Управление знаниями в корпоративном секторе

- в процессе производства продукции используются новейшие компоненты высокой плотности интеграции от ведущих мировых фирм.Компания сотрудничает с мировыми лидерами по разработки чипов - MarvellTechnologyGroup, BroadcomCorporation, SiliconLaboratories, PMC-SierraInternational, MindspeedTechnologies, Inc., InfineonTechnologies, Freescale и др.

- предприятие является владельцем собственных высокопроизводительных линеек автоматизированного SMD-монтажа, производительность которых более 1 млн. портов в год;

- на производстве организована многоступенчатая система контроля качества, сертифицированная по международному стандарту ISO9001;

- разработка собственного программного обеспечения позволяет постоянно модернизировать производимый продукт под нужды покупателя.

На сегодняшний день прослеживается тенденция слияния сетей, поддерживающих как классические технологии, так и технологии следующего поколения. Компания предоставляет комплексное высокотехнологичное решение, интегрированное в современное телекоммуникационное оборудование совместно с ведущими мировыми чип-вендорами.

Ключевые направления работы:

- модернизация и развитие оборудования для традиционных и конвергентных комплексных решений;

- разработка новых изделий и комплексных решений для сетей NGN;

- улучшение качества технической поддержки и сервиса в течение всего срока эксплуатации;

- укрепление своих позиций на рынке и поиск новых сегментов.

С июня 2012 года на производстве введена в промышленную эксплуатацию новая высокоавтоматизированная линия поверхностного монтажа электронных модулей, которая в комплексе с двумя ранее существовавшими линиями позволяет автоматически устанавливать все типы компонентов с оптимальной скоростью и точностью. Функциональные параметры линии выбраны исходя из задач повышения технологической и экономической эффективности исполнения наиболее типовых заказов. Оптимальное распределение заказов по трем линиям позволяет производить весь спектр электронных изделий: от относительно простых модулей с несколькими десятками компонентов и тиражом в десятки тысяч до самых высокотехнологичных изделий.

В 2012 и 2013 годах «Элтекс» вошел в рейтинг ТОП-30 «ТехУспех» для самых быстроразвивающихся и высокотехнологичных компаний. Звание флагмана отечественных инноваций в таком рейтинге наглядно показывает ведущую позицию компании «Элтекс» в сфере телекоммуникаций. Постоянное внедрение в практику современного оборудования позволяет компании на протяжении 20 лет сохранять лидерские позиции



2 Использование онтологии в БЗ ООО «Eltex» в техническом подразделении

2.1 Выбор языка и составление онтологии

Языки представления знаний (KnowledgeRepresentationLanguage), или языки описания онтологий (OntologyLanduage), имеют весьма важное значение в управлении знаниями. От степени выразительности, точности и универсальности языка представления знаний во многом зависит полезность онтологии как инструмента оперирования с информационными ресурсами и знаниями. С учетом концептуального, структурного и прикладного разнообразия онтологий естественным является выдвижение ряда общих требований к такого рода языкам.

К числу основных требований к онтологическим языкам (ОЯ) можноотнести следующие:

- ОЯ должен иметь четко определенный синтаксис, что делает его машиночитаемым;

- ОЯ должен быть эпистимологически адекватным, то есть быть способным выразить все понятия и отношения в любом заданном домене;

- ОЯ должен обладать достаточной выразительной силой, чтобы быть пригодным для описания множества предметных областей;

- ОЯ должен обладать строгостью кодирования для однозначной машинной интерпретации понятий, связей, аксиом и иных знаниевых сущностей;

- ОЯ должен основываться на логике. В зависимости от уровня выразительности онтологии ОЯ может основываться на логике первого порядка, дескриптивной логике и др;

- Формальность ОЯ должна соответствовать формальности онтологии;

- Современные ОЯ должны представлять определенные семантические возможности, основанные на продукционных и фреймовых моделях дескриптивной логики;

- ОЯ должен в ряде случаев предоставлять возможность выполнять логический вывод, основываясь на структурных компонентах языка;

- ОЯ должен обладать возможностью быть использованным для концептуального моделирования;

- ОЯ должен обладать функциональной полнотой, необходимой для решения различных задач при операциях с онтологиями, а именно: построение и совместное использование онтологий, обмен знаниями, взаимодействие с онтологиями;

- Наконец, немаловажным требованием к ОЯ является недвусмысленное понимание семантики при совместном использовании онтологий, а также однозначная интерпретация смысла понятий и знаниевых сущностей не только создателями онтологии, но и внешними агентами (пользователями, программами и т.п.).

В современных языках, используемых для описания онтологий и метаданных. Из множества разработанных и используемых языков остановимся на тех из них, которые определены в качестве стандартов организацией W3C при разработке систем управления знаниями. Именно они находят широкое применение, что в сочетании с их свойствами обеспечивает предпосылки для информационной и программной совместимости различных систем.

Рассмотрим следующие языки описания:

1 Расширяемый язык разметки - XML (eXtensibleMarkupLanguage) [W3C, «ExtensibleMarkupLanguage (XML)»], который предназначен для описания иерархической структуры информации с помощью линейного синтаксиса. Моделью данных этого языка является иерархия (дерево). В последние годы технологии, основанные на языке XML, переживают этап взрывного развития. Появляется множество продуктов, ориентированных на XML или поддерживающих его тем или иным образом. Вокруг XML формируются разнообразные стандарты (DDT, XML Schema, XSLT, XPath, XPoint, XLink) [Дейтл Х.М., ДейтлП.Дж., 2001]. В настоящее время насчитывается более 450 стандартов, построенных на основе данного языка [Холман К., 2000]. Разработано большое количество программ, которые позволяют работать с документами на этом языке, - грамматические анализаторы языка (parsers). Средства для работы с XML встроены практически во все современные системы разработки программного обеспечения.

2 Язык структуры (шаблона) описания ресурсов - RDF (ResourceDescriptionFramework), предназначен для представления информации о ресурсах в сети WWW, но также используется для описания различных метаданных любых объектов (документов, пользователей и т.п.). Моделью данных этого языка является ориентированный граф, который соответствует модели представления знаний как многомерной сети понятий и отношений между ними. Существуют различные варианты текстовой записи (сериализации) утверждений языка RDF, основным из которых является RDF/XML.

3 Язык описания RDF - RDFVocabularyDescriptionLanguage (RDF Schema, или RDFS), предназначен для простых онтологий, которые описывают понятия и отношения, используемые для записи метаданных на языке RDF. Язык RDF Schema имеет ограниченные выразительные возможности и использует RDF для описания словарей понятий и отношений (свойств).

4 Язык Web-онтологий - OWL (OntologyWebLanguage), основан на дескриптивной логике и имеет большие выразительные возможности. Данный язык является расширением языка RDF Schema.

Язык описания документов XML

XML (eXtensibleMarkupLanguage) - это основанный на тэгах язык для описания иерархической структуры с помощью линейного синтаксиса [Дейтл Х.М., ДейтлП.Дж., 2001; Холман К., 2000; W3C, «ExtensibleMarkupLanguage(XML)»]. XML - это метаязык, использующийся для определения других языков, называемых XML-приложениями. XML основывается на простой идее представления документов в виде деревьев. К достоинствам языка XML относится его независимость от платформы, отделение содержания от формата, возможность определения соответствия документов структурным правилам. Он является синтаксически ограниченным подмножеством более раннего и более сложного языка StandardGeneralizedMarkupLanguage (SGML), стандарта, используемого сообществом по обработке текстов. XML сохранил основные особенности языка SGML, но не включает те его особенности, которые редко используются или трудны для реализации.

Синтаксис XML имеет сходство с синтаксисом языка HTML (HyperTextMarkupLanguage), на основе которого создана система гипертекстовых документов WWW в сети Интернет. Это не удивительно, ведь HTML также является приложением языка SGML, языка, на основе которого создан XML. Документ, записанный на языке XML - это обычный текст, в который включены специальные коды. Эти коды называются тэгами, и они записываются между угловыми скобками (знаки меньше < и больше >), например: <Предприятие> или <ОтделA>. Метки предоставляют дополнительную информацию о тексте и позволяют структурировать и уточнять текстовый документ. Однако в отличие от HTML, XML ничего не говорит о смысле этих тэгов. Поэтому, какой-либо тэг в одном документе может обозначать одно, а в другом - что-либо другое.

Язык описания метаинформации RDF

RDF (W3CResourceDescriptionFramework (Архитектура

Описания Ресурсов)) - это язык описания метаинформации о ресурсах в WWW.

Фактически RDF (или RDF/XML) - это специфическое XML-приложение с набором имен тэгов и атрибутов в пространстве, имен «http://www.w3.org/1999/02/22-rdf-syntax-ns#», которое позволяет описывать с помощью языка XML размеченные ориентированные графы.

RDF состоит из двух частей:

1 спецификации RDF-модели данных (ориентированные графы);

2 основанный на XML синтаксис записи этих моделей.

Описание модели данных является основной частью спецификации. Преимуществом рассмотрения RDF-модели данных данным способом является ее независимость от конкретного синтаксиса. Основные строительные элементы структур знаний RDF являются ресурсы (resources) и литералы (literals). Ресурс - это все, о чем можно что-либо утверждать (документы, Web-страницы, люди и т.п.), а литерал - это сущность, которая описывается своим именем, или проще говоря, это некоторое значение. Ресурсы - уникально идентифицируемы и являются URI-ссылками. Между данными элементами задаются бинарные отношения. В RDF две сущности и бинарное отношение между ними (фактически ребро графа с вершинами) называются утверждением. При графическом представлении исходным элементом отношения называется субъект (subject), а помеченную дугу называют предикатом (predicate, или свойством) этого утверждения, конечным элементом отношения называется объект (object) утверждения. Субъект и предикат утверждения - являются ресурсами (всегда), в тоже время объект может быть ресурсом или литералом.

Онтологический язык OWL

OWL (OntologyWebLanguage) основан на дескриптивной логике, имеет большие выразительные возможности [W3C, «OWLWebOntologyLanguageOverview»; AntoniouG., Frankvan Harmelen, 2004]. В этом разделе будут описаны различные модификации (виды), ядро OWL, его синтаксис, свойства ограничения.

Синтаксис языка

Язык OWL строится на основе языков RDF и RDFS, он использует XML-синтаксис RDF (RDF/XML). Наряду с ним OWL может использовать и другие синтаксические формы OWL:

- Основанный на XML синтаксис, который не следует соглашениям RDF. Такой синтаксис является более легким для чтения пользователям.

- Абстрактный синтаксис, используется в документе спецификации языка. Данный синтаксис является более компактным и читаемым, чем XML-синтаксис или RDF/XML-синтаксис.

- Графический синтаксис, основанный на соглашениях языка UML (UniversalModellingLanguage). Так как UML широко используется, то он облегчит пользователям знакомство с OWL.

Документы, написанные на языке OWL, обычно называются OWL-онтологиями и являются RDF-документами. Поэтому корневым элементом OWL-онтологии является rdf:RDF-элемент, который также определяет набор пространств имен.

В данной работе основным языком описания онтологии будет являться язык OWL/XML.

2.2 Онтологическая модель

На сегодняшнее время для создания и поддержки онтологий существует множество инструментов. У них есть множество различных функций, таких как: редактирование и просмотр, поддержка документирования, импорт и экспорт онтологий различных форматов и языков, поддержка графического редактирования онтологий, возможность управления библиотеками онтологий и т.д.

Наиболее известными инструментами инженерии онтологий являются:

- WebOnto

- WebODE

- Protйgй

- Система Ontolingua

- OntoEdit

- OilEd

- OntoSaurus

- OpenSemanticFramework

В данной выпускной квалификационной работе для разработки онтологии будет использована среда разработки Protege версии 4.2.

Целью работы является разработка онтологии базы знаний сайта в техническом подразделении предприятии «Eltex» в программной среде Protege 4.2. С помощью программной среды будет улучшен поиск информации на сайте, будет сделано структурирование (систематизирование) информации. За счет чего будет тратится меньше времени на поиск или какой-либо запрос. В простейшем случае, онтология будет использоваться для увеличения точности поиска -- поисковая машина будет выдавать только такие запросы, где в точности будет упоминаться искомое понятие (в нашем случае, это ключевые слова/теги, или какая-либо модель того или иного телекоммуникационного оборудования), а не произвольные страницы, в тексте которых встретилось данное многозначное ключевое слово.

Основной задачей разработки и создания онтологии является:

1 Определение основных классов и подклассов, построение иерархии классов.

2 Назначение атрибутов классов и свойств экземпляров.

3 Заполнение онтологии экземплярами.

4 Создание базовых запросов (DL Query).

Создание классов

Классы интерпретируются как множества, элементами которых являются экземпляры. Для их описания используют формальные конструкции, которые задают требования для состава в классе. Классы организованы в иерархию отношений вида «подкласс - суперкласс (таксономия)». Подклассы являются подмножествами своего суперкласса.

Учитывая то, что выбрана база знаний технического подразделения на сайте Элтекс, были определены следующие классы и их подклассы. В качестве основного класса выступает класс «Вид оборудования», имеющий подклассы в виде различных моделей телекоммуникационного оборудования. Так же имеем такие классы как «Запрос» и «Поиск».

В Protege 4.2 создание классов осуществляется в закладке «Classes». (Рис. 2.1). Изначально пустая онтология содержит один класс с именем THING. Класс THING - это класс, представляющий набор, содержит все объекты предметной области.

Рис.2.1 - Создание классов

Для создания класса «Вид оборудования» необходимо убедиться, что выбрана закладка «Classes», затем нажать кнопку «Добавить подкласс» (см. Рис. 2.2). Эта кнопка создает новый класс как подкласс выбранного класса (в данном случае как подкласс класса THING). Отобразится диалоговое окно для ввода названия нашего класса, после ввода необходимо нажать Enter. (Рис. 2.3).



Рис.2.2 - Создание классов.

Рис.2.3 - Создание классов.

Также создаются подклассы класса «Вид оборудования». Заметим, что к примеру класс «TDM» является родственным классом по отношении к классу «Ethernet-коммутаторы», поэтому, чтобы создать остальные родственные классы необходимо использовать кнопку «Создать родственный класс».

В результате получим следующую иерархию классов:

Рис.2.4 - Иерархия классов

Полученный результат можно увидеть в виде графика в закладке «OntoGraf»:

Рис.2.5 - Дерево классов.



Назначение атрибутов классов и свойств экземпляров.

В Protege 4.2 существует два основных типа свойств:

1 Свойства объекта (ObjectProperties);

2 Свойства типов данных (DataProperties).

Свойствами объекта обозначают отношения между двумя экземплярами.

В Protege 4.2 по умолчанию автоматически создаются свойства объектов верхнего уровня (TopObjectProperties), по аналогии с классом THING. (Рис. 2.6). Для создания свойств объекта нужно перейти в раздел «ObjectProperties».

Рис.2.6 - Создание свойств объекта

Свойства объекта создаются схожим способом, подобно, как и классы.



Рис.2.7 - Создание свойств объекта

Каждое свойство - это набор характеристик. (Рис. 2.8).

Рис.2.8 - Характеристики свойств объектов.

Functional (Функциональные свойства) - если свойство является функциональным, то для данного индивида (экземпляра) может существовать не более одного индивида, который имеет отношение к первому индивиду через это свойство.

Inversefunctional (Обратные функциональные свойства) - если свойство является обратным функциональному свойству, то это значит, что свойство является обратным функциональным.

Transitive (Транзитивные свойства) - если свойство транзитивное и свойство связывает индивида a и индивида b, а также индивида b связывает с индивидом c, то мы можем вывести, что индивид a связан с индивидом c через это свойство.

Simmetric (Симметричные свойства) - если свойство p симметричное, и свойство связывает индивида a с индивидом b, то индивид b связан также с индивидом a через свойство p.

Asimmetric (Асимметричные свойства) - если свойство p асимметричное, и свойство связывает индивида a с индивидом b, то индивид b не может быть связан с индивидом a через свойство p.

Reflexive (Рефлексивные свойства) - свойство p называется рефлексивным, когда индивид a должен быть связан с собой.

Irreflexive (Иррефлексивные свойства) - если свойство p иррефлексивное, то оно может быть охарактеризовано как свойство, которое связывает индивида a с индивидом b, где индивид a и индивид b обязательно разные.

В данной работе в качестве примера для классов онтологии будут созданы следующие свойства объектов: имеет такой же класс как (Все подклассы класса «Запрос»), относится к классу «Вид оборудования»), ключевыми словами для поиска информации (теги) является класс «Поиск».

В скобках указаны классы, чьи экземпляры будут обладать перечисленными свойствами.

Окончательный список свойств объектов представлен на Рисунке 2.9.



Рис.2.9 - Список свойств объектов.

Далее, в этом же разделе, выбираем первый из списка объект, в правом углу находим подраздел «DisjointWith» (не пересекаются с), нажимаем «+», и выделяем объекты, которые не должны пересекаться с нами выбранным объектом в дальнейшем. После того, как все сделали, во всех разделах автоматически заполнится данный подраздел во всех объектах.

Свойства типов данных (атрибуты класса) - описывают связи между индивидом и значения данных.

Для создания свойств типов данных в Protege 4.2 необходимо перейти в закладку «DataProperties». (Рис. 2.11).

Процесс создания аналогичен созданию классов и свойств объекта.



Рис.2.11 - Создание свойств типов данных.

В качестве примера для классов онтологии будут созданы следующие свойства типов данных:

- LTE-2X, LTE-8X, LTE-8ST;

- LTP-4X, LTP-8X, MA4000-PX;

- NTP-RG, NTP-2;

- ЦАТС MC240, МАКОМ-MX, БКП-М, БКП, TopGATE;

- УЭП1-1, УЭП1-4, УЭП2-3, УЭП2-5, УЭП3-3.

Окончательный список свойств типов данных (Рис. 2.12.).



Рис.2.12 - Свойства типов данных.

Заключительным в создании онтологии является заполнения классов экземплярами.

Далее добавляем субъекты в каждый подкласс экземпляров классов «Вид_оборудования» и «Поиск» (рис.2.13). В разделе «members» нажимаем кнопку «+», в появившемся окне нажать кнопку «addindividuals» и задать имя нужного нам субъекта, выбрав его нажать кнопку, тем самым добавив его в список.

Рис.2.13 - Создание субъектов.

Для создания экземпляров в Protege 4.2 необходимо перейти в раздел «Individuals», нажать на иконку «addindividuals» и задать имя экземпляра(рис.2.14).

Рис.2.14 - Создание экземпляра.

В рамках данной выпускной квалификационной работы было создано 50 экземпляров, которые были распределены по классам (рис.2.15).



Рис.2.15 - Созданные экземпляры.

После создания экземпляров, необходимо задать свойства объектов между экземплярами классов. (Рис. 2.16).



Рис.2.16 - Заполнение свойств объектов.

После этого для каждого экземпляра необходимо заполнить атрибуты классов. (Рис. 2.17).

Рис.2.17 - Заполнение атрибутов класса.

При заполнении атрибутов класса необходимо указывать тип данных, для данной онтологии для каждого атрибута используется тип данных «string», так как он является универсальным типом данных, позволяющий использовать как цифры, так и символы.

Далее, для каждого экземпляра нужно заполнить подраздел «Annotations», нажав в данном окне круглую кнопку «+», вводим краткое описание атрибута (рис. 2.18). В правом окне выбираем «comment» (краткое описание атрибута), а в левом уже вводим само описание и нажимаем кнопку «ОК».

Рис. 2.18 - Создание аннотаций.

Создание DL-query запросов

Заключительным этапом данной работы является создание базовых DL-Query запросов. Запросы отразят результат работы, а также могут помочь с поиском интересующей информации в заполненной онтологии.

Для создания запросов необходимо перейти в закладку DL-Query, а также на вкладке «Reasoner» выбрать «Startreasoner». (Рис. 2.19).



Рис. 2.19 - Создание запросов.

Например, мы хотим вывести все подклассы класса «Вид оборудования». Для этого в окне «Query (Classexpression)» необходимо написать названия класса и выбрать на панели объектов «Descendantclasses». (Рис. 2.20).

Рис.2.20 - Поиск подклассов класса «Вид оборудования».

В ходе работы была создана онтология. Также был показан пример DL-Query запроса, показывающий работу онтологии. В дальнейшем онтологию можно расширять, добавлять нерассмотренные разделы какой-либо предметной области, добавлять новые связи между объектами и увеличить количество характеристик каждого экземпляра. DL-Query запросы, могут послужить программисту инструментом, с помощью которого он может извлечь любую интересующую его информацию.



3. Оценка экономической эффективности внедрения онтологической модели в ООО «Eltex»

Проект по внедрению онтологической модели в ООО «Eltex» в настоящее время находиться на стадии разработки. На сегодняшний день разработана тестовая версия, которая состоит из довольно обширной базы знаний категорий:

- TDM;

- Устройства электропитания;

- Wireless;

- VoIP;

- Медиацентры;

- GPON Абонентское оборудование;

- GPON Станционное оборудование;

- Ethernet-коммутаторы;

- TurboGEPON Станционное оборудование;

- TurboGEPON Абонентское оборудование.

В каждой из этих категорий содержатся статьи, разделенные по основным подкатегориям, для их поиска используются ключевые слова (теги).

Расчет первоначальных инвестиций.

При расчете первоначальных инвестиций должны быть учтены затраты рабочего времени, потраченного на разработку онтологической модели, и стоимость программного обеспечения (90 000 рублей). На разработку онтологической модели было потрачено 2 месяца. В течение этого времени инженеры в количестве 3 человек тратили примерно один час каждый рабочий день для выполнения этой задачи. Учитывая среднее количество рабочих дней в одном месяце (22,5 дней) и часовую ставку заработной платы можно рассчитать первоначальные вложения:

Прибыль от проекта.

В данном случае компания выступает в качестве инвестора, оплачивая рабочее время своих сотрудников, потраченное на создание онтологической модели. Следовательно, у компании не будет чистых денежных потоков от реализации проекта. Доходность проекта измеряется экономией затрат на оплату труда работников и обучение новых сотрудников.

Для оценки эффективности внедрения СУЗ на предприятии были выделены основные метрики, влияющие на результат проекта:

- время обучения новых сотрудников, нед.;

- среднее время решения проблемы, мин.;

- среднее время ответа, ч.;

- доля заявок, успешно решенных при первом контакте, %.

Было произведена оценка вышеперечисленных показателей до и после внедрения онтологической модели на предприятии. (таблица)

Таблица 3.2. Эффекты, полученные в результате внедрения онтологической модели.

Показатель	До внедрения онтологическоймодели	После внедрения онтологическоймодели	Эффект
1.Время обучения новых сотрудников, нед.	8	3	Уменьшение на 62,5%
2.Среднее время решения проблемы, мин.	40	22	Уменьшение на 55%
3.Среднее время ответа, ч	2,9	1,7	Уменьшение на 41,4%
4.Доля заявок, успешно решенных при первом контакте, %	11,5	37,8	Увеличение на 26,3%

Рассчитаем количество заявок, обрабатываемых одним специалистом техподдержки за смену (8 часов) до внедрения СУЗ:

Число заявок, обрабатываемых одним специалистом после внедрения СУЗ:

Увеличение количества заявок, решаемых всеми специалистами центра технической поддержки за смену, составило:

Для того чтобы успешно решить дополнительно 30 заявок пользователей до внедрения системы на предприятии понадобилось бы дополнительно:

Рассчитаем дополнительные годовые затраты на содержание и трехмесячное обучение инженеров техподдержки:

Ставка дисконтирования.

Для оценки эффективности внедрения проекта необходимо определить ставку дисконтирования. Ставка дисконта -- это ожидаемая ставка дохода на вложенный капитал в сопоставимые по уровню риска объекты инвестирования на дату оценки. Для определения ставки дисконтирования используется метод кумулятивного построения.

(3.1)

- безрисковая составляющая;

-информационная составляющая;

- рисковая премия.

Размер безрисковой и информационной ставки принимается равной ставке рефинансирования - годовому проценту, по которому в Центральном банке РФ может получить кредит другая кредитная организация (8,25%).

В официальных методических рекомендациях по оценке эффективности инвестиционных проектов рекомендуется учитывать три типа рисков при расчете рисковой премии. Рассмотрим каждый из них подробнее и произведем оценку.

1Страновой (политический) риск - возможность негативных изменений экономического окружения, государственных инвестиций, налогов и т.д. Величина поправки на страновой риск оценивается экспертно:

- по зарубежным странам на основе рейтингов стран мира по уровню странового риска инвестирования, публикуемых специализированной рейтинговой фирмой BERI (Германия), Ассоциацией швейцарских банков;

- по России страновой риск определяется по отношению к безрисковой, безинфляционной норме дисконта и может превышать ее в несколько раз.

Таблица 3.3. Расчет странового риска России Мировым Банком

Факторы странового риска	Оценка фактора риска от 0 до 10%
I. Факторы риска, обусловленные активами:	10
1.1 риск национализации	10
1.2. риск экспроприации	10
1.3. отношение к частному капиталу	10
1.4. отношение к иностранному капиталу	10
1.5. криминогенность экономики	10
1.6. устойчивость политики правительства	10
1.7. популярность политики правительства	10
1.8. возможность ограничений на вывоз капитала и вывоз товаров	10
1.9. квалификация рабочей силы	8
1.10. емкость внутреннего рынка	3
II. Финансовые риски	10
2.1. Внутреннее обесценение валюты	10
2.2. Внешнее обесценение валюты	10
2.3. Стабильность налоговой системы	10
2.4. Качество государственного регулирования	10
2.5. Стадия промышленного цикла	10

Рассчитанный аналитиками Мирового Банка, как средневзвешенная, уровень странового риска для России составляет 9,4 из максимального уровня риска в 10 баллов.

Специалисты PricewaterhouseCoopers, оценивая страновой риск, кроме вышеперечисленных факторов учитывают также: коррупцию, законодательство, развитие экономики, учетную политику и выводят размер премии за риск, выраженный в процентах. Из данных таблицы можно сделать вывод, что для России характерен очень высокий уровень риска и высокая премия за риск.

Рис. 3.3. Оценка странового риска (данные PricewaterhouseCoopers, 2002)

2 Риск ненадежности участников проекта обычно усматривается в возможности непредвиденного прекращения реализации проекта, обусловленного:

- нецелевым расходованием средств, предназначенных для инвестирования в данный проект или для создания финансовых резервов, необходимых для реализации проекта;

- финансовой неустойчивостью фирмы, реализующей проект, недостаточное обеспечение оборота собственными оборотными средствами, недостаточное покрытие краткосрочной задолженности оборотом, отсутствие достаточных активов для имущественного обеспечения кредитов и т.д.;

- недобросовестностью, неплатежеспособностью, юридической недееспособностью других участников проекта, например: строительных организаций, поставщиков сырья или потребителей продукции, их ликвидацией или банкротством. Этот риск наиболее существенен по отношению к малым предприятиям.

В данном случае руководитель проекта по внедрению онтологической модели на ООО «Eltex» считает такой тип риска минимальным. Более того, на предприятии не наблюдается ни одного из вышеперечисленных рисковых составляющих. Следовательно, можно считать данный риск минимальным и пренебречь им при расчетах ставки дисконтирования.

3 Риск неполучения предусмотренных проектных доходов - несистематический риск, обусловленный техническими, технологическими и организационными решениями, а также колебанием цен на продукцию и ресурсы. Поправка на этот вид рис определяется с учетом технической реализуемости проекта, детальности проработки простых решений, наличия необходимого научного и опытно-конструкторского задела и представительности маркетинговых исследований. Более подробно риск неполучения усмотренных проектом доходов можно определять пофакторным расчетом, суммируя влияние учитываемых факторов. Необходимо оценить каждый фактор по шкале от 0 до 10. Чем ниже оценка, тем меньше влияние фактора на риск неполучения предусмотренных проектных доходов.

Таблица 3.4. Степень влияния факторов на риск неполучения предусмотренных проектных доходов

Фактор	Степень влияния
1. Техническая реализуемость проекта	1
2. Проработка решений	3
3. Наличие необходимого опыта и технической базы для реализации проекта	1
4. Дополнительные расходы	2
5.	3
6.	2
Итого	12



Максимальный размер премии за риск, характеризующий ненадежность участников проекта, согласно методическим рекомендациям, также не должен превышать 5%. Согласно факторному анализу данный тип риска был оценен в 12 баллов из 60. Данный результат, выраженный в процентах, составляет 1%.

После оценки всех типов рисков, влияющих на рисковую премию, рассчитываем ставку дисконтирования:

Чистый дисконтированный доход (чистая текущая стоимость -- NetPresentValue, NPV).

Величина чистого дисконтированного дохода (ЧДД) рассчитывается как разность дисконтированных денежных потоков доходов и расходов, производимых в процессе реализации инвестиции за прогнозный период.

Суть критерия состоит в сравнении текущей стоимости будущих денежных поступлений от реализации проекта с инвестиционными расходами, необходимыми для его реализации.

Применение метода предусматривает последовательное прохождение следующих стадий:

1 расчет денежного потока инвестиционного проекта;

2 выбор ставки дисконтирования, учитывающей доходность альтернативных вложений и риск проекта;

3 определение чистого дисконтированного дохода.

ЧДД или NPV для постоянной нормы дисконта и разовыми первоначальными инвестициями определяют по следующей формуле:

, (3.2)

Где I₀ -- величина первоначальных инвестиций;
NCF_t -- чистый денежный поток от реализации инвестиций в момент времени t;

t -- шаг расчета (год, квартал, месяц и т. д.);

R -- норма дисконта.

Рассчитаем чистую текущую стоимость:

Условия принятия инвестиционного решения на основе данного критерия сводятся к следующему:

- если NPV > 0, то проект следует принять;

- если NPV < 0, то проект принимать не следует;

- если NPV = 0, то принятие проекта не принесет ни прибыли, ни убытка.

В основе данного метода заложено следование основной целевой установке, определяемой инвестором, -- максимизации его конечного состояния или повышению ценности фирмы. Следование данной целевой установке является одним из условий сравнительной оценки инвестиций на основе данного критерия.

Положительное значение чистой текущей стоимости свидетельствует о целесообразности принятия решений о финансировании и реализации проекта, а при сравнении вариантов вложений предпочтительным считается вариант с наибольшей величиной NPV, поскольку если NPV > 0, то в случае принятия проекта ценность компании, а следовательно, и благосостояние ее владельцев увеличатся.

Реализация данного метода предполагает ряд допущений, которые необходимо проверять на степень их соответствия реальной действительности и на то, к каким результатам ведут возможные отклонения.

К таким допущениям можно отнести:

- существование только одной целевой функции -- стоимости капитала;

- заданный срок реализации проекта;

- надежность данных;

- принадлежность платежей определенным моментам времени;

- существование совершенного рынка капитала.

При всех его достоинствах метод имеет и существенные недостатки. В связи с трудностью и неоднозначностью прогнозирования и формирования денежного потока от инвестиций, а также с проблемой выбора ставки дисконта может возникнуть опасность недооценки риска проекта.

Индекс рентабельности инвестиции (ProfitabilityIndex, PI).

Индекс рентабельности -- относительный показатель эффективности инвестиционного проекта и характеризует уровень доходов на единицу затрат, то есть эффективность вложений -- чем больше значение этого показателя, тем выше отдача денежной единицы, инвестированной в данный проект. Данному показателю следует отдавать предпочтение при комплектовании портфеля инвестиций с целью максимизации суммарного значения NPV. Индекс рентабельности (прибыльности, доходности) рассчитывается как отношение чистой текущей стоимости денежного притока к чистой текущей стоимости денежного оттока (включая первоначальные инвестиции):

, (3.3)

Где I₀ -- инвестиции предприятия в момент времени 0;

R -- норма дисконта.

Условия принятия проекта по данному инвестиционному критерию следующие:

- если РI > 1, то проект следует принять;

- если РI < 1, то проект следует отвергнуть;

- если РI = 1, проект ни прибыльный, ни убыточный.

В данном случае значение индекса рентабельности инвестиций намного превышает единицу и примерно составляет 4,5. Полученный результат однозначно говорит в пользу принятия проекта к исполнению и прогнозирует получение прибыли в больших объемах.

Дисконтированный (динамический) срок окупаемости инвестиций (DiscountedPaybackPeriod, DPP)

Дисконтированный срок окупаемости инвестиции (DiscountedPaybackPeriod, DPP) устраняет недостаток статического метода срока окупаемости инвестиций и учитывает стоимость денег во времени. Для получения DPP необходимо начать расчет с дисконтированного денежного потока:

, (3.4)

Полученное значение дисконтированного денежного потока превышает первоначальные инвестиции в проект (306000 руб.), следовательно, возмещение первоначальных расходов произойдет менее, чем за один год.

Если предположить, что приток денежных средств поступает равномерно, то можно вычислить точное значение дисконтированного срока окупаемости следующим образом:

Для того, чтобы перевести значение DPP в дни, необходимо умножить его на количество дней в году:

Простейшие расчеты показывают, что такой прием в условиях низкой ставки дисконтирования, характерной для стабильной западной экономики, улучшает результат на неощутимую величину, но для значительно большей ставки дисконтирования, характерной для российской экономики, это дает значительное изменение расчетной величины срока окупаемости. Иными словами, проект, приемлемый по критерию РР, может оказаться неприемлемым по критерию DPP.

При использовании критериев РР и DPP в оценке инвестиционных проектов решения могут приниматься исходя из следующих условий:

1 проект принимается, если окупаемость имеет место;

2 проект принимается только в том случае, если срок окупаемости не превышает установленного для конкретной компании предельного срока.

В общем случае определение периода окупаемости носит вспомогательный характер относительно чистой текущей стоимости проекта или внутренней нормы рентабельности. Кроме того, недостаток такого показателя, как срок окупаемости, заключается в том, что он не учитывает последующих притоков денежных средств, а потому может служить неверным критерием привлекательности проекта.

Еще один существенный недостаток критерия «срок окупаемости» в том, что, в отличие от показателя NPV, он не обладает свойством аддитивности. В связи с этим при рассмотрении комбинации проектов с данным показателем необходимо обращаться осторожно, учитывая это его свойство.

Однако критерий «срок окупаемости» безразличен к величине первоначальных инвестиций и не учитывает абсолютного объема вложений. Таким образом, данный показатель может быть использован только для анализа инвестиций со сравнимым объемом первоначальных вложений.

В некоторых случаях применение критерия «срок окупаемости» может иметь решающее значение для целей принятия решений по инвестированию. В частности, так может случиться, если инвестиции сопряжены с высоким риском, и тогда чем короче срок окупаемости, тем такой проект предпочтительнее. Кроме того, руководство компании может иметь некий лимит по срокам окупаемости, и связано это прежде всего с проблемой ликвидности, поскольку главная задача компании -- чтобы инвестиции окупились как можно скорее. Таким образом, критерии РР и DPP позволяют судить о ликвидности и рискованности проекта следующим образом: чем короче срок окупаемости, тем менее рискован проект; более ликвиден тот проект, у которого меньше срок окупаемости. Данные критерии целесообразно применять, когда компания заинтересована в увеличении ликвидности, а также в отраслях, инвестиции в которые связаны с высоким уровнем риска (например, в отраслях с быстрой сменой технологий: компьютерные системы, мобильная связь и т.д.).

Таблица 3.5. Показатели оценки эффективности внедрения онтологической модели на предприятии ООО «Eltex»

Показатель	Значение	Интерпретация результата
1. Чистая текущая стоимость (NPV), тыс.руб.	1685,11	Проект следует принять, т.к. NPV?0.
2. Индекс рентабельности инвестиций (PI)	4,5	Проект следует принять, т.к. PI?1.
3. Дисконтированный срок окупаемости (DPBP), дн.	30	Проект следует принять, т.к. DPBP не превышает определенный компанией срок окупаемости.

3.1 Оценка рисков внедрения онтологической модели

Риск можно определить, как вероятность убытков или недополучение доходов. Проект по внедрению системы управления знаниями является специфическим случаем, так как в данной ситуации компания не рискует потерять вложенные средства, но тем не менее, рискует не получить экономию затрат под влиянием факторов риска. Для оценки рисков внедрения онтологической модели на ООО «Eltex» был выбран метод: метод анализа сценариев.

Метод анализа сценариев

Анализ сценариев развития проекта позволяет оценить риски проекта путем установления влияния на проект одновременной вариации нескольких факторов через вероятность каждого сценариев.

Для проведения сценарного анализа используется информация о количественных характеристиках нежелательного, неудовлетворительного и желаемого множества состояний. Таким образом, для каждого проекта исследуют три его возможных варианта развития: пессимистический, наиболее вероятный (или нормальный) и оптимистичный. Затем на основе показателей отдельных сценариев определяется обобщающий показатель эффективности проекта с учетом факторов неопределенности - показатель ожидаемого интегрального эффекта, положительное значение которого свидетельствует о приемлемости проекта для реализации.

Каждый из сценариев описан комбинацией четырех параметров: время обучения новых сотрудников, среднее время решения проблемы, среднее время ответа и доля заявок, успешно решенных при первом контакте. В качестве базового сценария берем рассчитанные реальные показатели, так как этот вариант наиболее вероятен.

Таблица 3.8. Сценарии развития проекта внедрения онтологической модели

	Оптимистический	Базовый	Пессимистический
1 Время обучения новых сотрудников, нед.	1	3	6
2 Среднее время решения проблемы, мин.	12	22	35
3 Среднее время ответа, ч.	0,8	1,7	2,5
4 Доля заявок, успешно решенных при первом контакте, %	11,5	37,8	50

1. Оптимистический сценарий.



Для расчета внутренней нормы доходности необходимо рассчитать еще одно значение NPV для другой ставки дисконтирования, например: 35%.

Рассчитываем внутреннюю норму доходности:

Для определения дисконтированного срока окупаемости рассчитаем дисконтированный денежный поток:

2. Пессимистический сценарий.

Для расчета внутренней нормы доходности необходимо рассчитать еще одно значение NPV для другой ставки дисконтирования, например: 35%.

Внутренняя норма доходности равняется:

Для определения дисконтированного срока окупаемости рассчитаем дисконтированный денежный поток:

Таблица 3.9. Чистая текущая стоимость проекта при различных сценариях развития и вероятность развития этих сценариев

Сценарий	NPV, руб.	PI	IRR, %	DPP, дн.	Вероятность развития сценария, %
Оптимистичный	3759185	10,1	1,5	33	15
Базовый (наиболее вероятный)	1685111	4,5	21,5		60
Пессимистичный	334000	0,9	0,92	344	35

Рассчитаем среднее отклонение NPV:

, (3.5)

Где - значение чистой текущей стоимости i-го сценария;

- вероятность реализации i-го сценария.

Рассчитаем среднее квадратичное отклонение:

, (3.6)

- расчетный доход по проекту, тыс.руб.;

- средний ожидаемый доход по проекту, тыс.руб.;

- значение вероятности, соответствующее расчетному доходу.

В таком случае коэффициент вариации:

, (3.7)

Для того, чтобы сделать вывод, используя полученное значение коэффициента вариации, необходимо обратиться к таблице.

Таблица 3.10. Зависимость уровня риска от коэффициента вариации

Значение коэффициента вариации, %	Колеблемость	Уровень риска
Менее 10	Слабая	Низкий
10-25	Умеренная	Средний
Более 25	Высокая	Высокий

В соответствии с данными таблицы, можно сделать вывод о том, что проект по внедрению онтологической модели на предприятии ООО «Eltex» имеет низкий уровень риска.



Заключение

Управление знаниями - одна из основных концепций современного организационного менеджмента, развитие которой началось в XX веке и продолжается по сей день. Реализация этой концепции - важное условие существование организации в условиях ожесточенной конкуренции.

Теоретической базой исследования послужили работы отечественных и зарубежных авторов, занимающихся изучением данного вопроса, а также материалы сети Интернет.

В процессе выполнения дипломной работы было проведено исследование теоретических и практических аспектов внедрения системы управления знаниями на предприятии ООО «Eltex» в техническом подразделении.

В первой главе работы рассмотрены теоретические основы к оценке эффективности внедрения системы управления знаниями на предприятии.

Вторая глава посвящена исследованию, выбору языка моделирования и созданию онтологической модели. Был рассмотрен инструмент по созданию онтологии Protйgй 4.2 версии. Данная онтологическая модель была разработана для систематизации данных на сайте, для управления информационными потоками. Реализованы запросы для быстрого поиска необходимой информации. Значительно сократилось время поиска.

Третья глава дипломной работы представляет собой расчеты по оценке эффективности внедрения онтологической модели. По результатам расчетов можно сделать вывод, о том, что внедрение онтологической модели на предприятии выгодный проект.



Список использованных источников

1. Управление знаниями: учебное пособие / Л.А. Трофимова, В.В. Трофимов. - СПб.: Изд-во СПбГУЭФ, 2012. - 77 с.

2. Экономика знаний: коллективная монография / отв. ред. В.П. Колесов. М.: ИНФРА-М, 2008.

3. The Knowledge Management Scenario: Trends and Directions for 1998-2003, Gartner Group, 1999. URL: http://www. gartnergroup.org

4. Мариничева М.К. Управление знаниями на 100%: Путеводитель для практиков. М.: Альпина Бизнес Букс, 2008.

5. Управление знаниями: учебное пособие / В. В. Ефимов. - Ульяновск: УлГТУ,2005. -111с.

6. Гапоненко А.Л. Теория управления, 2003 URL: http://freebooks.site/uchebnik-menedjment/menedjment-znaniy.html

7. Учебники онлайн. Менеджмент знаний. URL: http://uchebnik-online.com/132/782.html

8. Управление знаниями. Хрестоматия. 2-е изд. / Пер. с англ. под ред. Т.Е. Андреевой, Т.Ю. Гутниковой. - СПб.: Высшая школа менедж- мента СПбГУ, СПб., 2010.

9. Категория «управление знаниями». URL: http://mybiblioteka.su/3-95801.html

10. НонакаИкуджиро, ТакеучиХиротака. Компания - создатель знания. Зарождение и развитие инноваций в японских фирмах / Пер. с англ. - М.: ЗАО «Олимп-Бизнес», 2003. - 384 с

11. Кудрявцев Д.В. Системы управления знаниями и применение онтологий: учеб. пособие / Д.В. Кудрявцев. - СПб.: Изд-во Политехн. ун-та, 2010. - 344 с.

12. Онтологический подход к управлению знаниями при разработкекорпоративных систем автоматизации. URL: http://www.big.spb.ru/publications/bigspb/km/ontol_podhod_to_uz.shtml

13. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системыуправления знаниями (методы и технологии) / Под общ. ред.В.З. Ямпольского. - Томск: Изд-во НТЛ, 2005. - 260 с.

14. Официальный сайт ООО «Элтекс». URL: http://eltex.nsk.ru/

15. Д.И. Муромцев. Онтологический инжиниринг знаний в системе Protйgй. - СПб: СПб ГУ ИТМО, 2007. - 62 с.

16. OWL Язык Сетевых онтологий. Варианты использования и требования. URL: https://www.w3.org/2006/04/OWL_UseCases-ru.html

17. Практический справочник по построению Онтологий OWL в Protege 4. URL: https://docs.google.com/document/d/1na2iego1iSC91fn8DWo9C-w1ABuQn0wuPfiSsOOQQOo/edit

18. Виды инвестиционных рисков. URL: http://www.bankmib.ru/1131

19. Сафонова Л.А., Смоловик Г.Н. Экономическая эффективность инвестиционных проектов: монография. - Новосибирск.: Сибирский государтвенный университет телекоммуникаций и информатики, 2007.-169 с.

20. Смоловик Г.Н. Оценка экономической эффективности инвестиционных проектов: методические указания. - Новосибирск.: Сибирский государственный университет телекоммуникаций и информатики, 2011.- 31 с.;



Приложение А

Таблица. Оценка странового риска (данные WaterhouseCoopers, 2002)

Страна	Компоненты О-фактора	О-фактор	Премия за риск (%)
	Коррупци	Законода- тельство	Экономик	Учет	Регули- рование
США	25	37	42	25	48	36	0
Бразилия	53	59	68	63	62	61	6,45
Россия	78	84	90	81	84	84	12,25
Аргентина	56	63	68	49	67	61	6,39
Чили	30	32	52	28	36	36	3,0
Китай	62	100	87	86	100	87	13,16
Колумбия	48	66	77	55	55	60	6,32
Чешская Республик	57	97	62	77	62	71	8,99
Эквадор	60	72	78	68	62	68	8,26
Египет	33	52	73	68	64	58	5,72
Греция	49	51	76	49	62	57	5,57
Гватемала	59	49	80	71	66	65	7,49
Гонконг	25	55	49	53	42	45	2,33
Венгрия	37	48	53	65	47	50	3,7
Индия	55	68	59	79	58	64	7,19
Индонезия	70	86	82	68	69	75	10,1
Израиль	18	61	70	62	51	53	4,38
Италия	28	57	73	26	56	48	3,12
Япония	22	72	72	81	53	60	6,29
Кения	60	72	78	72	63	69	8,48
Литва	46	50	71	59	66	58	5,84
Мексика	42	58	57	29	52	48	3,08
Пакистан	48	66	81	62	54	62	6,74
Перу	46	58	65	61	57	58	5,63
Польша	56	61	77	55	72	64	7,24
Румыния	61	68	77	78	73	71	9,15
Сингапур	13	32	42	38	23	29	О12
Южная Африка	45	53	68	82	50	60	6,12
Южная Корея	48	79	76	90	73	73	9,67
Тайвань	45	70	71	56	61	61	6,4
Таиланд	55	65	70	78	66	67	8,01
Турция	51	72	87	80	81	74	9,82
Велико- британия	15	40	53	45	38	38	0,63
Уругвай	44	56	61	56	49	53	4,52
Венесуэла	53	68	80	50	67	63	7,12

Размещено на Allbest.ru

...