CC BY
52
легко конструировать графы, вычисляющие градиент сложной функции и градиент от некоторого функционала градиента этой функции.
2.
Работа поддержана грантом для молодых учёных 3. №1М0034 Красноярского краевого фонда науки.
4.
5.
ПЕРЕЧЕНЬ ССЫЛОК
Горбань А.Н. Обучение нейронных сетей. М.": изд. СССР-США СП "Параграф", 1990. 160 с.
Горбань А.Н., Дунин-Барковский В.Л., Кирдин А.Н. и др. Нейроинформатика. Новосибирск. Наука. 1998. Горбань А.Н., Сенашова М.Ю. Быстрое дифференцирование, двойственность и обратное распространение ошибок //Вычислительные технологии / Издательство СО РАН. -Новосибирск. 1999. Т. 4. С. 55- 68.
Rummelhart D.E., Hinton G.E., Williams R.J. Learning representations by back-propagating errors. // Nature, 1986. V. 323. Pp. 533-536.
Senashova M. Yu., Gorban A. N., Wunsch D. Back-Propagation of Accuracy. // Proc. IEEE/INNS International Coonference of Neural Networks, IEEE, USA, 1997. Pp. 1998-2001.
Надшшла 01.03.2000 П1сля доробки 28.04.2000
УДК 681.5:65.014.1
АНАЛИЗ И СИНТЕЗ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
С. Н. Сердюк, А. А. Поздняков
Рассмотрены проблемы управления информацией в современных организациях. Анализируются различные классы информационных систем и технологии их построения, призванные решить выявленные проблемы и обеспечить поддержку принятия решения управленцами всех уровней. Описан подход к синтезу системы поддержки принятия решений для бизнес-процессов организации, реализованный на базе OLAP-технологии.
Розглянутг проблеми управлгння гнформацгею в сучасних оргатзацгях. Аналгзуються ргзт класи гнформацшних систем i технологи iх побудови, покликан виргшити виявлет проблеми i забезпечити пгдтримку прийняття ргшення кергв-никами всгх ргвнгв. Описан пгдхгд до синтезу системи пгд-тримки прийняття ргшень для бгзнес-процесгв оргатзацп, реалгзований на базг OLAP-технологп.
In article consider the management problems by information in contemporary organizations. Analyse the different classes of information systems and technologies of their construction, called to work out exposed problems and to provide decision support by managers of all of levels. Is Described approach to decisions support system synthesis for organization business-processes, realized on the basis of OLAP-technology.
чающих за определение стратегии развития деятельности организации, вынуждены работать в условиях практически полного отсутствия информации - "вслепую", полагаясь только на собственный опыт и интуицию. Требуемую управленцу нестандартную информацию не удаётся получить быстро вследствие того, что информационные потоки внутри фирмы спланированы заранее, сроки представления отчетности регламентированы. Поэтому, потребность в быстром и нестандартном решении сразу сталкивается с негибкостью механизма доступа к информации. В итоге, возрастает количество отчетов которые готовятся на заказ, по требованию руководства организацией, а это может привести к расширению штата программистов и аналитиков, обеспечивающих генерацию этих отчетов.
Таким образом, в настоящее время существует проблема быстрого поиска требуемой информации и представление её в том виде, в котором она нужна для лиц принимающих решения (ЛПР).
ВВЕДЕНИЕ
В настоящее время, во многих организациях, несмотря на широкое использование различных систем оперативной обработки данных, систем поддержки принятия решений (СППР) сложилась парадоксальная ситуация: информация существует, интенсивно создаётся и используется, но она не структурирована, не согласована, её довольно сложно найти и получить. Такие системы не в состоянии обеспечить хранение исторических данных более чем за несколько месяцев. Массивы данных выгружаются в архивный набор и вычищаются из оперативной базы, следовательно остаются невостребованными. В то же время, высшее звено управляющих, отве-
ПОСТАНОВКА ЗАДАЧИ
Рассмотрим подходы, используемые в современных информационных системах (ИС), и определим класс систем, позволяющий решить описанную проблему.
В настоящее время не существует единой классификации ИС, что обусловлено сложностью систем данного типа. В основу дальнейшего рассмотрения положены результаты работы одного из авторов данной статьи по классификации ИС с точки зрения их исторического развития и способности осуществлять поддержку ЛПР [1]. Проведенный анализ показал, что требованию обеспечения интеллектуальной поддержки ЛПР удовлетворяют два класса ИС - экспертные системы и интеллек-
туальные СППР, причем различие между ними заключается только в организации логического вывода. В рамках данной статьи объектом дальнейшего рассмотрения будут интеллектуальные СППР.
СППР, в зависимости от данных, с которыми они работают, можно разделить на оперативные, предназначенные для немедленного реагирования на текущую ситуацию, и стратегические (интеллектуальные) - основанные на анализе большого количества информации из разных источников с привлечением сведений, содержащихся в системах, аккумулирующих опыт решения проблем [2].
СППР первого типа представляют собой конечные наборы отчетов, построенные на основании данных из транзакционной информационной системы организации (OLTP-системы, On-Line Transaction Processing). По мере их развития возникла проблема, связанная с накоплением огромного объема данных, замедляющих процесс построения отчетов настолько, что управленческий состав не успевает готовить на их основе соответствующие решения. В связи с этим, было найдено решение, сформулированное в виде концепции Хранилища Данных (ХД).
Цель ХД - оперативный поиск информации в предварительно подготовленном хранилище. По сути, именно ХД позволяют решить проблему, поставленную в начале данной статьи. В самом простом варианте для ХД используется та модель данных, которая лежит в основе транзакционной системы. Если эта система функционирует на реляционной СУБД (РСУБД), то самой сложной задачей становится выполнение произвольных запросов. Проблема заключается в невозможности заранее оптимизировать структуру БД так, чтобы все запросы работали эффективно. Практика принятия решений показала, что чем более агрегированными являются данные, тем чаще выполняются запросы. Круг пользователей работающих с обобщенными данными шире, чем тот, для которого нужны детальные данные. Это наблюдение легло в основу технологии оперативной аналитической обработки (On-Line Analytical Processing, OLAP), предложенной Е.Коддом в 1993году.
В основе OLAP лежит понятие многомерности модели данных - гиперкуба (многомерная БД - МБД), в ячейках которого хранятся анализируемые данные. Оперативный анализ данных, реализованный на основе МБД, получил название Multidimensional OLAP (MOLAP).
Помимо MOLAP существует ROLAP технология выполненная на основе реляционной БД (РБД) в которой многомерная структура реализуется реляционными таблицами, а данные в процессе анализа, выбираются из реляционной БД аналитическим инструментом. В настоящее время исторические данные практически во всех организациях хранятся в РБД, поэтому резкий переход к МБД неоправдан, так как его реализация потребует значительных материальных и временных ресурсов.
Данная ситуация послужила поводом к возникновению нового класса аналитических инструментов - HOLAP (Hybrid OLAP), сочетающего в себе оба подхода. Этот тип OLAP является самым эффективным для реализации СППР, так как обеспечивает доступ как к МБД, так и к РБД.
Однако, разработка корпоративного ХД даже на основе HOLAP не позволяет достичь вышеуказанной цели ХД в связи с: сложностью бизнес-процессов организации; ограниченностью технических возможностей; необходимостью в изменении организационной структуры и др. В результате попыток смягчить трудности разработки и внедрения ХД появились витрины данных (ВД).
Витрины данных представляют собой специальные хранилища, состоящие из множества тематических БД, каждая из которых содержит информацию об одном из направлений деятельности организации, что приводит к сокращению времени поиска данных необходимых ЛПР. Однако, вместе с ростом числа ВД, растет сложность организации их взаимодействия, поскольку сделать витрины полностью независимыми не удается. Кроме того, специализация ВД по направлениям деятельности не всегда эффективна, так как, при этом, не учитываются потребности конкретного ЛПР.
Общепринятого подхода к формализации знаний необходимых для построения ВД, обеспечивающих ЛПР исходными данными для выработки бизнес-решений пока не существует. Поэтому, предлагается один из способов формализации знаний о бизнес процессах организации, основанный на положениях функционально-структурной теории "человеко-машинных систем" (ФСТ "ЧМС") [3].
МЕТОДЫ И АЛГОРИТМЫ РЕШЕНИЙ
Стадия формализации прикладной области (ПРО) для которой создается СППР, её "настройка" на эту область проводимая системным аналитиком организации, является центральной в процессе общего проектирования системы. На этапе системного анализа ПРО ему необходимо: выявить структуру данной области; выделить из всех субъектов, участвующих в бизнес-процессах организации только ЛПР; для каждого l -го ЛПР необходимо определить номенклатуру интеллектуальных задач Zl функций и процедур Pi характеризующих проблемную ситуацию PSц , которая может
возникнуть в процессе его трудовой деятельности; для каждой выявленной интеллектуальной задачи, функции и процедуры определить объем знаний (данных) необходимых для построения соответствующих математических моделей и информационной поддержки ЛПР.
Наиболее общим формализмом, позволяющим описать ПРО является формально-аксиологическая система вида [3]:
РБ(N = <8иР8, 8тР8, Л*Р8>, (1)
где Р8(Ю - модель информационного отображения организации с именем N
8иР8 - синтаксическая компонента (данные) информационного отображения;
8жР8 - семантическая компонента (знания) информационного отображения;
ЛхР8 - аксиологическая (оценочная) компонента в виде количественных данных и знаний о процедурах над ними.
Для решения стоящих перед ним задач, системный аналитик должен использовать следующее множество структур, являющихся составляющими синтаксической компоненты 8иР8: компонентно-системных К^ (Ю; компонентно-элементных КЕ8 (Ю и компонентно-функциональных КР8 (Ю.
Компонентно-системная структура представляет собой знания об окружающей среде ЕЕ8(Ю и о внутреннем (подсистемном) составе данной организации - ЕТ8 (Ю. Знания ЕЕ8 (Ю включают: имя метасистемы, в которую частью входит данная организация (ЕЕ8 - 0); множество смежных систем аналогичного уровня, с которыми связана данная организация (но которые не входят в её состав) (ЕЕ8 - 1); множество возмущающих систем внешней среды (ЕЕ8 - 2), которые организационно не связаны с данной организацией, но оказывающие влияние на качество её функционирования.
Типовая структура знаний о внутреннем подсистемном составе организации представлена на рис.1. В общем
случае она описывается иерархическим деревом, вершинами которого являются: начальная вершина графа -сама организация ЕТ8(Ю; промежуточные вершины -групповые подсистемы (ОЕТ8 - Ы.Х.У), где X - номер уровня иерархии данной подсистемы, У - номер подсистемы на данном уровне (групповые организации, получаемые путем выделения функционально-целевых комплексов вначале из организации - первый уровень иерархии, а затем из групповых организаций первого уровня - второй уровень иерархии и т.д.); конечные вершины - локальные организации (ЬЕТ8 - Ы.Х.У), которыми являются моноэргатические подсистемы (в которых действует только одно ЛПР).
Верхняя часть К88 (Ю имеет следующие дуги: метасистема и данная организация связаны отношением "целое-часть" (Иер), а смежные и возмущающие системы с данной организацией - отношением "воздействовать" (Ир).
Для всех локальных подсистем ЬЕТ8-Ы\Х.У строится множество КЕ8.
КЕ8(Ю={КЕ8-К.Х.У}, (2)
где КЕБ-Ы.Х.У - компонентно-элементная структура локальных подсистем организации, описывающая совокупность знаний о её внутреннем элементном составе.
КЕБ-К.Х.У.= < КТК, КБК-Ы.Х.У >, (3)
где КТК - знания о типах компонентов любой ЬЕТ8-Ы.Х.У;
Рисунок 1 - Компонентно-системная структура организации
KDK-N.X.Y - знания о конкретных компонентах, образующих данную локальную подсистему LETS -N.X.Y:
KTK=<ST,Rgpst*st>, (4)
где ST={LHT-N.X.Y, TK} - множество вершин типовой структуры;
TI<={TJ={TH,TM,TO,TE1 ,TE2,TE3,TE4,TE5,TE6} -множество типов компонентов внутренней структуры организации;
СГГ* ст
RGpJJ - отношение "целое-часть", заданное на декартовом произведении ST*ST в соответствии с рис.2.
Рисунок 2 - Компонентно-элементная структура локальной организации
Структура КЕ8 (Ю представляет собой семантические графы в виде иерархических деревьев, вершинами которых являются имена функциональных единиц (Е1) различного масштаба, а дуги отображают отношение Ие1Е] -"для реализации функциональной единицы Е1 необходимо выполнить функциональную единицу Е]". КЕ8 имеют типовую структуру, показанную на рис.3. Корень дерева - понятие "Процесс функционирования ЕТ8 (К)" (РЕЕТ8 (К)). Первый уровень вершин дерева - название целей - Тг;, для которых создана данная организация. Второй уровень - название задач Т8ц, которые надо решить для достижения целей Ти. Третий уровень -название процедур, которые нужно выполнить для решения задачи Т8ц, а дуги отображают отношение Ие;е] "для реализации функциональной сущности Е1 (цели, задачи) необходимо выполнить функциональную сущность Е] (задачу, процедуру, функцию)".
Затем, для всех построенных функциональных сетей проводится декомпозиция составляющих их функций, процедур на эргатические (выполняемых человеком совместно с техникой) и автоматические, которые выполняются автоматическим оборудованием без вмешательства человека. К дальнейшему анализу принимаются только эргатические интеллектуальные функции ЛПР в бизнес-процессах. Считаем, что интеллектуальная функция будет иметь в своем составе в любой форме "выбор из..." (из вариантов действий, решений, планов и т.д.) для которой отсутствует предписанная процедура (правило, алгоритм) реализации однозначного выбора.
Рисунок 3 - Компонентно-функциональная структура
На следующем этапе, для каждой интеллектуальной функции F/ 1-го ЛПР определяется перечень проблемных ситуаций S/={S/j}. Имея этот перечень, системный аналитик (или инженер по знаниям) в процессе работы с экспертом по бизнес-процессам определяет структуру знаний, используемых для каждой S^-й проблемной ситуации - в виде перечня имен баз знаний данных (БЗД), которые, используя терминологию OLAP, можно рассматривать как ВД. Процедуры генерации ВД реализуются системным аналитиком и программистом в виде соответствующих управляющих метаправил, расширяющих БЗД СППР. В случае необходимости, системный аналитик для S/j-ой проблемной ситуации должен разработать соответствующую математическую модель.
Таким образом, приведенный выше подход позволяет формализовать знания о ПРО "Бизнес-процессы организации" на этапе синтеза СППР.
РЕЗУЛЬТАТЫ
Разработанная методика системного анализа ПРО, является теоретической основой для построения ВД СППР. Проектирование таких сложных систем как СППР необходимо проводить на основе системного подхода. Поэтому, в целях повышения эффективности и качества интеллектуальной поддержки ЛПР необходимо разработать СППР в виде оболочки "настраиваемой" на бизнес-процессы конкретной организации. При этом СППР должна быть направлена не только на конечного пользователя - ЛПР в бизнес-процессах, но и автоматизировать работу системного аналитика, который обеспечивает формализацию бизнес-процессов, т.е. система "системный аналитик - СППР - ЛПР" должна рассматриваться как единое целое.
Такой подход определяет следующие требования к разрабатываемой СППР: в качестве основного источника оперативных данных, должны выступать OLTP- системы; все данные должны быть очищены, преобразованы и собраны в ХД; должны быть разработаны метаправила генераций ВД для каждой интеллектуальной функции ЛПР, математические модели для функций ЛПР требующие поддержки при принятии решений и обеспечен свободный доступ пользователя к данным посредством информационного сервера.
Данные требования, а также технология OLAP определяют базу архитектуры СППР для бизнес-процессов организации, которая условно разделена на восемь уровней и представлена на рис.4.
Первый уровень представлен источниками внутренних и внешних данных. Источниками внутренних данных являются OLTP - системы, представленные в виде сервера оперативной БД. Внешние данные, проходят обработку
в сервере очистки и преобразования данных в автоматическом режиме на основе метаправил, задающих алгоритм очистки. Вся информация, необходимая для реализации этих процедур, хранится в виде единого справочника метаданных.
Второй уровень представлен ХД, которое, размещается на серверах БД детализированных данных. В нём концентрируются данные, поступающие как из внешних, так и из внутренних источников.
Третий уровень представляет собой модуль настройки на ПРО. В данном модуле заполняются: компонентно-системная, компонентно-функциональные и компонентно-элементные структуры, позволяющие системному аналитику структурировать ПРО. Результатом работы данного уровня являются метаправила генерации ВД.
Четвёртый уровень архитектуры СППР представлен модулем настройки ВД. Назначением модуля является разграничение данных ХД на тематические базы и генерация ВД, в соответствии с имеющимися метаправилами. В качестве тематических баз выступают знания о каждой S/j-й проблемной ситуации.
Пятый уровень представлен множеством ВД в виде серверов БД агрегированных данных и предназначен для проведения аналитических и прогностических исследований.
Шестой уровень представлен модулем принятия решений содержащим математические модели принятия решений, которые, в случае необходимости, разрабатываются системным аналитиком для S^-ой проблемной ситуации.
Вся информация, предназначенная ЛПР, собирается в информационном концентраторе, представленном седьмым уровнем. Его основной задачей является сбор достоверной информации, для публикации в информационной сети организации. В качестве иформационного концентратора выступают WEB-сервера.
Последний уровень архитектуры СППР представлен рабочими местами ЛПР организации оснащенными стандартными навигаторами (Netscape Navigator или Internet Explorer). Необходимую для интеллектуальной поддержки информацию они получают от информационного концентратора.
выводы
Приведенный подход построения СППР является усовершенствованным вариантом типового, использующего OLAP-технологию. Новизна подхода заключается в построении ВД не по тематическим базам для подразделений организации, а по конкретным функциям ЛПР, нуждающимся в интеллектуальной поддержке, что позволяет значительно сократить время поиска необходимой информации за счёт генерации соответствующих ВД.
Рисунок 4 - Архитектура СППР
ПЕРЕЧЕНЬ ССЫЛОК
1. Сердюк С.Н. Классификация систем интеллектуальной поддержки эргономического обеспечения проектирования, XVII Межрегиональный семинар "Эргономика и эффективность систем "человек-техника". Тез.докл. - Игналина: Сов. эргон. Ассоц., ЛЭТИ, Академия управления Литвы, 1991. -с.82.
2. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных, Системы Управлениями Базами Данных, #3, 1997, с 30- 40.
3. Попович П.Р., Губинский А.И., Колесников Г.М. Эргономическое обеспечение деятельности космонавтов.-М.: Машиностроение, 1985.- 256с.
Надшшла 24.02.2000 Шсля доробки 02.03.2000
