CC BY
25
государственного университета. № 1. 2002. С. 63-67.
4. Yevtyushkin А. V. Space monitoring of Khanty-Mansiysk Autonomus Okrug - Yugra Territory // Enviro-RISKS: Man-induced Environmental Risks: Monitoring. Management and Remediation of Manmade Changes in Siberia. Fist-Year EC 6FP CA Enviro-RISKS Project Report: Overview and Progress Reports by Partners. ISSN: 1399-1949. Digital ISBN: 978-87-7478-550-7. Copenhagen. 2007. P. 69-72.
5. Брыксин В. M„ Евтюшкин А. В., Еремеев А. В., Хамедов В. А. Разработка WEB-интерфейса для оперативного оповещения о пожарах выявленных по космоснимкам на территории ХМАО // Сборник материалов V межрегиональной научно-практической конференции "Информационные технологии и решения для "ЭЛЕКТРОННОЙ РОССИИ", Ханты-Мансийск, 7-11 июня 2006 г. Ханты-Мансийск: Уральское лите-paiypHoe агентство, 2006. С. 327-329.
6. Брыксин В. М., Евтюшкин А. В., Еремеев А. В.. Свидрицкая М. А., Хамедов В. А. Оперативный мониторинг пожарной обстановки в технологических коридорах магистральных трубопроводов // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. Выпуск 5. Том II. М.: ООО «Азбука-2000», 2008. С. 12-17.
7. Брыксин В. М., Евтюшкин А. В., Еремеев А. В.. Макеева М. А., Хамедов В. А. Спутниковый мониторинг пожарной обстановки в технологических коридорах трубопроводов и лесах ХМАО // Обратные
задачи и информационные технологии рационального природопользования: материалы IV Научно-практической конференции. - Ханты-Мансийск: Полиграфист, 2008. С. 190-194.
8. Брыксин В. М., Евтюшкин А. В., Кочерги» Г. А., Рычкова Н. В. Мониторинг зерновых культур на юге Западной Сибири по данным MODIS и ERS-2 // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Сборник научных статей. Выпуск 4. Том II. М.: ООО "Азбука-2000", 2007. С. 183-188.
9. Брыксин В. М„ Евтюшкин А. В., Еремеев А. В., Макеева М. А. Разработка программного обеспечения по обработке космосннмков MODIS и ERS-2 в целях мониторинга паводковой обстановки и лесных пожаров на территории ХМАО// Проблемы природной безопасности Югры: мониторинг и прогнозирование экстремальных гидрологических явлений и лесных пожаров. Сборник материалов по итогам научно-практического семинара, г. Ханты-Мансийск. 9-10 июня 2008. С. 31-41.
10. Брыксин В. М., Евтюшкин А. В., Еремеев А. В., Макеева М. А., Хамедов В. А. Автоматизированная система сиутникого мониторинга пожарной обстановки в технологических коридорах трубопроводов и лесах ХМАО // Контроль и реабилитация окружающей среды: Мат-лы симпоз. / Под общ. ред. М.В. Кабанова. A.A. Тихомирова. VI Международный симпозиум. Томск. 3-5 июля 2008 г. Томск: Аграф-Пресс, 2008. 3 84 с. С. 119-120.
Попов Д. В.
Оперативное управление процессом оказания услуг
с применением распределённых интеллектуальных систем
Ввеленме
В условиях конкуренции и насыщения рынка на первый план выходит клиент-ориентированный маркетинг, направленный на такие стратегические цели, как увеличение доли рынка, повышение прибыли. Происходящие процессы обуславливают необходимость поиска и внедрения новых информационных технологий для эффективного управления процессом оказания услуг, направленным на учёт и удовлетворение потребностей и предпочтений клиентов.
Социально-экономические аспекты управления услугами были рассмотрены в работах К. Хаксевера, Б. Рендера, Р. Рассела, И. А. То-гунова, А. И. Китова и др. Вопросам создания экспертных и автоматизированных систем управления в индустрии здоровья и красоты посвящены труды А. Хильберта, В. А. Виттиха. О. Б. Скобелева. В. Б. Тарасова. Б. Г. Ильясова и др. Однако, в силу сложности проблемы, многие вопросы остаются открытыми. В настоящий момент одним из таких вопросов является повышение эффективности оказания услуг за счет
поддержки принятия решений при оперативном управлении этим процессом.
Установлено, что в настоящее время в процессе предоставления услуг, например, в индустрии здоровья и красоты возникает ряд проблем, таких как: отсутствие комплексной информационной системы, интегрирующей предоставление услуг, высокая размерность данных исключает применение точных методов составления планов; существующие методы составления планов не учитывают специфику оказания услуг [ 1 ].
Проведённый анализ существующих программных средств автоматизации в индустрии здоровья и красоты показал, что к недостаткам существующих систем можно отнести следующее: отсутствие функции составления плана оказания услуг; относительно высокая стоимость; отсутствие интеграции с другими системами учёта и анализа финансово-хозяйственной деятельности организации. В результате анализа моделей и методов поддержки принятия решений и составления планов, можно сделать вывод о том, что современный математический аппарат, используемый для выбора альтернатив, требует от лица, принимающего решения (ЛПР) достаточно высокой математической квалификации, которой, как правило, не отвечает персонал в индустрии здоровья и красоты. Также анализ показал, что методы принятия решений имеют определённую зависимость от предметной области, поэтому существует необходимость создания специализированной системы поддержки принятия решений (ППР), которая бы ориентировалась на предприятия малого и среднего бизнеса индустрии здоровья и красоты (ПрИЗК).
Чтобы выявить основные факторы, влияющие на повышение эффективности оказания услуг в индустрии здоровья и красоты, было проведено маркетинговое исследование предпочтений потенциальных клиентов таких предприятий. Результаты проведённого исследования показали, что в современных условиях насыщенности рынка услуг индустрии здоровья красоты, для клиентов на второе место после квалификации кадров (которая была и будет одним из самых важных факторов) выходит учёт индивидуальных предпочтений, и. в частности, учёт предпочтений относительно времени прохождения услуг. Причем, для большинства клиентов желательно тратить на получение услуг как можно меньше времени [2].
В статье рассматриваются вопросы разработки научно обоснованного программного и инфор-
мационного обеспечения для повышения эффективности оперативного управления на ПрИЗК, оказывающих осязаемые услуги потребителям.
Положения концепции оперативного управления
Предлагаемая концепция оперативного управления процессом оказания услуг основана на применении подхода адаптивного оперативного управления с комбинированным использованием технологий распределённого искусственного интеллекта, методов исследования операций и многокритериального принятия решений. Система разработанных моделей предметной области позволила провести детальный анализ процесса оказания услуг как сложной системы с выявлением основных элементов и связей между ними.
Специфика оказания услуг в области здоровья и красоты заключается в следующем: процесс обслуживания клиента представляет собой оказание комплексной услуги, состоящей из набора типовых услуг; наличие большого разнообразия предоставляемых предприятием типовых услуг; отсутствие жёсткой последовательности предоставления типовых услуг (наличие альтернатив при оказании комплексной услуги); возможность многократного повторения типовых услуг в процессе оказания комплексной услуги; невозможность получения услуги по первому требованию, необходимость оформления предварительной заявки на оказание услуги; необходимость построения плана оказания услуг; телесно ориентированный характер оказываемых услуг.
Проведённый анализ позволил выделить в структуре информации о потребителях и услугах управляемые и неуправляемые переменные, а также параметры эффективности (рис.1).
Схема оперативного управления на ПрИЗК представлена на рис. 2. За основу схемы взята модель адаптивной системы управления идентификационного типа. Схема включает: подсистему адаптации, состоящую из блоков оценки и анализа, выработки управленческих решений, базы знаний и блока планирования, а также основного контура управления, включающего регулятор и объект управления [3].
Объектом управления в системе является процесс оказания услуг на ПрИЗК. Вначале работы системы осуществляется сбор информации о состоянии объекта управления, затем запускается подсистема адаптации. Составляется рабочий план, после чего в работу системы управления включается блок оценивания. План оценивается с точки зрения
Структура информации об услуге
Матрицы парных сравнений ¡услуг по_вида м^ се ма нтич ее к и х^ связей
I Типовая услуга] ф|~Комплексная услуга
Необходимые
Желательные
Требования технологического промесса
История оказания услуг
I Параметры эффекти вности
Критерии качества аГ
I Начало и
I окончание времени, когда ^ предоставляются услуги | ч.
Субъективное восприятие услуги клиентом
Услуга
г^зг
Факторы произ- л социальные■ р,---""" „-[
.- ^/"-[психологические |
У7
Неуправляемые I
переменные I -— I
¡"Перерывы на техническое___
I _ обслуживание__|
¡"Технические! -' перерывы Г
I Продолжительность'^''
Периоды доступности услуги
V
Параметры оказания услуги
1 оказания услуги
Механизм оказания услуги
т
I
^^ Природная среда
Местоположение услуги
-2Х-
|_ Специалист
массажист
— Технический персонал ■ ^
I медсестры I [ ремонтники I
Рис. I. Потоки информации об услугах на ПрИЗК
а х г 1
5 X
•з
■х. X
-9-&
с
и
_____________ Подсистема адаптации
Блок выработки
управленческих ^—Расчетные показатели-
решений
Правила принятия решении
Блок оценивания тг
Выработаииые управленческие решения
Блок назначения и планирования
Технологические' ограничения и параметры
Критерии эффективности
База знаний
-Рабочие планы
Варианты управленческих решении и соответствующие
им планы Управляющее
воздействие с
Регулятор ЛПР
-ж-
—реализующим его—> утвержденным планом
Объект оперативного управления на ПрИЗК: процесс оказании услуг
-Фактическое исполнение плана-
Рис. 2. Схема оперативного управления на ПрИЗК
экономических критериев качества. Затем готовое расписание вместе с экономической оценкой попадает в блок выработки управленческих решений. На этом этапе, на основе экономической оценки, выбирается возможное управленческое решение на основе правил из базы знаний. В блоке назначения и планирования на его основе разрабатывается рабочий план, после чего процесс работы подсистемы адаптации повторяется. После завершения работы подсистемы адаптации. ЛПР подаются варианты управленческих решений с соответствующими планами. После утверждения управленческого решения, соответствующий ему план передается на исполнение в объект управления.
Предлагаемые модели и методы принятия решений
На сегодняшний день, в связи с взаимозаменяемостью услуг и ростом номенклатуры оказываемых услуг, задача назначения комплексных услуг клиентам становится нетривиальной и возрастает необходимость использования методов исследования операций.
Предложен метод назначения типовых услуг, опирающийся на математическую модель этого процесса, и алгоритм решения, учитывающий экономические аспекты оказания услуг, позволяющий
улучшить экономическую обоснованность цен, что дает конкурентные преимущества предприятию на рынке. Используется модель задачи о рюкзаке, учитывающая взаимозаменяемость и взаимодополняемость услуг, а также варьирование количества назначенных типовых услуг при формировании комплексной услуги. Выделяются три типа предварительных назначений: первый тип - обязательный набор оказываемых услуг (например, показанные при болезни процедуры), второй тип - предпочитаемые клиентом услуги (например, многие желают получать массаж, даже если он не показан по болезни) и третий - прочие услуги (например, общеукрепляющие профилактические процедуры). Все предварительные назначения разбиваются на три группы, при этом каждой группе назначений эксперты присваивают весовые коэффициенты.
Разработана математическая модель задачи составления плана оказания услуг клиентам, которая учитывает формализованные технологические ограничения, накладываемые на этот процесс, индивидуальные критерии эффективности клиентов. а также общие для всех участников процесса оказания услуг критерии эффективности [4]. Задача относится к классу задач теории игр с непротивоположными интересами, а именно, к шрам с согласованным вектором интересов с запрещенными ситуациями. Необходимость учёта индивидуальных
предпочтений потребителей делает задачу многокритериальной и не решаемой методами теории массового обслуживания, в связи с отсутствием случайности появления заявок на обслуживание, ориентацией не столько на время обслуживания, сколько на учёт предпочтений клиентов, а также естественной гетерогенности оказываемых услуг. Также она не решается методами теории расписаний. в связи с неочевидностью использования свёртки для решения многокритериальной задачи, а учёт технологических особенностей оказания услуг на предприятиях индустрии здоровья и красоты не позволяет рассматривать её как задачу с выпуклой областью допустимых решений. Наличие невыпуклой области допустимых решений свидетельствует о невозможности решения данной задачи методами линейного программирования.
Рассмотрим пример принятия решений при оперативном управлении оказанием услуг. В процессе формирования плана необходимо сопоставить время оказания услуги конкретному клиенту на конкретном оборудовании, в зависимости от его загруженности. В результате формирования плана возможны следующие ситуации: не удалось распределить назначенные услуги для некоторых клиентов в силу полной загруженности оборудования; в расписании получились длительные просгои некоторого оборудования. В первом случае требуется либо произвести переназначение комплексной услуги, либо увеличить продолжительность работы оборудования. Во втором случае возможно сокращение продолжительности работы оборудования для снижения затрат. В результате принятия управленческого решения осуществляется построение нового плана оказания услуг. Принятие управленческих решений позволяет получить экономический эффект за счет сокращения простоя оборудования и увеличения пропускной способности ПрИЗК [5].
Достоинством разработанных правил выработки управленческих решений является тот факт, что они были созданы на основе проведённого маркетингового исследования предпочтений клиентов. А также то. что управленческое решение основано на анализе предложенных экономических критериев качества разработанного плана, т.е. правило применяется в случае превышения значения критерия качества плана некоторой пороговой величины.
Применяемые технологии распределенного искусственного интеллекта
В работе рассматриваются две основные составляющие реализации оперативного управления оказанием услуг: Во-первых, формализация задачи планирования, учитывающей специфику предметной области индустрии здоровья и красоты, приво-
дит к необходимости использования семантически выразительных средств для описания технологических ограничений и предпочтений клиентов. Во-вторых, всё более совершенствующиеся сетевые и многоядерные технологии, закладываемые даже в обычные персональные компьютеры, позволяют решать задачи планирования на новом технологическом уровне. Эти аспекты находят отражения в технологиях онтологических баз знаний и много-агентных систем, относящихся к области распределённого искусственного интеллекта [6].
В основе технологий распределённого искусственного интеллекта лежат: холистический подход и принципы самоорганизационного управления в сложных системах. Холистический подход подразумевает, что в сложной системе частные лица (агенты) могут объединяться в группы (холоны) по интересам для совместного решения общих задач. Принципы самоорганизационного управления накладывают определённые ограничения на структуру и функции распределённой системы: агентно-ориентированное управление, субъект-субъектные системные отношения, кооперативное поведение агентов и наличие распределённой базы знаний.
К недостаткам онтологического подхода к разработке базы знаний системы можно отнести то, что такое абстрактное универсальное описание приводит к необходимости обработки большего объема гипертекстовых данных, приводящего к увеличению накладных затрат, чем это могло быть при разработке специализированных структур данных. Ценой таких широких выразительных возможностей является более низкая скорость автоматической обработки инструкций при работе с онтологической базой знаний. Однако преимущества универсального описания проявляются в ситуациях, когда необходимы модификации технологических параметров оказания услуг, правил принятия решений, информации об индивидуальных предпочтениях клиентов и т.д.. потребность в когорых возникает достаточно часто на динамично развивающихся предприятиях.
Сложность объекта исследования обуславливает необходимость максимально более полного задействования доступных вычислительных ресурсов организации при решении задачи планирования оказания услуг, в результате чего в работе используется сегевая постановка задачи, связанная с тем, каким образом можно эффективно разделить процесс составления плана на отдельные потоки, исполняемые на отдельных процессорах узлов вычислительной сети организации. Выбор агентной парадигмы искусственного интеллекта для решения задачи планирования оказания услуг позволяет наиболее полно учитывать особенности
оказания услуг, проявляющиеся в естественном параллелизме шагов, относящихся к действиям отдельных участников процесса. Это позволяет практически без семантического разрыва перейти от постановки задачи в терминах теории игр к её решению в рамках многоагентной системы.
Роли клиентов и типовых услуг моделируются с помощью специальных интеллектуальных агентов, которые взаимодействует друг с другом на основе заложенных правил поведения. Данный способ реализации поддерживает на уровне стратегий «человеческие» эвристики. Реализуется алгоритм, моделирующий поведение людей в данной «жизненной» ситуации. В агентов заложены правила поведения, связанные с принятием решений по поиску подходящего времени для получения услуг клиентами, на основе итеративного процесса составления рационального плана получения услуг, начиная от применения эвристик «первый подходящий», «утряска», с последующей коммуникацией и совместным составлением плана путем переговоров между двумя, тремя и т. д. агентами. Таким образом, планирование не представляет собой последовательный перебор вариантов - поиск идет «со всех сторон».
На рис. 3 представлен пример взаимодействия агентов при составлении плана оказания услуг в случае, когда двум клиентам назначены две одинаковые услуги.
Реализация распределённой
интеллектуальной системы
Разработано программное обеспечение для поддержки принятия решений при оперативном
управлении оказания услуг в виде прототипа распределённой интеллектуальной системы ППР. Пользователями модулей регистрации, учёта и назначения услуг являются лица, ответственные за непосредственное «ведение клиента» на предприятии. Пользователями интеллектуального модуля оперативного планирования являются менеджеры среднего звена, отвечающие за оперативное управление оказанием услуг [7].
В модуле оперативного планирования агенты функционируют на агентной платформе JADE в среде JAVA. В JADE реализована система управления жизненным циклом агентов, а коммуникационная инфраструктура поддерживает единое информационное пространство вне зависимости от физического расположения программных агентов. JADE является платформой с открытым кодом и её лицензия LGPL не препятствует коммерческому распространению программного продукта, написанного на этой платформе. Среда J A VA является платформно-независимой, что позволяет использовать её в гетерогенных вычислительных сетях, без необходимости лицензирования рабочих мест.
Взаимодействие интеллектуального модуля с разработанной онтологической базой знаний осуществляется средствами JADE. Выбор языка представления знаний осуществлялся на основе проведённого анализа, основным критерием выбора OWL DL стала поддержка системы формально-логических вычислений, на которых основана работа поисковых агентов. Язык OWL DL, разработанный консорциумом ведущих производителей программного обеспечения для всемирной сети
W3C. является де-факто промышленным стандартом в области разработки онтологических баз знаний. Запросы осуществляются на языке запросов к веб-онтология м SPA ROL.
Язык OWL DL характеризуется поддержкой использования дескриптивных логик. Одной из наиболее важных особенностей дескриптивных логик, в отличие от исчисления предикатов первого порядка, является сделанный в них акцент на осуществимость логического вывода. В стандартных системах логики первого порядка предсказание времени выработки решения часто оказывается невозможным. С другой стороны, в дескриптивных логиках всё направлено на обеспечение того, чтобы логический вывод мог быть выполнен за время, полиномиально зависящее от размера описаний, за счет отказа от использования отношения отрицания и использования ограниченной формы дизъюнкции по явно заданным объектам.
Рассмотрим основные элементы языка OWL DL. используемые в онтологической базе знаний системы:
• средства для построения иерархии классов объектов (rdfs:subClassOf). например:
<owl:Class гё£Ю="Услуга"> <rdfs:subClassOf> <owl :Class rdf: 10="Процедура"/> </rdfs:subClassOf> </owl:Class>;
• одноместные предикаты, определяющие принадлежность элемента классу, например: <Клиент rdf: ID-'Петров" />;
• двуместные отношения, связывающие два объекта друг с другом (owl:()bjectProperty. owl:Data-typeProperty), например:
<owl:ObjectProperty Ы^Ш='имеет_назначе-ние'>
<rdfs:domain гёГ:геяоигсе:'#Клиент'> <rdfs:range ^гезоигсе^Шроцедура^ </owl:ObjectProperty>
<Клиент rdf:ID="neTpoB"> <имеет_назначение> <Процедура ^Г:ГО="массаж"/> </имеет_назначение> </Клиент>;
• ограниченный набор свойств, которые могут характеризовать используемые предикаты, например, транзитивность (TransitiveProperty), симме-тричность (Symmetric Property). функциональность (FunctionalProperty):
<owl:ObjectProperty rdf:ID=«HecoBMecTHMa_c"> <rdf:type rdf:resource="&owl;SymmetricProp-erty" />
<rdfs:domain rdf:resource="#npoueAypa" /> <rdfs:range rdf:resource=,,#npoi^ypa" /> </owl :ObjectProperty> <Процедура ^Г:Ш="Радоновая_ванна">
<несовместима_с ^С:ге5оигсе="#Сероводород-наяванна" /> </Процедура>: • ограничения для свойств, позволяющие определять классы, основанные на существовании специфических значений свойства; например, кардинальность свойства (owlxardinality, owl: hasValue): <owl:Class rdf:ID-'Клиент"> <rdfs:subClassOf> <owl:Restriction> <owl:onP-roperty rdf:resource="#y^yra'7>
<owl:mincardinality rdf:datatype="&xsd;non-Negativelnteger"> 1 </owI:mincardinality>
</owl:onProperty > </owl:Restriction> </rdfs: subClassOf> </owl:Class>. Для удалённого администрирования в JADE предусмотрен специальный тип агента RMA («Sniffer»), который показывает текущее состояние агентной платформы и предлагает богатый инструментарий для управления конфигурацией системы. Администрирование возможно и с помощью командной строки и с помощью графического интерфейса. Для поддержки выполнения заданий или работ, которые базируются на понятии бизнес-процессов, а также ряда механизмов для организации сложных распределений работ, используется программная надстройка WADE. При запуске её на узлах вычислительной сети, запускаются агенты, которые отвечают за работу данного узла («Daemon»). Администрирование системы осуществляется путем взаимодействия этих агентов со специальным агентом конфигурации, запущенным на сервере. Правила коммуникации между агентами основаны на протоколах, предложенных в спецификациях FIPA - Международной федерации по разработке интеллектуальных агентов. В разработанной системе осуществляется мониторинг состояния каждой рабочей станции с целью обеспечения отказоустойчивости работы интеллектуального модуля.
К сожалению, существующие системы распределённого искусственного интеллекта в области многоагентного моделирования, включая JADE, представляют собой библиотеки функций для разработки многоагентных систем, без реализации пользовательского интерфейса. Ведение электронного документооборота на предприятии, реализованного в модулях регистрации, учёта и назначения услуг клиентам, приводит к необходимости дублирования и обмена информацией между онтологической базой знаний интеллектуального модуля оперативного планирования и базой данных модулей регистрации, учёта и
Кли»нт 3
-I ШиИ^ЙК^^МИ- ^ЖД мЯВ----
I ЯЧйггЗиКггйГ...... -г.....—
I ГтЯт^^тХГт^ -------
; 1 яа^^^атащ ~—
^— —
■г« пшжккяяяяг .....5. «и..........
Шяяййввг" у кгг—
■¿.■¿ж*» ¡ПиК-
^»(»«нз^-Л»,»»*— -яПга-
? ттежшта!^ ■ - <азг -
.. тшш ттат • ......*т ж ~
г: жтжтшшг ; к«гшшЕ55я;1г- та
Юме« 1
Услуга 3 ')
9 9
■ ■ : : : :
в|в-«« а» а» < + * ы
а I
а ■ -ч; . е'.+ц .-
а »«,... »вЯв»*'.'*
В аМфТМИЧЗ и НфССТ»! •■ ■!•••
и
В -г 1,1 "к ймэ« а ю-.!/*,
» (»¡И Н ♦ в в
«Л:»."«
? у ъ I »
*«><! А» .г^АРУИЛШН^
-
'«««и
■ н»::»^. »чш !>»•«•»
р'^у Л А
а г^^л^^м^с
| V
1Ц.». ......Ц.у ¡»СШ.....Ц
'ммиавС ' ^ Я ГЪ*хян
А. -
Рис. 4. Взаимодействие модулей назначения и планирования
назначения услуг клиентам, реализованных в виде конфигурации 1С: Предприятие. Зашита персональных данных клиентов осуществляется средствами 1С:Предприятие. На рис. 4 показано взаимодействие модулей назначения и многоагент-ного планирования оказания услуг.
Исследование эффект ивности разработанных моделей и методов
Применение разработанного метода много-агентного планирования переносит основную сложность решения задачи оперативного планирования на вопросы, связанные с поддержкой коммуникаций между объектами многоагентной системы и рациональным распределением агентов по процессорам узлов вычислительной сети, что, в свою очередь, является нетривиальной задачей, требующей проведения вычислительных экспериментов каждый раз при изменении конфигурации вычислительной сети и/или параметров задачи планирования.
Проведённый анализ вычислительной сложности показал, что агентный подход к реализации позволяет естественное распараллеливание алгоритма. При большой размерности задачи многопроцессорный способ выполнения значительно сокращает время вычислений. При увеличении числа процессоров время расчета существенно уменьшается. при этом все большую роль играют затраты на коммуникацию между агентами. Влияние этих затрат наиболее велико при работе системы в среде
Интернет, например, в начале они даже приводят к снижению эффективности параллельного выполнения. которая при работе в высокоскоростных сетях на порядок больше (рис.56). Анализ показал, что при оперативном составлении плана оказания услуг экономически обоснованная плотность агентов варьируется от двух до трех на один процессор, что может служить для руководителя основанием для принятия решений о переконфигурировании вычислительной сети предприятия, в зависимости от изменения числа обслуживаемых клиентов.
Следует заметить, что в разработанной методике используются допущения о гомогенности вычислительной сети, в которой производятся расчеты (одинаковые характеристики производительности компьютеров, одинаковая скорость передачи сообщений в сети, вне зависимости от места расположения узлов сети и размера передаваемых сообщений, отсутствие задержек на синхронизацию и др.), что может привести к некоторому расхождению получаемых оценок с результатами функционирования реальной вычислительной сети.
Заключение
1. Предложена концепция оперативного управления процессом оказания услуг, отличающаяся тем, что она основана на схеме адаптивного оперативного управления с комбинированным использованием технологий распределённого искусственного интеллекта, методов исследова-
Рис. 5. Анализ эффективности моделей и методов а) Зависимость времен« расчетов (у) от количества процессоров (.*) для 50 клиентов б) Эффективность параллельного выполнения (у) в ЛВС от количества процессоров (.г) для 100 клиентов
ния операций и многокритериального принятия решений, что позволяет повысить эффективность оперативного управления за счет учета специфики предприятий индустрии здоровья и красоты.
2. Разработан метод интеллектуальной поддержки принятия управленческих решений, отличающийся тем. что основан на: проведённом маркетинговом исследовании предпочтений клиентов, позволившем сформулировать правила выработки управленческих решений, на анализе предложенных экономических критериев качества разработанного плана, а также на методе много-агентного планирования, позволяющем наиболее полно учитывать особенности оказания услуг, проявляющиеся в естественном параллелизме шагов, относящихся к действиям отдельных участников процесса.
3. Реализовано программное обеспечение -прототип распределённой интеллектуальной системы поддержки принятия решений при опе-
ративном управлении оказанием услуг, отличающееся тем, что в основе разработанных модулей регистрации, учета и назначения комплексных услуг клиентам, реализованных в виде конфигурации 1С: Предприятие, интеллектуального модуля оперативного планирования оказания услуг на базе агентной платформы JADE, а также онтологической базы знаний на языке OWL DL, в которую вынесена специфика работы предприятия, лежит разработанный метод интеллектуальной поддержки принятия решений.
Данное исследование осуществляется при поддержке грантами РФФИ № 08-07-00495 "Технологии распределённого искусственного интеллекта при поддержке принятия решений в задачах календарного планирования" и № 06-07-89228 "Система поддержки коммуникативных процессов при выполнении проектов фундаментальных исследований сложных систем на основе интеллектуальных мультиагентов".
СПИСОК ЛИТЕРАТУРЫ
1. Мультиагентная система составления расписания в санаторно-курортном комплексе: деп. рук. / Г. В. Сень-кина. Д. Р. Богданова. Д. В. Попов. Д. А. Ризванов, А. Р. Габдулхакова // У ГАТУ. Уфа. 2007. 233 с„ ил. деп. в ВИНИТИ 29.08.2007. № 850-В2007.
2. Подход к разработке системы календарного планирования с приме-нением онтологической базы знаний/Д. В. Попов, Д. А. Ризванов// Прил. к журналу «Отрытое образование». Май 2007. С. 82-84.
3. Информационная поддержка принятия решений при оперативном управлении с применением технологий распределенного искусственного интеллекта (на примере предприятий индустрии здоровья и красоты) // Д. Р. Богданова, Д. В. Попов, А. Хильберт / Материалы 10-ой Международной конференции «Компьютерные науки и информационные технологии» (CSIT'2008). Анталия, Турция. 2008. Т.2. С. 147-154. (на англ. яз.).
4. Математическое и программное обеспечение для поддержки принятия решений в санаторно-ку-рортном комплексе / Д. Р. Богданова, Д. В. Попов //
Вопросы современной науки и практики. Университет им. В. И. Вернадскога. Сер. «Технические науки». 2007. Т. 2, №4(10). С. 214-222.
5. Задача поддержки принятия решений при формировании расписания прохождения процедур отдыхающими в санаторно-курортном комплексе / Д. Р. Богданова, Д. В. Попов, Д. А. Ризванов // Обозрение прикладной и промышленной математики. 2008. Т. 15, вып. 2. С. 261-263.
6. Ризванов Д. А., Попов Д. В., Богданова Д. Р. Применение технологий распределённого искусственного интеллекта для решения задач календарного планирования / Материалы XIII Байкальской Всероссийской с международным участием конференции «Информационные и математические технологии в науке и управлении». Иркутск. 2008. Т. 2. С. 76-82.
7. Свид. об офиц. per. программы для ЭВМ № 2008613990 (Многоагентная система составления графика оказания услуг на основе онтологической базы знаний) / Д. В. Попов, Д. Р. Богданова, Д. А. Ризванов // Роспатент, 21 августа 2008.
