CC BY
75
Механизмы аккумуляции знаний для оценки эффективности
бизнес-процессов
Жук Марина Алексеевна кандидат экономических наук, доцент зав. кафедрой прикладной информатики в экономике и управлении
Оренбургский государственный университет
Аннотация: В статье представлен механизм аккумуляции знаний внутренних и внешних бизнес-процессах, реализуемых в экономикоинформационном пространстве предприятия. Предлагаемый механизм позволяет аккумулировать знания о цепочке бизнес-процессов, инициируемых как внутри предприятия, так и посредством взаимодействия предприятия с своими бизнес-партнерами.
Abstract: In article the mechanism of accumulation of knowledge the internal and external business processes realized in economic-information field enterprises is presented. The offered mechanism allows to accumulate knowledge of a chain of the business processes initiated both in the enterprise, and by means of interaction of the enterprise with the business partners.
Ключевые слова: бизнес-процесс, аккумуляция знаний,
корпоративная информационная система, виртуальное бизнес-взаимодействие.
Keywords: business-process, accumulation of knowledge, corporate information system, virtual business-interaction.
Введение
В настоящее время, в условиях развития информационного общества, хозяйствующие субъекты большинство бизнес-процессы реализует посредством современных информационных технологий. Кроме этого для
оптимизации организационной структуры на предприятиях все чаще используется процессно-ориентированный подход, позволяющий формировать ресурсосберегающий вариант организационной структуры. В подобных структурах, в основе которых лежит структурированная совокупность базовых и вспомогательных бизнес-процессов предприятия, значительно сокращено число уровней управления, процессно-ориентированные оргструктуры являются более гибкими, что делает менее затратными процедуры адаптации предприятия к изменения внешней среды функционирования.
Все бизнес-процессы, реализуемые на предприятии, могут быть разделены на внутренние (участники бизнес-процесса - подразделения и должностные лица предприятия) и внешние (реализация бизнес-процесса инициирует взаимодействие с другими хозяйствующими субъектами, организациями и прочими элементами внешней среды предприятия). Совокупность информационных потоков, возникающих в процессе реализации бизнес-процессов, образует экономико-информационное пространство предприятия, при этом в рамках реализации внутренних бизнес-процессов формируется локальное экономико-информационное пространство предприятия, а при реализации внешних - экономико-информационное пространство предприятия интегрируется глобальное пространство экономикоинформационное пространство [2].
В аспекте проектирования информационных систем управления -экономико-информационное пространство предприятия может быть интерпретировано как корпоративная информационная система, интегрированная в глобальную информационную инфраструктуру (Интернет-среду субъектного взаимодействия). Поскольку в современном обществе доминируют сетевые экономические отношения взаимодействие бизнес-партнеров все чаще реализуется в виртуальной среде, посредством Интернет -технологий. Информация о текущих и отработанных бизнес-процессах накапливается в информационных хранилищах и может быть использована в качестве информационной поддержки принятия управленческих решений и
повышения эффективности будущих бизнес-процессов, по сути данная информация представляет собой латентный стратегический ресурс предприятия. В связи с этим актуальной является проблема разработки механизмов аккумуляции знаний в информационных хранилищах предприятия для последующей поддержки решений и оценки эффективности бизнес-процессов.
Основной раздел
В предлагаемом авторском механизме процедуры аккумуляция знаний осуществляются на базе мультиагентной модели [2], а в качестве полюсов аккумуляции знаний выделяются агенты-прототипы - представляющие собой локальные интеллектуальные подсистемы корпоративной информационной системы предприятия, интегрированной в глобальную информационную инфраструктуру. С этой целью разработаны пять базовых архитектур агентов-прототипов - агент «Предприятие-производитель» (ЛП-Пр); агент «Предприятие-поставщик» (ЛП-По); агент «Инвестор» (ЛП-И); агент «Социальный субъект» (ЛП-С); агент «Маркетинговая компания» (ЛП-М). Базовая архитектура агента состоит из: комплекса целей, индивидуальных характеристик, правил
поведения, памяти, особенностей приятия решений, алгоритма изменения правил поведения. Из существующих в теории агентного моделирования моделей агентов, наиболее полно описанных в исследовании С.Рассела и П.Норвига [3], выбрана модель агента, основанного на модели и цели. Эта модель была выбрана, потому что по сравнению с остальными моделями агентов является более гибкой, так как знания, на которые опираются его решения, представлены явно и могут быть модифицированы.
Для каждого агента-прототипа сформирована структурированная совокупность целей, отражающая краткосрочные, среднесрочные и долгосрочные цели, преследуемые РСЭС соответствующего вида. Общий механизм работы агентов-прототипов представляет собой комплекс поведенческих алгоритмов, каждый из которых реализует определенный
механизм, происходящий в процессе достижения той или иной цели, поставленной перед агентом: Например для агента-прототипа «Предприятие-производитель» ЛП-Пр (повышение социальной защищенности сотрудников на предприятии; повышение качества работы персонала; повышение рентабельности и ликвидности; увеличение доли рынка). При этом, алгоритм работы агента включает в себя не только выполнение процессов внутри агента, но и взаимодействие с другими агентами среды.
Ядром модели агента-прототипа является база знаний, так как в процессе взаимодействия агенты аккумулируют знания в своих базах, за счет чего происходит процесс адаптации агента к имениям среды (алгоритм изменения правил поведения) и эволюция агента. В качестве модели представления знаний в исследовании выбрана гибридная фреймово-продукционная модель, позволяющая формализовать не только статические, но и динамические знания. За основу моделирования структуры базы знаний взяты объектноориентированный [1] и процессно-ориентированный [4] подходы. Ю.Ф. Тельнов в своих работах вводит понятие «информационный след бизнес-процесса», который остается в корпоративной памяти организации в результате прохождения жизненного цикла каждого бизнес-процесса, таким образом, происходит накопление опыта (аккумуляция знаний). Целесообразно уточнить понятие «аккумуляция знаний» - это процесс накопления формализованных знаний па информационных носителях (информационный носитель - это физический предмет, на который можно в прямом смысле записать информационное сообщение, а затем через некоторое время его воспроизвести).
Каждый агент-протип может быть описан набором объектов (отражающих его индивидуальные характеристики) АП ^ - г-тый
объект, 1 = 1,^, N - общее количество выделенных объектов; и набором типовых бизнес-процессов (формирующих его поведенческую модель) =
где - У-тая функция г-того бизнес-процесса агента, £ = 1, К, у = 1, ^, К - общее количество бизнес-процессов агента-прототипа, - количество функций в г-том бизнес-процессе.
В соответствии с объектно-ориентированным подходом каждый объект записан набором атрибутов: = (ЫатО^АЬгО^ РагО{), где ЫатО^ -
уникальный идентификатор (имя) объекта ; АЬгО^ - множество атрибутов г-го объекта, которое формализовано как: АЬгО^ = [А^О^^п^], где А1г0ц -
идентификатор _/-го атрибута г-го объекта, / = 1, - количество атрибутов
г-го объекта; - значение _/-го атрибута г-го объекта. РагО^ - множество
объектов верхнего уровня иерархии родовидовых связей между объектами, связанных с объектом о^. РагА^ = {РаГц^уреРаГц}, где Раг^ - объект,
являющийся 7-тым родителем г-го объекта, / = 1, - количество объектов
верхнего уровня иерархии родовидовых связей между объектами, связанных с объектом о^; ТуреРаГц - наименование роли_/-го родителя г-го объекта.
В теоретико-множественной постановке представления бизнес-процесса каждая функция F^y г-того бизнес-процесса может быть описана соответствующим кортежем атрибутов: = (NameF^j,Pred^j, /п^;г),где
ЫатеРц - имя 7-той функции г-того бизнес-процесса; Predij - функция, доминирующая над функцией F^y; 1п^]Г - г-тый показатель результативности выполнения функции . Таким образом, связь в цепочке бизнес-процессов агента рассмотрена через объекты - как связь множества процессов-источников с множеством процессов-приемников через класс объектов. Например, можно определить некоторый объект 0Ь]СоппесЬ1, определяющий связь между двумя бизнес-процессами агента: 0Ь]СоппесЬ1 = (^ameOj,F/Sj, FPrj,Fo^eOj), где
ЫатеО^ - идентификатор объекта, образующего г-тую связь; Р/я*, -
соответственно, процесс-источник и процесс-приемник г-той связи; Ро/еО; -роль г-той связи в процессе-приемнике. Предложенные способы формализации позволяют производить структуризацию каждого фрагмента предметной области РСЭС на основе объектно-ориентированного подхода, и описывать структурные взаимосвязи бизнес-процессов (процессный подход), атрибуты и родственные связи объектов, и взаимосвязи объектов с процессами.
Выбранная гибридная фреймово-продукционная модель позволяет формализовать не только статические, но и динамические знания. Основоположник теории представления знаний с помощью фреймов М. Минский определил фрейм как структуру, состоящую из набора слотов, где каждый слот представляет собой шаблон для хранения значения или набора значений определенного типа.
База знаний (изначально разработанная для конкретного прототипа агента) состоит из структурной %5 и процедурной (динамической) составляющих. В методологии в качестве исходных используются формализмы гибридной фреймово-продукционной системы, разработанные
Д.В. Сошниковым [5]. Статические знания, представленные составляющей ^, образованы множеством значений слотов всех фреймов. Для описания фреймовой структуры вводится функция состояния W: I ^ F, которая отображает множество идентификаторов I в множество фреймов F. Каждый фрейм f е F представляет собой функцию f: Т[ ^ S, отображающую множество идентификаторов слотов данного фрейма в множество слотов, где ^ -идентификатор фрейма, S - множество слотов. Динамические знания представлены как описание множества возможных правил перехода по графу состояний, вершинами которого являются элементы %5.
В классической продукционной системе описывается множеством продукционных правил, образующих базу знаний, а К5 представляет собой множество атрибутов, которое формируется и пополняется в процессе решения конкретной задачи. Статическая компонента знаний о предметной области представляется в виде фреймовой иерархии, а в качестве динамической компоненты выступает совокупность знаний о переходах между состояниями системы. Динамическая компонента - это набор продукционных правил прямого и обратного вывода, сгруппированных вокруг соответствующих фреймов и слотов. Все компоненты фреймово-продукционной модели представления знаний аналитически описаны, формализованы и подготовлены к процессу физической реализации. Для каждого агента-прототипа АП может
быть введено множество фреймов .Рап = {/*} , I = 1, /дП, где /^п - количество фреймов в БЗ агента-прототипа ЛП. Каждый фрейм определяется как: ^ =< N^,5^ >, где ^ - имя фрейма ^, Sfi - слоты фрейма ^. Слоты представляют
собой множество: 5^ = У = 1,/лп , где У^п - количество слотов в фрейме
^. Каждый слот описан четверкой 5-1 = {Ьу,]/^1,(2у,Р-1), где : Ьу -
Л Л Л Л
наименование слота 5у 1; - значение слота 5у 1; 1 - фасет слота; /V 1 - набор
присоединенных процедур, каждая процедура представляет собой либо некоторый алгоритм, либо ссылку на базу правил, процедура может быть слугой или демоном.
Представленная базовая архитектура агента-прототипа позволят в процессе виртуального взаимодействия агентов-экземпляров прототипа аккумулировать как декларативные, так и процедурные знания и, на основании аккумулированных знаний, проводить анализ результатов бизнес-процессов. В процессе виртуального взаимодействия участников бизнес-процесса происходит обмен информацией и латентными знаниями между участниками бизнес-процесса. Одной из целей аккумуляции знаний является накопление агрегированной информации о поведении участников бизнес-процесса для передачи в корпоративную систему поддержки принятия решений. Эта информация должна содержать качественную (количественную) оценку эффективности реализуемого бизнес-процесса. Для этого предлагается модель виртуального взаимодействия бизнес-партнеров, состоящая из цепочки бизнес-процессов и отражающая процессы обмена информацией и аккумуляции знаний. Для построения модели в структуру баз знаний агентов вводятся два дополнительных конструктивных элемента - индикаторный накопитель результатов бизнес-процессов и индикаторный накопитель результатов актов взаимодействия бизнес-партнеров. Схема модели взаимодействия показана на рисунке 1.
Рисунок 1 - Модель виртуального взаимодействия бизнес-партнеров
В схеме показан акт взаимодействия двух субъектов 5^ и 5^, субъект 5^ является инициатором импульса к взаимодействию (источником бизнес-процесса) поэтому, все знания в процессе акта взаимодействия будут аккумулироваться в базе знаний агента-прототипа , субъект 5^ является приемником бизнес-процесса, поэтому в текущей процедуре аккумуляции знаний играет пассивную роль (в различных актах виртуального взаимодействия, возникающих между субъектами 5^ и 5^ они могут меняться ролями). Вг....Вп.. - цепочка бизнес-процессов, образующих сквозной бизнес-
I] I)
процесс акта взаимодействия, п - общее количество бизнес-процессов, реализуемых во время акта.
Результаты каждого бизнес-процесса хранятся в информационном хранилище предприятия, основным элементом предлагаемого механизма
является компонента - база правил т-того бизнес-процесса (т = 1, п).
Правила представляют собой наборы импликаций вида: ^т(Р1)Л ... Лг^Л ... Л^гп (р,Вт) ^ где 1Вт - количество функции
т-того бизнес-процесса, ^п(^) £ {0,1} - факт успешной реализации /-той функции текущего бизнес-процесса («успешность» интерпретируется как полная реализация функции, предусмотренной соответствующим поведенческим алгоритмом агента); рт(^Р^) оценка влияния бизнес-процесса на приращение 7-той компоненты ресурсного потенциала предприятия,
определяемая экспертно по шкале:
— 1 — однозначно отрицательное приращение;
—0,5 — возможно отрицательное приращение;
0 — не влияет; (1)
0,5 — возможно положительное приращение;
. 1 — однозначно положительное приращение.
В рамках реализации механизма для конкретного предприятия уровень чувствительности предлагаемой шкалы может быть изменен по желанию экспертов. В результате каждый т-тый бизнес-процесс в рамках одного акта виртуального взаимодействия субъектов и может быть описан как Втц =(Ят(ДР1),Ят(ДР2), .,Ят(ДР8)) - упорядоченное множество оценок приращений . Полученные значения передаются в индикаторный накопитель результатов акта взаимодействия. В качестве основного элемента этого накопителя введен сумматор Битв.., алгоритм работы которого построен на
основе аддитивной свертки по критериям приращений ресурсного потенциала:
5ит1В„ = Ет=1Ф1тЯт(АР1);
Ч... (7)
Бит8в.. _ Хт=1 Фт ^т(^Р8).
где Ф1т, т = 1, п; 1 = 1,8 - весовые коэффициенты бизнес-процессов в аспекте приращения компонент ресурсного потенциала предприятия. Пусть Ас^.5. - акт бизнес-взаимодействия субъектов и в момент времени Т, Т0 -
момент времени первого взаимодействия между конкретными субъектами. Разработанный механизм позволяет получить оценку эффекта взаимодействия
субъектов П^ЛсЦ05. ) = (Бит1в , ..., Бит8в ) в признаковом пространстве приращений ресурсного потенциала предприятия за период времени от Т0 до Т.
Заключение
В рамках разработки механизма предложена мультиагентная модель взаимодействия бизнес-парнеров и инициируемая в результате взаимодействия цепочка бизнес-процессов. Предложенный механизм аккумуляции знаний о внутренних и внешних бизнес-процессах предприятия позволяет получить оценку эффективности бизнес-процессов в признаковом пространстве приращений ресурсного потенциала предприятия за означенный период времени.
Библиографический список
1. Брусакова И.А., Сербин А.А. Объектно-ориентированный подход в моделях аккумуляции знаний о бизнес-процессах // Сб. научных трудов научнопрактической конференции по современным проблемам прикладной информатики. - СПб: Изд-во Политехн. ун-та, 2008. - С. 11-29.
2. Жук М.А., Буреш О.В. Агентный подход к формированию экономикоинформационного пространства региона // Вестник Оренбургского государственного университета. - Оренбург, 2010. - №13 - С 259 - 265.
3. Рассел С., Норвиг П. Искусственный интеллект: современный подход / С. Рассел - М.: Издательский дом «Вильямс», 2006. - 1408 с.
4. Тельнов Ю.Ф. Реинжиниринг бизнес-процессов. М.,: Финансы и статистика, 2004. - 314 с.
5. Сошников Д.В. Методы и средства построения распределенных интеллектуальных систем на основе продукционно-фреймового представления знаний: Автореф. дис....канд. тех. наук: Москва, 2002. - 22 с.
