CC BY
147
АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИ
УДК 004.891
Л. Р. ЧЕРНЯХОВСКАЯ, Е. Б. СТАРЦЕВА, П.В.МУКСИМОВ, К. А. МАКАРОВ
ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ СЛОЖНЫМИ ПРОИЗВОДСТВЕННЫМИ СИСТЕМАМИ НА ОСНОВЕ ОНТОЛОГИЧЕСКОЙ БАЗЫ ЗНАНИЙ
Рассмотрены проблемы управления сложными производственными системами, и представлен подход к организации поддержки принятия решений в данных системах на основе онтологических баз знаний. Также в статье представлены принципы и технологии моделирования информационно-управляющей производственной среды, на основе которых предлагается построение систем поддержки принятия решений. Онтология; поддержкапринятиярешений; инфор-мационно-управляющая производственная среда; онтологическая база знаний; информационная поддержка; интеллектуальная поддержка
Деятельность как отдельных людей, так и предприятий сейчас все в большей степени зависит от имеющихся у них знаний как одного из самых ценных ресурсов и способности их эффективно использовать [1,2].
Для современного предприятия характерно постоянное изменение среды, в которой оно работает, адаптируется и выживает. В условиях конкуренции эффективность функционирования предприятия во многом определяется скоростью и точностью реакции системы управления на изменение внешней среды [3], а это требует применения в менеджменте новых концепций, техник и инструментария.
Управление знаниями сегодня рассматривается как мощное конкурентное преимущество на предприятии, ориентированном на постоянные изменения деловых процессов. Информационные технологии и данные сами по себе не могут обеспечить конкурентного преимущества на долгосрочный период. Эффективность функционирования предприятия может быть достигнута трансформацией имеющейся в его распоряжении информации в знания [4]. В связи с этим актуальной тенденцией развития информационно-упра-вляющих производственных систем является их интеллектуализация.
Актуальной является также организация единого информационного пространства для обмена мнениями и опытом между специалистами в области постановки и решения задач управления, специалистами по управле-
нию деловыми процессами и специалистами по анализу и моделированию систем.
Таким образом, чтобы обратить на пользу предприятию всю имеющуюся у него информацию, опыт и квалификацию сотрудников, повысить качество принимаемых решений и сократить время реакции на меняющиеся рыночные условия, нужно создать единую информационную среду для интеграции данных и знаний, используемых в различных деловых процессах.
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПОДХОДОВ К ОРГАНИЗАЦИИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Развитие современных информационно-управляющих систем идет в направлении интеграции их с системами искусственного интеллекта. Интеллектуальная и информационная поддержки принятия решений повышают эффективность управления в сложных производственных системах путем своевременного предоставления необходимой информации пользователю.
На данный момент уже сформированы некоторые подходы к организации поддержки принятия решений, которые быстро развиваются в различных областях научной и производственной деятельности. Наиболее широко используемые методы организации поддержки принятия решений приведены в табл. 1.
Работа выполнена при поддержке гранта РФФИ 07-08-00538: «Поддержка принятия решений по управлению сложными динамическими объектами в критических ситуациях на основе инженерии знаний»
Т аблица1
Подходы к организации поддержки принятия решений при управлении
Методы организации ППР Модель представления данных и знаний Решаемые задачи
Формирование решений на основе хранилищ данных Формирование решений в экспертной системе на основе правил Формирование решений на основе прецедентов (СВЯ-системы) Формирование решений на основе онтологий Модели оперативной аналитической обработки данных (ОЬАР) Продукционные модели Логические модели Семантические сети Фреймы Искусственные нейронные сети Прецеденты проблемных ситуаций Семантические сети, описывающие понятия в рассматриваемой предметной области и отношения между понятиями Организация среды для накопления данных. Сбор данных, их объединение и преобразование. Интеллектуальный анализ данных. Поиск решений в базе правил. Объяснение решений. Обучение базы знаний новым правилам. Накопление прецедентов. Поиск решений в базе прецедентов. Адаптация решений к новой проблемной ситуации. Формирование классов понятий в рассматриваемой предметной области. Формирование отношений между понятиями Разработка логической модели онтологии.
Из всех направлений развития искусственного интеллекта наиболее современным и перспективным направлением в области формализации знаний, которое дает возможность использовать накопленные знания для компьютерной обработки и представления, является онтологический анализ. Подход на основе онтологий является достаточно гибким и универсальным, что обосновывает его применение при решении задач управления сложными производственными системами в среде с большими объемами информации и необходимостью оперативного извлечения ее частей [5]. Преимущества онтологического анализа производственной системы состоят в следующем:
представление теоретических знаний об управлении производственной системой в виде семантической сети понятий и отношений между понятиями;
рассмотрение производственной системы, как многофункциональной среды ведения взаимосвязанных деловых процессов, не ограниченной рамками одной системы управления;
• повышение эффективности информационного поиска на основе структуризации и классификации хранимых знаний;
• возможность сбора, накопления, обработки и представления знаний в Интранет-сети предприятия в соответствии с концепцией Semantic Web.
Поэтому в данной статье предлагается новый подход к поддержке принятия решений при управлении сложными производственными системами на основе онтологической базы знаний.
ПРИНЦИПЫ И ТЕХНОЛОГИИ МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННО-УПРАВЛЯЮЩЕЙ ПРОИЗВОДСТВЕННОЙ СРЕДЫ
Система взаимосвязанных деловых процессов промышленного предприятия включает большое количество неоднородных задач управления (оперативного, тактического, стратегического) разной сложности, поэтому при разработке информационно-упра-вляющей производственной среды требуется их рассмотрение с различных точек зрения с использованием разных типов моделей и средств моделирования. На основании этого разработаны следующие принципы моделирования:
унификация обработки, представления и хранения информации о различных дело-
вых процессах, представленных с различных точек зрения в едином формате онтологической базы знаний;
интеграция на основе моделей онтологического анализа структурных моделей управления производством с логическими моделями принятия решений;
обеспечение различных видов информационной и интеллектуальной поддержки принятия решений в информационно-управляю-щей производственной среде.
В соответствии с представленными принципами для моделирования информационно-управляющей производственной среды использован ряд технологий, которые позволяют интегрировать структурные модели управления производством с логическими моделями принятия решений. Различные типы моделей позволяют предоставить пользователю различные виды поддержки (см. рис. 1).
Информационная поддержка
Интеллектуальная поддержка
Комплекс —N Модель Модели принятия
моделей -ы анализа решений
Правила принятия решений
Рис. 1. Технологии моделирования информационно-управляющей производственной среды
Для интеграции структурных моделей управления производством с логическими моделями принятия решений в данной работе предлагается использовать онтологический анализ предметной области. Онтологическая модель представления знаний представляет собой множество классов понятий и связей (отношений) между ними. Установление различных видов отношений позволяет организовать сложную иерархическую структуру понятий предметной области.
Таким образом, предлагаемые принципы и технологии моделирования позволяют с различных точек зрения описать сложные системы, которые содержат огромное число элементов и связей, для функционирования которых требуются большие объемы информации и знаний, сокращая при этом время, требуемое на их разработку, повышая качество формализации предметной области и точность предоставляемых решений.
ФОРМАЛИЗАЦИЯ ОНТОЛОГИЧЕСКОЙ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
Онтологическая модель представления знаний позволяет интегрировать абстрактные знания в рассматриваемой предметной области, выраженные в математической форме, и эмпирические знания экспертов, сформулированные с использованием моделей представления знаний.
Использование онтологической модели представления знаний для проектирования сложных производственных систем оправдано еще и тем, что онтологии выделяют три уровня общности отражаемых знаний [4]:
онтологии общих знаний (мета-онтологии);
• онтологии предметных знаний;
онтологии задач, моделей и методов принятия решений.
Формально онтология может быть представлена:
OntO = (OntOmeta, OntOapp, Infy , (1)
где Ontometa — онтология общих знаний; OntOapp — онтология предметных знаний; Inf — механизм логического вывода.
При этом онтология общих знаний содержит знания более высокой степени общности, позволяющие доопределять модели конкретных предметных знаний на основе описания общих свойств пространства и времени.
Онтология предметных знаний содержат знания по предметной области управления деловыми процессами и знания относительно задач, моделей и методов принятия решений. Приложения, работающие в информационной управляющей производственной среде, могут обращаться к онтологиям общих знаний для получения информации, выходящей за их рамки, но необходимой для корректной постановки задачи управления.
OntOapp =
= (Classs, CiassTO, Ciassm0d, -R, P, Inst Ax)
(2)
где Сіг^ — класс задач; С1аз8т — класс методов; Сіаввтоа — класс моделей; К — отношения между классами; Р — свойства (атрибуты) классов; Іі^ — примеры классов; Ах — аксиомы.
Онтологии задач, моделей и методов представляют собой базу знаний в совокупности
с механизмом логического вывода для конкретных предметных областей, и дают возможность использования существующих знаний для решения различных задач [1,4].
РЕЗУЛЬТАТЫ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ ПРИНЦИПОВ И МОДЕЛЕЙ ПРОЕКТИРОВАНИЯ ИУПС
Задачей управления, на примере которой можно продемонстрировать необходимость разработки информационно-управляющей производственной среды, может быть задача проведения подрядных торгов на оказание услуг предприятию транспорта нефтепродуктов. На предприятии ОАО «Уралтранснеф-тепродукт» эта задача решается несколькими службами и увязывает между собой несколько различных деловых процессов, таких как выполнение работ и услуг, поставка материалов и оборудования и др. При решении данной задачи возникает необходимость выбора подрядчика, в этом случае принятие управленческого решения заключается в выделении оптимального предложения из всех имеющихся. При создании концепции будущей системы для решения проблемы сопоставления подрядчиков и выбора оптимального подрядчика было предложено использовать ма-
тематическую модель, построенную на основе метода анализа иерархий.
Для представления знаний о предметной области была разработана ее онтология, которая была интегрирована с онтологией моделей и методов.
Фрагмент онтологической базы знаний для решения задачи «Проведение подрядных торгов» представлен на рис. 2. Этот фрагмент позволяет представить экспертные знания о решении конкретной задачи управления, определенным методом, путем формирования отношений между представленными в различных онтологиях понятиями задачи, модели и метода. Например, после формирования отношения между задачей проведения подрядных торгов и классом многокритериальных моделей стало возможным определение метода решения задачи из представленных в онтологии моделей и методов.
В реальных процессах управления практически невозможно однозначно отобразить множество задач принятия решений на множество математических моделей и методов их решения. Это существенно усложняет задачу выбора метода принятия решений. Поэтому для решения этой проблемы в данной работе предлагается использовать прецеденты использования математических моделей и методов для решения конкретных задач.
Рис. 2. Фрагмент онтологической базы знаний
Таким образом, предлагается подход к формированию интеллектуальных компонентов информационно-управляющей производственной среды, позволяющий определить соответствие между методами принятия решений и задачами управления, а также предложить метод решения задачи управления на основе прецедентов.
Организация единой информационной среды для обмена мнениями и опытом между специалистами в области управления предприятием, специалистами по управлению производственными процессами и специалистами по анализу и моделированию систем повышает эффективность управления предприятием путем повышения обоснованности решений, а также за счет повышения квалификации лиц, принимающих решения.
ЗАКЛЮЧЕНИЕ
Был проведен сравнительный анализ существующих подходов к поддержке принятия решений, выделены их преимущества и недостатки. Предложен новый подход к поддержке принятия решений при управлении сложными производственными системами. Сущность предлагаемого подхода состоит в том, что предлагается разработать информацион-но-управляющую среду как единую среду для интеграции данных и знаний, используемых в различных деловых процессах. Для представления знаний в информационно-управляю-щей среде предлагается онтологическая модель. Данный подход позволяет повысить обоснованность принимаемых решений, а также сократить финансовые и временные затраты на проектирование информационно-управля-ющей производственной среды за счет интеграции ее моделей на основе имеющихся корпоративных знаний.
Результаты работы могут быть использованы при проектировании информационно-управляющей системы крупного предприятия или организации, где требуется оперативное и обоснованное представление информации, необходимой для принятия решений, обеспечение целостности хранимой информации и снижение психологической нагрузки на лицо, принимающее решение.
СПИСОК ЛИТЕРАТУРЫ
1. Бадамшин, Р. А. Проблемы управления сложными динамическими объектами в критических ситуациях на основе знаний / Р. А. Бадамшин, Б. Г. Ильясов, Л. Р. Черняховская. М. : Машиностроение, 2003. 240 с.
2. Startseva, E. B. Strategic management problems, models and method of their solution / E. B. Startseva, P. V. Muksimov, K. A. Makarov, R. I. Nizamutdinova // The 9th Int. Workshop on Computer Science and Information Technologies (CSIT’2007). USATU, Ufa, Russia, 2007.
3. Ильенкова, С. Д. Управление качеством : учеб. / С. Д. Ильенкова, Н. Д. Ильенкова, С. Ю. Ягудин [и др.]. М.: ЮНИТИ, 1998.
4. Тартаковский, Г. П. Теория информационных систем : учеб. пособие / Г. П. Тартаковский. М.: Изд-во Физматкнига, 2005.340 с.
5. Черняховская, Л. Р. Онтологический подход к разработке систем поддержки принятия решений / Л. Р. Черняховская, Р. А. Шкундина, К. Р. Нугаева // Вестник УГАТУ. 2006. Т. 8, №1(17).
ОБ АВТОРАХ
Черняховская Лилия Рашитовна, проф. каф. техн. ки-берн. Дипл. инж. эл-ной техн. (УАИ, 1970). Д-р тех. наук по сист. анализу, упр. и обр. инф. (УГАТУ, 2004). Иссл. в обл. интел. инф. систем, поддержки принятия решений.
Старцева Елена Борисовна,
доц. каф. АСУ. Дипл. инж.-сист. по АСУ (УАИ, 1992). Канд. тех. наук по АСУ (УГАТУ, 1997). Иссл. в обл. интел. инф. систем, поддержки принятия решений.
Муксимов Павел Валерьевич, асп. каф. техн. киберн. Дипл. экон. и магистр по инф. системам (УГАТУ, 2002). Готовит дис. в обл. интел. инф. систем.
Макаров Константин Александрович, асп. каф. техн. ки-берн. Дипл. инж. по АСУ (УГАТУ, 2007). Готовит дис. в обл. интел. инф. систем.
