Интеллектуальные технологии в системах управления предприятиями

Размещено на http://www.allbest.ru/

МНУЦИТиС НАН и МОН (Украина)

Интеллектуальные технологии в системах управления предприятиями

Тимашова Л.А.

Тур Л.П.

Лещенко В.А.

Музалева В.А.

Постановка проблемы. В процессе своего эволюционного развития системы управления промышленными предприятиями прошли ряд этапов: от простейших структур, ориентированных на решение отдельных, а впоследствии ряда взаимосвязанных задач, до сложнейших структур, интегрирующих комплексы задач, поддерживающих работу менеджеров различных уровней и направлений деятельности, используя определенным образом структурированную корпоративную базу данных. За этот период времени чрезвычайно расширилась функциональность систем поддержки решений, основанных на базах данных (OLAP). Однако при принятии конкретных решений менеджеры предприятий пользуются еще и своими, накопленными в процессе своего опыта работы, знаниями о внешнем мире (поставщиках, наличных и потенциальных клиентах, конкурентах) и вверенных ему бизнес - процессах.

Рассматриваемые задачи. Использование этих знаний - это и первостепенная задача, стоящая перед современными системами управления предприятиями, и направление их развития. Разработка систем управления, базирующихся не только на данных, но и на знаниях, знаменует собой новый этап развития - этап интеллектуализации систем управления. Характерной особенностью данного этапа является постепенное наращивание “уровня интеллектуальности” систем принятия решений путем постепенной передачи компьютерным системам отдельных функций (а в дальнейшем и классов задач) управления, выполняемых ранее человеком на базе его знаний.

Предлагаемый подход к решению: для разработки интеллектуальных информационных технологий использовать методологические подходы и инструментальные средства искусственного интеллекта (ИИ), как наиболее близко подошедшие к автоматизации творческих процессов, связанных с принятием решений и использованием знаний.

Для реализации подхода приняты следующие этапы работ:

- проведение анализа результатов, полученных по основным направлениям искусственного интеллекта с точки зрения применимости их в системах управления;

- выработка требований к знаниям, используемым в интеллектуальных системах управления;

- определение источников формирования знаний, способов их представления и использования;

- разработка интеллектуальных технологий принятия решений, основанных на знаниях.

Подход основывается на определении интеллектуальной системы, данном в [1], где под интеллектуальной системой (ИС) понимается программно-техническая система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти системы.

Проблемами ИИ занимаются с момента появления первых вычислительных машин. За этот период времени проведены многочисленные исследования и эксперименты, получены важные теоретические результаты, разработан широкий спектр практических приложений. Результаты исследований имеют следующие направления [2]: представление знаний; приобретение знаний, машинное обучение и автоматическое порождение гипотез; интеллектуальный анализ данных и обработка образной информации; многоагентные системы, динамические интеллектуальные системы и планирование; обработка естественного языка, пользовательский интерфейс и модели пользователя; нечеткие модели и мягкие вычисления; разработка инструментальных средств.

Ниже мы рассмотрим эти направления с позиций применимости их результатов к проблеме интеллектуализации систем управления (ИСУ) предприятиями и разработки интеллектуальных технологий для задач принятия оперативных решений в сбойных ситуациях. В ИСУ, как и в системах ИИ [3] “знания” являются основным объектом формирования, обработки и исследования. Поэтому, к знаниям, используемым в интеллектуальных системах управления предприятием, будем предъявлять те же требования:

- внутренняя интерпретируемость. Каждая информационная единица (например, изделие, склад, материальный ресурс, цех, банковский кредит) должна иметь уникальное имя, по которому ИС находит ее, а также отвечает на запросы, в которых это имя упомянуто;

- структурированность. Информационные единицы должны обладать гибкой структурой. Для них должен выполняться принцип рекурсивного вхождения одних информационных единиц в другие, должна существовать возможность произвольного установления между отдельными информационными единицами отношений типа "часть - целое", "род - вид" или "элемент - класс";

- связность. В информационной базе между информационными единицами должна быть предусмотрена возможность установления связей различного типа. Эти связи характеризуют отношения между информационными единицами, например связь отношением "одновременно", "причина - следствие", "быть рядом", "аргумент - функция", несовместимы друг с другом в одном описании и др.;

- семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее ситуационную близость информационных единиц, т.е. силу ассоциативной связи (релевантности) между информационными единицами;

- активность. Как и у человека, в интеллектуальных системах актуализации действий способствуют знания, имеющиеся в системе. Поэтому и выполнение программ в ИС должно инициироваться текущим состоянием информационной базы: появлением новых событий, изменением состояний отслеживаемых системой объектов и процессов.

Перечисленные пять особенностей информационных единиц определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний (БЗ).

При разработке интеллектуальных систем управления предприятием возникает множество проблем, связанных с приобретением знаний, их представлением, интеллектуальным анализом данных с целью извлечения скрытых знаний, с разработкой технологий работы пользователей и дружественного интерфейса, с реализацией задач взаимодействия удаленных пользователей на базе Интернет технологий. Решение этих проблем будет базироваться на результатах в области искусственного интеллекта. Краткий анализ результатов, полученных по основным направлениям ИИ, будем проводить с точки зрения возможности их применения в ИСУ.

В рамках направления “представление знаний“ в ИИ разрабатываются специальные модели представления знаний и языки для описания знаний. Существуют два типа методов представления знаний (ПЗ) [4]:формальные модели ПЗ, в основе которых лежит строгая математическая теория и неформальные (семантические, реляционные) модели ПЗ. Каждая неформальная модель годится только для конкретной предметной области и поэтому не обладает универсальностью, которая присуща моделям формальным. Каждому из методов ПЗ соответствует свой способ описания знаний: логические модели, сетевые, продукционные и фреймовые модели. Ниже, при построении интеллектуальных технологий принятия решений в оперативном управлении предприятием, будет применена фреймовая модель организации знаний.

В рамках направления “приобретения знаний” создаются методологии, технологии и программные средства переноса знаний в базу знаний; изучаются источники, из которых извлекаются знания; создаются процедуры и приемы, с помощью которых возможно приобретение знаний. Одним из важнейших и перспективных направлений в области формализации знаний, которое дает возможность использования накопленных знаний для компьютерной обработки, являются “онтологии”. Они определяются [4] как целостная структурная спецификация предметной области, ее формализованное представление, которое включает словарь (или имена) указателей на термины предметной области и логические выражения, описывающие, как они соотносятся друг с другом. Начиная с 1990-х годов в связи с проблемами, возникшими при обработке больших объемов информации в крупных корпорациях, стало развиваться направление управление знаниями (Knowledge Management), включающее совокупность процессов и технологий, предназначенных для выявления, создания, распространения, обработки, хранения и предоставления для использования знаний. Понятие онтологии и онтологического анализа вошли в процедуры и стандарты моделирования бизнес-процессов предприятий. Для поддержки онтологического анализа в производственных системах разработана методология IDEF5.

Основу “интеллектуального анализа” данных составляют две процедуры: обнаружение закономерностей в исходной информации и использование обнаруженных закономерностей для прогнозирования. Одним из путей интеллектуального анализа данных является Data Mining ( добыча данных). Это направление связано с автоматизированным извлечением знаний, неявным образом присутствующих в обрабатываемой информации, обнаружением неочевидных, ранее неизвестных закономерностей в данных, составляющих так называемые скрытые знания (hidden knowledge). В настоящее время модели интеллектуального анализа находят широкое применение во многих областях. В системах управления предприятиями интеллектуальный анализ данных используется для построения новых знаний о процессах и, на их основе, построения метазнаний, которые будут положены в основу при формировании управляющих решений. Модели интеллектуального анализа являются важными структурными компонентами информационно - аналитических систем современных предприятий [5].

В рамках направления “многоагентные системы” изучаются интеллектуальные программные агенты и их коллективы. Интеллектуальный агент - это программная система, обладающая свойствами автономности, социальными чертами, реактивностью и активностью. Основные задачи в этой области таковы: реализация переговоров интеллектуальных агентов и разработка языков для этой цели, координация поведения агентов, разработка архитектуры языка программирования агентов. В последние годы идеи и методы агентских технологий вошли в практику разработки программного обеспечения, активно используются в системах управления предприятиями при реализации информационных технологий поиска партнеров по бизнесу, как на этапе проектирования предприятия, так и на этапе его функционирования [6]. Разработка динамических интеллектуальных систем, являющихся интеграцией систем имитационного моделирования и экспертных системам, будет способствовать более успешному применению аппарата имитационного моделирования в системах управления предприятиями для оценки последствий принятия решений, предлагаемых менеджером - экспертом или подготовленных системой, значительно повысив при этом эффективность всей системы управления.

Направление “обработка естественного языка, пользовательский интерфейс и модели” связано с разработкой систем поддержки речевого общения, c решением проблем уточнения запроса в информационных системах, с задачами управления диалогом, с задачами анализа естественного языка с использованием различных эвристик. Предметом исследований является также динамическое моделирование пользователя, в частности, в системах электронной коммерции, развитие фреймового подхода для представления запросов пользователя, адаптивный интерфейс, мониторинг и анализ покупательского поведения в Интернете. Для систем управления предприятиями особую актуальность приобретают работы, ведущиеся в направлении интеллектуального интерфейса для функциональных пользователей.

Разработка “инструментальных средств” - это обширная сфера деятельности внутри ИИ, ставящая перед собой задачи: создания программных средств приобретения знаний для автоматизированного переноса компетентности в базы знаний, разработки методов обнаружения знаний в данных; реализации программных средств поддержки баз знаний и средств поддержки проектирования интеллектуальных систем. Работы в этом направлении актуальны для любой системы управления.

При разработке интеллектуальной технологии принятия оперативных решений будем использовать следующую базовую информацию:

- модель внешнего мира включает: перечень объектов и событий, влияющих на деятельность предприятия. Объектами внешнего мира являются: потребители, конкуренты, партнеры, мировые рынки; события: изменение спроса, появление новых рынков сбыта; появление новых конкурентов, выпуск новой продукции, изменение ценовой политики по выпускаемой ими продукции; невыполнение партнерских обязательств, изменение состава партнерской сети;

- модель предприятия включает: структуру предприятия; набор взаимосвязанных бизнес - процессов, характеризующих плановую и реальную деятельность предприятия по следующим направлениям: маркетинг, производство, логистика, финансы. Форма представления бизнес - процессов (БП) имеет фиксированную структуру. Например: БП “обеспечение цеха ресурсами” имеет следующую структуру: {цех, ресурс, параметры ресурса: количество, качество, время поставки, адрес доставки};

- банк решений (цепочки решений), предлагаемых менеджерам предприятия в случае возникновения непредвиденных сбойных ситуаций при реализации бизнес - процессов. Для каждого вида деятельности будут представлены свои цепочки решений, проверенные в практической деятельности предприятия в предшествующие периоды времени, имеющие компьютерную реализацию (решенная задача) или представляющие знания менеджера данного направления. Каждая задача описана конкретными требованиями представления данных и формой представления результатов. В случае, когда решение задается менеджером, требуется разработка новой технологии и программной реализации.

- банк возможных стандартных сбойных ситуаций. Он формируется компьютерной системой (или менеджерами различных уровней и направлений деятельности) в процессе функционирования предприятия в случае возникновения отклонений в реализации бизнес - процессов. Представление ситуации имеет стандартную структуру: {название БП, параметр и величина отклонения, принятое решение, стоимостная оценка принятого решения}.

При формировании базового алгоритма реализации интеллектуальной технологии принятия оперативных решений в системах управления предприятия Банк возможных стандартных сбойных ситуаций и Банк решений будут составлять необходимую Базу Знаний. В основе разрабатываемой технологии лежит алгоритм распознавания текущей ситуации. Он основан на “понимании” компьютерной системой текущей ситуации по аналогии с человеком, который, распознав реальную ситуацию, производит выбор из памяти аналога и приспосабливает его к текущей ситуации. Для построения обобщенного алгоритма распознавания ситуаций и принятия ситуационного решения введены фреймы - сценарии, представленные “расширенной” фреймовой структурой. Фрейм, введенный в [7], это некоторая структура данных, характеризующая стереотипную ситуацию, состоящая из 3 частей: первая (заголовок) указывает, каким образом следует использовать данный фрейм, вторая - что необходимо выполнить в случае утвердительного ответа, третья - в случае отрицательного. “Расширенная” фреймовая структура отличается от известной тем, что в нее включены еще две характеристики: “исполнитель сценария” и “перечень процедур (решений), которые необходимо реализовать предварительно”. Базируясь на таком представлении знаний о сбойных ситуациях и Банке решений, разработан базовый алгоритм принятия оперативных ситуационных решений и технология его реализации.

Выводы. Исследованы результаты, полученные по основным направлениям искусственного интеллекта. Сформулированы требования к знаниям, используемым в интеллектуальных системах управления. Предложен базовый алгоритм реализации интеллектуальной технологии, основанный на расширенной фреймовой модели представления знаний.

Литература

интеллектуальный управление фреймовый знание

1. Басалин П.Д. Средства интеллектуальной поддержки процесса проектирования сложных технических объектов / П.Д. Басалин, С.Е. Власов // Математическое моделирование и оптимальное управление, Вестник Нижегородского университета им. Н.И. Лобачевского, № 1, 2007, с. 177-182.

2. Осипов Г.С. Искусственный интеллект: Состояние исследований и взгляд в будущее. - www.raai.org/about/persons/osipov/pages/ai/ai.html.

3. Морозов М.Н, Курс лекций по дисциплине "Системы искусственного интеллекта", Лаборатория систем мультимедиа, Марийский государственный технический университет. khpi-iip.mipk.kharkiv.edu/library/ai/conspai/.

4. Гладун А.Я., Рогушина Ю.В., Корпоративные системы, № 1, 2006.

5. Тимашова Л.А. Задачи мониторинга и управления бизнес-процессами виртуального предприятия / Л.А. Тимашова, Л.П. Тур, В.А. Музалева, В.А. Лещенко, Л.А. Яненко // Зб. наук. пр. СНУЯЕтаП. - Севастополь: СНУЯЕтаП, 2007. - Вип.4(24). - с. 244-253.

6. Тимашова Л.А. Организация виртуальных предприятий: Монография / Л.А. Тимашова, С.К. Рамазанов, Л.А. Бондар, В.А. Лещенко. Луганск: Изд-во ВНУ им. В.Даля, 2004. - 368 с.

7. Мински М, Фреймы для представления знаний. М.: Энергия, 1979. - 152 с.

Размещено на Allbest.ru