Источники информационной базы ИС, виды показателей и методики для выявления проблемных ситуаций в производстве

14. Источники информационной базы ИС, виды показателей и методики для выявления проблемных ситуаций в производстве

 

Источники информационной базы ИС, виды показателей и методики для выявления ПС.

В качестве информационной базы используются формы годовой отчетности, а также нормативные значения показателей, определяемые на основе средних значений по отрасли или группе аналогичных предприятий.

Наиболее распространенная форма выявления проблем с использованием технико-экономических показателей – сравнение их фактических величин с числовыми, нормативными или средними значениями и вычисление абсолютных и относительных отклонений.

Показателями, могущие использоваться для выявления проблем, касающихся финансового состояния предприятия и определения степени их критичности на основе анализа финансовых коэффициентов, результатов производственно-коммерческой деятельности и эффективности использования ресурсов могут выступать:

Ø   коэффициент ликвидности;

Ø   коэффициент покрытия;

Ø   коэффициент обеспеченности собственными средствами, %;

Ø   рентабельность продукции, %;

Ø   реализация товарной продукции, %;

Ø   фондоотдача, %;

Ø   производительность труда, %;

Ø   износ основных средств, %;

Можно также применять методики выявления ПС, базирующиеся на определенных аналитических соотношениях технико-экономических показателей, в состав которых входят следующие элементы:

Ø   индекс прибыли;

Ø   индекс амортизационных отчислений;

Ø   индекс затрат на заработную плату;

Ø   индекс оборотных средств;

Ø   индекс основных производственных фондов;

Ø   индекс численности работающих.

Выявление проблем осуществляется нахождением отклонения от определенных аналитических зависимостей между этими показателями и дальнейшей их интерпретации.

Например, если отмечается отставание темпа роста прибыли от темпа роста объемов производства, делается заключение об определенных проблемах в сфере маркетинговой деятельности предприятия, в частности, в области ценообразования.

Во многих случаях для определения пороговых значений объемов производства и сбыта, выручки от реализации целесообразно применять методику «анализ безубыточности», а именно расчет точки безубыточности и «запаса прочности» предприятия, выражающего (в процентах) соотношение текущего объема производства и объема, соответствующего точке безубыточности.

Для технико-экономических показателей, характеризующих проблемную ситуацию, которые могут быть представлены статистическими рядами данных, используются базовые статистические методы, например, расчет средних, стандартных отклонений, дисперсий.

На рис. 2.2 показан фрагмент «дерева причин», связанный со снижением объема производства и реализации услуг.

Рис. 2.2. Дерево причин проблемной ситуации «снижение объемов производства и реализации»

Итак, нам стало ясно, что в качестве основных причин возникновения ПС выступают состояния и изменения состояний элементов внутренней и внешней среды организации (ресурсы, структурные подразделения, виды продукции, виды затрат, поставщики, потребители).

Поэтому можно говорить о структуризации проблемы в соответствии не только с причинами ее возникновения, но и с элементами внешней и внутренней среды организации, а также характеризующими их показателями.

15. Граф концептуальной модели проблемной ситуации и его толкование

 

Построение логических правил для выбора действий и правил принятия решений.

После формирования дерева причин производят построение логических правил, используемых для выбора действий и правил принятия решений (ППР).

Первый элемент ППР – таблица условий – описание проблемной ситуации в виде определенной совокупности объектов, их параметров и отношений между ними.

Второй элемент ППР – перечень действий, которые могут быть приняты в той или иной проблемной ситуации. Для комплексного представления результата структуризации проблемы и методов ее решения можно использовать концептуальную модель (рис. 2.3). В соответствии с этой моделью проблема может быть представлена в виде графа с четырьмя видами вершин: X, Р, ДиС

Рис 2.3. Концептуальная модель проблемной ситуации

X – множество проблем.

Р – множество атрибутов описания проблем.

D – множество типовых решений проблем.

С – множество условий, разделяющих проблемы и решения, ориентированные дуги выражают множество отношений, описывающих взаимосвязь проблем.

Логический анализ проблем-причин на низших уровнях иерархии, показывает, что во многих случаях они позволяют сформулировать варианты решения проблем более высокого уровня. В общем случае в качестве вариантов решений можно использовать классы стратегий, предлагаемых в экономической литературе.

16. Особенности проектирования интеллектуальной экономической информационной системы

 

Проектирование ИИС начинается с обследования предметной области. Современные технологии такого обследования базируются на концепции и программных средствах реинжиниринга бизнес-процессов (BPR).

Реинжиниринг бизнес-процессов – это фундаментальное переосмысление и радикальное перепланирование критических бизнес-процессов в процессе внедрения средств информатизации, имеющее целью резко улучшить качество функционирования с точки зрения затрат, качества обслуживания и скорости выполнения.

Бизнес-процесс – это упорядоченное множество операций (видов) деятельности, реализуемых в организационной структуре в соответствии с ее миссией и целями, начинающихся с одной или более входных операций и заканчивающихся созданием продукции, необходимой клиенту.

Процесс – это систематически упорядоченная совокупность работ, заданий (активностей) во времени и в пространстве с указанием начала и конца и точным определением входов и выходов.

Ключевой элемент модели бизнеса – это описание архитектуры компании, т.е. описание ее наиболее важных статических и стабильных структур: отделений, отделов, а также продукции и материалов. Однако просто организационная схема плохо отражает суть функционирования компании, поэтому важны динамические структуры – это процессы и потоки событий. Кроме этого, необходимо описать процессы и потоки событий. Необходимо описать как входные данные, поступающие из внешнего мира, так и действия (операции) процесса, которые производятся над исходными данными, а также потребляемые ресурсы.

Субъект – это все то, что в окружении взаимодействует с бизнесом: клиенты, поставщики, партнеры.

Сценарий – совокупность транзакций в системе, выполняемых для реализации функций бизнеса.

Транзакция – неделимое множество действий, выполняемых или целиком, или не выполняемых вовсе, и в совокупности составляющих единое задание.

Объекты могут соответствовать задачам, видам продукции или сущностям.

Обычно разделяют следующие виды объектов:

·     объект-сущность,

·     управляющие объекты и

·     интерфейсные объекты.

Интерфейсные и управляющие объекты представляют задачи, а не типы ресурсов.

Интерфейсные объекты представляют в бизнесе операции, включающие взаимодействие с окружением бизнеса.

Управляющие объекты участвуют в управлении потоками при обработке продукции.

Объекты-сущности – это продукция и предметы, обрабатываемые бизнесом.

Могут быть выделены следующие разновидности отношений:

Ø   ссылки – связи, ведущие от одного экземпляра объекта к другому;

Ø   наследования – связывают два класса.

Агрегат объектов. Отношения включения: «состоит из» и «является частью» – представляют собою варианты отношения ссылки. Они используются для выражения того, что объект состоит из других объектов. Конструкция данного типа называется агрегатом.

Отношения коммуникации. Объекты должны иметь возможность обмениваться данными. Этот тип отношения выражается отношением коммуникации между двумя объектами. Направление отношения показывает направление передачи стимулов. Отношение коммуникации почти всегда является отношением между экземплярами.

Отношения наследования. Отношения наследования – это отношения между классами. При конкретизации последующего класса (потомка) его экземпляр получает все характеристики (атрибуты, операции и отношения), описанные в суперклассе.

Поведение. Изучая сценарии, в которых участвует объект, можно получить представление об обязательствах объекта по отношению к его окружению. Поведение объекта можно разделить на несколько последовательных действий, называемых операциями. Выполнение каждой такой операции инициируется определенным стимулом. Чтобы выполнить операцию, нужно знать определенные входные и выходные данные, называемые параметрами операции. Протокол класса устанавливает связь между посылаемыми объекту стимулами и реализуемыми объектом методами (операциями).

Атрибут. Характеристика объекта моделируется атрибутами объекта. Отношение «атрибут» имеет имя, описывающее роль, которую атрибут играет по отношению к объекту. Отношение также может иметь мощность, указывающую сколько экземпляров атрибута может быть ассоциировано с этим отношением. Отношение «атрибут» обычно связывает экземпляр класса объектов с экземпляром типа атрибут.

Состояния объектов. Объект может получать различные стимулы в зависимости от значения атрибутов и ранее выполненных операций, то есть объект может находиться в различных состояниях. Состояния объекта целесообразно описывать диаграммами состояний и переходов.

Взаимодействие объектов в сценарии. Взаимодействие объектов в сценарии отражает динамику объектной модели. Этот тип представления содержит (помимо объектов) отношения коммуникации, необходимые для выполнения сценария. Один и тот же объект может участвовать в нескольких сценариях, выступая в разных ролях.

Диаграммы взаимодействий. Если необходимо описать, как при выполнении потока событий взаимодействуют объекты модели, строится диаграмма взаимодействий, показывающая, как взаимодействующие объекты реализуют прецедент. При этом идентифицируются стимулы, передаваемые между объектами, и параметры этих стимулов, т.е. идентифицируются протоколы взаимодействия объектов, составляется полный перечень операций. Сценарий обычно содержит несколько вариантов хода событий, изображаемых разными диаграммами. Для больших систем вначале строят упрощенную модель, а затем вводят отношения расширения.

Описание сценария может быть довольно сложным для понимания, если оно содержит слишком много альтернативных, необязательных потоков событий, выполняемых при определенных условиях. Один из способов сделать описание «прозрачнее» – извлечь некоторые его фрагменты и рассматривать их как отдельный сценарий. Говорят, что этот новый сценарий расширяет первоначальный, отношение расширения можно рассматривать как способ структурирования потока событий.

Отношения использования. При описании сценариев можно обнаружить, что некоторые из них имеют общие фрагменты. Чтобы не описывать эти общие фрагменты более одного раза, их описывают в виде самостоятельного сценария. Его затем могут использовать остальные. Отношение использования позволяет избежать лишних описаний, позволяя повторно применять общие фрагменты потока событий. Отношения использования и отношения расширения можно рассматривать как вид наследования.

Подсистемы и сценарии. В большом бизнесе можно выделить много частей (подбизнесов). Подсистема включает функционально близкие объекты и (или) подсистемы.

В чем разница между сценариями и подсистемами? В подсистеме объекты собраны в соответствии с их функциями. Сценарий, наоборот, может выполняться объектами разных подсистем.

17. Основные компоненты и существенные черты ИИС

 

Существенные черты ИИС:

Ø  наличие знаний,

Ø  способности логического вывода и

Ø  особенно системы управления знаниями.

Ø  Способность производить выводы – принципиальная особенность современных информационных технологий.

Эта способность основывается на знаниях, причем знания различаются по форме, начиная от простых фактов, хранящихся в обычной базе данных, до сложных высказываний о реальном или моделируемом мире. С точки зрения логики, базу данных можно рассматривать как множество фактов, при этом запросы и ограничения целостности являются формулами, которые необходимо интерпретировать, используя семантическое определение истинности.

Формально базу данных можно рассматривать как теорию первого порядка, точнее, как множество аксиом в некоторой теории первого порядка. В свою очередь, база знаний есть множество теорем, которые могут быть получены из множества хранящихся аксиом использованием множества универсальных механизмов вывода.

На начальном этапе применения методов искусственного интеллекта к ИС наибольшее распространение получили экспертные системы (ЭС), т.е. компьютерные программы, имеющие дело с проблемами, для которых не существует непосредственно аналитических методов, но в которых они позволяют получить результаты. Первые экспертные системы разработаны для некоторых устоявшихся, хорошо определенных приложений, например, помощи химикам-органикам (ЭС ДЕНДРАЛ); в области медицины (например, MYCIN, INTERNIST/CADUCEUS, PUFF). На рис 3.3 представлена типичная организация экспертной системы.

Логические выводы, возможности получения логических следствий и возможности решения проблем обычно бывают встроены в машину вывода ЭС. В литературе по искусственному интеллекту термин «решение проблем» относится к методологии поиска пути из начального состояния в целевое состояние. Техника решения проблем включает общий решатель проблем и поисковый алгоритм. Некоторые из таких алгоритмов имеют имена (например, А* алгоритм).

Компонента синтеза объяснения – это тип выходной информации, используемой, чтобы оправдать некоторые выдаваемые системой заключения и предоставить пользователю некоторые пояснения в форме, подходящей для интерпретации лицом, принимающим решения.

Способность интеллигентного редактирования есть виртуальная необходимость для системы приобретения знаний.

Машинное обучение – это механизм для автоматического приобретения знаний. Системы машинного зрения могут быть использованы для распознавания информации с экранных форм и приобретения знаний.

Обработка естественного языка и системы распознавания речи могут быть эффективно использованы, чтобы обеспечить дружественный к пользователю интерфейс.

ЭС успешно применены в целом ряде областей, включая математику, геологию, проектирование и разработку систем. В последнее время ЭС стали очень широко применяться в области бизнеса, страхования и банковского дела. Основные составляющие ЭС:

База знаний. Служит для представления эвристической и фактологической информации, часто в форме фактов, утверждений и правил вывода.

Машина вывода. Механизм, играющий роль интерпретатора, применяющего знания подходящим образом, чтобы получить результат.

Система естественно-языкового интерфейса (СЕЯИ). Механизм, преобразующий запросы и выдающий ответы пользователю, иногда отыскивающий дополнительную информацию для машины вывода. Эта компонента включает средства, необходимые для взаимодействия ИИС с пользователем.

СЕЯИ, занимающая в этом арсенале средств особое место, позволяет пользователю общаться с ИС на естественном языке, т.е. реализует дружественный к пользователю интерфейс.

18. Схема ИИС

ИИС (рис. 3.4) функционирует, используя систему управления базой данных и базу знаний.

В ИИС интегрируются знания, поступающие от экспертов, относительно 5акономерностей конкретной предметной области наряду с фундаментальными (энциклопедическими знаниями), составляющими суть научных теорий и моделей. Эти знания хранятся в репозитарии знаний, а конкретные [) акты – B базе данных под управлением системы управления базой данных.

Рис. 3.4. Схема интеллектуальной информационной системы

Для хранения данных в ИИС используются либо реляционные, либо для гегрированного хранения данных и знаний – объектно-ориентированные базы данных. На рис. 3.5 показана схема интеграции базы данных и базы знаний.

Рис. 3.5. Интеграция базы данных и базы знаний

Базы данных обрабатывают то, что называется форматированными данными посредством описания структуры данных различных прикладных программ и единообразного описания их в единственной концептуальной схемебазы данных для всего предприятия. Концептуальная схема традиционных СУБД в очень малой степени затрагивает смысл данных. Поэтому непосредственно база данных только в ограниченном смысле может быть источником принятия решений на предприятии.

В современных моделях семантики обеспечивается механизм для моделирования динамического поведения и динамических ограничений: концепция истории и концепция события / триггер а. Часто, когда сущность изымается, необходимо сохранить факт, что сущность была частью класса для дальнейших ссылок. Концепция истории позволяет сохранить историю класса при помощи специального механизма, называемого историей класса.

Концепция события триггера используется для описания модификации азы данных, которое требует исполнителя дополнительных операций или которые зависят от предыдущих событий.

Событие зависит либо от условия операции, либо от условия времени, триггер описывает операцию, которая должна быть выполнена, если происходит связанное с ним событие. Акции (Actions) могут контролироваться выполнением некоторых событий, зависящих от определенных условий посредством отсрочки выполнения акций, пока не будет выполнено множество определенных событий.

Мы называем схему базы данных R объектно-ориентированной, если и только если для каждой схемы отношения R множество всех FD, относящихся к R эквивалентно одной единственной FD: К –> R, т.е. факт, что К есть уникальный ключ R. Атрибуты, которые являются (не являются частью) ключа, называются первичными (непервичными).

Объектно-ориентированная схема базы данных может быть записана как множество пар (Kj. Pi), где К; – множество первичных атрибутов; Pj – множество непервичных атрибутов реляционной схемы Rj. Такую схему базы данных можно рассматривать как множество объектов, идентифицированных их ключами.

В случае если множество ограничений С не содержит зависимости включения, С пополняется ID, которые вновь экстрагируются из словаря данных и знаний администратора базы данных. Зависимость включения Rj[x] с Rj[Y] называется основанной на ключе, если Y = К, т.е. Y есть ключ R. Зависимости включения формируют утверждения относительно зависимостей между классами объектов. Следовательно, они являются основой для генерации иерархии, агрегации, генерализации и группировки, которые определяют отношения между классами в ООБД. С другой стороны, неключевые зависимости включения устанавливают произвольные ограничения целостности, которые мы должны усилить пре- и постусловиями базовых действий, связанных с ООБД-классами объектов.

19. Характеристика базы знаний и особенности её конструирования. Компоненты баз знаний

 

Характеристика знаний

Таблица 3.2. Характеристики использования знаний приложениями ИИС

Большие объемы данных	Объемы знаний могут быть чрезвычайно велики вплоть до 1010 байт. Порядок этой величины больше емкости доступной виртуальной памяти
Постоянство	Время жизни знаний превышает время жизни конкретного приложения, которое использует знания
Совместное использование	Знания совместно используются многими приложениями, которые могут их одновременно считывать и записывать
Стратифицированность	Знания сегментируются на многие различные типы [факты, процедуры, ограничения, определения на многих уровнях (объект, мета, метамета…)]
Пространственно-временная семантика	Семантика пространства и времени является доминантой представления знаний как внутри, так и вне пользовательского интерфейса
Распределенность	Источники и/или пользователи знаний связаны слабо, и обеспечивается возможность для распределенной параллельной обработки
Интеллектуальность	Обработка является более сложной по сравнению с обычными функциями клерка и призвана обеспечить интеллектуальный совет и помощь в принятии решений
Предопределенность	Многие аспекты обработки являются предопределенными и изменяются медленно или вовсе не изменяются во время жизни приложения
Высокие показатели	Высокие показатели требуются для интеллектуальной обработки больших объемов за короткое время

Конструирование базы знаний

Для хранения, обновления и использования знаний применяются системы управления базами знаний, которые должны удовлетворять следующим требованиям.

Представление знаний. Подобно базам данных, представление знаний в ЭС, основанных на правилах, является сравнительно простым, состоящим из представления фактов и правил вывода. Знания, хранящиеся в ИИС, интегрируются в результате объединения знаний, поступивших от многих индивидуальных экспертов, и могут принимать такие формы, как базы данных и правила вывода. Часто элементы знаний выражаются на одном из этих языков. Они должны быть агрегированы в гибридное представление знаний в виде одного источника знаний, который может быть далее агрегирован в глобально совместную базу знаний. Важно иметь разнообразие выразительных средств для поддержания высокой степени совместности посредством механизма гибридного представления.

Организация знаний. Базы знаний могут быть организованы с использованием фундаментальных знаний, проблемно-ориентированных знаний, и знаний, необходимых для поддержания диалога. Знания, специфичные для диалога, должны иметь стандартизированную процедуру диалога, состоящую, из анализа пользовательских требований и запросов, интерпретации этих запросов по отношению к прикладной системе, основанной на знаниях и генерации ответа на основе кооперативного диалога.

Если база фактов становится большой или необходимо обеспечить доступ к внешним базам фактов, механизмы СУБД должны использоваться в ЭС. Обычно это предполагает наличие некоторого метазнания о схеме базы данных, ограничениях целостности, доступных интерфейсах, посредством которых факты выбираются и хранятся. Сложные средства оптимизации дедуктивных запросов требуются, чтобы обеспечить подходящее время реакции. Они могут использоваться в комбинации с другими стратегиями, которые обеспечивают контроль за применением правил.

Окружение. Это средства, доступные в рамках оболочки экспертной системы. В одной методологии (тесное связывание) доступ к базе данных скрыт от пользователя, насколько это возможно, в других (слабое связывание), пользователь будет загружать внешние данные эксплицитно до запуска диалога консультаций. Так, необходимо окружение, через которое различные базы знаний могут быть заполнены. Это аспект приобретения знаний или обучения, который частично может быть реализован экспертами в данной предметной области и лингвистами в сотрудничестве со специалистами по компьютерам.

Связывание. Помимо обеспечения доступа к внешним базам данных, экспертным системам часто необходимо установить связь с другими средствами информационных систем, таким как численные вычисления или графика.

Системы баз знаний должны содержать следующие компоненты:

Ø   язык представления знаний, который эффективно выражает структуру данного приложения;

Ø   средства организации знаний, которые позволяют сохранять и эффективно обрабатывать большие количества сложных структур знаний;

Ø   методологию и окружение, посредством которых многочисленные приложения баз знаний и других приложений эффективно взаимодействуют друг с другом.