CC BY
22^(саНамшса-млтемлтШ'еасае
м&рели^а&гНие
УДК 330.46
АССОЦИАТИВНЫМ АНАЛИЗ КАК ИНСТРУМЕНТАККУМУЛЯЦИИ ЗНАНИЙ В КОРПОРАТИВНОЙ ПАМЯТИ ОРГАНИЗАЦИИ
О. В. БУРЕШ,
доктор экономических наук, профессор кафедры прикладной информатики в экономике и управлении E-mail: [email protected]
М. А. ЖУК,
кандидат экономических наук, доцент кафедры прикладной информатики в экономике и управлении E-mail: [email protected] Оренбургский государственный университет
В связи с интенсификацией информационных процессов в корпоративной памяти организаций постоянно накапливается большой объем информации, характеризующий отработанные управленческие решения. Представленный механизм ассоциативного анализа корпоративной памяти позволяет структурировать накопленный управленческий опыт и аккумулировать корпоративные знания в базе знаний информационной системы.
Ключевые слова: организация, управление, знания, аккумуляция, корпоративная память.
В настоящее время в условиях интенсификации информационных процессов как во внутренней, так и во внешней среде предприятий все более актуальным становится процесс организации корпоративной памяти организации. Само понятие корпоративная память наиболее полно раскрывается в работах зарубежных и отечественных ученых [1, 4, 7]. Развитие этого понятия началось
с момента использования в организациях хранилищ данных, которые содержат большие объемы записей баз данных, накопленных за длительные промежутки времени, что позволяет проводить различные вида анализа, выявлять тенденции и скрытые зависимости. В дальнейшем идея хранилища была развита в понятие корпоративной памяти (corporate memory), которая по аналогии с человеческой памятью позволяет накапливать информацию из предыдущего опыта и избегать повторения ошибок.
Корпоративная память хранит информацию из различных источников предприятия и делает эту информацию доступной специалистам для решения различных задач, как производственных, так и управленческих; ее задача — хранить большие объемы данных, информации и знаний из различных источников предприятия. Выделяют два уровня корпоративной памяти [1,7]:
- уровень эксплицитной (явной) информации. Это данные и знания, которые могут быть найдены в документах организации в форме сообщений, писем, статей, справочников, патентов ит. д.;
- уровень имплицитной (скрытой) информации. Это персональное знание, неотрывно связанное с индивидуальным опытом. Оно может быть передано через прямой контакт посредством процедур извлечения знаний. Оба этих типа информации одинаково важны
в структуре корпоративной памяти, но именно скрытое знание есть то практическое знание, которое является ключевым при принятии решений. Процесс принятия решений является творческим, трудноформализуемым и сильно зависит от личностных характеристик и опыта работы лица, принимающего решение (ЛПР). Несмотря на то, что существует широкий спектр формализованных методов принятия решений, в большинстве случаев их практическая реализация сталкивается с непреодолимыми трудностями, обусловленными спецификой реальных объектов управления. Эффективные системы поддержки принятия решений (СППР) основаны на эвристических правилах и закономерностях, полученных как в результате системного исследования процессов управления конкретными объектами, так и в результате анализа корпоративной памяти этих объектов.
Корпоративная память организации представлена в различных формах, таких как базы данных, документы (неструктурированный контент) и базы знаний. Если хранилища данных содержат в основном количественную информацию, то хранилища знаний больше ориентированы на качественную, содержательную информацию, системы управления знаниями обобщают широкий диапазон данных, хранилищ данных, статей новостей, внешних баз, веб-страниц. Большая часть корпоративной памяти организации в основном состоит из потоков слабоструктурированной информации, которые фактически являются источником актуализации базы знаний, которая может быть интегрирована в СППР различных уровней управления организацией (от оперативного до стратегического). При этом база знаний не может рассматриваться как статическое образование, она постоянно изменяется и развивается, функционирует с учетом естественных процессов накопления и использования знаний экономическими субъектами. Основные проблемы, связанные с динамикой базы знаний, можно сформулировать следующим образом:
- возрастание объема знаний, принадлежащих
субъектам;
- снижение эффективности деятельности организации при значительном росте объема
знаний.
Таким образом, актуальной становится проблема своевременного анализа и структуризации корпоративной памяти с целью аккумуляции знаний и их эффективного использования в СППР по управлению организацией. В свою очередь механизмы структуризации корпоративной памяти неразрывно связаны с принципами построения и алгоритмами функционирования самой СППР. В настоящее время существует широкий спектр подходов, на основе которых строятся современные СППР [2]. Из них наиболее популярны: метод нахождения ассоциаций, нахождения последовательностей, нахождения скрытых закономерностей и метод оценки важности влияния параметров на события и ситуации. Первый метод основан на механизме нахождения ассоциаций, возникающих как привязка значений к какому-либо одному событию. Второй — на механизме нахождения последовательности во времени событий. В методе нахождения скрытых закономерностей по наборам данных определяются причинно-следственные связи между значениями определенных косвенных параметров исследуемого объекта (ситуации, процесса) и распознаваемым свойством, ситуацией, процессом. При оценке важности влияния параметров на ситуацию учитывается тот факт, что на наступление некоторого события или ситуации влияет некоторый набор параметров; необходимо оценить, какие из параметров наиболее значимы. В предлагаемой методике анализа корпоративной памяти организации использованы основные положения этих методов.
Любая проблемная ситуация, возникающая в процессе управления, обусловлена некоторыми возмущающими воздействиями внешней среды. Подобные возмущающие воздействия могут быть трех видов:
- регламентированные (систематические);
- несистематические;
- одноразовые (случайные).
Для построения архитектуры СППР проанализируем отработку проблемных ситуаций по каждому типу возмущающих воздействий. В случае систематических воздействий используется сложившаяся технология управления. Однако не во всех случаях можно с достаточной определенностью сказать, что возникшая проблема обусловлена именно этим
типом воздействия и результаты использования технологии будут успешны. Эффективность принимаемых решений может быть увеличена, если система будет оказывать поддержку в идентификации возмущающего воздействия, этой компоненте СППР присвоим код и\.
При несистематических воздействиях вероятность успешного применения сложившейся технологии уменьшается и увеличивается степень неопределенности при принятии решения. В этой проблемной ситуации наряду с использованием компоненты и1 необходимо организовать компоненту и2, в которой ЛПР будет предоставляться информация о характере возмущающего воздействия. Содержательно эта информация характеризует проблемную ситуацию, требующую для своего решения адаптации (перестройки) либо существующей технологии управления, либо самой структуры системы. С помощью компоненты и2 ЛПР принимает решения о необходимости разработки и внедрения новой технологии управления. На первом этапе разработки новой стратегии ЛПР выделяет и анализирует множество подпроблем и определяет возможность их снятия в рамках существующего комплекса функций системы управления. Если такая возможность изыскивается, идет дальнейшая отработка стратегии по вышерассмотренной технологии. В противном случае необходима дальнейшая адаптация системы.
На следующем шаге необходимо определить, должна ли дальнейшая адаптация носить структурный характер (можно ли в рамках существующей организационной структуры разрешить проблем-
Схема работы СППР на основе анализа корпоративной памяти организации
ную ситуацию управления). Решения, принимаемые на этом этапе, чрезвычайно важны, поскольку любая структурная адаптация организационной системы в силу многих социальных и психологических факторов, обусловленных межличностными и профессиональными отношениями людей, достаточно долго не дает желаемого эффекта. В такой ситуации ЛПР необходимо проанализировать возможность изменения сложившихся функций управления и предполагаемую эффективность работы существующего аппарата управления в новых условиях. Высокая эффективность такого решения возможна только в условиях полноты и достоверности информации, анализируемой ЛПР перед принятием решения. Таким образом, существует реальная необходимость создания еще одной компоненты — иЗ, генерирующей для ЛПР возможные альтернативные решения по адаптации системы управления. Таким образом, архитектуру СППР образуют компоненты и\, и2, иЪ; схема работы СППР представлена на рисунке.
В настоящее время практически все системы поддержки принятия решений строятся с использованием технологии проблемно ориентированных баз знаний. База знаний содержит в себе коллективный опыт лиц, принимающих решения в определенной сфере управления. Знания, содержащиеся в базе, должны быть структурированы таким образом, чтобы обеспечить минимальное время поиска нужных знаний при подготовке информации для принятия решений. На каждый момент времени база знаний должна обладать высокой степенью актуализации. Кроме базы знаний, система поддержки в своем составе должна иметь:
- базу данных, содержащую информацию о состоянии объектауправления;
- программные продукты, реализующие механизмы: генерации альтернатив и выбора решения, удовлетворяющего заданному критерию; ввода/вывода знаний; интерфейс пользователя.
В настоящее время существует широкий спектр моделей знаний, самой распространенной из которых является продукционная модель [6]. Основным ее преимуществом является простота. Продукция представляет собой пару «ситуация — действие» («если..., то...»). В левой части продукции представлена логически увязан-
Принятие
решения ная СОВОКУПНОСТЬ обстоятельств,
_^ обусловливающих сложившуюся проблемную
Выбор альтернатив, удовлетворяющих критерию эффективности
ситуацию, а в правой — совокупность действий, которые необходимо предпринять.
В нашем случае каждую продукцию интерпретируем как управленческую стратегию, выработанную ЛПР ранее; совокупность таких стратегий представляет собой коллективный управленческий опыт ЛПР в том или ином направлении деятельности. Одним из важнейших условий эффективного применения баз знаний является правильная формулировка запроса пользователя к базе. Обстоятельства (признаки) проблемной ситуации должны быть сформулированы ЛПР строго в рамках технологии, принятой для создания левых частей продукций. В случае если обстоятельства описываются впервые и для их описания используются новые термины, поиск альтернативных стратегий будет безрезультатным. Использование продукционной модели также неудобно в плане актуализации базы знаний, поскольку удаление продукционных правил из базы, их изменение и обновление сопряжено с определенными трудностями. Если частота этих процессов высока, применение продукционной базы знаний неэффективно.
В последнее время существует тенденция создания в рамках скелетной предметной оболочки [5] специальной подсистемы, позволяющей хранить основную информацию в виде базы данных, актуализируемой самим пользователем. Такая подсистема анализирует запрос ЛПР и «извлекает» из базы данных знания, используя при этом продукционную или какие-либо другие модели представления данных, причем самой базы знаний либо физически не существует, либо она актуализируется автоматически.
Исследование информационного ресурса, используемого при принятии решений, показало, что некоторые информационные структуры, описывающие процесс отработки аппаратом администрации тех или иных документов, представляют собой законченные по смыслу, отработанные управленческие стратегии. Действительно, каждая стратегия управления должна характеризоваться следующими параметрами: параметры, описывающие признаки (обстоятельства) сложившейся проблемной ситуации; параметры, описывающие предпринимаемые действия (решения ЛПР); параметры, характеризующие эффект от предпринятого действия. По сути, такое представление управленческой стратегии делает ее по своей семантике и структуре достаточно сходной с продукцией. Можно сделать предположение, что в некоторых специфических случаях (рассматриваемый нами
случай относится к их числу) элементы базы данных можно без снижения степени эффективности использовать в проблемно ориентированных системах в качестве элементов баз знаний.
При этом можно отметить следующие преимущества:
- запрос пользователя на предмет получения знаний формируется стандартным образом как запрос к базе данных;
- трудоемкий процесс актуализации базы знаний происходит за счет постоянного обновления и корректировки базы данных, производимых пользователями в рамках стандартных процедур работы с базой.
По аналогии с продукцией каждая стратегия имеет в своем составе входные (левая часть продукции) и выходные (правая часть) параметры. Необходимо, чтобы проектируемое автоматизированное рабочее место руководителя при запросе пользователя анализировало значения входных параметров и делало выборку соответствующих стратегий. Содержащиеся в них значения выходных параметров могут служить альтернативами принимаемых решений.
Дополнительным критерием выбора альтернативных стратегий в данном случае будет параметр, характеризующий эффективность применения той или иной стратегии. Для автоматизации процесса выбора по этому критерию необходимо, чтобы значения этих параметров либо были вычисляемы, либо (в случае, если это строка символов) поддавались однозначной идентификации системой (например, формулировки: «выполнено в срок», «результатудовлетворителен» и т. п.). В большинстве случаев возникающие проблемные ситуации не могут быть разрешены отработанными ранее управленческими стратегиями. Другими словами: «новые» значения входных параметров не всегда имеют свои аналоги среди значений входных параметров отработанных стратегий. Поэтому при генерации альтернатив корректнее говорить не о стратегиях с заданными входными параметрами, а о стратегиях, значения входных параметров которых максимально близки (сходны) с задаваемыми при запросе.
Для создания алгоритмической модели СППР проанализируем основные этапы ее функционирования для отдельных компонент. На вход компоненты и 1 подаются интуитивно сформулированные ЛПР значения входных параметров. Затем ЛПР в режиме диалога выявляет степень «сходства» заданных значений со значениями входных параметров
отработанных стратегий, содержащихся в соответствующем тематическом разделе проблемной области управления. При этом эмпирически задается некоторое пороговое значение степени «сходства», если среди отработанных стратегий не окажется ни одной «допустимо сходной» (все оценки не превышают пороговое значение); ситуация идентифицируется как возмущающее воздействие внешней среды по отношению к сложившейся системе управления. При переходе на уровень и2 меняется только значение порога, так как повышается степень риска при принятии решения. Если и в этом случае не будет обнаружено ни одной стратегии, удовлетворяющей уже более слабому ограничению по степени схожести, то ситуация идентифицируется как неразрешимая в рамках существующей функциональной и структурной организации про-цессауправления. На уровне иЗ пороговое значение допустимо минимальное, в ситуации, когда и при таком значении порога не будет найдено ни одной удовлетворяющей стратегии, проблема идентифицируется как возмущающее воздействие внешней среды, компенсация которого возможна только при структурной реорганизации существующей системы управления.
Часть информационного ресурса, именуемая банком отработанных стратегий, имеет условное разделение на три части: блок стратегий, характеризующих сложившуюся технологию управления и применяемых в условиях минимального риска; блок стратегий, характеризующих решения, принимаемые без перестройки технологии, но в условиях риска; блок стратегий, применяемых в ходе перестройки комплекса функций управления в условиях максимально допустимого риска. Можно говорить о динамике границ между блоками: если СППР дополнить компонентой, анализирующей эффективность применения стратегии, то в процессе работы ЛПР с системой прослеживается динамика перехода стратегий из одного блока в другой.
Таким образом, ядром СППР, основанной на анализе корпоративной памяти организации, является алгоритм оценок ЛПР и перебора в банке отработанных стратегий. Для получения алгоритмической модели, позволяющей создавать программные продукты высокого качества сервиса и получать эффективные результаты их использования, необходимо выбрать формализующий математический аппарат, адекватный алгоритмизируемому процессу. Аппарат должен отвечать следующим требованиям:
- учитывать недетерминированный характер процесса;
- поскольку в процессе анализа отработанных стратегий ЛПР должен их оценивать, наиболее удобно использовать оценки на естественном языке, выбираемый аппарат должен иметь возможность оперировать с такими оценками. Этим требованиям полностью отвечает математический аппарат, основанный на теории нечетких множеств [2]. Более того, он уже достаточно успешно применялся при моделировании интеллектуальных систем управления техническими объектами [3,6], включающими в себя некоторые компоненты систем принятия решений.
Разработку алгоритма анализа корпоративной памяти (банка отработанных стратегий) начнем с исследования исходных данных. Информационный ресурс состоит из множества отработанных стратегий — А = [ах,а2,...,аь} , где Ь — общее количество стратегий в ресурсе. Множество А интерпретируется как множество альтернатив принимаемого решения. Каждая альтернатива характеризуется множеством параметров Р = {р, р2,..., рк^} , где Кх —
общее количество параметров. На множестве Р можно выделить подмножество входных параметров — Р = {р1,р2,...,рм} , значения которых анализируются ЛПР при принятии решения, и множество выходных параметров Р' = {р[,р'г,...,р'Кг} , значения которых характеризуют принимаемое решение, ((Р иР') с Р). Возможные значения параметров образуют домены — Д, В2,...,ВК^ . Декартово произведение В = В1 х В2 х... х БК образует полное множество альтернатив принимаемого решения. Для V/: Д. ^ М{, где М1 — размерность множества значений /-го параметра. Изначально ЛПР анализирует множество входных параметров Р = {р1,р2,...,рм} и экспертно формулирует значения каждого входного параметра принимаемого решения — Р1, Р2,..., Ры. Каждому Р ставится в соответствие множество значений из домена Бг
Далее необходимо оценить степень сходства значений входных параметров принимаемого решения со значениями входных параметров существующих отработанных стратегий. Для этого вводится терм-множество лингвистической переменной оценки степени сходства: Т (сходство) = похожи + непохожи +... + очень похожи +... На базе этого множества можно построить значения функции совместимости ц. Например, ц («совсем непохожи») = 0, ц («немного похожи») = 0,25, ц («средне похожи») = 0,5, ц («почти похожи») =
0,75, ц («идентичны») = 1. Используя функцию ц для принятых значений каждого входного параметра, строится вектор Р = , ^,..., у.1) > гДе V-'. ~ оценка степени сходства принимаемого значения Р1 с /-м значением домена ц! е [0,1] . Таким образом, исходными данными для компоненты
и! является набор векторов Р1,Р2,Р3,...,РЫ . Целью разработки являлась реализация отображения
Р х Р2 х... х РЫ ^ Р' по критерию: для V/ = 1,..., N и для V/ = 1,..., М1 : ^ тах.
Рассмотрим задачу, когда проблемная ситуация характеризуется одним параметром Р = {р1}, для которого ЛПР формулирует значение Р1. Анализируя множество отработанных стратегий А,
формируем вектор Р1 = (ц1, ,..., цМ1) > характеризующий степень сходства принятого значения Р1 со значениями, содержащимися в домене Бг Далее из всех значений домена необходимо выбрать наиболее «подходящее» для принимаемого решения, то есть степень сходства Р1 с ним должна быть максимальна. Для этого находим = тах , где
/=1, М
— максимальное значение степени сходства для Р на домене Затем на множестве А выделяется подмножество недоминируемых альтернатив Ан-д: если а1 е Ан-д, то для входного параметра а1 для V/ = 1,..., ^степеньсходства Р1 с Р1 равна
Перейдем к рассмотрению множества выходных параметров Р'= {р[,р2,...,р'к^} и соответствующего им набора доменов Д,Б2,...,Бк На подмножестве недоминируемых альтернатив Ан- д можно выделить домены выходных параметров Дид-,Дид-,...,Б^' , где Б^- с Б1, Б2Л с Б2,...,Б^' с . Каждый из полученных доменов содержит множество альтернатив по каждому из выходных параметров. Таким образом, для каждого выходного параметра получено множество значений «рекомендуемых» ЛПР для принятия управленческого решения. Для увеличения степени определенности выбора необходимо некоторым образом уменьшить количество значений в каждом из доменов. Выше было отмечено, что каждая отработанная стратегия по сложившейся административной технологии подвергается оценке ЛПР. Очевидно, что такие оценки целесообразно фиксировать и хранить в корпоративной памяти вместе со стратегиями, а для использования в алгоритме перебора альтернатив каждую оценку, высказанную ЛПР на естественном языке (резолюция), целесообразно проранжировать по некоторой
лингвистической шкале и поставить в соответствие ее числовой эквивалент. Таким образом, каждая отработанная стратегия оценивается по степени эффективности, т. е. существует множество , 92,..., 6Ь , где 9;. — оценка эффективности применения /-Й стратегии управления, экспертно присваиваемая лицом, принимающим решение (ЛПР).
Каждому значению в полученных доменах соответствует некоторое подмножество альтернатив. Из него выделяем альтернативы, для которых степень эффективности максимальная. Для этого находим величину 9'* = тах 9,., где количество
/=1, X
недоминируемых альтернатив. Затем из каждого домена Б1и л', Б2Л,..., Б^"' выбираются только значения, характеризующие альтернативы, для которых 9 = 9*. Эти значения образуют домены Б*, Б*2,..., Б*к (Б* с Б™,Б*2 с Б2н-д-,..„Б'*К2 с Б^), содержащие в себе максимально недоминируемые значения для каждого из выходных параметров принимаемого решения.
Теперь сформулируем алгоритм для случая, когда проблемная ситуация характеризуется несколькими входными параметрами Р = {р1, р2,..., рЫ } •
Шаг 1: упорядочим множества параметров Р = {рх,р2,...,рЫ} по степени важности для принятия решения в данной проблемной ситуации: Р1 ^ Р;., где — /-Й параметр, Р;. — порядковый номер критерия по степени убывания важности.
Шаг 2: для каждого вектора Р (1 = 1,...,Ы) находится ц 1 = тах ц 1.
/=1, м1
Шаг 3: на множестве А выделяется подмножество недоминируемых альтернатив Ан-д: если а1 е Ан-д, то для входных параметров а, для Ч]= 1,..., ^степеньсходствас Р1 - Р1 равна
Шаг 4: если Лн д = 0, производится ослабление требований к Ан-д по параметру Ря, имеющему наименьшую степень значимости(Здг Из РЫ исключа-
/ / 1 2 М, -К
ется ц 1 = ц 1, получается вектор Р. = (ц! ,..., ц ) и осуществляется переход на (2). В противном случае, если Ан-Л Ф 0 — переход на (6).
Шаг 5: итерация (пункты (2), (3), (4)) повторяется до тех пор, пока: а) Ан-д Ф 0; б) Р1 = {ц.} — одноточечное множество. В случае (а) — переход на (6), в случае (б) Рк исключается из множества Р,т.е. Р = {р1,р2,...,ры_у} и переход на (2).
Шаг 6: на множестве Ан- я Ф 0 выбираются альтернативы, для которых 9 * = тах 9,. Принимае-
0»л.
мое решение — значения выходных параметров Р' = {р!,р'г,. .,р'к } этих альтернатив.
Для повышения адекватности принимаемого решения возникшей проблемной ситуации необходимо среди входных параметров компоненты и! определить подмножество параметров, для которых функция совместимости не должна быть меньше некоторого порогового значения Если по этим параметрам все домены равны, ситуация идентифицируется как неразрешимая в рамках сложившейся организационной структуры управления. В этом случае можно говорить о том, что данная проблемная ситуация относится к области возмущающих воздействий внешней среды по отношению к исследуемой системе, то есть, необходимо идентифицировать данную проблемную ситуацию как возмущающее воздействие и осуществить переход на следующую компоненту СППР — и2. Компоненты и2 и иЪ по своей алгоритмической организации фактически идентичны компоненте и1 фактически. Поэтому в большинстве случаев имеет смысл для реализации этих компонент ис-
Список литературы
пользовать ту же самую алгоритмическую модель. Однако очевидно, что в этом случае будет изменяться пороговое значение степени сходства — Интерфейс СППР должен быть построен таким образом, чтобы конечный пользователь мог бы сам изменять это значение.
Таким образом, представленный алгоритм ассоциативного анализа корпоративной памяти организации позволяет структурировать фрагменты корпоративной памяти, выделять на этих фрагментах наборы результативных отработанных управленческих стратегий и аккумулировать их в базе знаний информационной системы управления организацией. Основным преимуществом представленного механизма является низкая доля участия эксперта в процессе аккумуляции знаний, что значительно снижает затраты на актуализацию базы знаний и, как следствие, модернизацию всей информационной системы управления организацией в целом.
1. Гаврилова Т. А., Муромцев Д. И. Интеллектуальные технологии в менеджменте. Инструменты и системы: учеб. пособие. СПб: СПбГУ, Высшая школаменеджмента, 2008.
2. Заде Л. А. Понятие лингвистический переменной и его применение к принятию приближенных решений. М.: Мир, 1976.
3. МамиконовА. Г., КульбаВ. В., Миронов А. С., ТавмасянА. В. Предпроектный анализ структуры информационных потоков и технологии обработки данных при разработке модульных систем обработки данных. М.: Институтпроблемуправления, 1996.
4. Мильнер Б. 3. Теория организаций: учебник. М.: ИНФРА-М, 2000.
5. Негойце К. Применение теории систем к проблемам управления. М. : Мир, 1981.
6. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 2002.
7. NonakaL, Takeuchil. The Knowledge-Creating Company. Oxford University Press: Oxford; N. Y. 1995.
