CC BY
65
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ ПРОИЗВОДСТВОМ
ОСОБЕННОСТИ УПРАВЛЕНИЯ ПРОМЫШЛЕННЫМ ПРЕДПРИЯТИЕМ В УСЛОВИЯХ РИСКА И НЕОПРЕДЕЛЕННОСТИ НА ОСНОВЕ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА А.В. Мандрыкин, канд. техн. наук, доцент,
А.В. Кладов, ст. преподаватель Воронежский государственный технический университет, г. Воронеж
В статье раскрываются современные подходы к управлению производственным предприятием в условиях риска и неопределенности на основе использования систем искусственного интеллекта
Любой реальный объект существует в зоне постоянных рисков, и чем сложнее его организация и взаимосвязи с внешним миром, тем сложнее и разнообразнее присущие ему риски. Это диктует необходимость создания на любом предприятии эффективной системы риск-менеджмента. Она позволяет изучить возможные опасности, оценить их влияние на долгосрочную жизнеспособность предприятия и принять необходимые меры по их предотвращению.
Организацию риск-менеджмента на предприятии необходимо осуществлять в рамках единого системного подхода, что предполагает комплексную реализацию решения следующих задач:
- формирование общей политики управления рисками, определение приемлемого уровня риска, допустимых потерь;
- идентификация рисков и оценка их воздействия, ранжирование групп рисков;
- определение методик управления рисками;
- закрепление технологических требований, установление лимитов на операции, объемы ресурсов, определенных клиентов и группы клиентов, ограничение полномочий сотрудников;
- формирование системы контроля соблюдения установленных требований и процедур;
- анализ текущего уровня риска, технологических, управленческих и финансовых показателей компании;
- внесение корректировок в установленные требования, лимиты и процедуры и т. п.
Такой обширный круг задач диктует необходимость построения эффективной системы риск-менеджмента на предприятии на основе комплексной интеграции процедур управления рисками практически во все процессы предприятия, такие как снабжение, оценка качества продукции, договорные отношения с поставщиками, запасы материалов, соответствие требованиям надзорных органов, соблюдение технологических порядков и установленных процедур, ремонт оборудования, работа с кадрами, деятельность на финансовых рынках, работа с клиентами, бюджетирование и т.д. Реализация подобных интеграционных процессов значительно упрощается благодаря применению современных информационных технологий и средств автоматизации.
Предприятия, не использующие специализированные программные средства при построении систем
риск-менеджмента, обычно сталкиваются с тремя главными проблемами: низкая динамичность процесса управления рисками, отсутствие достаточной прозрачности информации, высокая затратность. Это обусловлено тем, что данные о рисках и статусе их управления обновляются неоперативно: при согласовании и оценке идентифицированных угроз достаточно много времени занимает коммуникация между специалистами. Порой отсутствует единая база данных по фактическим рисковым событиям, нарушениям, выявленным в результате проверок и идентифицированным потенциальным угрозам. Часто отсутствуют гибкие шаблоны отчетности, а часть информации фиксируется лишь на бумажных носителях.
Подобная нерациональность и несвоевременный обмен информацией ведут к снижению оперативности получения данных, к невозможности быстро и качественно сделать срез по однородным запросам, предоставить руководству статистический анализ или динамику показателей, а также к риску потери уже полученных результатов. На аудит деятельности по управлению рисками приходится затрачивать значительные ресурсы, часто процесс риск-менеджмента становится неэффективным.
В свою очередь, внедрение информационных технологий на предприятии позволяет:
- Повысить эффективность управления компанией за счет обеспечения руководителей и специалистов максимально полной, оперативной и достоверной информацией на основе единого банка данных.
- Снизить расходы на ведение дел за счет автоматизации процессов обработки информации, регламентации и упрощения доступа сотрудников компании к нужной информации. Изменить характер труда сотрудников, избавляя их от выполнения рутинной работы и давая возможность сосредоточиться на профессионально важных обязанностях.
- Обеспечить надежный учет и контроль поступлений и расходования денежных средств на всех уровнях управления.
- Руководителям среднего и нижнего звеньев анализировать деятельность своих подразделений и оперативно готовить сводные и аналитические отчеты для руководства и смежных отделов.
- Повысить эффективность обмена данными между отдельными подразделениями, филиалами и центральным аппаратом.
- Гарантировать полную безопасность и целост-
ность данных на всех этапах обработки информации.
Спектр реализации информационных технологий для решения задач управления предприятием и формирования элементов системы риск-менеджмента различен.
В первую очередь, это корпоративные информационные системы, базирующие на общепризнанных стандартах управления: MRP II, ERP, ERP II, CSRP и т.д.
Изучение возможностей практического использования этих программ в управлении промышленным предприятием в условиях риска и неопределенности позволило выявить, что, несмотря на кажущиеся достоинства, простоту и многофункциональность, все эти системы обладают рядом недостатков в этой области. К их числу относятся следующие:
1. Программы преимущественно ориентированы на реализацию функции учета данных и их накопления в базах и хранилищах в автоматическом режиме.
2. Реализация остальных функций управления (прогнозирования, планирования, координации и др.) обеспечивается инициирующим участием пользователя, а качество их реализации определяется его квалификацией, интеллектом, степенью заинтересованности и отношением к исполнению своих обязанностей. Что приводит к необоснованному замедлению скорости реакции на рисковые ситуации.
3. Низкая способность к обобщению данных, так как информация формируется в виде, предусмотренном программистами, что не всегда соответствует потребностям лиц, принимающих решения. На основе обобщения данных формируется именно качественное решение по выходу из сложившейся критической ситуации, чего недостаточно для разработки и реализации эффективных и , главное, оперативных воздействий.
4. Большое число данных и взаимосвязей между ними обуславливают высокий уровень влияния на принимаемые решения ошибок, возникающих в отдельных элементах, значения которых многократно увеличиваются в процессе обработки информации. Что недопустимо в условиях риска, так как принимаемые решения должны быть направлены на уменьшение степени неопределенности в сложившейся ситуации.
5. Проблема совместимости с другими типами программного обеспечения (маркетингового, логистического и др.).
6. Невозможность объединить отдельные элементы программ в единую комплексную систему. При этом рациональные решения управления, принимаемые в функциональных подсистемах, не гарантирует принятия рационального решения в условиях риска по всей системе в целом, так как сумма локальных оптимумов не всегда обеспечивает глобальный оптимум.
Сегодня, в связи с очередной волной развития информационных технологий и средств вычислительной техники, характеризующейся появлением технологий искусственного интеллекта, наблюдается повышенный интерес к исследованию принципов струк-
турно-функциональной организации интеллектуальных нейросистем. Прежде всего, появление систем искусственного интеллекта связано c многократным ростом скорости изменений и колоссальными информационными перегрузками. Управлять такими потоками информации для решения задач риск-менеджмента на промышленном предприятии можно только с использованием новых методов и инструментов управления.
На взгляд авторов, будущее интеллектуального управления лежит в сочетании традиционного управления с потенциальными возможностями и перспективами использования систем, основанных на использовании искусственных нейронных сетей.
Термин интеллект (intelligence) происходит от латинского intellects — что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) — ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.
Особое место среди систем искусственного интеллекта занимает нейронная сеть.
С точки зрения искусственного интеллекта, нейронная сеть является основным направлением в изучении возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов
Нейронная сеть (Neural Network) — понятие не материальное, а скорее виртуальное. Это математический аппарат, позволяющий строить алгоритмы обработки информации, обладающие уникальной способностью обучаться на примерах и «узнавать» в потоке зашумленной и противоречивой информации приметы ранее встреченных образов и ситуаций. Они позволяют находить скрытые зависимости между входными и выходными данными, которые остаются вне внимания традиционных методов. По этой причине решения на основе нейросетей в большом почете у финансистов и экономистов, медиков и политиков — у всех, кому по роду деятельности приходится заниматься прогнозированием и анализом сложных ситуаций.
Особый интерес представляют способы решения задач управления промышленным предприятием в условиях риска и неопределенности, основанные на синтезе быстродействующих нейросетевых моделей с традиционными компьютерными программами. В этом случае целесообразно и перспективно формирование гибридных экономических нейросетей, особенно для оперативного управления предприятия, объединяющих различные элементы общей сети экономики предприятия в единую технологию управления.
Преимуществом нейронных сетей в управлении промышленным предприятием в условиях риска и неопределенности перед традиционными системами управления является:
1. Нейронные сети могут обучаться любым функциям, важен только объем предоставленных
данных и выбор правильной нейронной модели. Таким образом нейронные сети позволяют избежать использования сложного математического аппарата;
2. Использование нелинейных функций активации в нейронных сетях позволяет реализовать задачи с существенными нелинейностями;
3. Нейронные сети являются самообучаемыми системами. Это означает возможность осуществлять управление в условиях существенных нелинейностей;
4. Высокая степень параллельности нейронных сетей обеспечивает высокую производительность вычислений;
5. Нейронные сети способны прогнозировать поведение системы в сложных, неопределенных ситуациях;
6. Архитектура параллельной обработки позволяет нейронной сети функционировать даже при повреждении отдельных элементов сети.
Из этого следует, что нейронные сети имеют большие перспективы в области управления сложными экономическими процессами в условиях риска.
В основе применения нейронных сетей лежит фундаментальное допущение: замена прогнозирования распознаванием. По большому счёту, нейросеть не предсказывает будущее, а «узнаёт» в текущем состоянии системы ранее встречавшуюся ситуацию и воспроизводит последовавшую реакцию. Это необходимо, если риск является повторяющимся.
Функционирование нейронной сети обеспечивается взаимосвязью между отдельными подразделениями предприятия, объединенными в единую экономическую систему за счет встроенных нейроструктур, функционирующих на основе анализаторов сигналов, нейросвязей и элементов, перерабатывающих информацию.
Самым важным свойством нейронных сетей является их способность обучаться на основе данных окружающей среды и в результате обучения повышать свою производительность. Повышение производительности происходит со временем в соответствии с определенными правилами. Обучение нейронной сети происходит посредством интерактивного процесса корректировки синаптических весов и порогов. В идеальном случае нейронная сеть получает знания об окружающей среде на каждой итерации процесса обучения.
Обучение - это процесс, в котором свободные параметры нейронной сети настраиваются посредством моделирования среды, в которую эта сеть встроена.
Определение процесса обучения нейронной сети предполагает следующую последовательность событий:
1. В нейронную сеть поступают стимулы из внешней среды.
2. В результате первого пункта изменяются свободные параметры нейронной сети.
3. После изменения внутренней структуры нейронная сеть отвечает на возбуждения уже иным образом.
Рассмотрим функциональную структуру использования «Системы искусственного интеллекта» (рисунок).
Конечные пользователи
ц. 43. и.
і--------------------------------------1
| ИНТЕРАКТИВНЫЙ ИНТЕРФЕЙС \
Пользовательский интерфейс |
' | Трансляторы. Сислнма обнсіючвмия ! '
взаимопонимания | г.
РЕШАТЕЛЬ
"л -а -а
Вычислительные.
Логические.
1 (опоковые средстм
ИСПОЛНИТЕЛЬНАЯ ПОДСИСТЕМА
Функциональная структура использования «Системы искусственного интеллекта»
Эта структура состоит из трех комплексов вычислительных средств. Первый комплекс представляет собой совокупность средств, выполняющих программы (исполнительную подсистему), спроектированных с позиций эффективного решения задач, имеет в ряде случаев проблемную ориентацию. Второй комплекс - совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей. Третьим комплексом средств, с помощью которых организуется взаимодействие первых двух, является база знаний, обеспечивающая использование вычислительными средствами первых двух комплексов целостной и независимой от обрабатывающих программ системы знаний о проблемной среде. Исполнительная подсистема объединяет всю совокупность средств, обеспечивающих выполнение сформированной программы. Интеллектуальный интерфейс - система программных и аппаратных средств, обеспечивающих для конечного пользователя использование компьютера для решения задач, которые возникают в среде его профессиональной деятельности либо без посредников либо с незначительной их помощью.
На практике в процессе управления предприятием в условиях риска часто встречаются задачи, связанные с наблюдением случайных величин. Для подобных задач не удается построить детерминированные модели, поэтому применяется принципиально иной, вероятностный подход. Параметры вероятностных моделей - это распределения случайных величин, их средние значения, дисперсии и т.д. Как правило, эти параметры изначально неизвестны, а для их оценки используются статистические методы, применяемые к выборкам наблюдаемых значений (историческим данным).
Применение нейросетевой технологии уместно в случаях, когда формализация процесса решения трудна или вообще невозможна. Они являются очень мощным инструментом моделирования, поскольку нелинейны по своей природе.
В управлении промышленным предприятием в условиях риска и неопределенности наиболее целесообразно применение нейронных сетей для решения задач своевременного принятия организационных, экономических, производственных решений и правильного прогноза событий на различные интервалы времени. Нейронные сети используются в качестве модели представления знаний и составляют ядро базы знаний. Т ак, использование нейронных сетей в производственном процессе позволяет осуществлять непрерывный контроль основных технологических параметров. В случае отклонения этих параметров нейронная сеть помогает быстрее определять причины этих отклонений и выдает конкретные рекомендации по их устранению.
В частности при управлении производством применение инструмента нейронной сети, на взгляд авторов, дает возможность решения следующих задач:
-Проведение оценки производственных рисков;
-Прогнозирование необходимого запаса сырья;
-Идентификация и прогнозирование уровня дефектности при наличии исходных данных;
-Оптимизация производственной программы выпуска продукции;
-Оперативное планирование при организации производства на самой ранней стадии, когда издержек еще можно избежать;
-Анализ и оценка возможных вариантов конфигурации сборочных модулей и вариантов организации процесса сборки (при различных временах выполнения технологических операций, очерёдности выполняемых операций, различных приоритетах и количестве сборочных модулей);
-Мониторинг процессов производства с непрерывным регулированием управляющих параметров.
Помимо перечисленных задач нейронные сети дают обеспечивающие возможности:
-Эффективно решать сложные управленческие задачи в условиях неопределённости и динамически изменяющейся внешней среды;
-Ускорить процесс поддержки принятия решений;
-Существенно повысить качество принимаемых решений.
Однако, применение нейронных сетей никогда не сможет полностью заменить людей в процессе решения задач. Нейронные сети должны использоваться для обобщения данных, а не для определения, атрибуты и критерии которого весьма важны при сборе данных. Нейронные сети адаптивны по своей природе, они могут подражать решению проблемы человеком особенно в критических ситуациях, но они не сообщат нам, какой из критериев решения задачи должен быть принят во внимание перед сбором данных. Кроме того, обучающиеся машины часто используются для формализации знаний из данных реального мира,
но сами обучающиеся машины не могут генерировать принципы формализации. Нейронные сети не являются панацеей, во многих случаях более эффектным будет использование традиционных методов статистики. Несмотря на это, в управлении промышленным предприятием в условиях риска и неопределенности нейронные сети зарекомендовали себя как более рациональное решение и требуются дальнейшие исследования в данной области.
Литература
1. Андрейчиков А.В. Интеллектуальные информационные системы: учебник / А.В. Андрейчиков, О.Н. Андрейчикова. М.: Финансы и статистика, 2004. 424 с.
2. Комашинский В.И. Нейронные сети и их применение в системах управления и связи / В. И. Кома-шинский, Д. А. Смирнов. М.: Горячая линия - Телеком, 2002. 94 с.
3. Наши сети - самые крепкие в мире / http: //www.dengi^nfo. com/archive/article.php?aid=427
4. Нейросеть, которой ловят золотых рыбок. / http: //www.dengi-info. com/ archive/article.php?aid=390
5. Позин Б. Информационные технологии будущего: потребности и возможности / Б.Позин // Директор информационной службы. 2002. N 11. С.57-63.
6. Тимохов В.И. Нужно ли творчество бизнесу /
B.И. Тимохов. http://trizland.ru/trizba.php?id=208
7. Царегородцев В. Программы для создания и моделирования нейронных сетей. NeuroPro / В. Царегородцев // http://neuropro.ru
8. Корнеев Д. С. Использование аппарата нейронных сетей для создания модели оценки и управления рисками предприятия / Д. С. Корнеев // Управление большими системами. М.: ИПУ РАН, 2007. Вып. 17.
C.81-102.
9. Киселица Е.П. Проблемы современной экономики http://www.m-economy .ru/art. php3? artid=21560
® 8(4732) 43-76-67
Ключевые слова: риск и неопределенность, искусственный интеллект, нейронная сеть
