CC BY
50
УДК 519.711.3
И. Ю. Квятковская
КОНЦЕПТУАЛЬНАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ РЕГИОНАЛЬНОГО КЛАСТЕРА
Введение
Процесс создания информационной среды регионального кластера, основанной на информации производственного или социально-экономического характера, заключается в развитии технологий, обеспечивающих информационную совместимость группы гетерогенных информационных потоков, поступающих из внешних источников. К основным пользователям среды отнесены, наряду с хозяйствующими субъектами, организации политической, финансовой, социальной инфраструктуры. К ним, кроме того, относятся организации, обслуживающие информационную инфраструктуру кластера, а также обеспечивающие его связь с внешней средой: провайдеры, операторы связи, логистические центры и т. п.
Практика показывает, что типовой ошибкой многих вновь проектируемых информационных систем является превосходство средств программной реализации над предметной постановкой. Возникает проблема консолидации знаний о предметной области, выраженной как на естественном, так и на искусственном языке, проблема системного единства знаний, открывающая возможность воплощения знания в материальный объект, способствующая упорядочению и стандартизации информационного наполнения автоматизированных систем. Решение этой проблемы особенно важно для описания слабоформализуемых объектов или процессов кластера.
Целью исследований являлась разработка концепции информационной модели реального кластера в представлении, объединяющем экономические, информационные и когнитивные свойства кластера.
Одной из форм, способствующих объединению предприятий в единую хозяйствующую систему, является сетевая организация или виртуальный кластер - модель реального промышленного кластера, содержащая информацию обо всех его компонентах и связи между ними, необходимая для реинжиниринга бизнес-процессов кластера.
Системный анализ кластера выявляет возможные варианты декомпозиции его структуры в четырех направлениях: объекты, процессы, проекты, среды [1]:
— по объектному принципу подсистемами и элементами кластера могут являться самостоятельные участники кластера - предприятия, организации;
— по процессному принципу элементами могут быть сквозные (межфункциональные, межорганизационные) и простые бизнес-процессы, характерные для объектов кластера и требующие взаимодействия между ними;
— по проектному типу кластер, являющийся проектом усилий определенной группы лиц, декомпозируется на ряд невоспроизводимой последовательности мероприятий, обладающих достижимой категориальной целью;
— по средовому принципу подсистемами кластера являются внутренняя и внешняя среда: внутреннюю составляют профессиональные сообщества, группирующиеся для достижения общих целей - промышленные, научные, логистические, транспортные объединения; внешнюю среду представляют формальные и неформальные институты, функционирующие в кластере или оказывающие на него влияние, - рынки и др. Включением в это множество является и исполнительная среда, имеющая пространственную топологию, формируемая посредством телекоммуникационных каналов.
Виртуальный кластер формируют три уровня:
— физический домен, в котором реально существуют и функционируют реальные физические объекты; продуктом их жизнедеятельности являются материальные, финансовые и энергетические потоки;
— информационный домен, где действуют их информационные аналоги, существующие в информационных ресурсах, системах, хранилищах данных в виде структурированных данных или сообщений;
— когнитивный домен, где происходит анализ, мониторинг и систематизация знаний, аккумулирующихся в информационном домене с целью выработки управленческого решения для его передачи в физический домен.
Таким образом, на уровне физического домена FD кластер представим в виде
FD = {Obj, Proc, Proj, Space},
где Obj - множество объектов; Proc - множество бизнес-процессов; Proj - множество проектов; Space - множество сред.
На уровне информационного домена происходит отделение частных компетенций участников кластера, связанных с поддержкой цели функционирования кластера, путем проекции предметной области в информационные модели. Информационный домен ID является проекцией (Pr) физического домена в рамках пределов частных компетенций:
ID = Pr(FD) = {Pr(Obj), Pr(Proc), Pr(Proj), Pr(Space)}.
Pr(Obj) является информационной моделью объектов кластера и состоит из множества информационных объектов (ИО), составляющих инфраструктуру объектов управления. Информационный объект является элементом множества однородных объектов. Свойствами ИО являются свойства-характеристики и свойства-связи. Первые характеризуют объект, принимая в качестве значений данные определенных типов, вторые ассоциируют объекты друг с другом, принимая в качестве своих значений сами объекты. Свойства ИО могут быть выражены в структурированном и неструктурированном виде. Наличие формализованного представления свойства позволяет говорить об атрибуте ИО, имеющем несколько значений. Для свойств характерны глобальные и локальные ограничения. К глобальным относятся домены и диапазоны. Домены являются классами, объекты которых обладают некоторыми свойствами. Диапазоны также являются классами, объекты которых сами выступают в качестве этих свойств. Локальные ограничения накладываются на свойства в рамках определенного класса, позволяя сужать диапазоны свойств, определять их виды.
Определим n базовых множеств ИО кластера, для классификации которых используем объектный классификатор OL. В этом случае информация о множестве ИО представляет базу данных ИО = {ИОг-, i = 1, ..., n; i е OL}, элементами которой могут быть множества юридических и физических лиц {ЮЛ} и {ФЛ}, объектов недвижимости {ОН}, земельных участков {ЗУ}, информационных ресурсов, выпускаемой продукции и т. д.
Для определения свойств-характеристик каждому информационному объекту сопоставим множество атрибутов А;, j = 1, ..., m. Тогда каждый ИО представим в виде
ИОг = (f (Ai),f (A2),..., fm(Am)), где fj (Aj) - характеристическая функция, определяющая подмножество A'j с Aj для ИО i-го
типа, i = 1, n, j = 1, m ; Aj - множество значений одного j-го атрибута.
Для определения свойств-связей введено понятие ссылки из i-го объекта на объект k-го типа Si k. Получено полное описание информационного объекта в виде ИОг- = (fj (Aj),Sik).
Введем оператор агрегирования V и построим новые множества ИО, объединяя при этом множества значений атрибутов:
{СУБЪЕКТ} = {ЮЛ} V {ФЛ}, {ОБЪЕКТ} = {ОН} V {ЗУ}.
В свою очередь, {ФЛ} определяется совокупностью множеств {Ф.И.О.} и {Адрес}.
Анализ состояния ИО требует определения множества {Событие}, с наступлением которого могут изменяться значения атрибутов, и множества {Временные параметры}, связывающего наступления событий во времени.
Для определения статического и динамического состояний ИО введем понятия, содержащие факты изменения значений атрибутов соответствующих ИО:
{Временной ряд} = {Событие} V {Временные параметры}
{Пространственная выборка} =
= {Собьп^^ {Событие2} V. V {Событие^ V (t0e {Временные параметры})
Если временной ряд представляет собой изменение свойств атрибутов ИО во времени, то пространственная выборка отражает мгновенный срез состояния множества ИО. Если р = n, то пространственная выборка отражает состояние всех ИО, если р = 1, речь идет об одном ИО, свойства которого неизменны.
В связи с этим введены понятия статических и динамических ИО:
{СИО} = {ИО} V {Пространственная выборка}
{ДИО} = {ИО} V {Временной ряд}
Часть информационных объектов имеет свойство пространственного позиционирования, связанное с точным размещением на географической карте или ее цифровом аналоге.
Для таких ИО введем понятие пространственного ИО:
{ПИО} = {ИО} V {Пространственные координаты}
Для определения понятия «показатель», отражающего количественное либо качественное свойство ИО, введем оператор -U- - проекция, позволяющий отделить одно свойство ИО:
{Показатель} = {ИО} -U- {Атрибут}.
Таким образом, {Показатель} = arg ИОг- .
i=1, П
Расширением множества {Показатель} является введение аналитических показателей, позволяющих формализовать постановку задач анализа данных, используемых аналитиками и лицами, принимающими решения в управленческой деятельности.
К этим задачам относятся:
Прямая задача - найти подмножество {ИО } множества информационных объектов {ИО}, имеющих атрибут заданного свойства:
{ИО*} = {ИОЬ ie {1, 2, ... |ИО|} |(ИО*сИО)&({Показатель}= const)}
Обратная задача заключается в категоризации Показателя на основе использования функции выбора C(W), определенной на множестве альтернатив W:
1. Пусть имеется l классов, на которые может быть разбито множество значений Показателя. Примем W = {1, ..., l}. Соответствующая задача классификации заключается в отнесении заданного элемента x е ИО к одному из l подмножеств ИО1, ..., ИО1. При этом функция выбора С(П)= i, если хе ИОг-.
2. Пусть W = {< 1, 2, ..., n >, < 1, 3, ..., n, 2 >, ...,< n, n - 1, ..., 1 >}, т. е. состоит из множества перестановок длины n. Для информационных объектов может быть решена задача ранжирования, заключающаяся в упорядочении объектов, образующих систему, по убыванию (возрастанию) значения Показателя. При этом С(0.) = < i1, i2, ..., in>, где ij - номер j-го информационного объекта при указанном упорядочении.
3. Пусть W = {0, 1}. Соответствующая задача попарного сравнения заключается в выявлении лучшего из двух имеющихся информационных объектов - ИО1 и ИО2. При этом
Г1, если ИО1 лучше ИО2,
с(д)=L
I 0, в противном случае.
Задача сегментации - разделение области значения Показателя на сегменты для дальнейшего восходящего анализа или конечного представления результатов анализа владельцу проблемы - потребует определения группы аналитических показателей:
Аналитический показатель 1} =
= {Показатель} V {Временные параметры} (V {Лингвистическая переменная})
{Аналитический показатель 2} =
= {Показатель1^ {Пространственная выборка} (V{ Лингвистическая переменная})
Для формирования унифицированных показателей для описания бизнес-процесса используется следующая модель:
Pr(Proc)=( X, Metr, Ind, Alg, IS),
где X ={R, PR, Logic, Rel} - структура процесса, выражающая любым формальным способом порядок переноса и агрегирования информации, необходимой для оценивания качества или эффективности бизнес-процесса (R - множество ресурсов; PR - множество подпроцессов преобразования ресурсов; Rel - множество отношений между подпроцессами; Logic - логистическая цепочка, определяющая технологический порядок следования процесса); 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 показателей; IS - интегральный показатель.
Когнитивный домен является проекцией физического и информационного доменов: KD = Pr(FD&ID).
Источниками информации для него являются агрегированные данные и сообщения, передаваемые из информационного домена, и когнитивные знания о процессах, явлениях и способах управления, передаваемые из физического домена. Задачей когнитивного домена является слияние данных и структурированного знания для выработки решения, передаваемого в физический домен.
В качестве способа структуризации знания предлагается онтологический подход, совмещающий процедурные и декларативные знания. В одном случае он решает задачу представления смысла понятий, действий, задач, необходимых для понимания процессов предметной области, в другом - предполагает представление человеку процесса оценки, выработки решения, рекомендаций.
Предлагается механизм хранения знаний в когнитивном домене в форме расширенной онтологии:
KD = (Oм, OpR, Oz(Oproc)),
где ОМ - метаонтология, инвариантная относительно предметной области; OPR = {KOi, ROi, Di, SLi} -совокупность предметных онтологий (КO - набор концептов i-й предметной области; RO -семантически значимые отношения; D - декларативные интерпретации понятий и отношений; SL - набор слотов для каждого концепта); О2 = {KOz, ROz, Dz} - онтологии задач, включающие в себя процедурные онтологии (KOz - набор задач, характерных для i-й предметной области; ROz - спецификация декомпозиции подзадач; Dz - декларативные интерпретации декомпозиции).
Метаонтология ОМ содержит общую структуру понятий когнитивного домена: объект, показатель, свойство и др. (интенсиональный аспект).
Предметная онтология OPR определяет понятия, характерные для одной предметной области, фиксирует типы отношений и декларативные и процедурные интерпретации понятий и отношений.
Онтология задач (процедур) О2 определяет задачи, имеющие структуру, подобную структуре понятий в предметной онтологии, отношения декомпозируют задачу на подзадачи, декларативные интерпретации определяют характер декомпозиции (элементарная интерпретация -«состоит», «зависит»).
Для каждого из трех доменов характерны следующие свойства (табл.).
Виртуальный кластер
Домен Объект Процесс
Физический Реальный объект, функционирующий в материальном пространстве Материальные, финансовые энергетические потоки между участниками кластера
Информационный Информационный объект, имеющий свойства-связи или свойства-характеристики Формализованное представление бизнес-процессов
Когнитивный Декларативные знания об объекте, представленные в форме предметных онтологий Процедурные знания о процессах, представленные в форме онтологий задач
Внутри виртуального кластера процессы обработки информации принимают циклический характер. Выделяются следующие этапы:
1. Анализ физического домена для организации информационного домена
1.1. Определение реальных составляющих бизнес-среды кластера.
1.2. Предпроектный анализ участников.
1.3. Определение связей между участниками и внешней средой.
1.4. Определение ресурсной базы кластера: сырьевой и информационной.
1.5. Определение границ частных компетенций участников кластера для представления в едином информационном пространстве.
1.6. Выбор технологической платформы для создания среды информационного взаимодействия.
2. Анализ информационного и физического доменов для формирования когнитивного домена
2.1. Определение характера, вида и структуры информации, способной представлять информационный образ кластера.
2.2. Формирование системы индикаторов для описания и сравнения объектов, процессов, проблем.
2.3. Аккумуляция знаний о ситуациях, явлениях, процессах, событиях во внутренней и внешней среде, связанной с кластером - декларативного знания.
2.4. Определение механизмов формирования процедурного знания.
2.5. Выбор технологической платформы для оперативной актуализации знаний.
3. Анализ когнитивного домена для передачи результатов в физический домен
3.1. Разделение методологических задач принятия решений на три класса: структурируемые, слабоструктурируемые, неструктурируемые.
3.2. Формирование управленческих решений для этих классов задач.
3.3. Передача альтернативных решений в физический домен для выбора варианта принятия решения.
3.4. Пополнение базы знаний когнитивного домена типовыми вариантами решения проблем.
Заключение
Таким образом, виртуальный кластер представляет собой самоорганизующуюся систему, устойчивую к изменяющимся условиям внешней среды вследствие наличия механизмов решения проблем, возникающих в задачах управления кластером, на основе сохранения истории проблемы и способов ее решения в когнитивном уровне. На основе данных информационного и когнитивно -го уровней возможно проведение экспериментов с имитационными моделями объектов кластера со значительно меньшими затратами по сравнению с натурными экспериментами.
СПИСОК ЛИТЕРАТУРЫ
1. Клейнер Г. Б., Качалов Р. М., Нагрудная Н. Б. Синтез стратегии кластера на основе системноинтеграционной теории // Отраслевые рынки. - 2008. - № 5-6 (18) / www.virtass.ru.
Статья поступила в редакцию 23.12.2008
CONCEPTUAL INFORMATION MODEL OF A REGIONAL CLUSTER
I. Yu. Kvyatkovskaya
The management of a regional cluster on its imitative analogue - the virtual cluster allowing to refuse from real experiments with objects and processes, is considered in the paper. The information model of a cluster is developed on the basis of three domains: physical, informational and cognitive. The process of circulation of the information between domains is defined. The approach for creating a system of unified indices is developed to estimate objects and processes used in the tasks for management decision-making. The form of the unified conception of declarative knowledge in the form of metaontology, subject-ontology and task - ontology is developed. Conclusions about the properties of a virtual cluster as a self-organizing system are drawn.
Key words: regional cluster, virtual cluster, information model, the domain, cognitive, management decision-making.
