CC BY
46
Примечание: ТЗК - технология защитного контейнера, ТВК - технология вложенного ключа, КЗС - ключ защиты сеанса, КЗЗП - ключ защиты ЗП (заявочных параметров), КЗУМ - ключ защиты управляемых метаданных, знаки «+» и «-» - процедуры шифрования и дешифрования соответственно.
Рис. 4. Система безопасности информационного обслуживания
мощью КЗЗП и КЗУМ соответственно. Согласно ТВК дешифрование происходит на стороне МОСТ, куда КЗЗП и КЗУМ доставляются в зашифрованном виде. Вариант 2 (рис. 4) показывает необходимость синхронизации действий инструктора и пользователя (методами варианта 1) по отношению к КЗУМ, с помощью которого КОРМ шифруется инструктором и сохраняется в базе, а пользователем дешифруется перед заправкой.
Технологические аспекты стратегии безопасной информатизации России в целом, к сожалению, еще не проработаны, как и системные сред-
ства и инструментальные компоненты обслуживания информационного обмена, которые заимствуются у известных иностранных поставщиков программного обеспечения. Происходит очевидное ущемление национальных интересов с превращением отечественных разработчиков информационных систем в зависимых потребителей чужой интеллектуальной собственности из разряда стратегических информационных технологий -одного из важнейших направлений модернизации России. Представленная автором технология дает шанс отечественным потребителям и производителям услуг крупномасштабной корпоративной информатизации в действительности гарантировать рекордную производительность и безопасность информационного обслуживания.
Литература
1. Семенов Ю.А. Протоколы Интернет. М.: Горячая линия - Телеком, 2005.
2. Грабер М. SQL. Описание SQL92, SQL99 и SQLJ. М.: Лори, 2003.
3. Алур Д., Крупи Д., Малкс Д. Образцы J2EE. Лучшие решения и стратегии проектирования. М.: Лори, 2004.
4. Чакраборти А., Кранти Ю., Сандху Р. Microsoft .NET Framework. Разработка профессиональных проектов. СПб: BHV, 2003.
5. Алексеевский М.В. Технология программирования КОБРА/КОРИНФ и корпоративная интернет-информатика. М.: Изд-во МЭИ, 2006.
УДК 004.942
ОЦЕНКА ИННОВАЦИОННОГО ПОТЕНЦИАЛА ОРГАНИЗАЦИЙ РЕГИОНА НА ОСНОВЕ ГИБРИДНЫХ ЭКСПЕРТНЫХ СИСТЕМ
О.И. Пятковский, д.т.н.; О.И. Тишков
(Алтайский государственный технический университет им. И.И. Ползунова, г. Барнаул,
[email protected], [email protected])
В статье рассматриваются вопросы создания моделей и программного обеспечения для определения уровня инновационного потенциала организации с применением технологии гибридных экспертных систем и нейронных сетей.
Ключевые слова: инновационный потенциал, гибридные экспертные системы, нейронные сети.
На современном этапе экономического развития регионов страны актуальной задачей является разработка адаптивных программных комплексов для оценки инновационного потенциала промышленного предприятия (как основного производителя инновационной продукции) и научно-технической организации (НТО), занимающейся НИОКР и являющейся главным генератором инноваций, а также сопряжение их потенциалов.
Инновационный потенциал организации рассматривается как совокупность ее различных ресурсов Я'" (интеллектуальных, производственных,
финансовых и др.) и внешних факторов Я0"1, обусловливающих возможность реализации инновации: 1Р1=<К1'", К(0и1>, где 1 - период, в котором производится измерение.
Система управления инновациями в организации предполагает оперативное взаимодействие со всеми участниками инновационного процесса. Обеспечить его можно с помощью интернет-технологий, посредством которых каждый участник обращается к центральному ^еЬ-порталу. Таким образом, может быть создана единая площадка для представления и сопряжения интересов участ-
Рис. 1. Информационное обеспечение системы управления инновационной деятельностью _в регионе_
ников инновационного процесса в регионе (научно-технических организаций, университетов, промышленных предприятий, инвесторов, представительств федеральных, региональных и городских властей). Более сложно соотнести интересы промышленных предприятий и НТО, для чего необходимо оценивать инновационный потенциал обоих участников.
На рисунке 1 представлена общая структура программного комплекса, обеспечивающего взаимодействие производственных предприятий и НТО. Основным элементом комплекса является аналитическая подсистема «Бизнес-Аналитик», изображенная на рисунке 2 (Свид. об офиц. регистр. прогр. для ЭВМ № 2005611449 (Авторы: Тишков О.И., Пятковский О.И., ПятковскийИ.О., АвдеевА.С. и др.)).
Важнейшее место в структуре аналитической подсистемы занимает блок построения модели решения задачи, реализующий технологию гибридных экспертных систем. В нем осуществляется настройка иерархического дерева решения задачи. Каждый узел дерева - это отдельная подзадача гибридной экспертной системы, для которой определяются метод решения и интервал допустимых значений [1].
В результате исследований выделен ряд факторов, позволяющих охарактеризовать инновационный потенциал предприятия. На их основе был сформирован массив входных данных X (77 показателей). Настоящая задача структурирована в виде иерархической модели (графа связей), в верхнем уровне которой определены 9 интегральных показателей, а также выделено 11 других промежуточных узлов. В таблице 1 представлены методы решения основных интегральных показателей верхнего уровня гибридной модели оценки инновационного потенциала промышленного предприятия, где НС - нейронная сеть, ЭС - продукционная экспертная система, Ф - формула.
Рис. 2. Структура аналитической подсистемы
В модели оценки инновационного потенциала промышленного предприятия наиболее сложным с точки зрения степени неопределенности связей входных и выходных параметров является оценка интеллектуального потенциала. Модель данной подзадачи (рис. 3) представлена следующей формулой:
N М
Р2 =ГЧ1«<1)1ГК)Г" (2>Х* (Рг: (х2Ш ,...,х2Ш )->
1-1 1'
^Веа81опр,„18)+№<°)(Рг:(х2Ш,х2Ш,х2Ш)^Веа8Ю11Лр)+ +№^(Рг:(х2Шд2Ш,х2Ш)^Беа8юп!М8)+№<°)х214+№<°)х215 +
к=1
+\у(||)х +\У(||)Х +\у(||)х ™
^ " 2к А252 ^ " Зк А253 ^ " 4к А254 »»'
где P2 - интегральные показатели в модели инновационного потенциала; Г"1, fvz - функции нелинейного преобразователя нейронной сети, используемые для решения задач «Оценка интеллектуального потенциала», «Оценка кадрового по-
ношение предпосылки и заключения по поводу задачи Podg; Беазюп^, Беазюп^ - заключения
продукционной экспертной системы для подзадач «Оценка остепененности сотрудников», «Оценка стажа работников».
Программный комплекс обеспечивает адаптивность представленной модели за счет средств адаптивной настройки под предметную область. В частности, для нейросетевых решателей используются методы автоматического конструирования и дообучения.
Для оценки инновационного потенциала НТО используется другая модель с тем же принципом построения и расчета (см. рис. 4).
В концепции гибридных экспертных систем соотнесение потенциалов осуществляется по узлам построенных графов связей решения задач. Соотнесение можно выполнять между любыми узлами исходя из их характеристик и поставленных целей. В качестве целей соотнесения рассматриваются:
1) Зх - создание тематического кластера для реализации инновационного проекта (в этом случае необходимо отобрать наиболее сильных участников с учетом особенностей проекта);
2) 32 - подбор НТО для усиления слабых мест на предприятии (например, при низком интеллектуальном потенциале предприятия необходимо подобрать НТО для проведения НИОКР по инновационному проекту).
Для решения первой задачи может быть настроена гибридная экспертная система соотнесения НТО и промышленного предприятия для реализации инновационных проектов (рис. 5), которая способна функционировать автоматически по заранее настроенным правилам и в диалоговом режиме, когда пользователю-эксперту предлагается последовательно ответить на ряд вопросов.
Пусть Я, Т - соответственно множества показателей оценки инновационного потенциала предприятия и НТО, где К={Ррге"рг, хрге"рг} и Т={Рп1°, X"10}; Ррге<|рг, Рп1° - множества интегральных показателей модели оценки инновационного потенциала; хр"^рг, Хп1° - множества исходных показателей модели оценки; О - множество показателей-характеристик проекта, оцениваемых экспертно. Тогда функция подбора выглядит следующим образом:
Х^РподбО^Т^)- (2)
Для достижения второй цели процедура соотнесения потенциалов несколько проще. Достаточно определить список значимых факторов, по которым предприятие подбирает партнера, и граничные условия Ь:
(3)
Для решения данной задачи подойдет обычная продукционная экспертная система.
Представим процедуру соотнесения потенциалов предприятия и НТО с целью создания кластера.
Таблица 1
Пока- Название Метод Функция Шкала
затель показателя решения решения измерения
Инновацион- Ф Рр() 0-10
ный потенциал
P1 Финансовый потенциал НС №"() 0-10
P2 Интеллектуальный потенциал НС 0-10
P3 Организацион-но-управлен-ческий потенциал ЭС К«В() 0-3
P4 Маркетинговый потенциал НС 0-10
P5 Информацион-но-методичес-кое обеспечение НС 0-10
P6 Опыт реализации инновационных проектов НС №р'() 0-10
P7 Внешний инновационный климат ЭС Кк|ш() 0-3
P8 Потенциал материально-технической базы НС №"я0 0-10
тенциала», «Оценка взаимодействия с научными организациями»; 14, М, Ь - количество нейронов в скрытых слоях; {х}еХ - исходные данные; {\¥} -синаптические весовые коэффициенты; Рг:(х2ш, ..., х2цб)—»Вес18Юпро(,г - продукционная экспертная система по определению уровня подготовки специалистов, где (Х2111, ..., Х211б)-»Бес18ЮПроаг -правила продукции, отражающие причинное от-
Оценка инновационного потенциала предприятия
Рис. 3. Модель оценки интеллектуального потенциала предприятия в структуре модели оценки инновационного потенциала
Примечание: в названиях узлов в скобках указаны рекомендуемые методы решения: НС - нейронная сеть, ЭС - экспертная система, Ф - формула.
Рис. 4. Интегральные показатели гибридной модели оценки инновационного потенциала НТО
1. Формирование ЕхреЛ= ег ,г=1,8 .
экспертной
группы
2. Сбор данных об инновационном проекте, формирование массива д= х|" ,к=1^М.
Оценка соотнесения предприятия и НТО
НС
Оценка возможности исполнения проекта на базе предприятия
Общее соотнесение
Оценка опыта
Оценка финансовых возможностей
Финансовый потенциал предприятия
Соответствие отрасли специфике проекта Оценка маркетинговых возможностей
ЭС
Оценка маркетингового потенциала
Сумма, которую предприятие готово потратить на внутрифирменную науку
Возможность привлечения средств в нужных объемах
Требуемая по проекту сумма
Оценка
технической
возможности
ЭС
Оценка инновационного потенциала предприятия
Оценка востребованности продукции
Наличие необходимой площади
Наличие необходимого оборудования
Оценка инновационного потенциала НТО
Опыт реализации иннов. проектов предприятием
Опыт реализации иннов. проектов НТО
ЭС I Оценка соотнесения интеллектуального потенциала
Динамика развития ИД НТО
ЭС
Оценка остепенен-ности
Оценка интеллектуального потенциала НТО
Оценка подготовленности кадров
Остепенен-
ность предприятия
Остепенен-ность НТО
Подготовленность предприятия
Подготовленность НТО
Рис. 5. Гибридная модель оценки соотнесения предприятия и НТО
3. Предварительная оценка целесообразности проекта с помощью продукционной экспертной системы Рг:(3—>Веа8шпр1..
4. Отбор предприятий по отрасли выбранного проекта.
5. Оценка инновационного потенциала пред-
.¡=1,1\п1"
7. Цикл по соотнесению каждого предприятия с каждым НТО в соответствии с моделью Tasksootn, формирование результатов оценки сч .
8. Выбор лучших пар SmaX=max(Ci¡).
9. Создание бизнес-плана реализации проекта, его обоснование и формирование кластера организаций.
Итоговая модель решения задачи оценки инновационного потенциала была получена в результате многочисленных экспериментов. При этом изменялись как методы решения в узлах графа, так и сама структура модели.
В таблице 2 отображены результаты соотнесения кафедр технического университета с предприятиями и проектами. К1, К2, ..., К20 - кафедры университета; П1, П2 - предприятия; ПР1, ПР2 -инновационные проекты. В колонке «Оценка» указаны числовые значения результата соотнесения по шкале [0-10]. Исследования по соотнесению были проведены для создания кластеров по реализации инновационных проектов «Разработка двигателей на основе рапсового масла» на базе
ООО «Сибэнергопром» (г. Барнаул) и «Производство двигателей на водороде» на базе ОАО «Бар-наултрансмаш».
Таблица 2
Группа Оценка Группа Оценка
К1-П1-ПР1 2,46 К1-П2-ПР1 1,16
К2-П1-ПР1 2,32 К2-П2-ПР1 1,14
К3-П1-ПР1 2,46 К3-П2-ПР1 1,39
К4-П1-ПР1 3,02 К4-П2-ПР1 2,66
К5-П1-ПР1 1,14 К5-П2-ПР1 1,14
К6-П1-ПР1 6,98 К6-П2-ПР1 6,34
К7-П1-ПР1 7,78 К7-П2-ПР1 7,38
К8-П1-ПР1 7,02 К8-П2-ПР1 6,08
К9-П1-ПР1 2,46 К9-П2-ПР1 2,53
К19-П1-ПР1 0,69 К19-П2-ПР1 0,66
К20-П1-ПР1 0,16 К20-П2-ПР1 0,16
К1-П1-ПР2 1,14 К1-П2-ПР2 0,73
К2-П1-ПР2 1,19 К2-П2-ПР2 0,88
К3-П1-ПР2 2,5 К3-П2-ПР2 2,78
К4-П1-ПР2 2,74 К4-П2-ПР2 3,33
К5-П1-ПР2 0,93 К5-П2-ПР2 1,14
К6-П1-ПР2 6,72 К6-П2-ПР2 6,56
К7-П1-ПР2 6,48 К7-П2-ПР2 7,149
К8-П1-ПР2 6,15 К8-П2-ПР2 6,72
К9-П1-ПР2 2,46 К9-П2-ПР2 3,27
К19-П1-ПР2 1,16 К19-П2-ПР2 0,72
К20-П1-ПР2 0,33 К20-П2-ПР2 0,27
Результат анализа можно интерпретировать следующим образом: и в первом, и во втором слу-
чаях предприятия и НТО К7 в большей степени подходят друг другу для совместной реализации инновационного проекта. Данное исследование подтверждено выводами экспертов.
Разработанный программный комплекс применяется для оценки инновационного потенциала научных центров Алтайского государственного технического университета и промышленных предприятий края. Представленные модели используются для создания ^ей-портала поддержки инновационной деятельности в регионе. Данный портал позволит решать задачи оперативного сбора данных об инновационной деятельности, оцен-
ки инновационного потенциала региона и формирования научно-производственных кластеров.
Литература
1. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией. Барнаул: АлтГТУ, 2002. 219 с.
2. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М.: Физматлит, 2002.
3. Нейроинформатика / А.Н. Горбань [и др.]. Новосибирск: Наука, Сибирская издат. фирма РАН, 1998. 296 с.
4. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, Физматлит, 1987. 288 с.
УДК 004.8 (075.8)
ИНТЕЛЛЕКТУАЛЬНОЕ ОБУЧЕНИЕ НА ОСНОВЕ РАЗРАБОТКИ И ИСПОЛЬЗОВАНИЯ ОБУЧАЮЩИХ ИНТЕГРИРОВАННЫХ ЭКСПЕРТНЫХ СИСТЕМ
(Работа выполнена при финансовой поддержке РФФИ, проект 09-01-00638)
Г.В. Рыбина, д.т.н.; А.В. Семенов; Л.С. Степанов; О.В. Нистратов
(Национальный исследовательский ядерный университет «МИФИ», г. Москва,
galina@pilab. mephi. ru)
Описываются опыт и перспективы применения обучающих интегрированных экспертных систем, разработанных на основе использования задачно-ориентированнной методологии и поддерживающего эту методологию инструментального программного комплекса АТ-ТЕХНОЛОГИЯ (веб-версия).
Ключевые слова: интегрированная экспертная система, модель обучаемого, модель обучения, психологический портрет личности, инструментальная система, моделирование.
Инновационное развитие современных компьютерных технологий обучения и систем управления качеством образования предполагает переход к новым архитектурам обучающих систем, ориентированным на индивидуализацию, интеллектуализацию и веб-ориентацию традиционных обучающих систем, программ и технологий. Как показано в [1, 2], важную роль здесь могут сыграть интегрированные экспертные системы (ИЭС) с масштабируемой архитектурой, позволяющей расширять функциональность традиционных экспертных систем с помощью дополнительных подсистем и компонентов, реализующих в том числе характерные для интеллектуального обучения средства, а именно:
индивидуальное планирование методики изучения учебного курса (конкретизация для каждого студента последовательности тем/разделов курса, индивидуальный контроль и выявление проблемных зон обучаемых, оптимизация индивидуального обучения);
• интеллектуальный анализ решений учебных задач (моделирование рассуждений студентов, решающих учебные задачи; выявление типов ошибок, пробелов в знаниях и т.д. вместо их констатации; обратная связь через динамическое обновление знаний обучаемых);
интеллектуальная поддержка принятия решений (интеллектуальная помощь на каждом этапе решения учебных задач, подсказка следующего этапа, объяснения типа «как?» и «почему?»).
Именно эти возможности обучающих ИЭС и веб-ориентированных ИЭС (веб-ИЭС) уже сегодня соответствуют мировому уровню самых сложных компьютерных обучающих систем - интеллектуальных (ИОС), а в дальнейшем значительно превысят функциональность зарубежных ИОС, особенно в части дальнейшего развития интеллектуального обучения, а также создадут предпосылки для интеллектуального мониторинга и интеллектуального коллективного обучения.
Задачно-ориентированная методология
(ЗОМ) построения ИЭС и веб-ИЭС [1] и поддерживающий ее инструментарий нового поколения -комплекс АТ-ТЕХНОЛОГИЯ [1, 2] позволяют разрабатывать широкий класс обучающих ИЭС, обладающих развитыми средствами интеллектуального обучения, мониторинга и тестирования обучаемых.
Инструментальный комплекс АТ-ТЕХНОЛО-ГИЯ является динамически развивающимся отечественным инструментарием типа ШогкБепсН, то есть в контексте автоматизации программирования это интегрированная инструментальная сис-
