CC BY
99
УДК: 004.896 ББК 32.973.2
Орлов С.П.
СИСТЕМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ УПРАВЛЕНИИ ЦЕЛЕВЫМИ ПРОГРАММАМИ РАЗВИТИЯ РЕГИОНОВ
Orlov S.P.
THE ARTIFICIAL INTELLIGENCE SYSTEM FOR MANAGEMENT OF TRUST REGIONAL DEVELOPMENT PROGRAMS
Ключевые слова: система искусственного интеллекта, система поддержки принятия решений, региональная целевая программа, анализ среды функционирования.
Keywords: artificial intelligence system, decision support systems, regional development program, data envelopment analysis.
Аннотация: в статье рассматривается проблема управления региональными целевыми программами. Обоснована необходимость использования методов искусственного интеллекта для выработки управленческих решений. Предложено использовать модели на основе метода анализа среды функционирования для комплексной оценки объектов программы. Рассмотрены принципы построения интеллектуальной системы поддержки принятия решений. Приведена структурная схема системы искусственного интеллекта. Рассмотрен пример использования интеллектуальной системы для поддержки принятия решений при управлении целевой программой водоснабжения.
Abstract: in the paper the problem of management of regional target programs is formulated. The necessity of the use of artificial intelligence methods for the development of management decisions is considered. To use the model on the method Data envelopment analysis for integrated assessment program objects is proposed. The principles of constructing an intelligent decision support system are considered. The block diagram of the artificial intelligence system is given. There is an example of the use of intelligent decision support system to support decision making in the management of the water supply target program.
Введение
Развитие регионов Российской Федерации через бюджетное
финансирование проводится в основном с помощью федеральных и региональных целевых программ. Такие программы предусматривают также и частные инвестиции (внебюджетное
финансирование), в том числе через государственно-частное партнерство.
Методика организации целевых программ, экономическое обоснование, расчет инвестиций рассмотрены в работах [1, 2, 3] .
В то же время, до сих пор управленческие решения при формировании целевых программ и в процессе их выполнения и корректировки основываются в большей части на субъективных оценках и предпочтениях. Слабо внедряются современные методы системного анализа,
методы принятия решений с использованием искусственного интеллекта, математические методы оптимизации.
В статье рассмотрены подходы к организации управления целевыми программами на основе методов и систем искусственного интеллекта.
1. Задача формирования целевой региональной программы
Рассмотрим формальную постановку задачи управления региональной программой. В работах [4, 5] исследовалась, как объект управления, целевая региональная программа водоснабжения Самарской области. Обобщая этот подход, представим любую целевую программу как совокупность проектов, выполнение которых обеспечивает достижение заданных целевых показателей программы. Множество целевых показателей включает в себя, как
правило, критерии качества жизни населения, социальные, экономические и технические параметры.
Целевая программа состоит из множества отдельных проектов Рп, реализация которых обеспечивает достижение целей программы. Проект Рп содержит совокупность мероприятий F7г (£), выполняемых по определенному графику, который может быть представлен в виде диаграммы Ганта. Эти мероприятия представляют собой целенаправленное преобразование ресурсов Я71 в условиях V внешней среды при воздействии управленческих решений 1]п(£). Определим
^ п
последовательность этапов г , реализуемых в рамках проекта Рп при выполнении мероприятий /''"(г:), за период Т:
где _/ = 1,]п, ]п - число этапов п - го мероприятия целевой программы.
Условия реализации проекта Рп определяются полнотой априорной информации, наличием проектных требований, ограничений и граничных условий. Свойства объекта проектирования и условия выполнения могут меняться во времени в зависимости от внешней среды. Это связано с финансовым, экономическим состоянием в стране, развитием технического прогресса, природными факторами и другими обстоятельствами.
Целевые переменные /1, /2,..., /к зависят от целевых показателей региональной программы водоснабжения и определяют многокритериальную задачу оптимизации управления проектом Рп на каждом этапе программы:
max f1 Unj ,...,fk U,
'nj
Uní e п
nj
где f1 Unj ,...,fk U^
•щ >■■■>] "щ - функции
зависимости показателей программы от управляющих решений на этапе у, О -область допустимых решений.
2. Анализ методов комплексной оценки проектов целевой программы
В работе [4] рассмотрен жизненный цикл целевой федеральной или региональной
программы и показано, что первым этапом является определение множества объектов, рассматриваемых в качестве потенциальных кандидатов на включение в программу. Опыт разработки системы принятия решений для целевой программы водоснабжений выявил проблему объективной оценки объектов для включения в программу в качестве проектов. От того, насколько обоснованно будет сделан выбор, зависит и объем финансирования программы, и реальные сроки выполнения проектов. Таким образом, необходимо разработать методику комплексной оценки, сравнения,
кластеризации и классификации объектов проектировании, которую следует реализовать в интеллектуальной системе поддержки принятии решений. Причем делать это приходиться в условиях значительной неопределенности, так как не всегда имеются полные данные о самом объекте и об условиях внешней среды V.
Существуют различные подходы к оценке эффективности деятельности предприятий. Наиболее часто используются методы регрессионного анализа и стохастической граничной
производственной функции. Но в работе [8] показано, что результаты применения этих методов зачастую неполноценны, и на их основе можно сделать неверные выводы.
Метод анализа среды
функционирования (АСФ или DEA) [6,7,8] относится к граничным методам, так как этот метод основан на построении границы эффективности и анализа расположения исследуемых объектов относительно этой границы. Если исследуемый объект расположен на границе эффективности, то функционирование такого объекта считается эффективным. Объекты, расположенные вне границы эффективности, считаются неэффективными. Степень
"неэффективности" такого объекта определяется степенью удаленности точки от полученной границы эффективности.
Преимущество метода АСФ в том, что данный метод оценивает эффективность функционирования системы не по какому-то одному выбранному критерию или искусственно созданному коэффициенту, а
по всем факторам, влияющим на систему в целом. Кроме того, возможно определить и наглядно увидеть, какие входные и выходные показатели необходимо скорректировать, чтобы повысить эффективность. Особенность моделей методологии АСФ в том, что число объектов п должно быть намного больше, чем суммарное число входов и выходов.
При использовании метода АСФ исследователь выбирает для оценки подходящую комбинацию входных и выходных параметров. Это дает возможность проведения всеобъемлющего и объективного анализа. В АСФ не предполагается, что сам исследователь будет присваивать веса для каждого входа и выхода, как в обычных индексных подходах. Значения весов находятся при решении оптимизационной задачи линейного программирования. Кроме того, нет необходимости присвоения функциональных форм, которые нужны при использовании методов статистической регрессии [8]. Применение гибких весов позволяет исключить риск субъективной оценки исследователя в отличие от случая с фиксированными весами.
Технология АСФ позволяет находить не только различные меры эффективности функционирования экономических объектов, но и определять важные экономические показатели, такие как эффект масштаба, эластичность и маргинальные
коэффициенты.
Основная модель ССЯ [7] для оценки эффективности п объектов является задачей линейного программирования:
1ШП0, (1)
при условии: дх0 — XX > О, УЛ > Ус, А>0,
где X - матрица входов,
Y - матрица выходов, В - величина эффективности исследуемого объекта,
Я - полуположительный вектор (фактор взвешивания),
А/ > 0,1, Ф 0,у/ = 1
Решение задачи (1) сводится к п
процедурам решения с помощью симплекс-метода системы линейных уравнений размерности п. Дальнейшее развитие этого подхода заключается в использовании практической границы эффективности. При этом формулируется и решается задача дробно-линейного программирования [9, 10]. Существует один важный аспект, который в АСФ влияет на количество используемых для оценки параметров. Увеличение размерности задачи приводит к вычислительным сложностям, поэтому нежелательно использовать большое число входов и выходов в модели. Следует выбирать наиболее информативные параметры, имеющие достоверные значения.
Такой подход к оценке и выбору объектов финансирования успешно применяется при планировании и описан в работе [11].
Таким образом, система
искусственного интеллекта для принятия решений по целевой программе должна содержать модуль, реализующий методологию АСФ. Кроме этого, в системе должно обеспечиваться решение
оптимизационных задач линейного и дробно-линейного программирования. Этот модуль ориентирован на конкретную предметную область проектирования в целевой региональной программе развития.
3. Принципы организации интеллектуальных систем поддержки принятия решений при управлении целевыми программами
Следующий важный этап реализации целевой программы связан с предпроектным исследованием возможных путей
выполнения работ по конкретным объектам. Предлагается уже на этом этапе получать и анализировать множество вариантов технических реализаций проекта: архитектурные решения, технологические схемы, состав оборудования и т.п. С этой целью система искусственного интеллекта использует продукционный вывод на основе баз знаний о предметной области целевой программы [12].
Анализ состояния проблемы выявил, что в последнее время назрела необходимость в создании
крупномасштабных интеллектуальных
систем, обеспечивающих поддержку принятия решений на объектах промышленности, транспорта, энергетики и т.п. Базы знаний таких систем имеют большие объемы, измеряемыми миллионами фактов и тысячами правил, и характеризуются разнообразием связей между сущностями. Для работы с такими базами знаний целесообразно использовать прецедентную модель искусственного интеллекта с воспроизведением механизма интеллектуальных навыков в виде прецедентов [13]. Прецеденты позволяют выполнить редукцию пространства поиска в базах знаний большой размерности. В этом случае механизм управления прецедентами реализуется с помощью модели машины вывода.
В первую очередь поиск выполняется среди ранее найденных решений (прецедентов). Если прецедент не найден, то запускается машина вывода, а найденное решение пополняет базу прецедентов. При этом повторяемость запросов является необходимым условием применимости прецедентов.
На рисунке 1 приведена структурная схема интеллектуальной системы поддержки принятия решений (ИСППР), выполняющей функции оценки и отбора объектов целевой программы и генерации управленческих решений в ходе выполнения программы.
Основные аналитические функции, в частности комплексная оценка по методу АСФ, выполняются в модулях АСФ, оптимизации и статистической обработки. Экспертная система использует базу знаний для автоматизированного продукционного вывода альтернативных управленческих и технических решений. Внешняя среда изменчива, происходят быстрые и значительные изменения в
макроэкономической обстановке, природные и техногенные изменения. Накопление знаний в базе знаний дает возможность выполнять прогноз развития региона в данной предметной области. С этой целью в состав ИСППР включен модуль прогнозного анализа.
Модуль связи предназначен для интеграции ИСППР в единое информационное пространство
Электронного правительства региона.
4. Пример использования системы искусственного интеллекта при управлении программой регионального водоснабжения
На основе предложенного комплекса системных моделей и алгоритмов принятия решений была построена интеллектуальная система поддержки принятия решений по технологиям водоснабжения (ИСППР ТВ) [14]. Она использовалась при управлении целевой региональной программой водоснабжения и проектировании систем водоснабжения. В системе реализован метод анализа среды функционирования для обоснованного отбора объектов
реконструкции и строительства систем промышленного и хозяйственного бытового водоснабжения. База знаний строилась на основе всероссийского классификатора технологий очистки природных вод [15].
В ходе выполнения целевой региональной программы Самарской области в течение семи лет были рассмотрены 156 объектов, нуждающихся в реконструкции или создании новых систем водоснабжения.
Подробному анализу с использованием разработанной ИСППР ТВ на предпроектном этапе было подвергнуто 32 объекта. По этим объектам были собраны данные по следующим показателям: тип объекта, тип воды, технологическая схема очисти воды, производительность водозаборов, стоимость оборудования и занимаемая площадь и т.д. В результате были рассчитаны удельные показатели: суточная производительность (м /сутки); стоимость оборудования на 1 м3/ч; занимаемая площадь на 1м /ч; затраты на 1 м3. Эти данные легли в основу построения модели оценки по методу АСФ.
В результате внедрения системы:
— сократились сроки проектирования и строительства систем промышленного водоснабжения предприятий и населенных пунктов;
— уменьшилась стоимость проектных работ за счет принятия экономически обоснованных и технически реализуемых решений;
— было проведено обоснованное
включение объектов в региональную программу водоснабжения, что снизило риск невыполнения проектных и строительно-монтажных работ;
- оптимизация состава оборудования для систем водоснабжения позволила рационально распределять инвестиционные ресурсы между объектами водоснабжения при бюджетном и частном финансировании работ.
Количественная оценка эффективности
работы ИСППР ТВ проводилась сравнением 8-ми проектов, выполненных с использованием системы, с аналогичными проектами, реализованными в предыдущие годы.
Оценивались время выполнения проектно-изыскательских работ (ПИР) и общая стоимость ПИР и строительно-монтажных работ (СМР). Результаты показаны в таблице 1.
Рисунок 1 - Структура интеллектуальной системы для генерации решений при управлении целевой программой
Таблица 1 - Время выполнения проектно-изыскательских работ (ПИР) и общая стоимость ПИР и строительно-монтажных работ (СМР)
№ п/п Объекты водоснабжения, сравниваемые попарно Производительость, м3/час Проектирование в ИСППР ТВ Проектирование без ИСППР ТВ Уменьшение стоимости 8с, тыс. руб Сокращение сроков 54 месяц
Стоимость с{ ПИР и СМР, тыс. руб. Сроки и ПИР, месяц Стоимость сБ ПИР и СМР, тыс. руб. Сроки Г Б ПИР, месяц
1 ДжиЭм-АВТОВАЗ, цех окраски 22 6 100,0 10 - - -1 140,0 2
Водозабор п. Максимовка 25 - - 7 240,0 12
2 ООО «Пиво-Люкс» 1 156,0 6 - - - 44,0 1
ООО «Пит-Стоп» 1 - - 200,0 7
3 МПП ЖКХ Соль-Илецк 2,0 343,6 9 - - - 86,4 3
СИ-2, г. Сызрань 2,5 - - 430,0 12
4 ЗАО Росскат, подпитка охлаждения 5,5 1 506,0 7 - - - 115,9 1
ЗАО Росскат, цех №1 6 - - 1 621,9 8
5 ООО «Тольяттихлеб» 1 230,0 4 - - - 84,0 2
ЗАО Криста №8 1 - - 314,0 I 6 Тродолж :ение табл ицы 1
6 ЖБК, Тольятти 1,5 320,0 7 - - - 35,0 1,5
ЗАО Т-стим 1,7 - - 355,0 8,5
7 Самарская отопительная техника 2,3 450,0 9 - - - 60,0 2
ООО «Ротор» 2,4 - - 510,0 11
8 Самарский жиркомбинат 3 1 810,6 9 - - - 114,1 3
КС «Котельниковская» 2,5 - - 1924,7 12
Как следует из таблицы 1, практическое применение ИСППР ТВ при управлении целевой региональной программой обеспечения чистой водой в среднем снизило стоимость проектов на 16% и сократило время выполнения проектов на 20%.
Заключение
Данный подход позволяет находить эффективные управленческие решения, которые генерируются системой
искусственного интеллекта. Эти решения могут, в свою очередь, оцениваться группой экспертов для формирования предложений для лица, принимающего решения (ЛИР). Использование математических методов и системных моделей, продукционный вывод и база знаний большой размерности повышают достоверность и эффективность принимающихся решений. В конечном счете, это приводит к экономии бюджетных средств и сокращает сроки выполнения целевой программы развития региона.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Минченко, О.С. Подходы к оценке целевых программ в Российской практике / О.С. Минченко // Вопросы управления. - № 4(21). - 2012.
2. Волкова, В.Н. Теория систем и системный анализ в управлении организациями / В.Н. Волкова, А.А. Емельянова. - М.: Финансы и статистика: Инфра-М, - 2006. - 848 с.
3. Райзберг, Б.А. Программно-целевое планирование и управление / Б.А. Райзберг, А.Б. Лобко. - М.: Инфра-М, 2002. - 428 с.
4. Нечаев, Д.А. Модели принятия решений в управлении региональной программой водоснабжения / Д.А.Нечаев // Вестник Волжского университета им. Татищева. - 2013. - № 2(21). - С. 4 - 8.
5. Орлов, С.П. Модели анализа и принятия решений при управлении региональными программами / С.П. Орлов, Д.А. Нечаев // Системы управления и информационные технологии. - 2013. - № 2(52). - С. 35 - 38.
6. Ramanathan, R. An Introduction to Data Envelopment Analysis / R. Ramanathan // A Tool for Performance Measurement. Sage Publications, 2003. - P. 25.
7. Banker, R.D. Same models of estimating technical and scale inefficiencies in Data Envelopment Analysis / R.D. Banker, A. Charnes, W.W. Cooper // Management science. - 1984. -30(9). -P.1078-1092.
8. Cooper, W.W. Data Envelopment Analysis. A Comprehensive Text with Models, Applications, References and DEA-Solver Software / W.W. Cooper, L.M. Sieford, K. Tone. - 2nd edition. - New York: Springer-Verlag, 2006. - С. 528.
9. Орлов, С.П. Комплексная оценка и классификация объектов водоснабжения регионов / С.П. Орлов, Д.А. Нечаев // Вестник Самар. гос. техн. ун-та. Серия «Технические науки». Вып. 1(37). - 2013. - С. 14-21.
10. Моргунов, Е.П. Многомерная классификация на основе аналитического метода оценки эффективности сложных систем: дис. ... канд. техн. наук: 05.13.01 / Е.П. Моргунов; НИИ систем управления, волновых процессов и технологий. - Красноярск, 2003. - 160 с.
11. Пискунов, А.А. Использование методологии АСФ для оценки эффективности расходования бюджетных средств на государственное управление в субъектах Российской Федерации / А.А. Пискунов, И.И. Иванюк, А.В. Лычев, В.Е. Кривоножко // Вестник АКСОР. - 2009. -№ 2. - С. 28-36.
12. Девятков, В.В. Системы искусственного интеллекта / В.В.Девятков. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. -352 с.
13. Бессмертный, И.А. Методы, модели и программные средства для построения интеллектуальных систем на продукционной модели знаний: дис. ... докт. техн. наук: 05.13.11 / И.А. Бессмертный; Санкт-Петербургский национальный исслед. университет информационных технологий, механики и оптики. - СПб., 2014. - 304 с.
14. Орлов, С.П. Разработка интеллектуальной системы поддержки принятия решений в области водоподготовки и водоочистки природных вод / С.П. Орлов, А.В. Чуваков, Д.А. Нечаев // В сб.: Труды 8-й Всероссийской научн.-практ. конф. «Компьютерные технологии в науке, практике и образовании». - Самара: СамГТУ, 2009. - С. 194 -197.
15. Журба, М.Г. Водоснабжение. Проектирование систем и сооружений. - Изд. 2-е, перераб. и доп. / Г.М. Журба, Л.И. Соколов, Ж.М. Говорова. - М.: Издательство АСВ, 2004. - С. 495.
