число подходов, моделей, методов, алгоритмов. Эта теория весьма многообразна. Выделим в ней три базовых результата - оптимальный метод диагностики (дискриминантного анализа), адекватный показатель качества алгоритма дискриминантного анализа, утверждение об остановке после конечного числа шагов итерационных алгоритмов кластер-анализа. А именно, на основе леммы Неймана - Пирсона показано, что оптимальный метод диагностики существует и выражается через плотности распределения вероятностей, соответствующие классам. Если плотности неизвестны, следует использовать их непараметрические оценки по обучающим выборкам. Часто используют такой показатель качества алгоритма диагностики, как «вероятность (или доля) правильной классификации (диагностики)» – чем этот показатель больше, тем алгоритм лучше. Показана нецелесообразность повсеместного применения этого показателя и обоснован другой – «прогностическая сила», полученная путем пересчета на модель линейного дискриминантного анализа. Остановка после конечного числа шагов итерационных алгоритмов кластер-анализа продемонстрирована на примере метода k-средних. По нашему мнению, эти результаты являются основными в теории классификации, с ними должен быть знаком каждый специалист, развивающий эту теорию или применяющий её
-
Краткое описание
Оценка погрешностей характеристик финансовых потоков инвестиционных проектов необходима для принятия адекватных управленческих решений, в частности, в ракетно-космической промышленности. Организационно-экономические подходы к оценке реализуемости инновационно-инвестиционных проектов создания изделий ракетно-космической техники предполагают интенсивное использование числовых характеристик финансовых потоков многолетних проектов рассматриваемого типа. В организационно-экономическом обеспечении решения задач управления в аэрокосмической отрасли предусмотрена необходимость получения оценок погрешностей характеристик финансовых потоков. Такие оценки - неотъемлемая часть организационно-экономического обеспечение инновационной деятельности в ракетно-космической отрасли. Их можно сравнить с интервальными прогнозами, т.е. доверительным оцениванием прогнозных значений. Половина длины доверительного интервала - это и есть оценка погрешности прогнозирования. В настоящей статье разработан новый метод оценки погрешностей основных характеристик инвестиционных проектов. Основное внимание уделено чистой текущей стоимости NPV. Метод оценки погрешностей основан на результатах статистики интервальных данных, являющейся неотъемлемой частью системной нечеткой интервальной математики. Построена асимптотическая теория, соответствующая малых отклонениям коэффициентов дисконтирования. Погрешность NPV найдена как асимптотическая нотна. С точностью до бесконечно малых более высокого порядка погрешность NPV является линейной функцией от максимально возможной погрешности коэффициентов дисконтирования
-
О новых перспективных математических инструментах контроллинга
01.00.00 Физико-математические науки
Краткое описание
На основе объективного анализа приходится констатировать, что в арсенале менеджеров, особенно зарубежных, сегодня практически нет принципиально новых методов и инструментов. Однако перспективные математические и инструментальные методы контроллинга активно разрабатываются в нашей стране. В XXI веке разработана новая парадигма математических методов экономики и выпущено более 10 учебников, разработанных в соответствии с этой парадигмой. Новая парадигма основана на современном развитии математики в целом - на системной нечеткой интервальной математике. Новая парадигма предлагает применять инструменты непараметрической статистики, в которой предполагают, что функции распределения являются произвольными. В 1979 г. была выделена одна из четырех основных областей современной прикладной статистики - статистика объектов нечисловой природы (статистика нечисловых данных, нечисловая статистика). Три другие - статистика случайных величин, многомерный статистический анализ, статистика случайных процессов и временных рядов. Статистика объектов нечисловой природы занимает центральное место в современных математических методах экономики. На базе современных информационно-коммуникационных технологий разработана новая экономическая теория - солидарная информационная экономика. К новым интеллектуальным инструментам контроллинга можно отнести автоматизированный системно-когнитивный анализ (АСК-анализ) и его программное обеспечение – систему «Эйдос». Системный подход к решению конкретных прикладных задач часто требует выхода за пределы экономики. Весьма важными являются процедуры внедрения принципиально новых методов и инструментов
pdf 246.734kb
doc 246.734kb