Методика разработки интеллектуальной системы оптимизации управления вузом

Размещено на http://www.allbest.ru/

Специальность 08.00.13 - Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата экономических наук

Обухов Александр Павлович

Иваново - 2007

Работа выполнена в ГОУ ВПО «Вятский государственный университет».

Научный руководитель: кандидат технических наук, профессор

Голованов Александр Александрович

Официальные оппоненты: доктор физико-математических наук, доцент

Солон Борис Яковлевич

кандидат экономических наук, доцент

Грубов Евгений Олегович

Ведущая организация: ГОУ ВПО «Ивановский государственный университет»

Защита состоится « 10 » февраля 2007 г. в 12-00 часов на заседании диссертационного совета Д 212.063.04 при Ивановском государственном химико-технологическом университете по адресу: 153000, г. Иваново, пр. Ф. Энгельса, д. 7, корпус Г, аудитория Г-121.

С диссертацией можно ознакомиться в научной библиотеке ГОУ ВПО «Ивановский государственный химико-технологический университет».

Автореферат разослан « 09 » января 2007 г.

Ученый секретарь

диссертационного совета С.Е. Дубова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. В рыночных условиях возрастает значимость менеджеров вуза для определения, обеспечения и достижения требуемых результатов основных, вспомогательных и административных процессов высшего учебного заведения. Поэтому повышение эффективности управления вузом посредством использования и совершенствования кибернетических систем поддержки принятия решений (СППР)-актуальное направление научного исследования. Решению экономических и технических проблем управления системой высшего образования на микро- и макроуровнях, исследованию математических аспектов ее функционирования посвящены работы Афанасьева К.Е., Балыхина Г.А., Васильева В.Н., Глухова В.В, Карякина А.М., Малинецкого Г.Г., Нуждина В.Н., Окорокова В.Р., Похолкова Ю.П., Пузанкова Д.В., Филиппова В.М. и многих др. Анализ результатов исследований в области автоматизации вузовского менеджмента выявил возможность повышения эффективности систем поддержки принятия решений с помощью методов искусственного интеллекта, так как использование классических математических моделей и экспертных систем в СППР вуза часто затруднено слабой структурированностью и сложностью процессов учебного заведения. В отечественной научной литературе интеллектуализация кибернетических систем управления вузом с позиции процессного подхода исследована недостаточно.

Объект исследования. Объектом исследования является учебное заведение высшего профессионального образования.

Предмет исследования. Предметом исследования является кибернетическая система управления высшим учебным заведением.

Цель исследования состоит в предложении и апробации методики разработки интеллектуальной системы (ИС) оптимизации управления вузом с позиции процессного подхода.

Задачи исследования. В соответствии с целью решены задачи:

1. Обоснован выбор методов искусственного интеллекта для разработки системы управления вузом, сформулированы требования к ИС.

2. Предложены приемы, определяющие функционирование и взаимодействие структурных элементов интеллектуальной системы вуза и являющиеся основой для ее разработки.

3. Исследована проблема выявления предпочтений менеджера процесса вуза при решении задачи Парето и определен способ их учета в ИС.

4. Определено структурное место ИС управления в вузовской СППР.

5. Исследована общая структура жизненного цикла ИС вуза и представлены организационно-методические аспекты ее инжиниринга с обоснованным использованием диаграмм потоков данных.

6. Сформирован комплекс критериев оценки организационно-экономических эффектов от использования ИС вуза.

7. Обоснованно выбран в качестве СОУ процесс связей вуза с общественностью, определена характеризующая его система параметров и проведен эксперимент по апробации методики разработки ИС.

Теоретические основы исследования составили труды отечественных и зарубежных авторов по управлению качеством, системному анализу, процессному подходу, теории принятия решений, методам и моделям нейронных сетей, генетических алгоритмов и анализа данных.

Научная новизна результатов исследования может быть кратко сформулирована следующим образом:

1. Предложен подход к формированию нейросетевой иерархической статической/динамической модели процесса вуза, позволяющий учитывать принципы тотального менеджмента качества (TQM) и рекомендации стандартов ISO серии 9000:2005.

2. Представлен прием проведения нейросетевого анализа иерархии итоговых эффектов и общего результата функционирования процесса вуза, основанный на адаптации модели стратегического менеджмента Shell/DPM и позволяющий повысить аргументированность управленчес-ких решений, рекомендуемых интеллектуальной системой.

3. Предложены приемы совершенствования функционирования процесса вуза через распределение ограниченных ресурсов посредством решения с помощью генетического алгоритма оптимизационной задачи на моделирующей нейроструктуре, учитывающей с использованием нечетких множеств предпочтения менеджера процесса вуза при выборе прио-ритетных управленческих альтернатив в области Парето.

4. Разработаны организационно-методические аспекты инжиниринга интеллектуальной системы вуза и определено ее место в структуре общевузовской системы поддержки принятия решений.

5. Выполнен проект нейромодели процесса связей вуза с общественностью, основанный на системе параметров, позволяющих совершенствовать с помощью интеллектуальной системы организацию двухсторонних PR-коммуникаций вуза.

Практическая значимость результатов исследования заключается в предложении и апробации основы для последующего детального проектирования и технической реализации нового эффективного инструмента менеджера процесса вуза, позволяющего решать задачи управления высшим учебным заведением с позиции процессного подхода на более высоком уровне. Отдельные результаты диссертационного исследования использовались при чтении дисциплин “Интеллектуальные информационные системы” и “Принятие управленческих решений” для студентов очной формы обучения по специальности 351400 “Прикладная информатика (в экономике)” в Вятском государственном университете.

Апробация работы. Основные положения диссертационного исследования представлены и положительно оценены на двух всероссийских, четырех международных конференциях и экономическом форуме.

Публикации. По теме диссертации опубликовано 11 работ объемом 2,17 п.л., в т.ч. соискателем 1,84 п.л.

Объем и структура работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы (152 источника) и трех приложений. Работа содержит 208 страниц, в том числе 151 страницу основного текста.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

заведение высший учебный управление

Во введении обоснована актуальность исследования, определены его объект, предмет, цель, задачи, новизна и практическая значимость.

В первой главе “Проблемы управления учебным заведением высшего профессионального образования” исследована роль высшей школы в создании потенциальных основ развития общества, выявлены актуальные проблемы менеджмента вуза, исследован опыт разработки СППР.

В соответствии со стандартами ISO серии 9000:2005 и документацией по системе качества Московского государственного института стали и сплавов под процессом вуза как СОУ понимаем совокупность взаимосвязанных ресурсов необходимых видов и деятельности, создающую результат, востребованный потребителями, посредством преобразования входящих элементов. По Пузанкову Д.В., сегодня не существует единой классификации и номенклатуры процессов вуза. Поэтому для определения области применения ИС введем четкий критерий: в контексте исследования СОУ являются те основные, вспомогательные и административные процессы вуза, адекватный анализ и управление которыми возможно с точки зрения цикла Деминга Э. и модели менеджмента, рекомендованной стандартами ISO серии 9000:2005.

По причине использования нами преимущественно качественных параметров для исследования процесса вуза с учетом данных стандартов, проблему управления СОУ определяем как слабоструктурированную. По Андрейчикову А.В., современный подход к управлению слабоструктурированным СОУ базируется на методах искусственного интеллекта. Мы предлагаем усовершенствовать используемые приемы моделирования процесса вуза, его анализа и поиска оптимальных решений по управлению им через равноправную интеграцию в целесообразной человеко-машинной интеллектуальной системе методических свойств генетических алгоритмов (ГА) и методических достоинств искусственных нейронных сетей (ИНС). По Галушкину А.И., любые задачи будут более эффективно решаться на нейрокомпьютерах. Объединение в ИС управления вузом преимущества ИНС как универсального, наилучшего (по Галушкину А.И.) аппроксиматора с преимуществом ГА как одного из самых эффективных методов решения задач многоэкстремальной оптимизации (по Ускову А.А.) через свойство эмерджентности максимизирует эффективность поиска оптимальных управленческих решений. Выбор ИНС и ГА в качестве методической основы кибернетической системы управления вузом позволяет определить ее как интеллектуальную.

ИС предназначена для сопровождения профессиональной дея-тельности менеджера процесса вуза и должна обеспечивать: прогнозирование и планирование итоговых результатов функционирования СОУ в среднесрочном и краткосрочном периодах; анализ комплекса итоговых результатов процесса, выделение проблемных областей в иерархии его потенциальных возможностей; поиск в области ограничений опти-мальных управленческих воздействий на приоритетные элементы потенциала СОУ с учетом предпочтений менеджера в выборе альтернатив на множестве Парето; оценку затрат на реализацию предлагаемых изменений; аккумуляцию экспертного опыта решения задач управления.

Во второй главе “Методика разработки интеллектуальной системы оптимизации управления вузом” исследована система трех блоков в структуре ИС (блока прогнозирования и планирования, блока анализа и блока оптимального управления), представлены организационно-методические аспекты инжиниринга, место ИС в структуре СППР вуза и комплекс критериев оценки организационно-экономических эффектов от использования ИС.

В качестве основы блока прогнозирования и планирования с учетом рекомендаций стандартов ISO серии 9000:2005 и принципов TQM предложен подход статического/динамического каскадного моделирования процесса вуза посредством его системной декомпозиции и исследования подпроцессов в однопериодном и n-периодном аспектах с помощью ИНС, реализующих функциональные зависимости от одной и многих переменных. Нейрофункции организованы в иерархическую структуру, отражающую движение и трансформацию ресурсных потоков процесса вуза по восхождению от слоя к слою с уровня базовых системных ресурсов до уровня конечных системных результатов (см. рисунок 1). В нейро-структуре эффект работы каждого нижележащего уровня определяет эффект работы вышележащего, являясь для него ресурсом любого вида, что соответствует принципу TQM о поэтапной аккумуляции результата.

По ISO серии 9000:2005, исследование и управление процессом вуза возможно посредством построения модели, в которой иерархия потен-циальных возможностей его развития (организация) трансформируется в иерархию итоговых результатов его функционирования. Реализовав данную модель с использованием описанных выше и графически представленных на рисунке 1 положений, получаем нейросетевой каскад преобразования комплекса возможностей (потенциала) процесса вуза в комплекс итоговых результатов его функционирования, в зависимости от диагностики и анализа которых, в свою очередь, становится возможным управлять потенциалом данного процесса. Глубина декомпозиции определяется поставленными целью и задачами управления. Преимущества подхода: блочность построения моделирующей системы, аналитическая прозрачность, системность представления СОУ.

Рисунок 1

Разработан механизм функционирования в общем виде рекуррентной нейроструктуры в режимах однопериодного планирования, n-периодного прогнозирования и в режиме диагностики, анализа и управления. Он основан на введении во входной нейровектор переключателя s, который изменяет перечисленные режимы работы ИНС и определяет работающими или неработающими остальные элементы данного входного нейровектора в зависимости от режима (см. рисунок 1).

В первом из них нейромодель используется для планирования контрольных требований к итоговым результатам процесса вуза на один временной шаг вперед. В данном режиме все элементы входного нейровектора, в том числе обратная связь, каждой ИНС являются работающими и используются для моделирования СОУ. Менеджер определяет допустимое отклонение результатов процесса вуза от плана, установленного с использованием нейромодели, для принятия решения о необходимости оптимизации СОУ. В случае непредвиденного изменения условий функционирования процесса вуза с помощью нейромодели планы корректируются, исходя из нового состояния факторов.

Для диагностики, анализа итоговых эффектов процесса вуза и поиска управленческого решения динамическая модель СОУ переключателем s переводится в статическую форму путем фиксации сигнала рекуррентной связи каждой ИНС, то есть исключения данной связи из оптимизируемого множества факторных переменных. Сигналы остальных элементов входного нейровектора могут принимать вариативные значения при проведении оптимизации. Моделирующая система становится системой однонаправленных ИНС. Она может быть отнесена к типу систем псевдореального времени, допускающих, что решение задачи оптимизации функционирования СОУ находится быстрее, чем происходят значимые изменения информации о его состоянии. Это обосновано регламентированной частотой обновления информации, характеризующей процессы вуза, обычно, не чаще одного раза в 1-2 месяца.

В режиме n-периодного прогнозирования, исходя из актуального состояния потенциала, оцениваются направление изменения СОУ в среднесрочной перспективе и его соответствие установленным стратегическим целям и тактическим задачам. N-периодное прогнозирование реализуется посредством циклического пропускания через нейроструктуру сигналов, характеризующих состояния процесса вуза в предыдущие периоды времени. Для ИНС области А на рисунке 1 работающими являются только их обратные связи, а для всех ИНС на вышележащих уровнях иерархии-их рекуррентные связи и связи, получающие сигналы с нижележащего уровня иерархии.

Нейромодель процесса вуза может быть разработана из асинхронно и синхронно функционирующих ИНС. Вводимые в нейроструктуру элементы временнуй задержки для специфического адекватного моделирования подпроцессов в структуре СОУ могут быть реализованы программными/аппаратными средствами. В другом случае СОУ моделируется как система подпроцессов, взаимодействующих без учета временнуй задержки на обработку и передачу потока информации.

Представленный подход к построению нейромодели может быть использован для исследования любого процесса вуза, адекватный анализ и управление которым возможно с точки зрения цикла Деминга Э. и модели менеджмента качества по ISO. Подход основывается на их принципах, характеризующихся, по Пузанкову Д.В., универсальностью. В свою очередь, любой элемент СОУ может быть представлен как СОУ, а система процессов вуза в зависимости от поставленной задачи рассмотрена как единый СОУ. Поэтому подход к формированию иерархической нейромодели СОУ характеризуется прикладной инвариантностью и может быть адаптирован к изучению любого (в контексте диссертации) процесса вуза, его подпроцесса или системы процессов.

Блок прогнозирования и планирования в структуре ИС может быть реализован с использованием архитектур однонаправленных ИНС (многослойный персептрон MLP, радиальная базисная сеть RBF, нечеткие сети Токаги-Сугено-Канга TSK или Ванга-Менделя), рекуррентных ИНС (рекуррентный многослойный персептрон RMLP) или их комбинацией.

В качестве основы аналитического блока ИС разработан прием проведения нейросетевого анализа иерархии итоговых эффектов и общего результата процесса вуза. Выбор нейросетей как методической базы блока обоснован тем, что за счет их свойства обобщения требуется определение меньшего количества правил классификации по сравнению с использованием классических продукционных экспертных систем. На основе диагностики фактических итоговых эффектов СОУ и их сопоставления с плановыми требованиями классифицируется и анализируется степень достижения ожидаемого уровня по каждому итоговому эффекту и исследуется результат функционирования процесса вуза в целом. Нами используется адаптированная к задаче анализа процесса вуза и перенесенная на нейросетевой базис модель стратегического менеджмента Shell/DPM. Для проведения классификации разработано поле возможных ситуаций, состоящее из 9-ти квадрантов (см. рисунок 2). Каждому из них сопоставлены вербальные результаты анализа и общие предложения улучшения итоговых эффектов процесса вуза через определение целесообразного вектора их изменения. Квадранты 1, 3, 5, 7, 9-основные для проведения классификации и анализа. Квадранты 2, 4, 6, 8-дополни-тельные, для более точной классификации и анализа. По итогам анализа результатов выделяются проблемные области потенциала процесса вуза. Квадранты 4, 7, 8-зона инициации поиска оптимального решения по коррекции потенциала СОУ посредством блока управления в структуре ИС вуза. Аналитический блок определяет исходные данные для блока управления и дополнительно аргументирует результаты его работы. В связи с интеграцией блока анализа с нейромоделью СОУ и возможностью адаптации поля ситуаций для исследования процессов вуза в контексте диссертации, он также обладает свойством прикладной инвариантности и может быть реализован с использованием ИНС: MLP, RBF или TSK как классификаторов.

Для автоматического анализа области Парето применяем прием решения многокритериальных задач, основанный на использовании нечетких множеств (см. рисунок 3). Менеджер процесса вуза определяет двухмерную функцию принадлежности (ФП), с помощью которой возможно автоматически проводить анализ степени соответствия текущего значения результирующего параметра (П) нейромодели СОУ его наиболее предпочтительному значению из множества допустимых. Критерий-признак для оценки чего-либо. Тогда функцию принадлежности обоснованно принять за критерий оценки состояния данного П. Так как группа результирующих параметров определяет альтернативу, то введенный в виде ФП критерий является частным критерием (ЧК) оценки альтернативы. Функция принадлежности используется нами, чтобы уйти от необходимости определения точечной меры значимости (веса) wi результирующего параметра и вычисления wiПi. В нашем случае ЧКi=ФПi(Пi). Менеджер более естественно оперирует нечеткими понятиями. И если в весе wi он выражает свою, остающуюся неизменной на всей области значений результирующего параметра оценку только его структурной значимости, то в функции принадлежности отражена оценка и структурной значимости данного П, и возможных его количественных значений в до-

Рисунок 2 Рисунок 3

пустимом интервале изменения. В диссертации представлен алгоритм определения ФП. Для общей оценки альтернативы в ИС приоритетным принимаем способ свертки m частных критериев в интегральный (ИК) с помощью m+1-мерной функции предпочтения (Ф) вида ИК=Ф(ЧКi). Функция предпочтения используется для автоматического анализа степени соответствия текущих значений частных критериев наиболее предпочтительному, с точки зрения менеджера процесса вуза, варианту их сочетания из множества допустимых. Она аналогична по подходу определения функции принадлежности результирующего параметра, но имеет m-аргументов. Данный способ предоставляет возможность адекватного описания индивидуальной свертки частных критериев, которой пользуется менеджер процесса при принятии управленческих решений. Использование ФП и Ф позволяет облегчить интерпретацию логики работы нейромодели процесса вуза и повысить обоснованность планирования итоговых результатов СОУ. Данные функции могут быть реализованы в четком или нечетком нейробазисе.

Базой блока управления в структуре ИС являются ГА, обосновано применяемые для оптимизации процесса вуза с использованием его латентной нейрофункциональной иерархической модели.

Сформулирована постановка задачи совершенствования потенциала (организации) и эффектов процесса вуза: посредством ГА найти такое управленческое решение (или конечное множество альтернатив) изменения (Д) приоритетных факторных признаков (хij) нейромодели процесса вуза в заданном пространстве ресурсных ограничений, чтобы абсолютное расстояние (s) между текущим значением оптимизируемой латентной нейрофункции (Y) и целевым значением ее выявленного внепланового отклонения, превышающего допустимый порог (Дпорог), установленный менеджером процесса, было оптимально преодолено:

найти Дxij Хi , чтобы s=|Yтекущее - |Yфакт - Yплан||>0 при условии, что (1)

, где

M-количество ИНС в оптимизируемой области нейродерева;

K-размерность входного вектора (Xi) i-й ИНС;

Затратыmin,Затратыmax-установленное ресурсное ограничение.

При получении конечного множества альтернатив, которые равнозначны с точки зрения оценок менеджера процесса вуза, учтенных в нейромодели, анализ данного множества и итоговый выбор приоритетного управленческого решения осуществляется посредством использования дополнительного критерия (или комплекса дополнительных критериев), например, минимизации затрат, времени реализации решения и т.д.

В диссертации детально рассмотрены возможные приемы поиска упреждающего и постфактического корректирующего воздействия на потенциал процесса вуза при решении задачи оптимизации на модели СОУ из одноуровневых нейросетей с общими ресурсами, с учетом или без учета системных связей между ИНС и при решении задачи оптимизации на иерархической ИНС-структуре с общими ресурсами (см. рисунок 4). На рисунке 4 иерархия потенциальных возможностей процесса вуза, образованная каскадом ИНС, может быть оптимизирована ГА:

A-как целое. Нейрофункция 1=f(2,3,4)-объект оптимизации opt.

Б-пофрагментно. Последовательно оптимизируются области opt1, opt2 и т.д., где нейрофункции: 1=r(2,3,4,5,6,7,8) и 8=g(9,10,11) и т.д.

В-по элементам уровней путем последовательной оптимизации opt1, opt2, opt3 и т.д. каждого нейросетевого слоя в иерархии модели СОУ, где нейрофункции: 1=q(2,3,4,5,6,7,8,9,10); 5=w(11,12,13,14,15,16), 6=e(17,18, 19), 7=t(20,21,22,23,24,25) и т.д.; 26=u(27,28,29) и т.д.

На рисунке 4 С1, С2, С3-ИНС, предназначенные для установления связей между элементами на разных уровнях иерархии нейроструктуры.

Выбор варианта решения задачи оптимизации определяется структурной сложностью нейромодели процесса вуза. На рисунке 4 (варианты Б и В) схематично показано упрощение решения задачи оптимизации при увеличении количества рассматриваемых факторов посредством этапной организации поиска корректирующего управленческого воздействия на потенциальные возможности СОУ.

Поиск решения оптимизационной задачи осуществляется в области ресурсного ограничения (РО), которое является дополнительным условием завершения выполнения ГА. Связь между РО и нейромоделью процесса вуза устанавливается посредством сопоставления соответствующим ее факторным признакам их линейных/нелинейных нормативных затратных функций (НЗФ). НЗФ отражает величину расходов ресурсов в зависимости от предлагаемого ИС изменения данного оптимизируемого параметра от его текущего значения. Комплекс НЗФ в ИС вуза может быть реализован с использованием средств программирования или ИНС.

При использовании РО с помощью ИС происходит оптимальное распределение изысканных ресурсов между приоритетными элементами потенциала, которое позволит преодолеть выявленные отклонения итоговых эффектов процесса вуза. В случае использования варианта А на рисунке 4 и досрочного завершения ГА по причине полного расхода РО о полученном результате оптимизации нейросетевой целевой функции говорим, что он найден в допустимых границах установленного РО. В случае использования вариантов Б и В на рисунке 4 и досрочного завершения ГА по причине полного расхода РО часть нейродерева останется нерассмотренной. Тогда принимается решение либо о коррекции только той части нейроструктуры, к состоянию которой ГА были сформированы требования, либо о продолжении решения оптимизационной задачи для нерассмотренных фрагментов нейродерева без учета РО с целью поиска возможных вариантов приложения корректирующего управления к тем факторам, которые не требуют привлечения дополнительных средств, то есть не имеют НЗФ, или с целью определения недостающих средств. При их отсутствии менеджеру следует попытаться изменить состояния выделенных ГА приоритетных для коррекции факторов до требуемого уровня иными методами управления.

При неиспользовании РО с помощью ИС возможно определить необходимый и достаточный объем ресурсов, позволяющий оптимально преодолеть выявленные отклонения итоговых эффектов процесса вуза.

По Барсегяну А.А., СППР-система, используемая для управления СОУ и обладающая средствами ввода, хранения и анализа данных. ИС вуза как одно из средств анализа в структуре СППР предназначена для решения задач оптимального управления на микроэкономическом уровне отдельного процесса высшего учебного заведения.

Предложены организационно-методические аспекты инжиниринга ИС вуза с использованием диаграмм потоков данных (DFD). Выбор DFD-нотации обоснован преимуществом и целесообразностью ее использования при решении поставленной задачи общего исследования структуры жизненного цикла ИС и организации взаимодействия между его этапами. Результаты проведенного функционального анализа представлены в диссертации в виде контекстной диаграммы и пяти детализирующих ее уровней, образованных 31 DFD-схемой, содержащей в совокупности 173 процесса. Спиральная модель жизненного цикла ИС управления вузом основывается и не противоречит общим рекомендациям по разработке интеллектуальных систем, программного обеспечения и автоматизированных систем управления (АСУ) Абдикеева Н.М., Бусленко Н.П., Вендрова А.М., Глушкова В.М. и др.

Для анализа влияния изменений в системе принятия управленческих решений на подготовку и результаты процесса вуза на основе критериев оценки АСУ сформирован комплекс из 11 статистических и экспертных, априорных (например, влияние ИС на производительность труда менеджера процесса вуза и сокращение времени принятия управленческого решения и др.) и апостериорных (например, влияние ИС на эффективность использования всех видов ресурсов процесса вуза и др.) критериев оценки организационно-экономических эффектов от использования ИС вуза. В диссертации представлены способы определения их значения.

Исходя из поставленных цели и задач управления процессом вуза, ИС может быть разработана с использованием выборочных положений из всех, приведенных в данной главе, что определит частные ее случаи.

В третьей главе “Апробация методики разработки интеллектуальной системы оптимизации управления вузом” для подтверждения достоверности основных положений диссертационной работы рассмотрен проект нейромодели процесса связей вуза с общественностью (PR), основанный на предложенной системе характеризующих его параметров, и проведен эксперимент с обоснованно выбранным фрагментом ИС.

Из всех видов деятельности современного высшего учебного заведения нами выбран процесс формирования связей вуза с обществен-ностью для экспериментального проектирования его нейромодели. Такое решение принято в силу достаточной новизны рассмотрения PR для российской вузовской среды, существенности качественной информации при управлении им, необходимости системного учета ожидаемых шумов каналов коммуникаций, а также актуальности в связи с межвузовской конкуренцией, активным использованием учебными заведениями глобальных телекоммуникаций, растущей значимостью субъектов общественности в оценке деятельности и процессе аттестации вузов ввиду поэтапной, до 2010 года, перестройки национальной системы стандартизации и сокращения контрольных функций государственных органов.

Исходя из анализа PR-процесса вуза, его рассмотрения по модели менеджмента «комплекс потенциальных возможностей>комплекс итоговых результатов», нами адаптирована основа конкурса “Внутривузов-ские системы обеспечения качества подготовки специалистов” ввиду отсутствия признанной системы параметров для управления PR вуза. Стандарты ISO 9000:2005 рекомендованы Ассоциацией PR-консультантов (Public Relations Consultants Associations) как возможная методическая база управления связями вуза с общественностью.

Разработан проект нейромодели PR-процесса вуза (см. рисунок 5), основанный на 245 качественных и количественных параметрах, характеризующих состояние его потенциала и итоговые результаты и позволяющих совершенствовать с помощью ИС организацию двухсторонних PR-коммуникаций вуза. На рисунке 5:

Cигнал идет от элементов иерархии 1.1, 1.2, 1.3, 1.4 до элемента 9.1.

Рисунок 5

PR-процесс вуза будем рассматривать как систему внутренних и внешних коммуникаций, в которой результаты внутренних коммуникаций являются потенциалом для проведения внешних. При рассмотрении внутреннего PR вуза ИНС 1.1, 1.2, 1.4, 2.1-2.5, 4.1-4.4 выполняют обобщение потенциальных возможностей, ИНС 3.1-3.6 характеризуют подготовку и создание условий для проведения коммуникаций, ИНС 7.1, 8.1 определяют коммуникационные эффекты. При рассмотрении внешнего PR вуза ИНС 1.1-1.4, 2.1-2.5, 3.1-3.6, 4.1-4.4, 7.1, 8.1 выполняют обобщение потенциальных возможностей, ИНС 5.1-5.5, 6.1-6.5-подготовку коммуникаций, ИНС 7.2-7.6, 8.2-8.6, 9.1-определение коммуникационных эффектов (когнитивного, аффективного, поведенческого экономического). В таблице 1 приведен пример содержательной нагрузки отдельных нейросетей из проекта модели PR-процесса вуза на рисунке 5.

А 1-5, Б 1-5, В 1-5, Г, Д, Е, Ж, З, И, К, Л, М, Н, О, П, Р, С, Т, У, Ф, Х, Ч, Ц, Ш, Щ, Ь-ИНС, связующие уровни иерархии нейромодели.

Таблица 1-Описание нейромодели PR-процесса вуза (фрагмент)

Актуальные возможности и итоговые эффекты процесса вуза оцениваются на основе отчетов структурных единиц и экспертно c помощью приема, используемого в Санкт-Петербургском государственном электротехническом университете. Состояние качественного параметра диагностируется по 10-ти балльной 5-ти уровневой шкале. Данный прием адаптирован нами для оценки PR-процесса вуза по разработанной системе параметров.

Рекуррентные связи добавлены только в ИНС 1.1-1.4 для моделирования вследствие динамики информационного компонента внешней и внутренней для процесса вуза среды динамики актуальности профессиональных знаний менеджера нелинейной зависимостью с подобным функции забывания угасанием в среднесрочном периоде.

ИС управления PR вуза относится к системам средней сложности. Ее разработка составит период до 2-х лет. Финансирование этапов жизненного цикла может осуществляться за счет внебюджетных источников вуза и грантовых программ поддержки научно-исследовательских работ.

Проведен эксперимент с фрагментом ИС управления PR вуза, связанный с поиском оптимального воздействия на приоритетные факторные признаки для устранения гипотетически выявленной неэффективности по интегральному критерию “Стратегия и тактика PR-процесса вуза” области А на рисунке 5. Эксперимент показателен для представления практического использования комплексной ИС управления, так как поставленная задача включает в себя аспекты имитации ИНС, особенности связей между ИНС, принадлежащих к разным уровням иерархии, специфику частной и интегральной критериальной оценки альтернатив, приемы решения оптимизационной задачи преодоления неэффективности, которые используются при интеллектуальном сопровождении в целом процесса связей вуза с общественностью. Инструментом имитации выбранного фрагмента нейромодели PR-процесса выступил пакет STATISTICA Neural Networks 4.0B (StatSoft, Inc). Для эволюционного поиска на нейроструктуре оптимального управленческого решения разработана пилотная версия собственного программного продукта GeneticAdvisor v.1.1 в среде Borland C++ Builder 6 (Borland Software, Corp.).

По итогам нейросетевого планирования и анализа значений ре-зультирующих элементов фрагмента А на рисунке 5 требовалось найти изменения элементов потенциала (параметров входного вектора ИНС 1.1) подпроцесса PR вуза, которые приведут к оптимальному преодолению выявленного целевого отклонения ИК. Общее состояние исследуемого СОУ сопоставлено с четвертым квадрантом поля ситуаций на рисунке 2. При решении задачи оптимизации по варианту Б на рисунке 4 в совокупности через семь тактов генетического алгоритма блоком управления ИС на рассмотрение менеджера PR-процесса вуза предложены три равноценных (с точки зрения учтенных в нейроструктуре его предпочтений) оптимальных варианта корректирующего воздействия разной силы на актуальное состояние в первом случае 4-х из 6-ти, во втором-5-ти из 6-ти, в третьем-всех 6-ти базовых ресурсных элементов, определяющих потенциал СОУ и принадлежащих ко входному вектору ИНС 1.1.

Эксперимент подтвердил основные положения диссертации.

В заключении приведены основные выводы по работе:

1. Выявлена возможность повышения эффективности СППР вуза через интеллектуализацию.

2. Предложена и апробирована методика разработки интеллектуальной системы оптимизации управления вузом с позиции процессного подхода. ИС обеспечивает управление процессом вуза в соответствии с циклом Деминга Э., то есть, исходя из потенциала, прогнозирует изменения и планирует эффекты СОУ, соответственно, в среднесрочном и краткосрочном периодах, анализирует иерархию комплекса его итоговых результатов с целью выявления допущенных ошибок при организации работ по подготовке и проведению процесса вуза, осуществляет поиск и предлагает на рассмотрение менеджера процесса вуза варианты корректирующих оптимальных управленческих воздействий на приоритетные элементы потенциала, исходя из ресурсных ограничений и предпочтений менеджера при анализе области Парето, учтенных в интеллектуальной системе вуза с использованием нечетких множеств.

3. Разработаны организационно-методические аспекты инжиниринга ИС и определено ее место в структуре СППР вуза.

ПО ТЕМЕ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ СЛЕДУЮЩИЕ РАБОТЫ

А. В журналах по списку ВАК

1. Обухов, А.П. Фаззи-методика решения многокритериальных задач управления сложными экономическими объектами [Текст] / А.П.Обухов // Вестник Ивановского государственного энергетического университета: актуальные проблемы экономического и социально-гуманитарного знания. - 2006. - С. 17-19. - 0,3 п.л.

2. Обухов А.П. Методика разработки нейросетевой модели PR-процес-са вуза [Текст] / А.П.Обухов // Вестник Тамбовского государственного технического университета. - 2006. - Т. 12. - № 3 Б. - С. 909-913. - 0,24 п.л.

Б. Прочие публикации:

3. Голованов, А.А. Оптимизация управления вузом на основе искус-ственной нейросетевой системы [Текст] / А.А.Голованов, А.П.Обухов // Проблемы модернизации образования в условиях вхождения России в Болонский процесс: материалы междунар. конф., 1-2 февраля 2005 г. / КемГУ. - Кемерово, 2005. - Ч. 1. - С. 76-79. - 0,25 п.л., в т.ч. соискателем 0,2 п.л.

4. Голованов, А.А. Искусственная нейросетевая система как инструмент оптимизации функционирования структурной единицы вуза [Текст] / А.А.Голованов, А.П.Обухов // Высокие интеллектуальные технологии и генерация знаний в образовании и науке: материалы XII междунар. науч.-метод. конф., 17-18 февраля 2005 г. / СПбГПУ. - Санкт-Петербург, 2005. - Т. 1. - С. 121-122. - 0,06 п.л., в т.ч. соискателем 0,04 п.л.

5. Голованов, А.А. Нейросетевая компетентностная модель специалиста для управления качеством процесса обучения в вузе [Текст] / А.А.Голованов, А.П.Обухов // Современные технологии обучения: международный опыт и российские традиции: материалы XI междунар. конф., 20 апреля 2005 г./ СПбГЭТУ «ЛЭТИ». - Санкт-Петербург, 2005. -Т. 1. - С. 243-245. - 0,13 п.л., в т.ч. соискателем 0,08 п.л.

6. Голованов, А.А. Нейросетевая модель междисциплинарного модуля [Текст] / А.А.Голованов, А.П.Обухов // Современные технологии в российской системе образования: сб. материалов III всероссийской науч.-практ. конф., май 2005 г. / ПГПУ. - Пенза, 2005. - С. 47-49. - 0,19 п.л., в т.ч. соискателем 0,14 п.л.

7. Голованов, А.А. Нейросетевой инструментарий управления оптимальной траекторией обучения студента в вузе [Текст] / А.А. Голованов, А.П. Обухов // Управление экономикой: концепции, технологии, инстру-ментальное обеспечение: сб. материалов междунар. науч.-практ. конф., июнь 2005 г. / ВятГУ. - Киров, 2005. - С. 67-70. - 0,19 п.л., в т.ч. соискателем 0,14 п.л.

8. Обухов, А.П. Модели и методы интеллектуальной системы поддержки принятия решений для оптимизации управления качеством процессов в вузе [Текст] / А.П.Обухов, А.А.Голованов // Экономика-2005: сб. материалов междунар. форума, октябрь 2005 г. / МГУ. - Москва, 2005. - С. 104-107. - 0,19 п.л., в т.ч. соискателем 0,14 п.л.

9. Обухов, А.П. Процессная интеллектуальная система поддержки принятия решений для повышения эффективности менеджмента в вузе [Текст] / А.П.Обухов // Проблемы экономики, финансов и управления производством: сб. науч. тр. вузов России / ИГХТУ. - Иваново, 2005. - Вып. 19. - С. 183-185. - 0,19 п.л.

10. Голованов, А.А. Организация аналитико-диагностического компонента кибернетической системы управления [Текст] / А.А. Голованов, А.П. Обухов // Наука-Производство-Технологии-Экология: сб. материалов всероссийской науч.-техн. конференции, апрель 2006 г. / ВятГУ. - Киров, 2006. - Т. 6. - С. 63-67. - 0,31 п.л., в т.ч. соискателем 0,25 п.л.

11. Обухов, А.П. Основы кибернетической системы управления формированием связей с общественностью вуза [Текст] / А.П.Обухов // Управление устойчивым развитием экономических систем: межвузовский сб. науч. тр. / СПбГПУ. - Санкт-Петербург, 2006. - Вып. 10. - С. 685-687. - 0,12 п.л.

Размещено на Allbest.ru