Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия icon

Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия



НазваниеИнформационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия
страница3/8
Дата конвертации31.05.2013
Размер1.63 Mb.
ТипКнига
скачать >>>
1   2   3   4   5   6   7   8

Таблица 2


Информация о ресурсах для выбора партнеров

Ресурс, операция


Параметры поиска


Критерии (требования) отбора

Поиск Партнера-изготовителя изделия (блока)


1. Технические характеристики изделия (блока).

2. Качество.

3. Стратегия поставок: объемы, сроки, расписание.

4. Технические условия реализации логистических процессов (хранения, упаковки, транспортировки).

5. Стоимость изготовления.

6. Условия партнерства (доля прибыли, штрафы при возможных нарушениях условий соглашений: параметров изготовленного товара; реализации логистических процессов; требований информационного взаимодействия с партнерами ВП и др.)

  1. Имидж на рынке производителей товаров и услуг.

  2. Технология реализации необходимых для изготовления данного изделия (блока, услуги) логистических функций: обеспечения материальными ресурсами, складирования, транспортировки.

  3. Согласие на информационный доступ к своей базе данных.

  4. Возможность корректировки изделия в процессе его изготовления.

  5. Территориальная удаленность владельцев смежных логистических процессов (ЛП).

  6. Минимальная стоимость изготовления.

Поиск Партнера-поставщика материального Ресурса (МР):

Технические характеристики МР.

1. Технические требования к распознаванию и отслеживанию МР.

2. Качество МР.

3. Стратегия поставок и параметры: количество, сроки поставок.

4. Стоимость партии (единицы) МР.

5. Технические требования к смежным логистическим процессам: хранению, упаковке, способам транспортировки.

6. Условия партнерства (доля прибыли, штрафы при нарушении качественных, временных, объёмных и стоимостных параметров, указанных в соглашении).

7. Финансовые ограничения на приобретение МР


  1. Имидж на рынке материальных ресурсов.

  2. Самостоятельная реализация необходимых (для данного МР) транспортно-складских процессов.

  3. Согласие на поставку МР по стратегиям, заданным виртуальным предприятием.

  4. Согласие на информационный доступ к базе данных владельца МР.

5. Территориальная удаленность владельцев смежных ЛП.

6. Стоимостные критерии отбора: издержки, связанные с разовым приобретением единицы (партии) МР; издержки, связанные с периодическим (по расписанию) пополнением запасов (средние затраты в единицу времени; затраты за период времени; вероятностные оценки бесперебойности обеспечения)

Поиск Партнера по хранению (МР)

1. Технические характеристики МР.

2. Технические требования к распознаванию и отслеживанию МР в складской системе.

3. Технические требования к условиям хранения (для сохранения качества МР).

4. Технические требования к транспортно-складской обработке МР.

5. Стратегия поставок МР на хранение, параметры: количество, сроки поставок, период хранения.

6. Стратегия потребления МР (выдача из хранилища), параметры: количество, сроки выгрузки из хранилища.

7. Стоимость хранения партии (единицы) МР.

8. Смежные логистические процессы (СЛП: складская переработка грузов, упаковка, погрузка, транспортировка, доставка на место назначения).

9. Стоимостные ограничения на выполнение СЛП для партии (единицы) МР.

10. Технические требования к смежным логистическим процессам.

11. Условия партнерства (доля прибыли, штрафы при нарушении соглашений по условиям хранения).

1. Имидж на рынке услуг по складированию.

2. Согласие на информационный доступ к базе данных складской системы.

3. Территориальная удаленность владельцев смежных ЛП.

4. Стоимость выполнения логистических операций в процессе разового хранения МР.

5. Издержки, связанные с периодическим (по расписанию) хранением запасов:

– средние затраты в единицу времени;

– затраты за период времени;

– вероятностные оценки бесперебойности обеспечения.


^ Поиск Партнера на транс-портировку партии (единичного) (МР)


  1. Технические характеристики партии (единицы) МР.

  2. Технические требования к видам транспортных средств, условиям пакетизации и продвижения МР, их распознавания и отслеживания в пути.

  3. Описание предшествующего логистического процесса: месторасположение МР на хранении, владелец ПЛП, параметры МР, находящегося на хранении: адрес груза в складской системе, количество, качество, дата размещения на хранение, период хранения.

  4. Задание на транспортировку: параметры: дата погрузки в транспортные средства, количество МР, сроки доставки потребителю.

  5. Ограничения по стоимости транспортировки партии (единицы) МР.

  6. Смежные логистические процессы (СЛП: разгрузка, перегрузка на другой вид транспорта, складская переработка грузов, траспортировка, доставка на место назначения).

  7. Стоимость выполнения СЛП для партии (единицы) МР.

  8. Технические требования к смежным логистическим процессам.

  9. Условия партнерства (доля прибыли, штрафы при нарушении соглашений)

  1. Имидж на рынке услуг по перевозкам.

  2. Выполнение технических стандартов по перевозкам.

  3. Согласие на информационный доступ к базе данных предприятия по перевозкам.

4. Территориальная удаленность владельцев смежных ЛП.

5. Стоимость разовой (периодической) транспортировки единицы (партии) МР.

6. Возможность проведения комплексных перевозок, объединяющих различные МР.

7. Стоимостные характеристики при объединении перевозок различных МР.


Планирование и учет логистических процессов реализуется комплексом задач, в основу которых положены модели планирования (построения оптимальных стратегий, расписаний, планов) и учета работы структурных составляющих логистической системы ВП по каждому из ее уровней управления. Результатом реализации указанного комплекса явятся множество планов и стратегий работы логистических процессов всех уровней.

Структуризация задач планирования и учета ведется в соответствии с уровнями распределения ресурсов в логистической цепи ВП и логистическими процессами, которые совершаются над рассматриваемыми ресурсами (приобретение, потребление при изготовлении, хранение, комплектация, пакетизация, транспортировка и др.). Поэтому в логистической системе ВП выделяются следующие уровни планирования и учета ресурсов: главного предприятия, транспортно-складского комплекса предприятия, распределенной складской системы и его внутреннего транспорта, цеховых кладовых, логистической системы партнеров и логистической системы клиентов (заказчиков) виртуального предприятия.

^ Логистическая система партнера (ЛСП) может иметь сколь угодно уровней управления. Взаимодействие ЛСВП осуществляется, как правило, с верхним, агрегированным уровнем данных микрологистической системы партнера. Однако, в процессе функционирования ВП, при реализации какого-либо логистического процесса, выполняемого партнером, иногда появляется необходимость в доступе к данным, являющимся информационной собственностью партнера. В связи с этим, при заключении договоров между ВП и партнерами, должен быть предусмотрен санкционированный доступ менеджеров-логистов ВП к информационному пространству ЛСП требуемого уровня агрегации. Необходимость принятия таких мер диктуется прежде всего основными принципами создания ВП: ориентацией на требования клиента и повышением уровня его обслуживания.

^ Логистическая система заказчика (ЛСЗ). Условия взаимодействия ЛСВП с логистической системой заказчика (клиента) оговариваются на этапе оформления заказа клиента. Исходя из требований клиента, устанавливаются нормативы реализации всех логистических процессов, привлекаемых в процессе изготовления заказанного изделия, допустимые отклонения в их реализации, возможность внесения оперативных изменений в реализацию логистических процессов, права и обязанности обеих сторон, сроки и объема финансовых расчетов. Поэтому, в рамках ЛСВП, помимо процессов планирования и учета процессов сбыта и послепродажного обслуживания, предусмотрены: мониторинг всех логистических процессов, привлекаемых к выполнению заказа; организация санкционированного доступа клиента к требуемым данным; реализация оперативной информационной поддержки клиента; согласование решений в случае непредвиденных ситуаций; формирование рекомендаций по корректировке спроектированных ранее логистических процессов. Необходимо отметить, что ЛСЗ будет подключаться системой управления заказом с момента размещения заказа до момента окончания послепродажного обслуживания (в период проектирования изделия, изготовления, доставки готового изделия клиенту, послепродажного обслуживания). Основными функциями ЛСЗ являются: мониторинг всех логистических процессов, участвующих в выполнении заказа; согласование решений, предлагаемых руководством ВП, в случае непредвиденных отклонений в реализации заказа; вычисление логистических издержек; формирование решений для проведения финансовых операций с ВП.

Инструментарий системы планирования и учета логистических процессов базируется на теории расписаний, календарного планирования, массового обслуживания, моделях информационной поддержки решений и моделях построения логистических решений.

Система мониторинг и поддержка в принятии оперативных логистических решений. В 1.2 описаны модели и информационные технологии решения задач мониторинга и поддержки решений его функциональных пользователей в целом для ВП. В данном параграфе эти же вопросы будут рассмотрены применительно к логистической системе ВП.

На рис. 6 представлена общая схема мониторинга логистических бизнес-процессов ВП, которую детально опишем для задачи «Обеспечение производства материальными ресурсами». В этом случае объектами мониторинга будут: изделие, партнер, заказ, клиент, ресурс (параметры ресурса); склад, транспорт, план обеспечения (процент выполнения плана), факт (процент материальной обеспеченности изделия), временные точки контроля.

Показателями, характеризующими состояние выделенных объектов, будут: текущая обеспеченность всех процессов изготовления материальными ресурсами; дефицит (ресурс, количество, период времени, издержки дефи­цита); состояние контролируемых процессов, параметров обеспечения. В результате мониторинга будут выявлены ситуации (отклонения от плановых значений показателей отслеживаемых процессов), требующие построения поддерживающих решений.

Функциональными пользователями процесса обеспечения материальными ресурсами является руководство ВП, менеджеры процессов изготовления изделий; финансовых процессов, логистических процессов (заготовки, транспортировки, хранения); менеджеры партнеров, заказчиков (клиентов).

Для процесса обеспечения производства (цеха, изделия) материальными ресурсами реализация задачи «Мониторинг и поддержка в принятии оперативных логистических решений» требует подготовки следующего информационного обеспечения: наименование процесса, изделия, перечень функ­циональных пользователей, макеты ответов; план обеспечения изделия на заданный период времени: изделие, материальный ресурс, параметры материального ресурса (временные, объемные, количественные, показатели качества, адрес доставки); реализация плана на дату; допустимые отклонения.



Л О Г И С Т И Ч Е С К И Е

Б И З Н Е С - П Р О Ц Е С С Ы   В П:

   

        Нормативы                                                  Динамика



^ МОНИТОРИНГ ЛОГИСТИЧЕСКИХ БИЗНЕС-ПРОЦЕССОВ

Решения,


Данные,


Знания




Рисунок 6. Общая схема мониторинга логистических бизнес-процессов виртуального предприятия


Для решения задачи описываются также:

– типы сообщений: дефицит: запуск изделия не обеспечен ресурсом;

– причины сбоев: перечень отклонений от запланированных параметров;

– перечень рекомендуемых задач согласования.

^ Основными процедурами задачи являются: построение графика слежения за контрольными точками процесса; обнаружение отклонения в реализации процесса; формирование сообщения менеджеру (владельцу процесса) и предоставление ему меню (сценария по поддержке решения).

Выход: сообщения; меню (сценарии).

Меню, предлагаемое системой (задачей Мониторинг) функциональному пользователю для построения решения в случае сбойной ситуации: поиск ситуационного штатного решения; реализация функций согласования; реализация информационной поддержки решений; решение ситуационных задач; построение новых решений.

Перечень задач построения решений, решаемых системой для устранения сбойных ситуаций представлено следующими блоками задач: анализа возможностей закрытия дефицита различными путями (замена ресурса, мгновенная поставка); согласования возможности замены ресурса в изделии (с конструкторами и технологами, клиентом, партнерами); прогнозирование последствий принимаемых решений и ряд других. Данные и знания, необходимые при решении задач «Мониторинга и поддержки в принятии оперативных логистических решений» представлены в табл. 3.

В общем случае построение логистических решений реализуется следующими системами:

– Система информационной поддержки решений;

– Система построения логистических решений.

Основное назначение «Системы информационной поддержки решений на базе логистической информации» состоит в подготовке и предоставлении руководству ВП, логистического центра ВП (руководству логистическими процессами ВП), менеджерам-логистам предприятия для принятия обоснованных решений точной, оперативной, агрегированной в соответствии с уровнем решаемых задач информации о реализации логистических процессов с требуемой периодичностью и в удобной для анализа форме. Реализация задач данной системы осуществляется на основе Информационно-аналити­ческой системы предприятия, описание которой приведено в 1.3.

Основное назначение «Системы построения логистических решений» состоит в разработке как долгосрочных, так и оперативных решений, диктуемых множеством возникающих ситуаций на многообразии одновременно реализуемых процессов с различным характером отклонений, временных и финансовых ограничений по их устранению.


Таблица 3

Данные и знания, необходимые при решении задачи «Мониторинг и поддержка в принятии оперативных логистических решений»

Виды

Содержание

1. Данные о структуре процессов предприятия, представленной набором взаимосвязанных Б-П;


Перечень бизнес-процессов (Б-П): заготовки, транспортировки, производства, хранения, сбыта, финансовых потоков;

Взаимосвязи между Б-П;

Структурное описание каждого Б-П.

2. Плановые данные о реализации каждого Б-П;


Планы реализации Б-П;

Расписания изготовления;

Стратегии пополнения и хранения ресурсов;

Финансовые стратегии предприятия;

3. Оперативные данные о текущих процессах виртуального предприятия


Фактическая реализация Б-П;

Допустимые отклонения параметров Б-П;

Описание возникших сбойных ситуаций по каждому Б-П

4. Данные и знания технологические

Возможность замены материального ресурса другим ресурсом, с аналогичными свойствами;

Факты произведенных (ранее) замен и оценка последствий

5. Данные и знания о компетенциях (владельцев Б-П)


Наименование бизнес-процесса;

Наименование менеджера-владельца данного Б-П;

Длительность опыта работы;

Перечень решений, принятых ранее с участием владельца данного Б-П;

Какие из принятых решений были приняты без поддержки системы;

Какие системные функции (задачи, решения) были использованы при построении окончательного решения;

Оценки принятых ранее решений


Бизнес-процесс «Построение оперативных логистических решений» является частью общего процесса и реализуется комплесом задач, отражающих специфику конкретного логистического процесса, характер и параметры возникаюших отклонений, стоимостными ограничениями по их устранению. Поэтому в структуру инструментария данной системы включены модели, ориентированные на построение оптимальных или близких к ним решений, необходимость в которых возникает как в процессе проектирования логистической системы (и ее структурных элементов), так и в процессе функционирования виртуального предприятия с целью принятия обоснованных решений при управлении ее логистическими бизнес-процессами.

Для построения оптимальных стратегий поведения логистических процессов выделенного набора ресурсов используются различные подходы. Для отдельных, наиболее важных ресурсов, характеризующихся кроме того еще и информационной обеспеченностью, может быть использован аппарат теории управления запасами [32], позволяющий находить виды оптимальных стратегий и их параметры; упрощенные методы, позволяющие находить решения, близкие к оптимальным [76, 77]; экономико-математические методы, модели прогнозирования. Для других ресурсов, имеющих установившийся рынок с небольшими ценовыми колебаниями, для которых с достаточной степенью точности может быть спрогнозировано потребление, решения могут быть построены с помощью аппарата моделирования.

Схематически реализация бизнес-процесса «Построение оптимальных логистических стратегий» может быть представлена следующим набором задач:

1. Анализ запроса на построение оптимальной логистической стратегии.

2. Формирование и выдача требований к формализации данных.

3. Подготовка и представление данных в требуемых стандартах.

4. Анализ уровня формализации и полноты данных.

5. Выбор метода построения оптимальной стратегии.

6. Реализация метода (построение оптимальной стратегии).

Используемая входная информация:

– Формализованное представление процессов движения ресурса (пополнения, хранения, потребления), построенное на базе предыстории процессов или статистическая информация о них;

– Ограничения на технологию и характеристики реализуемых логистических процессов (доставки, хранения, транспортировки, постпродажного обслуживания);

– Критерии построения оптимальной стратегии.

Выходная информация: Вид оптимальной стратегии, ее параметры или же требования-рекомендации по корректировке (дополнению) информационного обеспечения задачи.

Инструментарий, реализующий задачи построения оптимальных логистических стратегий базируется на аппарате теории управления запасами; методах массового обслуживания, экономико-математических методах, которые позволяют находить виды и параметры оптимальных стратегий множества логистических процессов; упрощенных моделях и методах, позволяющих находить решения, близкие к оптимальным; моделях прогнозирования, позволяющих строить оценки параметров процессов с заданной точностью. Описание ряда моделей, на базе которых можно находить оптимальные стратегии и их параметры, приведено ниже.


Глава 2. Интеллектуальные системы управления

предприятием на базе знаний


2.1. Направления развития искусственного интеллекта

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.

Основными направлениями исследований в ИИ являются [44]:

1. Представление знаний и моделирование рассуждений.

2. Приобретение знаний, машинное обучение и автоматическое порождение гипотез.

3. Интеллектуальный анализ данных и обработка образной информации.

4. Многоагентные системы, динамические интеллектуальные системы и планирование.

5. Обработка естественного языка, пользовательский интерфейс и модели пользователя.

6. Нечеткие модели и мягкие вычисления.

7. Разработка инструментальных средств.

Рассмотрим эти направления более подробно.

^ 1. Представление знаний и моделирование рассуждений. Представление знаний (knowledge representation) – одно из наиболее сформировавшихся направлений искусственного интеллекта. Традиционно к нему относилась разработка формальных языков и программных средств для отображения и описания так называемых когнитивных структур (структур человеческого сознания, отражающих представление личности о действительности). Сегодня к представлению знаний причисляют также исследования по дескриптивной логике, логикам пространства и времени, онтологиям. Объектами дескриптивной логики являются так называемые концепты, (базовые структуры для описания объектов в экспертных системах) и связанные в единое целое множества концептов (агрегированные объекты). Дескриптивная логика вырабатывает методы работы с такими сложными концептами, рассуждений об их свойствах и выводимости на них. Дескриптивная логика может быть использована, кроме того, для построения объяснительной компоненты базы знаний. Пространственные логики позволяют описывать конфигурацию пространственных областей, объектов в пространстве; изучаются также семейства пространственных отношений. В последнее время эта область, из-за тесной связи с прикладными задачами, становится доминирующей в исследованиях по представлению знаний.

Различные способы представления знаний лежат в основе моделирования рассуждений, куда входят: моделирование рассуждений на основе прецедентов (case-based reasoning), аргументации или ограничений, моделирование рассуждений с неопределенностью, рассуждения о действиях и изменениях, немонотонные модели рассуждений, и др. Подробная характеристика этих направлений дается в [44].

^ 2. Приобретение знаний, машинное обучение и автоматическое порождение гипотез. Работы в области приобретения знаний интеллектуальными системами были и остаются важнейшим направлением теории и практики искусственного интеллекта. Целью этих работ является создание методологий, технологий и программных средств переноса знаний (или, как иногда говорят, компетентности), в базу знаний системы. При этом в качестве источников знаний выступают эксперты (т.е. высококвалифицированные специалисты знаний предметных областей), тексты и данные, например, хранимые в базах данных. Соответственно, развиваются различные методы приобретения знаний. Активно исследуются методы обучения причинам действий. Многие работы этого направления посвящены «нейронной парадигме». Нейросетевой подход используется в огромном количестве задач – для кластеризации информации из Интернета.

^ 3. Интеллектуальный анализ данных и обработка образной информации. 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) [28]. 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.

^ 4. Многоагентные системы, динамические интеллектуальные системы и планирование. 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. Планирование поведения или ИИ-планирование – это способность интеллектуальной системы синтезировать последовательность действий для достижения желаемого целевого состояния. Работы по созданию эффективных методов такого синтеза востребованы и активно ведутся уже около 30 лет. Планирование является основой интеллектуального управления, т.е. автоматического управления автономным целенаправленным поведением программно-технических систем.

^ 5. Обработка естественного языка, пользовательский интерфейс и модели пользователя. Данное направление связано с разработкой систем поддержки речевого общения, решением проблем уточнения запроса в информационных системах, задачами управления диалогом, задачами анализа естественного языка с использованием различных эвристик. Предметом исследований является также динамическое моделирование поведения пользователя, в частности, в системах электронной коммерции, развитие фреймового подхода для представления запросов пользователя, адаптивный интерфейс, мониторинг и анализ покупательского поведения в Интернете.

^ 6. Нечеткие модели и мягкие вычисления. Это направление представлено: нечеткими схемами «вывода по аналогии»; взглядом на теорию нечетких мер с вероятностных позиций; алгоритмами эволюционного моделирования с динамическими параметрами, методами решения оптимизационных задач с использованием технологий генетического поиска и др.

^ 7. Разработка инструментальных средств. 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.

Результаты, полученные по описанным выше направлениям ИИ, будут использованы при исследовании вопросов построения интеллектуальных систем управления предприятием (ИСУП) применительно к выбранной предметной области и перечню решаемых задач.


^ 2.2. Построение интеллектуальных систем управления предприятиями, основанных на знаниях

В процессе 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. Однако при принятии конкретных решений менеджеры предприятий пользуются еще и своими, накопленными в процессе работы, знаниями о внешнем мире (поставщиках, наличных и потенциальных клиентах, конкурентах) и вверенных им бизнес-процессах.

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 развития интеллектуальных систем (интеллектуализации систем управления). Характерной особенностью данного этапа является 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 многочисленных знаний.

В настоящее время существует множество определений интеллектуальных систем управления. Большинство ученых в основу данного определения вкладывают утверждение: «Интеллектуальная система (ИС) – это система, базирующаяся на знаниях». Авторы данной работы разделяют это мнение и в дальнейшем изложении используют определение, данное в [7], где под интеллектуальной системой понимается программно-техническая система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти системы.

При исследовании вопросов построения интеллектуальных систем управления предприятиями будут использоваться методологические подходы и инструментальные средства теории искусственного интеллекта (ИИ), как наиболее близко подошедшие к автоматизации творческих процессов, связанных с принятием решений и использованием знаний.

^ Проектирование интеллектуальных систем управления предприятием требует решения ряда проблем, важнейшими из которых являются:

1. Определение области «знаний», используемых в интеллектуальных системах управления.

2. Формулирование требований к знаниям.

3. Разработка моделей и технологий приобретения знаний.

4. Разработка моделей и технологий представления знаний.

5. Интеллектуальный анализ данных с целью извлечения скрытых знаний.

6. Разработка моделей и интеллектуальных информационных технологий принятия (стратегических и оперативных) решений, базирующихся на знаниях.

7. Разработка технологий работы пользователей и дружественного интерфейса.

8. Реализация задач взаимодействия удаленных пользователей на базе Интернет технологий.

Остановимся на них более подробно.

  1. ^ Определение области «знаний», используемых в интеллектуальных системах управления. Процесс определения области «знаний», используемых в интеллектуальных системах управления, включает следующие этапы: анализ бизнес-модели предприятия; формирование основных классов задач, требующих для знаний; описание знаний с указанием бизнес-процессов, при реализации которых они используются.

Исследования, определяющие область «знаний», направлены на выяснения вопросов: что есть «знания» для конкретного предприятия, каковы цели и возможности предприятия, какие решения необходимо принимать, какие данные и знания для этого необходимы и т.д. Выявление главных проблем, которые встают перед предприятием на стратегическом и оперативном уровнях, позволяет сформулировать основные задачи и требования к информационному пространству, на основе которого эти задачи будут решаться. В данной работе такие исследования были проведены для задач выбора направления инновационной деятельности предприятия. Они представлены в 4.2.

^ Роль знаний в системе управления предприятием. Знания – закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалиста ставить и решать задачи в этой области [44]. В условиях быстро меняющегося рынка построение адекватных решений происходит в ограниченные сроки и базируется на огромном багаже распределенных знаний, которые находятся в головах (памяти) сотрудников, базах данных, хранилищах документов, сообщениях электронной почты, отчетах о продажах, данных о клиентах, партнерах и конкурентах предприятия. В этих условиях знания сотрудников становятся ценным ресурсом, который начинает учитываться наравне с другими материальными ресурсами. Однако для успешного ведения бизнеса в системах управления должны использоваться не только уже имеющиеся в корпоративной БД проверенные практикой полезные сведения, которые многократно испольуются функциональными пользователями для принятия решений, но и новые, постоянно изменяющиеся знания о внешней среде, на базе которых выстраивается и корректируется стратегия современного предприятия.

В настоящее время знания рассматриваются как наиболее важный ресурс и орудие в конкурентной борьбе. [27]. На базе новых и существующих знаний создаются новые, более значимые знания, повыщающие конкурентоспособность и устойчивости предприятия. Между знаниями и стратегией предприятия существует постоянное взаимодействие. Стратегический выбор компании (относительно технологии, продуктов, услуг, рынков) оказывает влияние на требуемые знания и коренные компетенции, необходимые в конкуренции, в то время как существующие знания рождают возможности и ограничения в выборе конкурентной позиции.

^ Управление знаниями. Начиная с 1990-х годов начало активно развиваться научное направление «управление знаниями» (Knowledge Management, KM), включающее совокупность процессов и технологий, предназначенных для выявления, создания, распространения, обработки, хранения и предоставления для использования знаний. В настоящее время менеджмент знаний определяется как процесс выделения, создания или приобретения, сбора, кодификации, организации, распространения, повторного использования и упорядочивания стратегических знаний, необходимых для функционирования организации и создания конкурентного преимущества на рынке. Вопросам управления знаниями посвящено большое количество научных работ [18, 41, 42, 75]. Передовые компании [36] в систему управление знаниями включают совершенно разные составляющие: обмен знаниями, и управление внешними потоками информации, обучение, структуризацию знаний в компании, совместную работу в сообществах, управление взаимоотношениями с клиентами, и многое другое. Многие зарубежные фирмы стали применять новые технологии управления знаниями и тем самым выигрывают на рынке по сравнению с компаниями, использующими обыкновенный сбор и накопление информации в слабоструктурированном хранилище. Практический опыт показывает, что, если цели управления знаниями будут соответствовать стратегическим задачам предприятия, если задачи управления знаниями нацелены на решение актуальных проблем предприятия, – решение сложных проблем может быть получено без существенных материальных затрат.

Внедрению технологий управления знаниями обычно предшествует процедура формализации деятельности предприятия методом онтологического анализа, которая сводится к описанию типовых сущностей (для IT-системы – информационных объектов) и выявлению обоснованных взаимосвязей между ними, т.е. к созданию онтологии. Онтология – по определению Грубера [75], есть спецификация концептуализации, формализованное представление основных понятий и связей между ними. Учитывая важность развития этого направления и активное использование данного подхода при построении баз знаний интеллектуальных систем управления предприятиями, ниже (в 2.3), эти вопросы будут рассмотрены более детально.

Система управления знаниями автоматически направляет действия пользователей в соответствии с онтологией, которая была получена на этапе формализации. Это выражается в том, например, что при наполнении системы не создается бессмысленных структур, поскольку в онтологии описаны правила связывания объектов.

Ввиду взаимосвязанности процессов накопления и использования знаний и процесса постоянного совершенствования формальных описаний (онтологии), на этапе функционирования предприятия они дожны постоянно поддерживаться IT-системой, что дает воможность эксплуатации системы без необходимости ее перепрограммирования

^ 2. Требования к знаниям, используемым в интеллектуальных системах управления предприятием. При построении интеллектуальных систем управления предприятием знания рассматриваются как основной объект формирования, обработки и исследования. К ним предъявляется ряд требований: внутренней интерпретируемости, структурированности, связности, семантической метрики и активности, – сформированных в системах ИИ [73].

Остановимся на них более подробно.

1) Внутренняя интерпретируемость. Каждая информационная единица (изделие, склад, материальный ресурс, цех, банковский кредит, бизнес-процесс) должна иметь уникальное имя, по которому ИС находит ее (информационную единицу), а также отвечает на запросы, в которых это имя упомянуто.

2) 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». Примеры: заказ – изделие – узел; ресурсы: денежные (наличные, находящиеся на банковском счету, инвестиции, в разрезе инвесторов), материальные (все ресурсы предприятия, материальные группы, отдельные ресурсы); клиент, изделие, услуги по обслуживанию изделия.

3) 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. Примеры: «одновременно»: доставка разных ресурсов одним транспортным средством; «причина – следствие»: технологическая взаимосвязь бизнес-процессов: «аргумент – функция»: вычисление складских издержек в зависимости от длительности хранения ресурса, уровня запасов, стоимости используемого складского оборудования и др.

4) 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. Примеры ассоциативной связи: процесс оплаты поставщикам связан с процессом поставки ресурсов; процесс принятия решений в сбойных ситуациях зависит от результатов работы процесса мониторинг деятельности предприятия и т. д.

5) Активность. Как и у человека, в интеллектуальных системах актуализации действий способствуют знания, имеющиеся в системе. Поэтому и выполнение программ в интеллектуальных системах должно инициироваться текущим состоянием информационной базы: появлением новых событий, установлением связей, изменением состояний объектов и процессов.

Примечание: примеры событий и отклонений, которые встречаются в работе функционирующего предприятия и используются интеллектуальной системой управления, представлены в 3.2 Таблицей 7.

Перечисленные пять особенностей информационных единиц определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний (БЗ). Совокупность средств, обеспечивающих работу со знаниями, образует систему управления базой знаний (СУБЗ). В настоящее время не существует баз знаний, в которых в полной мере были бы реализованы внутренняя интерпретируемость, структуризация, связность, введена семантическая мера и обеспечена активность знаний.

^ 3. Разработка моделей и технологий приобретения знаний. Исследования, связанные с разработкой моделей и технологий приобретения знаний, могут быть представлены следующими этапами:

1. Изучение источников, из которых извлекаются знания.

2. Создание процедур и приемов, с помощью которых возможно приобретение знаний.

3. Разработка методологий, технологий и программных средств переноса знаний в базу знаний.

В рамках направления «приобретения знаний» изучаются источники, из которых извлекаются знания; создаются процедуры, приемы, методологии, технологии и программные средства приобретения и переноса знаний в базу знании интеллектуальной системы управления. Проблема приобретения знаний во многом зависит от специфики предметной области, уровня компьютеризации системы, состояния его корпоративной базы, уровня инструментальной базы, ориентированной на реализацию задач управления знаниями. Поэтому ее необходимо рассматривать применительно к конкретной предметной области.

В настоящей работе предметной областью является логистическая система виртуального предприятия, для которой разрабатываются интеллектуальные технологии поддержки решений. С этой целью проведено ряд исследовательских этапов: выделение перечня задач принятия решений, формирование требований к информационному обеспечению комплекса задач в разрезе данных и знаний, выявление источников, содержащие недостающие знания и разработка процедур, с помощью которых возможно приобретение этих знаний. Результаты исследования, которые проводились по данной проблеме применительно к задачам принятия логистических решений (ЛР) (в условиях функционирования интеллектуальной системы управления логистикой предприятия), представлены в 4.2. Предложенные интеллектуальные технологии приобретения широкого спектра внешних знаний учитывают системные требования к знаниям, специфику их происхождения и представления в информационном пространстве.

^ 4. Разработка моделей и технологий представления знаний [41]. Представление знаний – это важнейший этап построения интеллектуальной системы, в рамках которого решаются задачи, связанные с формализацией и представлением знаний в памяти компьютерной системы. Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний. Проблема представления знаний для ИС чрезвычайно актуальна, т.к. ИС – это система, функционирование которой опирается на знания о предметной области, которые хранятся в ее памяти.

^ Данные и знания интеллектуальной системы управления предприятием. При построении интеллектуальных систем управления первостепенными являются вопросы представления знаний в памяти ЭВМ, решение которых находится путем создания языков и формализмов представления знаний.

Информация, с которой имеют дело ЭВМ, разделяется на процедурную и декларативную. Процедурная информация овеществлена в программах, которые выполняются в процессе решения задач, декларативная информация – в данных, с которыми эти программы работают. Стандартной формой представления информации в ЭВМ является машинное слово. Параллельно с развитием структуры ЭВМ происходило развитие информационных структур для представления данных. Появились способы описания данных в виде векторов и матриц, возникли списочные структуры, иерархические структуры. В настоящее время в языках программирования высокого уровня используются абстрактные типы данных, структура которых задается программистом. Появление баз данных (БД) знаменовало собой еще один шаг на пути организации работы с декларативной информацией. В базах данных могут одновременно храниться большие объемы информации, а специальные средства, образующие систему управления базами данных (СУБД), позволяют эффективно манипулировать с данными, при необходимости извлекать их из базы данных и записывать их в нужном порядке в базу. По мере развития исследований в области ИС возникла концепция знаний, которые объединили в себе многие черты процедурной и декларативной информации. В ЭВМ определенные знания так же, как и данные, отображаются в знаковой форме – в виде формул, текста, файлов, информационных массивов и т.п. База знаний, наравне с базой данных, – необходимая составляющая программного комплекса ИИ.

В рамках направления «представление знаний» в ИИ разрабатываются специальные модели представления знаний и языки для описания знаний.

Существуют два типа методов представления знаний (ПЗ)

– формальные модели ПЗ, в основе которых лежит строгая математическая теория;

– неформальные (семантические, реляционные) модели ПЗ.

В основе различных представлений в ИИ, связанных с формальными моделями, лежит математическая логика. Логическое представление служит отправной точкой для различных других представлений, используемых в ИИ, таких как «сетевые» и «объективные». Логический вывод – основная операция в системах искусственного интеллекта – в формальных системах строг и корректен, поскольку подчинен жестким аксиоматическим правилам. Вывод в неформальных системах во многом определяется самим исследователем, который и отвечает за его корректность. Каждая неформальная модель годится только для конкретной предметной области и поэтому не обладает универсальностью, которая присуща моделям формальным.

^ Способ описания знаний. Каждому из методов ПЗ соответствует свой способ описания знаний: логические модели; сетевые; продукционные; фреймовые модели. Более подробно описание способов представления знаний представлено в [41, 42].

^ 5. Интеллектуальный анализ данных с целью извлечения скрытых знаний. 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) [28]. 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 систем подготовки решений, которые описаны в 1.3.

Проблемы разработки моделей и интеллектуальных информационных технологий принятия стратегических и оперативных решений, базирующихся на знаниях, создания технологий работы пользователей и дружественного интерфейса, реализации задач взаимодействия удаленных пользователей на базе Интернет технологий (пп. 6-8 описанного выше общего списка проблем, возникающих при проектировании ИС), решаются применительно к задачам принятия решений в конкретных видах деятельности предприятий: логистической, производственной, финансовой. Для их решения используются теоретические и практические результаты таких направлений ИИ как: «многоагентные системы», «обработка естественного языка, пользовательский интерфейс и модели», разработка «инструментальных средств».

В последние годы идеи и методы агентских технологий 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 [56].

В системах управления предприятиями для оценки последствий принятия решений, предлагаемых менеджером-экспертом или подготовленных системой, используются разработанные в ИИ динамические интеллектуальные системы, являющиеся интеграцией систем имитационного моделирования и экспертных системам.

Для систем управления предприятиями особую актуальность приобретают работы, ведущиеся в направлении интеллектуального интерфейса для функциональных пользователей.

Современные подходы к управлению предприятием основываются на использовании сетевых информационных технологий. Они предоставляют менеджерам удаленный оперативный доступ к информационным базам предприятия, а также к прямым и косвенным участникам производственного процесса. Таким образом, компьютерные сети являются удобной коммуникационной и информационной средой для построения интегрированной системы анализа и управления предприятием, а эффективность управления и конкурентная способность предприятия непосредственно зависит от интеллектуальных способностей и уровня знаний сотрудников. Поэтому использование сетевых информационных технологий на предприятии должно обеспечивать поддержку оперативного получения необходимых знаний для его управления. В качестве примера в последующих главах 3 и 4, для задач управления логистическими процессами виртуального предприятия представлены модели и интеллектуальные информационные технологии, базирующиюся на знаниях.


^ 2.3. Направления исследований по онтологии и инструментарий построения онтологических систем

Построение интеллектуальных систем управления предприятиями требует проведения ряда исследований, связанных с: глубоким структурным анализом предметной области; упорядочением корпоративных знаний (систематизацией, созданием единой иерархии понятий, унификации терминов и правил интерпретации), способствующим распространению, приобретению и обмену знаниями между функциональными пользователями предприятия, а также генерации новых знаний; разработкой понятийной основы предметной области, на базе которой устанавливается взаимодействие с внешней средой, осуществляются поиск новых знаний, их описание (представление в языке, доступном компьютерной системе) и использование для принятия управляющих решений. Основой в проведении указанных исследований является онтологический инжиниринг.

^ Онтологический инжиниринг – это процесс проектирования и разработки онтологий. Онтологический инжиниринг подразумевает глубокий структурный анализ предметной области. Такую работу для интеллектуальных систем обычно выполняют инженеры по знаниям (knowledge engineers). В настоящее время онтологический инжиниринг является ядром концепции «управления знаниями».

При отсутствии общепринятой методологии и технологии этот процесс не является тривиальной задачей. Он требует от разработчиков профессионального владения технологиями инженерии знаний – от методов извлечения знаний до структурирования и формализации [10].
1   2   3   4   5   6   7   8



Похожие:

Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconТимашова Л. А., Тур Л. П., Лещенко В. А., Музалева В. А. Мнуцитис нан и мон (Украина) интеллектуальные технологии в системах управления предприятиями
Рассматриваются вопросы проектирования интеллектуальных систем управления предприятиями, основанные на знаниях. Предложены подходы...
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconР. В. Резниченко Рассмотрен ряд подходов к моделированию цепочек поставок виртуального предприятия. Предложены модели нахождения параметров пополнения запасов в заготовительной и постпродажной логистике. Настоящий доклад
...
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconУдк 519. 21: 681. 142 Л. А. Тимашова Проблемы интеллектуализации систем управления виртуальным предприятием
Рассматриваются проблемы интеллектуализации системы управления виртуальным предприятием, возможность применения математических методов...
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия icon" Анализ и совершенствование процесса управления финансовойдеятельностью предприятий с использованием информационных технологи" содержани е: Введение Сущность информационных технологий и создание информационных систем Использование информационных технологий в аналитической деятельности Типы корпорат
Анализ и совершенствование процесса управления финансовой деятельностью предприятий с использованием информационных технологи
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconУдк 004. 896 Л. А. Тимашова, с н. с., с н. с., Л. П. Тур., с н. с., с н. с., Лещенко В. А., Музалева В. А., Яненко Л. А. Мнуцитис нан и мон (Украина)
Л. А. Тимашова, с н с., с н с., Л. П. Тур., с н с., с н с., Лещенко В. А., Музалева В. А., Яненко Л. А
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconФормальные модели распознавания и других интеллектуальных процессов Шлезингер М. И. Международный научно-учебный центр информационных технологий и систем нан украины
Международный научно-учебный центр информационных технологий и систем нан украины
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconТур Л. П., Лещенко В. А., Яненко Л. А., Мнуцитис нан и мон (Украина) информационные технологии для задач согласования в системах управления предприятиями
Рассмотрены модели согласования производственных, логистических и финансовых решений в системах управления предприятиями. Разработаны...
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconТимашова л. А., Тур л. П., Лещенко в. А., Музалева в. А
В работе рассматриваются задачи построения решений по управлению логистическими процессами промышленных предприятий на этапе формирования...
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconТимашова л. А., Козлова в. П., Лещенко в. А., Таран л. Ю. Мнуцитис нан и мон (Украина)
Рассматривается подход к управлению корпоративными знаниями предприятия, обеспечивающий системное рассмотрение всех вопросов, связанных...
Информационных технологий и систем тимашова Л. А., Тур Л. П., Лещенко В. А., Вовк Л. Б. Модели проектирования и управления логистикой виртуального предприятия iconТимашова Л. А., Козлова В. П., Лещенко В. А., Таран Л. Ю. Мнуцитис нан и мон (Украина) подходы к проектированию корпоративной базы знаний предприятия
Рассматриваются подходы к проектированию и практические вопросы разработки и внедрения корпоративной базы знаний предприятия
Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©gua.convdocs.org 2000-2015
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы

Разработка сайта — Веб студия Адаманов