Риск-ориентированная онтологическая модель поддержки принятия управленческих решений в грузовом порту на основе многоуровневого целеполагания Текст научной статьи по специальности «Экономика и бизнес»

Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. M1

Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024. N. 1 _ISSN2072-9502 (Print), ISSN2224-9761 (Online)

УПРАВЛЕНИЕ В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

MANAGEMENT IN ORGANIZATIONAL SYSTEMS

Научная статья

УДК 519.6, 517.977, 681.5.015, 621.785 https://doi.org/10.24143/2072-9502-2024-1-88-99 EDN VZDUVS

Риск-ориентированная онтологическая модель поддержки принятия управленческих решений в грузовом порту на основе многоуровневого целеполагания

Ирина Олеговна БондареваАнастасия Олеговна Белова

Астраханский государственный технический университет, Астрахань, Россия, i.o.bondareva@mail.ruш

Аннотация. В современных нестабильных условиях рыночной среды для предприятий транспортной логистики возникает задача прогнозирования возможных рисковых ситуаций с целью их недопущения, а также разработки инструментария, позволяющего формировать управленческие решения, оценивать эффективность каждого из них и выбирать наиболее приемлемое с учетом конкретных задач и различных влияющих факторов. В качестве рисков рассмотрены ситуации недостижения целей грузового порта, а также случаи недостижения показателями оценки данных целей нормативных значений. Цели и показатели обозначены и описаны в построенной ранее сбалансированной системе показателей (ССП). Множество связей целей и показателей их оценки с рисками на различных уровнях управления представлено в виде разработанной многоуровневой гибридной логико-вероятностной (ЛВ) модели рисков грузового порта, а также в подробных моделях сценариев данной ЛВ-модели. Комплексное использование технологий ССП и ЛВ-моделирования позволило выстроить общую концепцию многоуровневого целеполагания, основное преимущество которой заключается в детальной проработке целей компании, подчиненных основной стратегической, что позволяет в случае необходимости оказывать влияние на операционные события и получать положительный результат в более долгосрочном периоде, в тактическом и стратегическом планах. Онтологическая модель содержит всю информацию о взаимодействии элементов, влияющих на наступление рисковых событий, и позволяет осуществлять выборку вариантов выхода из рискованной ситуации в соответствии с различными заданными условиями. Результаты запросов к риск-ориентированной онтологической модели являются вариантами управленческих решений, направленных на снижение рисков в грузовом порту.

Ключевые слова: онтологическая модель, управление рисками, сбалансированная система показателей, логико-вероятностная модель, имитационная модель, многоуровневое целеполагание

Для цитирования: Бондарева И. О., Белова А. О. Риск-ориентированная онтологическая модель поддержки принятия управленческих решений в грузовом порту на основе многоуровневого целеполагания // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. № 1. С. 88-99. https://doi.org/10.24143/2072-9502-2024-1-88-99. ЕБЫ УгБЦУЯ.

© Бондарева И. О., Белова А. О., 2024

Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024. N. 1 ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Management in organizational systems

Original article

A risk-oriented ontological model for supporting management decision-making in a cargo port based on multi-level goal setting

Irina O. BondarevaM, Anastasia O. Belova

Astrakhan State Technical University,

O

Astrakhan, Russia, i.o.bondareva@mail.ruM a

Abstract. In today's unstable market environment, transport logistics enterprises face the task of predicting possible risk situations in order to avoid them, as well as developing tools that allow them to form management decisions, evaluate the effectiveness of each of them and choose the most appropriate one, taking into account specific tasks and various influencing factors. Situations of failure to achieve the goals of a cargo port, as well as cases of failure by indicators to assess these goals of normative values, are considered as risks. The goals and indicators are outlined and described in the previously built Balanced Scorecard (MTSP). A set of links between goals and indicators of their assessment with risks at various levels of management is presented in the form of a developed multi-level hybrid logical-probabilistic (LV) risk model of a cargo port, as well as in detailed scenario models of this LV model. The integrated use of SSP and LV modeling technologies allowed us to build a general concept of multi-level goal setting, the main advantage of which lies in the detailed elaboration of the company's goals subordinate to the main strategic one, which allows, if necessary, to influence operational events and obtain a positive result in the longer term, in tactical and strategic plans. The ontological model contains all the information about the interaction of elements that affect the occurrence of risky events, and allows you to select options for getting out of a risky situation in accordance with various specified conditions. The results of queries to the risk-oriented ontological model are variants of management decisions aimed at reducing risks in the cargo port.

Keywords: ontological model, risk management, balanced scorecard, logical-probabilistic model, simulation model, multi-level goal setting

For citation: Bondareva I. O., Belova A. O. A risk-oriented ontological model for supporting management decisionmaking in a cargo port based on multi-level goal setting. Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024;1:88-99. (In Russ.). https://doi.org/10.24143/2072-9502-2024-1-88-99. EDN VZDUVS.

Введение очередь, позволяет в случае необходимости влиять

Залогом стабильного и эффективного существо- на операционные события и получать положитель-вания на рынке для любой организационной систе- ный результат в более долгосрочном периоде, в так-мы, в том числе и для предприятий транспортной тическом и стратегическом планах. Многоуровне-логистики, к которым, бесспорно, можно отнести вость целеполагания реализована с применением грузовые порты, является следование намеченной широко известного метода стратегического управ-стратегии путем последовательного комплексного ления - сбалансированной системы показателей достижения поставленных целей. Наличие в данном (ССП) [2], а также в построенной многоуровневой процессе рисковых ситуаций является естественным логико-вероятностной (ЛВ) модели рисков грузово-и крайне нежелательным барьером для планомерно- го порта. В качестве рисковых событий (рисков) рас-го развития [1]. В связи с этим большинство компа- сматриваются ситуации недостижения целей грузо-ний заинтересованы в получении инструментария, вого порта и недостижения показателями оценки позволяющего заблаговременно предвидеть подоб- деятельности порта установленных нормативных ного рода отклонения, просчитывать возможные значений. Сбалансированная система показателей [3] i пути решения возникающих проблем и посредством содержит все цели грузового порта, а также показа-выработки оптимального управленческого решения тели их оценки. Логико-вероятностная модель поз-ликвидировать риски, не позволяя им перерасти воляет определить все логические и вероятностные в глобальные проблемы для целостной организаци- связи между сформулированными целями различ-онной системы. ного уровня, оценивающими их показателями и, как

следствие, связанными с ними рисками организа-Концепция управления рисками порта на ос- ции [4]. Таким образом, благодаря использованию нове многоуровневого целеполагания ЛВ-модели можно выявлять причинно-следствен-

Для оценки рисков грузового порта предлагается ные связи и влияние каждой отдельной составляю-использовать технологию многоуровневого целепо- щей на наступление рискового события посред-лагания, основное преимущество которой заключа- ством составления сценариев риска [5], логических ется в детальной проработке целей компании, под- и вероятностных моделей риска [6], связанного чиненных основной стратегической, что, в свою с каждой конкретной целью и показателем [7].

i в

то

b

в

Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. № 1

ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Управление в организационных системах

«

я я

Устранение потенциального риска на более детализированном уровне позволяет исключить влияние стратегического риска на деятельность рассматриваемой организации - грузового порта [8].

Онтологическая модель поддержки принятия решений по управлению рисками грузового порта

На основе выявленных причинно-следственных связей, обозначенных в построенной ЛВ-моде-ли [9, 10], была разработана онтологическая модель поддержки принятия решений по управлению рисками грузового порта [11]. Онтологическая модель позволяет осуществить выборку вариантов выхода из предполагаемой рискованной ситуации в соответствии с различными заданными условиями, которые представляют собой некоторые рекомендации для принятия управленческих решений, полученные на основе запросов для конкретных ситуаций.

Разработанная онтологическая модель представляет собой классический набор концептов, классов, утверждений, свойств данных и продукционных правил, связанных между собой на основе знаний о связях между рисками, целями, показателями и элементами, входящими в расчет показателей оценки деятельности грузового порта.

Онтологию ОСРем предметной области «Управление рисками грузового порта на основе многоуровневого целеполагания» можно определить следующим кортежем:

Осрш = < П >,

где 5 - множество утверждений уровня схемы онтологии ОСррм, а 1М - утверждения, устанавливающие множество индивидов. Множество 5 состоит из следующих взаимосвязанных составляющих:

5 = {5е, 5°, 5Р, 5А4},

где 5е - множество утверждений, описывающих концепты (классы онтологии); - множество утверждений, описывающих объектные свойства; 5° - множество утверждений, описывающих свойства типов данных; 54 - множество аксиом, определяющих ограничения над множествами

5е, 5°, 5°.

В онтологической модели ОСРем представлены 4 независимых родительских класса 5е, связанных между собой связями

5°:

еС _ I оС ОС ОС ОС I

5 - , 5е, 51 , 5т

с

где - родительский класс «Цели», содержащий сведения о целях, выявленных в порту (рис. 1);

с

- родительский класс «Риски», содержащий сведения о рисках, с которыми может столкнуться

с

порт при достижении поставленных целей; -родительский класс «Показатели», содержащий сведения о показателях, которые являются индикаторами (показателями) оценки достижения цели;

с

Бр! - родительский класс «Детализированные показатели», содержащий сведения о детализированных показателях оценки функционирования грузового порта.

Individuals Individuals (Inferred)

es

1 Цели

► Оптимизнр._кол-во_рес._порта

» Повыс._доходн._и_платежеспособн.

► Ловыс._кач-во_погруз.-разгруз._ра6от

* Повыс._квалмф»1к._сотрудннков

► По8ыс._ур-нь_взаммод._с_ыесгной_властьто

► Повыс. ур-нь ответств. перед потребителем

► Повыс._ур-нь_содействия_охране_окруж._среды

► Повыс._ур-нь_соц._защищ._персонала

* Повыс._ур-нь_соц._ответственносги_бизнеса

► Повысить_конкурентноспособность » Повысить_эффект._исп._ресурсов

► С в ое в р._в ыполн ._по груз, -ра згруз._ра бот

► Ссжратить_за в и с._от_ внеш ._за й мов

зг: • П.

► 6езотказн._погрузки

► Доля_судов_отв._стандартаы_:

► Затраты_на_о6уч._с отруднмков

► Кол-ео_недов._клиентов

► Кол-в.

► Кол Я1

► Кол-ео_угер._при_погрузке_груза

► Коэф._абсолютнон_ликвидности

► Ко эф._м н твн с и вн ого_исп ,_о&орудован и<

► Ко эф. _ре н га&е льн осгисобст ее н ног о_к;

► Коэф._фнн._независ.

► Ко эф. _э кс те н с и вн о г о_м ел. _о6о руд о в а н i

► Обеспеченность_заказаыи_влнях

► Об "ьем_нал о г._отм и сл ._за_п ериод

► Объемсоц.отчнсп ен и йзапери од

► П роц ._п огру з.ра&отв ы п ол н._ в_с рок

► Проц._сотрудмиков_квал._кот_соотв._за

► Процент_кл._обрат._поегорно

► Соотнош.мин.ЗПкпрож.

► С оотн ош._мнн._ЗП _к_с ре д н.

► Среднее_время_гтогрузхи

► Фондоотдача

м._должностм

For: ф По_видам_грузов

♦ Асбест

♦ Же л езо л истовое

♦ Железо_швеллер

♦ Песок

For ф По_видам_услуг

♦ Перевал ка_грузов

♦ Хранение_грузов

♦ Экспедировакие_грузов

For: Ш По_структурным_под разделениям

♦ Коымерческий_отдел

♦ Обесгечивающиеотделы

♦ Отдел_грузовы*_операций

♦ Руководство_порта

♦ Складской_комплехс

♦ Тальыанский_отдел

♦ Технический_отдел

о

о

К

Рис. 1. Экземпляры классов «Цели», «Показатели» и «Детализированные показатели» Fig. 1. Instances of the Goals, Metrics, and Detailed Metrics classes

Родительский класс «Риски» 5е включает

в себя дочерние классы {, Т, 5ое}, где -стратегические риски, являющиеся риском недо-§ стижения поставленной цели; - тактические

га 1е

«р риски, являющиеся риском недостижения показате-и лем определенного нормативного значения; З^е -

операционные риски, являющиеся риском недостижения детализированным показателем определенного нормативного значения, в связи с этим класс «Риски» был связан с классами «Цели», «Показатели» и «Детализированные показатели» связью 5° - «недостижения».

Родительский класс «Детализированные пока-

с

затели» 801 содержит подкласс «Индикаторы»

Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024. N. 1 ISSN 2072-9502 (Print), ISSN 2224-9761 (Online)

Management in organizational systems

SCIDI (см. рис. 1), который, в свою очередь, подразделяется на 3 дочерние класса, отражающие виды детализированных показателей оценки функцио-

III

нирования грузового порта {S it , S^s , Sss }, где

I

Sit - детализация показателя по видам грузов,

I

Sns - детализация показателя по видам предо-

I

ставляемых услуг, S^s - детализация показателя по структурным подразделениям грузового порта.

В связи с тем, что цели должны представлять собой древовидную структуру (на вершине находится основная цель, которую необходимо достичь, далее эта цель декомпозируется на более мелкие подцели, которые ее поддерживают и обеспечивают), были созданы следующие связи: S°bG

и обратная ей Sqg , где sDbG - «подразделяется на цель» - связь, представляющая собой подразделение (разделение) цели на более мелкие подцели,

и S°g - «объединяется в цель» - связь, представляющая собой объединение подцелей в более крупную цель. Например, рассмотрим главную стратегическую цель «Повысить конкурентоспособность»: логично, что данная цель, находящаяся на первом (верхнем) уровне, должна состоять из более мелких подцелей, т. е. будет делиться на все цели, расположенные на нижних уровнях. Данное правило достигается за счет присвоения связи

S°bG свойства транзитивности (англ. transitive). На основе разработанной структуры связей и определения их характера первоначально была осуществлена проверка правильности построения данных связей с помощью машины логического вывода Reasoner. Логические выводы, полученные с его помощью, свидетельствуют о корректности ввода данных (рис. 2).

Property assertions: Повыситьконкурентноспособность ИНН

Object property assertions 0

■ подразделяется_на_цель П овы с_доходн_и_платежесп особн

■ п од раз дел я ется_н а_цел ь П овы с._ур-н ь_соц. _отв етствен ности_бизн еса

■ подразделяется_на_цель Повысить_эффекг. _нсп._ресурсов

■ подразделяется_на_цель Сократить_завис. _от_вн еш ,_за й м ов

■ подразделяется_на_цель Повыс._ур-нь_соц._защищ. „персонала

■ п о драз де ля ется_н а_цел ь П о вы с._ур-н ь_взаи м од.

0®90 ОООО

оооо оооо

с местной властью

О©

■ л одр аэделя ется_н а_цел ь П о в ы с._кв ал и ф и к. .сотрудников

™ л одр аэделя ется_н а_цел ь Опти мизи р._кол-во_ре с._п о рта щ)

в л о др аэ деля ется_н а_цел ь Св о е в р._в ы п ол н ,_погруз-раэгруз._рабст

■ лодраэделяется_на_цель Обеспеч. _стаб ил ь н о сть_с6 ыто во й_раб оты

■ л одр аэделя ется_н а_цел ь П о в ы с._ур-н ь_отв етств. _перед_лотребителем

влодраэделяется_на_цель Повыс._ур-нь_содействия_охране_окруж._среды

■ л одр аэделя ется_н а_цел ь П о в ы с._кач-в о_п о груз.-р аэ груз. _работ

Рис. 2. Логические выводы инструмента Reasoner (взаимосвязь стратегической цели со всеми детализирующими)

Fig. 2. Logical conclusions of the Reasoner tool (relationship of the strategic goal with all details)

Логические выводы Reasoner представлены в Protégé записями на сером фоне, записи на белом фоне - знания, заложенные в редактор вручную.

После проверки корректности ввода данных о связях между целями было построено дерево целей порта с использованием инструмента OntoGraf Protégé (рис. 3).

ш

о в

B

l o

v

M р

A

i в'

ста

i в

ста

о p

o

t b

<

l

eg)

i b

era

Рис. 3. Дерево целей грузового порта (онтологический граф класса «Цели») Fig. 3. Cargo port goals tree (ontological graph of the "Goals" class)

Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. № 1

ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Управление в организационных системах

«

я я

Факторы оценки (экземпляры класса «Показатели») соединены с целью связью S°g - «оценивает цель» - и подразумевают, что фактор оценивает цель. Цель, в свою очередь, имеет обратную связь

S°bI - «оценивается показателем», которая означает, что цель оценивается указанным фактором.

Связи S°bi и S°g являются взаимообратными и имеют область значения «Цели - Показатели» и «Показатели - Цели» соответственно. Данные связи имеют свойства асимметричности (англ. asymmetric) и иррефлексивности (англ. irreflexive). Свойство асимметричности в данном случае означает, что связь действует только «в одну сторону», т. е. цель оценивается показателем, но показатель целью оцениваться никогда не будет. Свойство иррефлексивности означает, что действие (связь) никогда не будет направлено на самое себя, т. е. показатель никогда не будет оценивать самого себя.

Индикаторы оценки соединены с показателями

связью sD)i - «детализирует показатель» - и подразумевают, что показатель связью sJi - «детализируется на индикатор» (обратная связь S°i) -детализируется на перечисленные индикаторы.

Помимо описанных основных простых связей (объектных свойств) в онтологии присутствуют 3

составные связи: S°i - «имеет индикатор», sJ0i -

«зависима от показателя» и S°0di - «зависима от индикатора», которые также рассматриваются как объектные свойства, однако носят составной характер. Данные связи созданы для того, чтобы отразить

«межуровневую» зависимость между целями, оценивающими их показателями и индикаторами, напрямую детализирующими эти показатели.

Связь - «имеет индикатор» - состоит из

цепочки (англ. chain) связей S°bi - «оценивается

показателем» и SDti - «детализируется на индикатор», объединенных между собой оператором «о», с помощью которого задаются цепочки свойств,

qO _ „ eO oO SHi — < SSbioSDti > .

Связь sD0i - «зависима от показателя» - обозначает, что, если цель подразделяется на цель, которая напрямую оценивается показателем, то эта цель будет зависима от показателя (оценивающего цель на нижнем уровне) и состоит из цепочки свя-

~ сЮ сЮ

зей SDbG - «подразделяется на цель» - и Ssbi -

«оценивается показателем»: sD0i — < SjjbQoSsbi >.

Связь Sj°0di - «зависима от индикатора» - обозначает, что, если цель подразделяется на цель, которая напрямую оценивается показателем, который, в свою очередь, детализируется индикатором, то эта цель будет зависима от индикатора (детализирующего показатель на нижнем уровне) и состоит из ~ eO

цепочки связей SjbG - «подразделяется на цель», S°bi - «оценивается показателем» и S°ti - «детализируется на индикатор», Sjj — < S^booSgbi oSD°ti >. Цепочки свойств этих связей представлены на рис. 4.

о

Description: имеетиндикатор

ШШ0Н0

Supei Property Of [Chain)

■ оценива&7ся_показа7епеы о детализируется_на_индикатор SubPropertyOf: и м е ет_и нди каюр

Description: зависима_от_индикатора

1ЕШННИ1

Supei Pi opeity Of [Chain) ifJ^

И подразделяется на цепь о оиенн вается_пик a загелем о

дегалнзнруегся_на_ннднкагор SubPropertyOf: завнснма_ог_ннднкагора

Рис. 4. Представление цепочек свойств составных связей Fig. 4. Representation of composite links property chains

Таким образом, было создано дерево целей, дополненное всеми вышеперечисленными объект-

ными свойствами

= {SO

DbG,

SO

SCtG,

SO

SEG,

SO

SSbI,

oO oO c,O c,O c,O c,O ! SDI > SDtI > SF > SHI > SDoI > SDoDI } онтологической модели грузового порта OCPRM (рис. 5).

Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024. N. 1 ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Management in organizational systems

Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. № 1

ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Управление в организационных системах

Онтология не имеет возможности производить расчеты с числами. Любые числа, внесенные в онтологию, будут являться статичной информацией с типом данных «число», поэтому для того, чтобы отобразить изменение параметров, входящих в расчет каждого из выбранных показателей оценки,

(включая те, что составляют формулы расчета), было принято решение отображать это «изменение» посредством выбора значений «увеличивается», «уменьшается» либо остается «без изменения». Описание элементов Data Properties представлено на рис. 6.

Data properly hierarchy: owl:topDataProperty

«

s я

О

I Формула_показателя -■■ Проц_погруз_работ_выполн_в_срок в общее_кол и ч_осущ_работ

м кол и ч_ра &от_вы п ол н_6ез_и а ру ш_сроков_реал из в Среднее_время_погрузки

М общее_кол и ч_вы п ол н_зая вок в время_погрузки_общее

Кол ич_утеря н н ого_и спорч ен_при_п огрузке_груза в общее_кол и ч_груза_план

■ общее_кол и ч_грузов_факти ч_погружен н ых в Безотказн ость_п огрузки

■ колич_поступиви1их_заявок в колич_принятых_заявок

■■^ш Доля_судов_отвеч_стаидартам_экол огнч

в общее_кол и ч_судов_воспол ьз_при чалам и_порта_соотв_станд_экол оги ч

■ общее_кол и ч_судов_воспол ьз_при чапаы и_порта в Обеспеченность_заказами_в_днях

■ среди_длнт_провед работ по одному договору в колич_заключенных_договоров

-■■ Соотнош_мин_зп_к_средней

в среди и й_разм ер_зп_сотрудн и ка_гп

■ размер_мин_зп Соотиош_мин_зп_к_прожит_мин Иофиц размер прожит мин региона в размер_мин_зп

■ Объем_соци ал ьн ых огч и сл ей и й_за_пери од в Объемен ал оговых огч и сл ен и й_за_пери од

•• Коэффициент_экстенсивного_испол ьзования_оборудования в режи ми ы й_фонд_врем ени_ра боты_ма ш ин_и_оборуд

■ время_факт_функцион и р_ма и и и_и_оборуд Коэффцииент_интенсивного_нспользования_оборудования

■ техн и ч ески_обосн ов_п роизвод_маш ин_и_о&оруд в факти ч еская_п роизвод_осн_технол ог_оборуд Кол и ч ество_н ед о вол ь н ых_кп и е нтов

в Количество_новых_клнентов

■ П ро ц_сотр_ к вал кот_соотв_за и и м_должн в общее_кол и ч_осущ_работ

■ колич_ра&от_выпол н_6ез_наруш_сроков_реал из в П ро ц_кп и ентов_обрати вш_п овторн о

■ о&щее_число_кл и ентов

в клиенты_обративш_повторно н Кол и ч ество_постоя нныхкли ентов в Затраты_на_обучен и е_сотрудн и ков

■ Коэф ф и ци ент_а бсол юти ой_л и кви дн ости м текущи е_обязател ьства

■ ден ежи ы е__сред ства сз финансовы е_вл ожен ия_краткосро ч и ы е

■ Коэфф и циент_рентабел ьности_собствен н ого_ка п итала в средствасо&ствен н ы е □ п ри был ь_ чистая

I Коэф фи циент_финансовой_независм ости сз средства_собствен н ы е сэ активы_совокупные I Фондоотдача в стой м ость_услуг в стоимость_осн_ср-в

Рис. 6. Элементы Data properties Fig. 6. Data properties elements

Приведенные элементы Data properties будут использованы для описания свойств типов данных sd экземпляров класса «Показатели».

Например, показатель «Общее количество осуществленных работ» принадлежит классу «Показатели», используется для расчета показателей «Про-

цент сотрудников, квалификация которых соответствует занимаемой должности» и «Процент погрузочных работ, выполненных в срок», а также имеет стандартный тип свойства данных - «Строка» -и принимает одно из значений «увеличивается»,

Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024. N. 1 ISSN 2072-9502 (Print), ISSN 2224-9761 (Online)

Management in organizational systems

«уменьшается» либо «без изменения». Описание параметра представлено на рис. 7.

D esc ri pt¡ on : oö щее_кол ич_осу щ_ра 5 от

Equivalent То 1 ■■ 1

SubPi opeiiy Of Q

Ш П роц_погруз_работ_выпол н_в_срок ■ Проц_оотр_квал_кот_соогв_заним_допжн

Domains (intersection)1 тг/ в Показатели

Ranges

ф{"без изменения", "увеличивается", "уменьшается"}

Disjoint With 'ф

Рис. 7. Описание параметра «Общее количество осуществленных работ»

Fig. 7. Description of the parameter "Total number of completed works"

Аналогичным образом определены все показатели онтологии.

Онтологическая модель управления рисками порта ОСРем включает в себя ограничения 54, которые определяют связи между классами и экзем-

плярами. Например, может быть установлено ограничение, гарантирующее, что каждая Цель будет состоять из всех целей, находящихся на нижних уровнях (с которыми она связана).

Средства поддержки принятия решений по управлению рисками грузового порта

Построенная онтологическая модель обеспечивает причинно-следственные связи между элементами многоуровневого целеполагания, уделяя особое внимание процессу управления рисками. Она включает в себя классы, отношения и ограничения, которые определяют эту область, устанавливая единую терминологию для совместного использования информации в предметной области «Управление рисками грузового порта». Разработка онтологической модели осуществлялась в редакторе онтологий Protégé с использованием языка онтологического моделирования OWL. На основе выстроенных связей, используя инструментарий редактора, можно осуществлять выборку из онтологии по определенным условиям. Например, можно выяснить, на какие цели повлияет потенциальное решение «Увеличить затраты на обучение сотрудников Тальманского отдела», воспользовавшись инструментом DL Query и введя соответствующий запрос (рис. 8).

.

A

i S'

сю

Рис. 8. Запрос DL Query и результат работы выборки Fig. 8. DL Query and the result of the selection

t b

i

n

era

Первая часть запроса делает выборку по всем целям, которые зависимы от индикатора со значением (англ. value - оператор, указывающий конкретное значение) «Тальманский отдел», а также зависимы от показателя со значением «Затраты на обучение сотрудников» (англ. and - оператор, соответствующий логическому «И»). Вторая часть за-

проса делает отбор по всем целям, которые напрямую оцениваются показателем «Затраты на обучение сотрудников» и имеют индикатор «Тальманский отдел». Обе части объединены логическим оператором «ИЛИ» (англ. ог - оператор, соответствующий логическому «ИЛИ»). Таким образом, данным запросом мы отбираем все цели, которые

Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. № 1

ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Управление в организационных системах

были бы зависимы (напрямую или «как следствие») от параметров «Затраты на обучение сотрудников» и «Тальманский отдел». Запрос и результат его выполнения представлены на рис. 8.

Каждый из представленных результатов также имеет объяснение, на основе каких логических суж-

дений этот результат попал в выборку. К примеру, Reasoner имеет 10 объяснений тому, что цель «Сократить зависимость от внешних результатов» попала в данную выборку. Объяснения, предоставленные инструментом Reasoner, показаны на рис. 9.

>я я я

EKplanation for Сократитььавис.отвнеш.займо&Туре [[ьависимаотинди катера уа1иеТальмэнский_отдел] and [зависимаотпоказатели value Затратынаобуч.сотрудников)) ог ([имеет индикато., X

• Show regular justifications О Show laconic justifications

• All justifications С Limit justifications to

4) ооъединяется_в_цель Inverseur подрааделяется_на_цепь

5) подраэдепяется_1га_цепь а оценивается_показателем одеталиэируется_на_индикатор5и1>Ргорег1уОГ:зависима_от_индикатора

6) Transitive: объединяется_в_цель

7) подраадепяется_на_цепь о оценивается_покааателем 5иЬРгорег1уО£аависима_от_локаэателя 0) Затраты_на_обуч._сотрудникозоцениаает_цель Повыс _квалифик_сотрудников

9) Повыс._ур-нь_отаетств._перед_потребптепем подраэделяется_на_цель Повыс._кач-во_погруз.-раэгруз._работ

1D) Затраты_на_обуч._сотруднигаадетализируета_на_индикаторТальманский_отдел

[п 3 otlner justifieatleins Q

in ALL other justifications Q

In Э otherjustlfications Q

in ALL otherjustifications Q

in ALL other justifications Q

In Э otherjustlfications Q

In 4 otherjustlfications Q

Explanation 10 D Dlsplsylaconlceiplanstion

Explanation for: noiipa™Tb_3aBMC._OT_Bheui ,_33mmob Type ((3aBHCnMa_0T_MHftHKaT0pa value TajibMaHCKnii_OTflen) and (3aBMCHMa_0T_n0KaîaTena value 3aTpaTbi_ht

1) oueHwaaeT_uenb [nverseOf oueHHBaeTcn_noiia3aTeneM

noBbic._icaM-ao_norpy3.-pa3rpy3._pa6oTnoflpa3flenaeTca_Ha_4eab n0Bbic._KBariniJ)HK._c0TpyflHHK0B

3} C0KpaTUTb_aasnc._0T_BHeLij._aafÎM0B noapaaAeuaeTCH_Ha_uenbnoabicjp-Hb_OTseTCTa._nepefl_noTpe6nTeneM

4} 06tepnHneTca_B_uerib fnverseOf noflpa3RenaeTcn_Ha_Lrenb

5) noflpa3flenaeTca_Ha_L(enbo 04eHHBaeTca_n0Ka3aTeneM QfleTarinanpyeTca_Ha_LiHflHKaTop SubProper1yOf:aaBMCMMa_OT_nHflMKaTopa

6} Transitive: o5teflHHHeTca_B_ueub

npoLr._c0TpyflHnraa_icBan._ic0T_c00TB._3aHiiM._fl0aw;H0CTn r m h ,1=R i s r r- Mrmh c_KBarin (j™ K._coTpyflHLiic T

8} ripou._c0TpyflHnma_i:Ban._i:0T_c00TB._3aHHM._fl0axH0CTn fleTannanpyeTca_Ha_UHflHKaT0pTanbMaHCKnii_0Tnea

noflpa3flenaeTCP_Ha_uenb o oueHMBaeTCfl_nona3aTeneM Su№ropertyOf:3aBH<MMa_CT_noKa3arejiH

1G) 3aTpaTbi_Ha_oByM _coTpyflHMiOBOueHnaaeT_uerib noahic _Kaantfi|iuK._c0TpynHMK0B

11) ri0Bbicjp-Hb_0TaeTCTB._nepeiLn0TpefjnTeneM noflpaafleriHeTca_Ha_ueub [T0Bbic._Ka4-B0_n0rpy3-paarpy3._pafj0T

_обуч.сотрудников)) Ol [(имеет_индиштор value Т

In ALL otherjustlfications Q

In Э otherjustlfications Q

Iii 7 otherjustlfications (3

In 3 otherjustlfications ф

In ALL otherjustifications Q

In 3 otherjustlfications Q

In i otherjustifications Q

In 4 otherjustlfications Q In ALL other justifications

In ALL otherjustifications Q

In 3 otherjustlfications Q

Рис. 9. Инструмент Reasoner: объяснение получившегося результата выборки Fig. 9. Reasoner tool. Explanation of the resulting sample result

О

В случаях, когда не известно, каким образом необходимо повлиять на тот или иной показатель, можно воспользоваться функцией «SPARQL Query», которая позволяет делать запросы к RDF-файлу, в нашем случае SPARQL Query используется для выборки по показателям Data properties, показанным на рис. 6, и их значениям, представленным на рис. 7. Например, для того, чтобы узнать, какие цели зависят от показателя «Коэффициент абсолютной ликвидности» и «Коэффициент интенсивного

использования оборудования» (вместе) и что можно сделать с показателями расчета коэффициентов в DL Query, делаем выборку по нескольким показателям. Пример запроса в DL Query и его результат, представленные на рис. 10, показывают, что совместное изменение этих двух коэффициентов повлияет на такие цели, как «Повысить доходность и платежеспособность» и «Повысить конкурентоспособность».

Рис. 10. Результат работы выборки Fig. 10. Result of sampling

Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024. N. 1 ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Management in organizational systems

Далее с помощью SPARQL Query делаем запрос о значениях показателей. Результат отработки

запроса представлен на рис. 11.

A

Рис. 11. Результат запроса в SPARQL Query Fig. 11. Query result in SPARQL Query

В результате было получено, что для увеличения показателя «Коэффициент интенсивного использования оборудования» необходимо уменьшить параметр «Технически обоснованная производительность машин и оборудования» и увеличить параметр «Фактическая производительность основного технологического оборудования».

Аналогично был сформирован запрос о показателе «Коэффициент абсолютной ликвидности». Результат отработки запроса позволил сделать вывод о том, что для того, чтобы «Коэффициент абсолютной ликвидности» увеличился, необходимо увеличить вложения («Денежные средства»), а также «Финансовые краткосрочные вложения», и погасить «Текущие обязательства». Из результатов запросов рассмотренного примера следует, что, увеличив, например, «Фактическую производительность основного технологического оборудования порта» и уменьшив «Текущие обязательства», можно повысить «Доходность и платежеспособность порта», тем самым повлияв на главную стратегическую цель компании - повышение конкурентоспособности.

В качестве рекомендаций для принятия решений по управлению рисками грузового порта онтологическая модель на основании запросов выдает конкретные рекомендации по корректировке того или иного значения показателя путем, например, изменения (в сторону увеличения либо уменьшения) значений индикаторов, детализирующих данный показатель, корректировки количества используемых ресурсов, осуществляющих тот или иной бизнес-процесс в порту и т. п.

Основным преимуществом использования онтологии в организационном управлении является целостный подход к управляемым процессам. При этом достигаются:

- системность (онтология представляет целостный взгляд на предметную область);

- единообразие (материал, представленный в единой форме, намного лучше воспринимается);

- комплексность (построение онтологии позволяет восстановить недостающие логические связи).

Таким образом, правильно сформулированная и выстроенная онтология, с комплексным использованием функций Protégé, может помочь ответственным лицам более эффективно принимать управленческие решения за счет возможности отслеживания взаимосвязей, как целей на различных уровнях многоуровневого целеполагания, так и зависимости целей, расположенных на верхних уровнях, от показателей и индикаторов, расположенных на нижних уровнях.

Заключение

В статье описана структура взаимосвязей между элементами онтологической модели, разработанной на основе концепции многоуровневого целеполага-ния и рассматривающей риски грузового порта на различных уровнях целеполагания с позиции недостижения поставленных целей и недостижения показателями деятельности порта нормативных значений. Особое внимание уделено описанию входящих в состав онтологической модели классов, объектных свойств (отношений), связей, выстроенных на основе отношений, а также технологии осуществления запросов к онтологической модели.

Разработанная риск-ориентированная онтологическая модель позволяет осуществлять выборку вариантов выхода из предполагаемых рискованных ситуаций в соответствии с различными заданными условиями на основе запросов к модели. Правильно сформулированные запросы позволяют проследить характер влияния тех или иных параметров на значения показателей и достижение целей различного уровня целеполагания и выработать комплексные варианты решения тех или иных слож-

i в'

сю

k

t b

i b

era

Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. № 1

ISSN2072-9502 (Print), ISSN2224-9761 (Online)

Управление в организационных системах

ных для порта с точки зрения рисков ситуаций. Полученные варианты представляют собой реко-

мендации для принятия решении по управлению рисками грузового порта.

Список источников

>я я я

1. Ho M. W., Ho (David) K. H. Risk management in large physical infrastructure investments: the context of seaport infrastructure development and investment // Maritime Econom. Log. 2006. N. 8 (2). P. 140-168. https://doi.org/10.1057/ palgrave.mel .9100153.

2. Ханова А. А., Григорьева И. О., Потапова Е. С. Оценка эффективности деятельности организации на основе сбалансированной системы показателей и имитационного моделирования (на примере грузового порта) // Науч.-техн. ведом. Санкт-Петербург. гос. политехн. ун-та. Информатика. Телекоммуникации. Управление. 2009. № 6 (91). С. 119-126.

3. Protalinsky O., Khanova A., Bondareva I., Averianova K., Khanova Y. Cognitive Model of the Balanced Scorecard of Manufacturing Systems // Studies in Systems, Decision and Control. 2021. V. 337. P. 575-586. https://doi.org/10.1007/ 978-3-030-65283-8_47.

4. Solozhentsev E. Logic and probabilistic risk models for management of innovations system of country // International Journal of Risk Assessment and Management. 2015. V. 18, iss. 3-4. P. 237-255. https://doi.org/10.1504/IJRAM.2015. 071211.

5. Bondareva I., Khanova A., Khanova Y. Configuring Systems Based on Petri Nets, Logic-Probabilistic, and Simulation Models // Studies in Systems, Decision and Control. 2021. V. 338. P. 257-266. https://doi.org/10.1007/978-3-030-66077-2_21. 2.

6. Bondareva I. O., Shendo M. V., Luneva T. V., Kha-

nova A. A. Logical-probabilistic and simulation modeling as a toolkit for complex analysis and risk management of a cargo port // E3S Web Conf. 2020. N. 224. P. 02027. https://doi.org /10.1051/e3sconf/202022402027.

7. Бондарева И. О. Комплексный анализ рисков грузового порта на основе логико-вероятностного и имитационного моделирования // Изв. Юго-Запад. гос. ун-та. 2020. Т. 24, № 4. С. 91-106.

8. Bondareva I., Khanova A. A. Multi-level Management of Organizational Systems on the Basis of Risk Cascading, Logical-Probabilistic Modeling and Simulation // Studies in Systems, Decision and Control. 2022. V. 416. P. 157-166.

9. Бондарева И. О. Управление рисками транспортно-логистического предприятия на основе логико-вероятностного и имитационного моделирования // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. 2020. № 5. С. 29-35.

10. Бондарева И. О., Сидагалиева С. М., Нестерова Е. Т. Математическое моделирование управления рисками в транспортной логистике // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2021. № 2. С. 75-88.

11. Ханова А. А., Григорьева И. О. Предметная онтология как способ формирования семантической модели знаний грузового порта // Вестн. Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2009. № 1. С. 76-81.

References

о

1. Ho M. W., Ho (David) K. H. Risk management in large physical infrastructure investments: the context of seaport infrastructure development and investment. Maritime Econom. Log., 2006, no. 8 (2), pp. 140-168. https://doi.org/ 10.1057/palgrave .mel.9100153.

2. Khanova A. A., Grigor'eva I. O., Potapova E. S. Otsenka effektivnosti deiatel'nosti organizatsii na osnove sbalansirovannoi sistemy pokazatelei i imitatsionnogo mod-elirovaniia (na primere gruzovogo porta) [Assessment of the effectiveness of the organization's activities based on a balanced scorecard and simulation modeling (using the example of a cargo port)]. Nauchno-tekhnicheskie vedomosti Sankt-Peterburgskogo gosudarstvennogo politekhnicheskogo uni-versiteta. Informatika. Telekommunikatsii. Upravlenie, 2009, no. 6 (91), pp. 119-126.

3. Protalinsky O., Khanova A., Bondareva I., Averianova K., Khanova Y. Cognitive Model of the Balanced Scorecard of Manufacturing Systems. Studies in Systems, Decision and Control, 2021, vol. 337, pp. 575-586. https://doi.org/10.1007/ 978-3-030-65283-8_47.

4. Solozhentsev E. Logic and probabilistic risk models for management of innovations system of country. International Journal of Risk Assessment and Management, 2015, vol. 18, iss. 3-4, pp. 237-255. https://doi.org/10.1504/IJRAM. 2015.071211.

5. Bondareva I., Khanova A., Khanova Y. Configuring Systems Based on Petri Nets, Logic-Probabilistic, and Simulation Models. Studies in Systems, Decision and Control, 2021, vol. 338, pp. 257-266. https://doi.org/10.1007/978-3-030-66077-2_21. 2.

6. Bondareva I. O., Shendo M. V., Luneva T. V., Khano-va A. A. Logical-probabilistic and simulation modeling as a toolkit for complex analysis and risk management of a cargo port. E3S Web Conf., 2020, no. 224, p. 02027. https://doi.org /10.1051/e3sconf/202022402027.

7. Bondareva I. O. Kompleksnyi analiz riskov gruzovogo porta na osnove logiko-veroiatnostnogo i imitatsionnogo modelirovaniia [Comprehensive risk analysis of a cargo port based on logical probabilistic and simulation modeling]. Izvestiia Iugo-Zapadnogo gosudarstvennogo universiteta, 2020, vol. 24, no. 4, pp. 91-106.

8. Bondareva I., Khanova A. A. Multi-level Management of Organizational Systems on the Basis of Risk Cascading, Logical-Probabilistic Modeling and Simulation. Studies in Systems, Decision and Control, 2022, vol. 416, pp. 157-166.

9. Bondareva I. O. Upravlenie riskami transportno-logisticheskogo predpriiatiia na osnove logiko-veroiatnost-nogo i imitatsionnogo modelirovaniia [Risk management of a transport and logistics enterprise based on logical probabilistic and simulation modeling]. Matematicheskoe

Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics. 2024. N. 1 ISSN 2072-9502 (Print), ISSN 2224-9761 (Online)

Management in organizational systems

i komp'iuternoe modelirovanie v ekonomike, strakhovanii i upravlenii riskami, 2020, no. 5, pp. 29-35.

10. Bondareva I. O., Sidagalieva S. M., Nesterova E. T. Matematicheskoe modelirovanie upravleniia riskami v trans portnoi logistike [Mathematical modeling of risk management in transport logistics]. Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo universiteta. Seriia: Upravlenie, vychislitel'naia tekhnika i informatika, 2021, no. 2, pp. 75-88.

11. Khanova A. A., Grigor'eva I. O. Predmetnaia on-tologiia kak sposob formirovaniia semanticheskoi modeli znanii gruzovogo porta [Subject ontology as a way of forming a semantic knowledge model of a cargo port]. Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo universiteta. Seriia: Upravlenie, vychislitel'naia tekhnika i informatika, 2009, no. 1, pp. 76-81.

Статья поступила в редакцию 26.10.2023; одобрена после рецензирования 30.11.2023; принята к публикации 11.01.2024 The article was submitted 26.10.2023; approved after reviewing 30.11.2023; accepted for publication 11.01.2024

р р

A

Информация об авторах I Information about the authors

Ирина Олеговна Бондарева - кандидат технических наук, доцент; заведующий кафедрой прикладной информатики; Астраханский государственный технический университет; го. bondareva@mail. ги

Анастасия Олеговна Белова - магистрант кафедры прикладной информатики; Астраханский государственный технический университет; foxis9999@mail.ru

Irina O. Bondareva - Candidate of Technical Sciences, Assistant Professor; Head of the Department of Applied Informatics; Astrakhan State Technical University; i.o.bondareva@mail.ru

Anastasia O. Belova - Master's Course Student of the Department of Applied Informatics; Astrakhan State Technical University; foxis9999@mail.ru

i

era

k

t b

i

era