CC BY
118
УДК 004.9: [681.518:338.2]
И.Ю. Квятковская
ФОРМИРОВАНИЕ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ДЛЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ В УСЛОВИЯХ СЛАБОЙ СТРУКТУРИРОВАННОСТИ ПРОБЛЕМЫ
В процессе функционирования регионального экономического кластера возникают проблемы принятия решения, связанные со слабой
структурированностью. Предлагается механизм формирования
управленческих решений, основанный на корпоративном знании о
предметных областях, интегрированных в кластере. Рассмотрена семантическая модель знаний, объединяющая процедурные и
декларативные знания. Разработана информационная технология принятия управленческих решений.
Кластер, корпоративное знание, онтология, проблема.
I.Yu. Kvyatkovskaya
ADMINISTRATIVE DECISIONS FORMATION FOR SOCIAL AND ECONOMIC SYSTEMS IN THE CONDITIONS OF WEAK STRUCTURE OF THE PROBLEM
The author focuses on the problems of the regional economic cluster where there are problems of decision-making connected with its weak structure. The mechanism of formation of the administrative decisions, based on corporate knowledge of the subject domains integrated in cluster. The semantic model of knowledge, uniting procedural and declarative knowledge is considered here. The information technology of acceptance of administrative decisions is developed.
Cluster, corporate knowledge, ontology, problem.
Управленческие решения для социально-экономической системы должны приниматься в соответствии с четко выверенными критериями, на основании достоверной и всесторонней информации об исследуемом объекте, тенденциях развития экономических явлений и процессов в нем. Различают несколько видов возможных решений: статические решения, обеспечивающие нормальный баланс в функционировании; инновационные решения, направленные на совершенствование экономической системы, ее качественное развитие; исследовательские решения, направленные на глобальные инновационные изменения. Формирование и принятие управленческих решений для социальноэкономической системы в методологическом плане связано с тремя типами проблем принятия решений [1]:
1) структурированными проблемами, имеющими количественные оценки факторов, четко определенную цель, связанную с достижением наилучшего эффекта от функционирования, наличием структурно выраженных зависимостей;
2) слабоструктурированными проблемами, имеющими качественные оценки факторов, характеризуемыми отсутствием четко выраженной цели, либо представлением ее в виде группы локальных, конкурирующих целей, отсутствием устойчивых закономерностей;
3) неструктурированными проблемами, где оценки факторов выполняют эксперты, отсутствуют структурно выраженные закономерности, решение проблемы зависит скорее от опыта и знаний эксперта, чем от сочетания количественных признаков проблемы.
В настоящий момент активно развиваются методы анализа социально-экономических систем (см. таблицу).
Виды анализа социально-экономических систем
Предпроектный анализ [2] Проблемноцелевой анализ [3] Структурно-целевой анализ [4] Системный анализ Кластерный анализ
по Ю.И. Черняку [5] по С. Л. Оптнеру [6]
1. Целеполагание. 2. Факторное моделирование. 3. Операционное моделирование. 4. Потоковое моделирование. 1. Формулирование проблемы. 2. Сбор и агрегирование информации. 3. Формирование целей системы. 4. Определение критериев. 5. Формализация состояния системы. 6. Построение проблемноцелевой модели системы. 7. Построение оценочной модели системы. 8. Построение модели управления. 9. Решение обратной задачи. 1. Формулирование проблемы. 2. Формирование вектора целей. 3. Определение базисных факторов. 4. Выбор вектора управляющих воздействий . 5. Выбор наблюдаемых факторов. 6. Построение структурно-целевой модели системы. 7. Структурноцелевой анализ. 8. Решение прямой задачи - моделирование при заданном векторе управления. 9. Решение обратной задачи -поиск векторов управлений для достижимости вектора целей. 1. Анализ проблемы. 2. Определение системы. 3. Анализ структуры системы. 4. Формулирование общей цели и критериев. 5. Декомпозиция цели. 6. Выявление ресурсов, композиция цели. 7. Прогноз и анализ. 8. Оценка целей и средств. 9. Выбор вариантов. 10. Диагноз существующей системы. 11. Построение комплексной программы развития. 11. Проектирование организации. 1. Идентификация симптомов. 2. Определение актуальности проблемы. 3. Формирование целей. 4. Определение структуры системы. 5. Определение возможностей. 6. Генерирование и оценка альтернатив. 7. Выработка решения. 8. Признание решения. 9. Запуск процесса решения. 10. Управление процессом реализации решения. 11. Оценка реализации и ее последствий. 1. Определение основных направлений развития кластера: основные и поддерживающие отрасли. 2. Структуризация ресурсов. 3. Определение внутренней структуры кластера. 4. Определение внешней среды прямого и косвенного взаимодействия. 5. Определение стратегии развития кластера.
Все они ориентированы на формализацию процесса выработки решения, но не детализируют сам процесс в зависимости от типа проблемы, не используют корпоративную память социально-экономической системы как инструмент для систематизации и сохранения методов решения проблемы, в результате многие решения носят эвристический характер.
В связи с этим необходима разработка методологии, позволяющей управлять решением слабоструктурированных проблем, возникающих в деятельности социальноэкономических систем, опирающейся на когнитивный фундамент - декларативные и процедурные знания, генерируемые в субъектах хозяйствования.
В качестве объекта исследования предлагается региональный промышленный кластер, обладающий множеством участников, неоднородной информационной средой, наличием различных предметных областей, экспертов, владеющих частными компетенциями в данной предметной области. Проблема создания корпоративного знания для кластера является институциональной стратегией, имеющей инновационную направленность.
Значительным количеством видов участников обладает транспортный кластер, созданный для логистической координации участников процессов грузоперевалки. Анализируя информационные ресурсы и системы этого кластера, следует отметить семантическую неоднородность, затрудняющую интероперабельность информационных систем. Например, для единой сущности «груз» определено множество бизнес-процессов, характерных для различных предметных областей, отраженных в информационных системах с неодинаковым тезаурусом. Характеризуя структуру знаний кластера, необходимых для управления и координации его деятельности, следует отметить, что помимо наличия традиционного представления знаний в процедурной и декларативной формах, наличествуют инвариантная и вариативная части знаний. Инвариантная часть присуща типовым процессам, решаемым всеми субъектами кластера по единой технологии, либо по заранее выбранному регламенту. Вариативная часть сохраняет индивидуальность различных предметных областей.
Предлагается разделить представление объектов кластера на три составляющих уровня: физический уровень, в котором взаимодействуют реально существующие материальные, информационные, энергетические, финансовые потоки; информационный уровень, в котором взаимодействуют информационные образы объектов в рамках регламентированных информационных процессов; когнитивный уровень, элементами которого являются декларативные и процедурные образы объектов и процессов.
Для описания сущностей на информационном уровне используется множество тезаурусов Tez = {а, в, у, ...}, каждый из которых отождествлен с системой понятий, характерных для различных предметных областей а(ПрО1), Р(ПрО2), ....
Информационным представлением элементов кластера на информационном уровне является отображение сущности физического объекта Obj посредством его представления в тезаурусе а предметной области (пользователя) ПрО:
Obj ЫШ ) >(Obj) а
либо дальнейшее преобразование информационного объекта в тезаурусе информационной системы ИС1:
(Obj)а р(ДУЛ) >(Obj)а,р .
Формирование корпоративного уровня происходит от следующих участников физического уровня:
Д, i = 1, J - эксперты, инженеры по знаниям, когнитологи;
Шj, j = 1, R - ЛПР, в отдельных случаях отождествляемые с владельцами проблемы;
fpk, к = 1, S - субъекты, владельцы проблемы физического домена.
Из информационного уровня знания поступают в виде аналитической, отчетной, агрегированной информации.
Знания когнитивного уровня представимы в виде следующих образов:
- образы физических объектов (Obj)а и процессов (ProCа в тезаурусе предметной области а(ПрО), используемые для принятия решения Decision: (Dec{(Obj)а,(Proc)а}) (декларативные знания);
- образы информационных объектов (Obj)а р и процессов (ProCа р в тезаурусе
информационной системы ИС: Р(ИС), используемые для принятия решения:
(Dec{Obj)а ^ (декларативные знания);
- образы процессорProc), связанных с объектами {Obj) в тезаурусе i-го эксперта
Д, используемые для принятия решения: ^Dec{(Obj),(Proc)}'^, к которым могут
относиться алгоритмы, методы, процедуры, когнитивные приемы управления эксперта (процедурные знания).
Структура знаний когнитивного уровня представима в виде онтологии:
© (OMain-, OPRi Oz, Oproc) ,
где
• CMain - метаонтология кластера, инвариантная относительно предметных областей, его составляющих;
• OPR ={KOnpC, ROnpo, DnPo, SLnpo} - совокупность предметных онтологий, где KO -набор концептов предметной области ПрО, RO - семантически значимые отношения, D -декларативные интерпретации понятий и отношений, SL - набор слотов для каждого концепта;
• Cz ={KOZ, ROZ, DZ} - онтологии задач, включающие процедурные онтологии, где KOZ - множество задач, характерных для i-й предметной области, ROZ-спецификация декомпозиции подзадач, DZ- декларативные интерпретации декомпозиции;
• Oproc - онтология методов решения задач, слотами которой могут быть фрагменты базы знаний, выражающие любым формальным способом порядок переноса и агрегирования информации, структурированное представление входной информации, тип входных данных, множество алгоритмов, процедур, способов анализа, агрегирования, категоризации индикаторов, расчета интегрального показателя.
Рассмотрим процессы обмена знаниями в ходе решения слабоструктурированной проблемы принятия решения.
1. Сформулируем проблему в виде совокупности :
S = (Metr, Ind, Alg, IS, К), где Metr - множество шкал, используемых для оценивания;
Ind = {Ind1, Ind2, ..., IndK} - множество показателей оценивания, определенных на множестве Metr; Alg = {f1(Ind1, Ind2, ..., IndK),., fF(Ind1, Ind2, ..., IndK)} - множество алгоритмов, процедур, способов анализа, агрегирования, категоризации индикаторов; IS -показатель, выражающий эффект достижения цели; К - структура проблемы, выражающая любым формальным способом порядок переноса и агрегирования информации, необходимой для оценивания.
Будем считать, что структура проблемы К, выражающая любым формальным способом порядок переноса и агрегирования информации, необходимой для оценивания, неизвестна, что и затрудняет решение задачи.
2. Проведем семантический анализ проблемы, используя онтологический подход к описанию когнитивного уровня, т. е. анализ онтологии предметной области
0РЯ = (КО, ЯО, О, Ж), анализ онтологии задач Ог ={К07, Я07, .07}, анализ методов решения подобных задач 0ргас. Результатом анализа является формирование терминологической базы
3. Построим теоретико-множественную модель проблемы, содержащую
многоуровневую структуру, сопровождающую оценивание индикаторов проблемы:
где 3 - множество экспертов, участвующих в оценке; Мв1т - множество шкал оценивания индикаторов; 2 - множество целей, обеспечивающих достижение наилучших значений индикаторов качества элементов системы; А^ - совокупность алгоритмов и методов оценивания; К - структура элементов модели.
Возможны следующие случаи:
- иерархическая структура модели К={А, РА, Яв!,М} , где А = {ау}, / = 1, п, у = 1, ^ -
структура элементов модели (/ - глубина уровня элемента, у - порядковый номер элемента на уровне); РА = {р (Мв№)} - множество индикаторов оценки элементов системы,
определенных по шкале из множества шкал Мв^г); Яв! = {Я, М} - где Я = {у} -множество связей (отношений) между у-ми элементами системы /-го уровня и нижележащего уровня (! - номер элемента /+1 уровня); М = {т'}1} - множество мощностей связей, оценивающих степень влияния индикатора ру на индикатор рг+и;
- сетевая структура модели К={Н,И,В,ВК}, где Н={Н}, / = 1,К! - множество кластеров; Иу - элементы кластеров, где / = 1, К!, у = 1, К!, К ! - количество кластеров, ВК -совокупность из КЬ матриц оценки влияния элементов одного кластера на другой, В = } - бинарная матрица влияний кластеров:
4. Проведем анализ структуры К модели в целях определения п1 уровней инвариантной - процедурной части, представляющей алгоритмы агрегирования показателей и п2 уровней, относящихся к вариативной - предметной части, для которой характерно формирование показателей оценивания - индикаторов проблемы. Следствием слабой структурированности проблемы является присущий уровню формирования показателей субъективизм, выраженный в вербальном характере процедуры формирования показателей. Он проявляется в информационной избыточности структуры и устраняется путем анализа четких и нечетких когнитивных карт, определяющих силу и направление влияния.
Для учета взаимовлияния между индикаторами, используемыми для оценивания объекта Я, и устранения избыточности разработана методика устранения информационной избыточности, позволяющая определять минимальный информативный набор показателей с помощью определения сбалансированных когнитивных структур. Оно основано на процедуре вычисления совместного влияния - сравнения контуров, образованных из концептов по критерию «Сила влияния».
Для каждого объекта оценивания Я формируется когнитивная карта, включающая базовое множество измеряемых показателей РА^^, которое сводится к минимальному информативному множеству Р1Е1 (рис. 4): Рш с РАА^ : |Р1Е1 | << |рАЛ^ . Мощность
связи определяется в интервале [-1; 1] (рис. 1).
Методика построения и анализа когнитивной карты включает этапы:
4.1. Определение топологии для т показателей, влияющих на достижение цели, либо системы индикаторов, необходимых для оценивания объекта в виде ориентированного
проблемы.
ТММ = (3, Мвіт, 7, А% ,Х),
Ь
1, апёё Ні аёеуао іа И 0, апёе Ні іа аёёуао іа И.
(1)
графа 0(в,я), описывающего субъективное восприятие экспертом взаимовлияния элементов системы.
4.2. Определение списка вершин графа каждой подсистемы (концептов в,).
4.3. Определение силы отношений влияния между каждой парой вершин (Бе[-
1, 1]).
4.4. Формирование нечеткой матрицы г для определения взаимовлияния концептов
г = [^(в,, в1 )]2тх2т и набора положительно-отрицательных пар элементов ( ур,}., ).
Рис. 1. Схема обработки когнитивной карты
4.5. Расчет влияния п концептов на систему.
р = £ (^ (УР1] + Vтц ) тах (|урц |, \ут1} |)) / т .
1=1
т~БАЗ
4.6. Анализ когнитивной карты: построение на заданном множестве концептов Р отношения линейного порядка. Анализ линейно упорядоченного множества концептов в целях отбора множества меньшей мощности р11111 путем решения задачи сегментации концептов.
5. Анализ свойств модели в целях выбора предпочтительного алгоритма формирования агрегированного показателя по характеристикам: тип структуры К, шкала оценки факторов Ыв1г, вид системы отношения предпочтения между факторами Ф (рис. 2).
6. Построение агрегированного показателя для 0-го уровня модели - скалярного, для 1-го уровня модели - векторного показателя. При агрегировании показателей для системы иерархической структуры применим общеизвестный метод анализа иерархий [7], в котором влияние объектов на элементы вышележащих уровней оценивается с помощью метода парных сравнений, а предпочтения факторов выражаются количественно на интервале [0, 1]. Метод аналитических сетей [8] является развитием метода анализа иерархий. Он позволяет учитывать взаимное влияние элементов модели относительно выбранной цели, причем ограничения на виды зависимостей между элементами модели не накладываются. Метод аналитических сетей основан на построении управляющей иерархии или сети, представимой в виде группы кластеров, содержащих однородные элементы; выборе управляющих критериев; оценке взаимного влияния элементов и кластеров сети для каждого управляющего критерия.
При нечетком оценивании на нижнем уровне иерархии находятся к частных целей, отождествляемых с к элементарными критериями qi, которые позволяют оценить альтернативы р,. Цель выражена в виде лингвистической переменной, базовое множество которой ©1 х ©2 х... х ©к. Нечеткое множество объектов, совместимое с глобальной целью,
получено путем свертки нечетких множеств с функциями принадлежности д,. Для поиска глобальной цели используется минимум, соответствующий пересечению целей.
Анализ результирующего показателя может быть проведен путем сегментации его на уровни, свидетельствующие о количественном достижении цели.
Данная методика может быть применена к решению слабоструктурированных проблем оценки эффективности или качества бизнес-процесса (группы бизнес-процессов, сквозного бизнес-процесса) на основе мониторинга данных, поступающих из корпоративных информационных систем предприятий (информационный уровень) и внешних экспертов (физический уровень). Интерпретация результатов в виде административных директив может быть передана на физический уровень (рис. 3).
Да
Нет
1
Ф - система предпочтений {*,< }
Устранение ▼
информационной Количественное выражение
избыточности методом —1 предпочтений по схеме весов
когнитивного Фишберна
моделирования
Мв1г - количественная шкала оценки факторов, Ф - множество мощностей связи
Построение агрегированного показателя к-го уровня методом аналитических сетей
Построение агрегированного показателя к-го уровня при помощи OWA - оператора Ягера
Построение агрегированного показателя к-го уровня методом анализа иерархий
г Даїх^^ 1 оценки 1 г
Векторный показатель оценок Векторный показатель оценок 1-го уровня Скалярный показатель оценки 0-го уровня
і
Определение энтропии оценки
Информационная технология формирования управленческих решений для слабоструктурированной ___________________________________________проблемы___________________________________________
Рис. 3. Процедура формирования управленческих решений
Разработка теоретико-множественной модели позволит приблизиться к определению концептуальной модели знаний, поскольку инвариантные знания о процессе, соответствующие верхним уровням модели, и вариативные знания о различных предметных областях возможно хранить в виде распределенной базы данных. Фрагментами декларативного знания будет являться WEB-онтология, спроектированная на базе расширенной онтологии, позволяющей устранить семантическую неопределенность. Процессы формирования управленческих решений для участников кластера также будут основаны на интегрированных процедурных и декларативных знаниях.
ЛИТЕРАТУРА
1. Ларичев О.И. Некоторые проблемы искусственного интеллекта / О.И. Ларичев // Сборник трудов ВНИИСИ. 1990. № 10. С. 3-9.
2. Юдицкий С.А. Основы предпроектного анализа организационных систем: учеб. пособие / С.А. Юдицкий, П.Н. Владиславлев. М: Финансы и статистика, 2005. 144 с.
3. Компьютерная поддержка сложных организационно-технических систем / В.В. Борисов, И.А. Бычков, А.В. Дементьев и др. М.: Горячая линия - Телеком, 2002. 154 с.
4. Максимов В.И. Структурно-целевой анализ развития социально-экономических ситуаций: автореф. дис. ... доктора экон. наук / В.И. Максимов. М., 2002. 36 с.
5. Черняк Ю.И. Системный анализ в управлении экономикой / Ю.И. Черняк. М.: Экономика, 1971. 270 с.
6. Оптнер С.Л. Системный анализ для решения деловых и промышленных проблем / С.Л. Оптнер. М.: Сов. радио, 1969. 240 с.
7. Саати Т. Принятие решений. Метод анализа иерархий / Т. Саати; пер. с англ. М.: Радио и связь, 1989. 180 с.
8. Андрейчиков А.В. Анализ, синтез, планирование решений в экономике: учебник / А.В. Андрейчиков, О.Н. Андрейчикова; 2-е изд., доп. и перераб. М.: Финансы и статистика, 2004. 464 с.
Квятковская Ирина Юрьевна -
кандидат технических наук, профессор,
директор Института информационных технологий и коммуникаций Астраханского государственного технического университета
Kvyatkovskaya Irina Yurievna -
Candidate of Technical Sciences,
Professor, Dean of the Institute of Information Technology & Communication of Astrakhan State Technical University
Статья поступила в редакцию 05.02.09, принята к опубликованию 11.03.09
