CC BY
30
К.М. ХОЛОСТОВ,
заместитель начальника Центра командно-штабных учений, кандидат технических наук
(Академия управления МВД России)
2 л н и о X
Л
<
и н к
И
0 X
Л
<
и н S
1
<
а
X О
0
м
<
а С
к S
1
и <
м
<
а С
и <
ш о а С
32
Об автоматизации процедур анализа управленческих актов
В статье рассматривается проблема проведения экспертиз проектов управленческих актов посредством методов автоматизированного анализа и оценки текстовых документов на основе логико-лингвистического моделирования, с применением математического аппарата теории нечетких множеств.
Экспертиза управленческих актов, логико-лингвистическое моделирование, нечеткая логика, экспертные системы, искусственный интеллект.
Одним из неоспоримых достоинств человеческого интеллекта является способность принимать верные решения в условиях неопределенности, в отсутствие четкой и исчерпывающей информации, или в случае, когда сведения подаются в лингвистической (языковой, образной) форме. В таких ситуациях получить оптимальное управленческое решение c помощью автоматизированных систем поддержки принятия решений (СППР), используя традиционные логические и математические методы, весьма затруднительно. Таким образом, построение моделей и разработка методов, приближенных к рассуждениям человека, и использование их в СППР представляется наиболее перспективным направлением для совершенствования деятельности в сфере автоматизации управления.
Представляет определенный интерес в развитии применения информационных технологий в управлении система так называемого искусственного интеллекта (ИИ). Здесь речь идет, в первую очередь, об интеграции различных моделей, алгоритмов представления знаний и способов суждения о них. Интересными, с точки зрения управления, являются фреймо-во-продукционные модели знаний и синтетические (сочетающие в себе механизмы индукции, абдукции и дедукции) методы рассуждений [10], а также модели так называемых мягких вычислений [6].
Органы внутренних дел являются системой, функционирующей в условиях многофакторной внешней среды, более того, критерии оптимизации деятельности самой системы весьма размыты, так как даже конкретная цель существования системы подменена отдельными за-
дачами, которые должны быть решены [1]. Поэтому преодоление проблемы выработки оптимального управленческого решения с применением СППР видится в использовании методов и моделей, в которых логические средства могут использоваться для обработки информации, представленной в лингвистической форме.
Концепция интегрированного логико-лингвистического моделирования предложена отечественным ученым Д.А. Поспеловым [9; 11] и развита его учениками А.Н. Аверкиным, Т.А. Гавриловой, В.Н. Вагиным [5] и др.
Основной в указанной концепции является идея «инженерной обработки» естественного языка (ЕЯ), причем первым шагом для такой обработки (анализа) является указание в лексике ЕЯ групп, несущих определенную функциональную нагрузку при описании тех или иных объектов и ситуаций.
Математический аппарат для реализации методов логико-лингвистического моделирования разработан американским математиком Л. А. Заде (Lotfri A. Zade) [6], который ввел такие понятия, как нечеткие множества, мягкие вычисления и лингвистическая переменная.
Математическая теория нечетких множеств позволяет описывать нечеткие понятия и знания, оперировать этими знаниями и делать соответствующие нечеткие выводы. Основанные на этой теории методы построения автоматизированных систем, предназначенные для управления как техническими объектами и процессами, так и социальными и экономическими системами, находят свое применение тогда, когда процессы управления оказываются слишком сложными для анализа с помощью общепринятых количественных методов, или когда источники входной информации интерпретируются качественно, неточно или неопределенно. Наличие подобных средств отражения нечеткости исходной информации позволяет построить модель в значительной степени адекватную реальности. Как видно из описания теории нечетких множеств, она вполне подходит для построения систем автоматизированного управления, анализа, СППР и может быть применена в органах внутренних дел.
Одна из задач, решаемая при осуществлении административно-распорядительной дея-
тельности в органах внутренних дел, — экспертиза управленческих решений. Это может быть и правовая экспертиза, регламентируемая приказом МВД России от 5 января 2007 г. № 6 «Об утверждении наставления по организации правовой работы в системе МВД России» [2], и экспертиза, определяющая коррупционную составляющую (так называемая антикоррупционная экспертиза), регламентированная приказом МВД России от 24 февраля 2012 г. № 120 «Об организации проведения антикоррупционной экспертизы нормативных правовых актов и проектов нормативных правовых актов в системе МВД России» [3], и финансово-экономическая экспертиза, и экспертиза эффективности принимаемого решения и т. д. Все эти и иные виды экспертиз управленческих решений проводятся в соответствующих службах силами специалистов-экспертов, обладающих определенными знаниями и опытом в той или иной предметной области. Стоит отметить, что данная работа очень трудоемка и ее проведение занимает много времени, кроме того, не все эксперты обладают необходимым уровнем знаний и опыта. Кроме того, при проведении экспертизы человеком не избежать субъективизма в оценке.
Применение эффективных автоматизированных систем проведения экспертиз позволит значительно сократить время, необходимое для их осуществления (электронно-вычислитель-
ная машина, в отличие от человека, способна работать круглосуточно и семь дней в неделю). Кроме того, не понадобится привлекать специалистов различных специализаций, так как автоматизированная система может проводить все виды экспертиз одновременно. И, самое главное, — ЭВМ невозможно обвинить в заинтересованности или субъективизме. Эти аргументы, по нашему мнению, неоспоримо доказывают целесообразность применения в органах внутренних дел (и в других органах власти) автоматизированных систем анализа и оценки разрабатываемых проектов актов, содержащих управленческие решения.
Рассмотрим пример построения автоматизированной системы проведения экспертиз текстовых документов на основе имеющихся научно-технических разработок в области систем управления на основе нечеткой логики [12].
Основу автоматизированной системы, предназначенной для обработки нечеткой информации, составит контроллер, использующий нечеткую логику. На базе структурной схемы такого контроллера представим автоматизированную систему проведения экспертиз проектов управленческих решений в виде совокупности функциональных элементов (рис. 1).
Она содержит интерфейс ввода текстовой информации, блок фаззификации, базу знаний, блок решений, блок дефаззификации, интерфейс вывода результатов.
Рис. 1. Автоматизированной системы проведения экспертиз проектов управленческих решений (обобщенная структурная схема)
При помощи устройства, выполняющего роль интерфейса для ввода текстовой информации (это может быть сканер, устройство чтения дисков, универсальный порт и др.), исходная информация поступает на контроллер для проведения последующей обработки.
Блок фаззификации контроллера нечеткой логики преобразует четкие величины, полученные с устройства ввода информации (текст в виде набора двоичных чисел), в нечеткие величины, которые описаны лингвистическими переменными в базе знаний. Блок решений кон-
2 л н и о X
Л
<
и н к
И
о X
Л
<
и н S
X
<
а
X О
о
са <
а С
к S X
и <
са <
а С
и <
ш о а С
33
2 -Q
Н
U
о
X
л
<
ы f-
cq
£
=>s о
X
Л
<
ы fs
X
<
а
X О
0
CQ <
а С
о? S
1
ы <
03
<
а С
ы <
из
о
а С
34
троллера нечеткой логики использует нечеткие условные правила (если... — тогда ...), заложенные в базу знаний для анализа и сравнения исходного текста с находящимися в ней образцами (примерами), после чего получаются результаты, которые также носят нечеткий характер.
Блок дефаззификации превращает нечеткие данные с выхода блока решений в четкую величину, которая направляется на интерфейс вывода результатов. Интерфейс вывода результатов (на мониторе, принтере) отображает результаты проведенной экспертизы в виде соответствующего заключения.
Рассмотренная структурная схема, также как и все системы с нечеткой логикой, функционирует по единому принципу: входные данные фаззи-фицируются (превращаются в нечеткий формат), обрабатываются, дефаззифицируются и в исходном виде подаются на выходные устройства.
Необходимо отметить, что резкий переход от традиционных методов проведения экспертиз проектов управленческих актов, разрабатываемых в органах внутренних дел, к автоматизированному способу их проведения вряд ли возможен. Это связано как с определенным консерватизмом сотрудников, отсутствием у них соответствующего опыта, инерционностью самой системы органов внутренних дел, так и с техническими трудностями. Но главная трудность, по нашему мнению, состоит в том, что в настоящее время не сформированы исчерпывающие базы знаний, основанные на опыте и знаниях многочисленных экспертов в той или иной предметной области. Отсутствие всеобъемлющей системы правил, которые будет использовать контроллер нечеткой логики, приведет к тому, что решения, принимаемые автоматизированной системой, будут ошибочными, либо из-за невозможности принять их система зайдет в тупик.
В связи с указанными выше трудностями представляется целесообразным на переходном этапе использовать для решения рассматриваемых задач человеко-машинные системы, работа которых будет отслеживаться экспертами, корректирующими деятельность автоматов путем пополнения и уточнения базы знаний. Применительно к поставленным целям свою положительную роль здесь могут сыграть так называемые экспертные системы [7; 8].
Экспертная система — это воплощенные в ЭВМ компоненты опыта эксперта, основанной на знаниях в такой форме, что машина может дать интеллектуальный совет относительно обрабатываемой функции. Дополнительное свойство системы — способность «по требованию» объяснять ход своих «рассуждений» на понятном пользователю языке. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память ЭВМ, использовать их, когда в этом возникнет необходимость. Экспертные системы моделируют поведение эксперта при принятии решения, их предметная деятельность изучается для фиксации и консолидации в базе знаний, которая представляет собой связанные между собой сведения, факты и правила, заранее структурированные и интерпретированные. Алгоритмы работы экспертных систем также основываются на математическом аппарате нечетких множеств.
Основными компонентами экспертной системы, предназначенной для оказания помощи специалисту, осуществляющему проведение той или иной экспертизы проекта управленческого акта, являются интерфейс пользователя, база знаний в соответствующей предметной области, интерпретатор, модуль создания системы (рис. 2).
Эксперт
Рис. 2. Основные компоненты информационной технологии экспертных систем
Интерфейс пользователя. Специалист (пользователь) использует интерфейс для ввода текстовой информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация выдается в удобной для восприятия и понятной пользователю форме.
База знаний содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условие (если...), которое может выполняться или нет, и действие (тогда.), которое следует произвести, если выполняется условие. Все используемые в экспертной системе правила образуют систему правил, которая может содержать несколько тысяч правил (даже если она сравнительно проста).
Интерпретатор. Это часть экспертной системы, производящая в определенном порядке обработку знаний, находящихся в базе знаний. В автоматизированной системе (рис. 1) сходное по задачам устройство мы называли блоком решений. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, то выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы. Отличие интерпретатора от блока решений состоит в том, что он не выносит окончательного решения, а предлагает альтернативы с объяснением их особенностей и причин выбора.
Модуль создания системы служит для создания набора (иерархии) правил. Существует два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использование оболочек экспертных систем.
В качестве примера рассмотрим алгоритм работы экспертной системы, нацеленной на проведение антикоррупционной экспертизы (рис. 3). Предметом анализа выберем такой нормативный правовой акт, как «Административный регламент Министерства внутренних дел Российской Федерации предоставления государственной услуги по приему, регистрации и разрешению в территориальных органах Министерства внутренних дел Российской Федерации заявлений, сообщений и иной информации о преступлениях, об административных правонарушениях, о происшествиях», утвержденный приказом МВД России от 1 марта 2012 г. № 140 [4]. В частности, рассмотрим положения п. 32 указанного документа:
«32. Основанием для отказа в рассмотрении заявлений, направляемых в электронном виде по информационным системам общего пользования, является:
32.1. Указание заявителем недействительных сведений о себе и (или) адреса для ответа.
32.2. Поступление дубликата уже принятого электронного заявления.
32.3. Некорректность содержания электронного заявления (если содержащийся в нем текст не поддается прочтению).
32.4. Невозможность рассмотрения заявления без необходимых документов и личной подписи заявителя».
Рис. 3. Блок алгоритма проверки управленческого акта
После обработки в интерпретаторе текста рассматриваемого правового акта управления экспертная система выявляет такие формулировки ЕЯ, которые подлежат обработке в кон-
троллере путем назначения соответствующей лингвистической переменной и проведения операций с ней. В нашем примере фраза «основание для отказа» соответствует лингвистиче-
2 Л
н и о X
л
<
и н к
И
о X
л
<
и н S
X
<
а
X О
о
са <
а С
к S X
и <
са <
а С
и <
ш о а С
35
2 л н и о X
Л
<
и н к
И
:|S
0 X
Л
<
и н S
1
<
а
X О
о
са <
а С
к S X
и <
са <
а С
и <
ш о а С
36
ской переменой «условия», которая может принимать определенные значения. Контроллер нечеткой логики, состоящий из интерпретатора и базы знаний, после выявления в тексте подобной формулировки начинает поиск возможных значений для лингвистической переменной (в данном случае это основания, указанные в пп. 32.1.—32.4). После обработки и анализа текста контроллер сравнивает полученные данные со своей базой знаний. По результатам проведенных логических операций по сравнению области значений лингвистической переменной со значениями из базы знаний система выдает результат в виде заключения.
В частности, если бы в п. 32.3. не было бы уточнено, в чем конкретно состоит некорректность (может, имелось ввиду некорректное название территориального органа внутренних
Список литературы
1. О полиции: Федеральный закон РФ от 1 марта 2011 г. № З-ФЗ // Рос. газ. 2011. 8 февр.
2. Об утверждении наставления по организации правовой работы в системе МВД России: приказ МВД России от 5 января 2007 г. № 6.
3. Об организации проведения антикоррупционной экспертизы нормативных правовых актов и проектов нормативных правовых актов в системе МВД России: приказ МВД России от 24 февраля 2012 г. № 120.
4. Административный регламент Министерства внутренних дел Российской Федерации предоставления государственной услуги по приему, регистрации и разрешению в территориальных органах Министерства внутренних дел Российской Федерации заявлений, сообщений и иной информации о преступлениях, об административных правонарушениях, о происшествиях: приказ МВД России от 1 марта 2012 г. № 140.
5. Вагин В.Н., Головина Е.Ю., Загорянская A.A., Фомина М.В. Достоверный и правдоподобный
дел, специального звания его руководителя или иное), то система указала бы на коррупционность данного положения, так как область значений переменной «условия» стремилась бы к бесконечности, что не соответствует понятию «исчерпывающий перечень».
Таким образом, совершенствование управленческой деятельности в органах внутренних дел видится в широком применении 1Т-технологий, перспективных моделей обработки информации и принятия решений. В частности, целесообразно применять для проведения правовых, антикоррупционных и иных видов экспертиз проектов управленческих актов экспертные системы с перспективой дальнейшего перехода на полностью автоматизированные системы анализа и оценки указанных документов.
вывод в интеллектуальных системах / под ред. В.Н. Вагина, Д.А. Поспелова. М., 2004.
6. Заде Л.А.. Понятие лингвистической переменной и его применение к принятию приближенных решений. М., 1976.
7. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М., 1991.
8. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М., 1990.
9. Нечеткие множества в моделях управления и искусственного интеллекта / под ред. Д.А. Поспелова. М., 1986.
10. Осипов Г.С. Приобретение знаний интеллектуальными системами. М., 1997.
11. Поспелов Д.А. Логико-лингвистические модели в системах управления. М., 1981.
12. Прикладные нечеткие системы / под ред. Т. Тэтано, К. Асаи, М. Сугэно. М., 1993.
E-mail: hkm tula@mail.ru
