Министерство образования и науки Украины Харьковская национальная академия городского хозяйства
В.А. ЛЕЛЮК
ИНФОРМАЦИОННЫЕ СИСТЕМЫ С БАЗАМИ ЗНАНИЙ
Учебно-методическое пособие для студентов последипломного обучения
по специальности 7.050201 "Менеджмент организаций" специализации "Информационные системы в менеджменте"
· Моделирование знаний в информационных системах
· Интеллектуальные расчетно-логические и экспертные системы
· Математические концептуальные методологии проектирования систем
· Базовые модели математической теории систем
· Архитектура интегрированных информационных систем
· Инструментальные системы для реинжиниринга бизнес-процессов и создания интегрированных информационных систем
· Модели онтологий, онтологические и многоагентные системы
· Генезис методологий информационных систем с базами знаний
Харьков – ХНАГХ - 2005
УДК 681.3:51
Лелюк В.А.
Информационные системы с базами знаний: Учебно-методическое пособие.- Харьков: ХНАГХ, 2005. – 60 с. ил.
Анализируется процесс возникновения и развития методологий и инструментария проектирования информационных систем, начиная от первых разработок по искусственному интеллекту и программ расчетов, использующих вычислительные схемы, до интегрированных информационных систем предприятий и инструментальных систем поддержки инжиниринга и реинжиниринга бизнес-процессов и автоматизации создания информационных систем. Большое внимание уделено концептуальным методологиям моделирования и проектирования систем, использующим базы знаний в виде метамоделей, в том числе математических метамоделей. Рассмотрены онтологические и многоагентные системы, извлекающие знания из текстов на естественных языках.
Предназначено для студентов специальности 7.050201 «Менеджмент организаций» специализации «Информационные системы в менеджменте» при изучении интеллектуальных систем и систем поддержки принятия решений, экспертных систем, информационных систем и их проектирования, теории систем и системного анализа.
Может быть также полезным для преподавателей и аспирантов, специалистов по информационным системам.
Рецензент: зав. кафедрой информатики и компьютерных технологий, д-р техн. наук, проф., академик Международной академии информатизации А.Т. Ашеров
Рекомендовано: кафедрой менеджмента и маркетинга в городском хозяйстве, протокол № 7 от 13. 04.2005г.;
кафедрой информационных систем и технологий в городском хозяйстве.
протокол № 19 от 25. 03.2005г.
ISBN 966-695-060-Х Ó В.А. Лелюк, ХНАГХ, 2005
Содержание Введение…………………………………………………………………………...4 1. Развитие моделирования знаний в интеллектуальных системах……………5 1.1. Предыстория моделирования знаний……………………………………….5 1.2. Концептуальные модели в интеллектуальных системах…………………10 Контрольные вопросы
……………………………………………………...14 2. Первые подходы к созданию информационных систем с базами знаний...15 2.1. Использование моделей предметной области в программировании........15 2.2. Индустриализация создания автоматизированных систем ……………..16 Контрольные вопросы
…………………………………………………… 18 3. Математические концептуальные методы проектирования систем………18 3.1. Автоматизированная система проектирования систем
организационного управления (АСПСОУ)………………………………… 18 Контрольные вопросы и задания
…………………………………………..23 3.2. Система концептуального проектирования автоматизированных
систем (КОПАС)…….……..………..…………………………………….…23 Контрольные вопросы и задания
…………………………………………..33 4. Новые направления развития методологий проектирования систем……...33 4.1. Общая характеристика направлений совершенствования систем……….33 Контрольные вопросы и задания
…………………………………………..39 4.2. Методология ARIS ………………………………………………………....39 Контрольные вопросы и задания
………………………………………......45 4.3. Другие методологии………………………………………………………...45 5. Модели онтологий, онтологические и многоагентные системы…………..48 Контрольные вопросы и задания
…………………………………………..51 6. Итоговый анализ проблем и перспектив развития концептуальных методологий……………..……………………………………………………….51 6.1.Проблемы универсальности………………………………………………...51 6.2.Проблемы применяемости…………………………………………………..53
Литература………………………………………………………………………..
56
Введение
Системы, в которых осуществляется логическая обработка хранимых в их памяти знаний, называют интеллектуальными системами. Традиционно к знаниям в них относили закономерности предметных областей, полученные в результате практической деятельности и профессионального опыта, позволяющие ставить и решать определенные задачи. Предыстория и развитие моделирования знаний в интеллектуальных системах рассмотрены в разделе1. Использование моделей предметной области при программировании вычислительных задач описано в разделе 2.
В настоящее время при инжиниринге и реинжиниринге бизнес-процессов, а также при создании интегрированных информационных систем широко используются инструментальные информационные системы, оперирующие моделями бизнес-процессов. Эти системы рассмотрены в разделе 4. Модели бизнес-процессов хранятся в памяти систем в так называемых репозиториях и являются знаниями о процессах, осуществляемых в конкретных организациях. Для поддержки их формирования используются метамодели, описывающие классы процессов и систем. Их называют также концептуальными моделями, так как они являются понятийными знаниями.
В информационных системах могут выполняться логические операции также и над хранимыми в базе знаний математическими моделями, описывающими конкретные элементы систем или процессы. Для поддержки математического моделирования создаются и хранятся в базе знаний концептуальные модели, описывающие соответствующие математические теории. Наиболее обобщенными являются математические концептуальные модели, которые описывают классы систем с использованием абстрактных теоретических конструкций. Рассмотрению этого направления, возникшего в начале 70-х годов, посвящен раздел 3.
В данном пособии основное внимание уделено концептуальным методологиям моделирования и проектирования систем. Они основаны на использовании хранящихся в памяти проектирующих систем метамоделей, описывающих понятийные знания о проектируемых системах и о той части внешнего мира, к которой имеют отношения эти системы и их входные и выходные объекты. Особенностью этих метамоделей является то, что они описывают не отдельные конкретные системы, а теории систем для охватываемой области знаний, в рамках которых формируются модели этих систем. Ряд представительных методологий и реализующих их систем анализируется в разделах 3,4, в частности, рассматриваются проблемы обеспечения их универсальности и применяемости. Под универсальностью понимается возможный масштаб охвата проектируемых типов систем, объектов, процессов и ситуаций. Применяемость может быть охарактеризована количеством созданных с ее помощью информационных систем и количеством смоделированных и усовершенствованных с ее помощью бизнес-процессов.
Внимание к концептуальным методам усилилось также в связи с созданием рассмотренных в разделе 5 систем автоматизированного извлечения знаний из текстов, накапливаемых во всемирном хранилище информации. Для этого потребовалась разработка операционных моделей таких общих понятий, как сущность, явление и т.п., названных разработчиками этих систем онтологиями. Общепринятого понимания этого термина у них пока еще нет. Оно зависит от контекста и целей его использования. Считается, что впервые его ввел в начале 17-го века немецкий философ Р. Гоклениус, назвав термином «онтология» область знаний, в которой указанные понятия являются объектом изучения.
При анализе путей развития методологий создания информационных систем, - от методологий, использующих вычислительные схемы, до методологий, использующих модели онтологий, стояла задача ответить на такие основные вопросы: Как соотносятся современные методологии моделирования процессов друг с другом и с ранее разработанными методологиями? Как шел процесс их развития? Каковы судьбы глобальных методологий проектирования систем, целостно охватывающих предметную и проблемную области, но возникающих раньше созревания условий их применения и массового осознания их необходимости? Почему для их реализации не были созданы промышленные инструментальные системы? Каковы возможные перспективы применения и развития математических концептуальных методов?
Для того чтобы сделать прозрачной хронологию развития методологий проектирования и создания систем, в ссылках на литературу указывается год ее публикации. Для переводной литературы указывается год издания оригинала и год публикации на русском языке.
1. Развитие моделирования знаний в интеллектуальных системах
1.1. Предыстория моделирования знаний
На первых шагах развития программирования, знания об объекте фиксировались процедурно, т.е. в виде команд машинной программы, реализующих определенный алгоритм. Здесь программа является некоторой формой хранения знаний о решаемой задаче. Если эти знания изменялись, то требовалась соответствующая корректировка программы. Одной из первых фиксаций знаний в виде структур данных, описывающих среду, и выполнение их логической обработки было осуществлено в программе GPS («Общий решатель проблем») [1:1959], которая использовала знаковые объекты, описывающие среду. После этого началась активная разработка интеллектуальных систем, использующих семантические модели окружающей среды. В библиографии [2:1963,1967] содержалось описание более тысячи подобных разработок по искусственному интеллекту.
Следующий этап развития этого направления освещен в работах [3:1972;4:1974,1979;5:1975,1978;6:1976;7:1977,1980;8:1979;9:1981;10:1984]. В них были предложены методы моделирования предметной области для систем искусственного интеллекта с применением таких видов представления знаний о предметной области, как рассмотренные ниже семантические сети, фреймы, продукционные и предикатные модели, алгебра нечетких множеств, и другие. Термин «предметная область» заимствован из логики предикатов, в которой предметную область представляют элементы множеств, подставляемые вместо переменных [11:1967,1973]. В англо-русском словаре по программированию и информатике, изданном в 1989 г. термин «предметная область» (application domain) определяется как совокупность понятий и объектов, информация о которых хранится в базе данных и обрабатывается программой. Используется также термин «проблемная область», который обозначает не только предметную область, но и решаемые в ней задачи.
Одной из первых моделей представления знаний о предметной области явились семантические сети. Их вершины (узлы) описывают объекты, а соединяющие их дуги – отношения между ними. Выделяются структурные, функциональные, количественные, пространственные, хронологические, атрибутивные, логические и лингвистические типы отношений.
Пример семантической сети, объектами которой являются интервалы времени, связанные между собой отношениями вложенности (в) и следования (с), приведен на рис.1
. Эта сеть может представлять хронологическую структуру событий, описанных, например, следующим текстом [10]: «Сегодня с 14 до 16-ти часов Иванов читал лекции в университете. Вечером он беседовал с Петровым по поводу его дипломной работы. Вчера утром до 10 часов Иванов редактировал доклад. За неделю до этого, 3 апреля, выступал на конференции в Москве».
Этому тексту соответствует дополнительная семантическая сеть, показанная на рис.2.
Здесь в сеть введены отношения, связывающие более двух объектов. Они изображены вершинами, представляющими действия над объектами. Используя подобные сети, программы могут формировать ответы на некоторые вопросы в данном контексте.
Например, они могут ответить, где и когда выступал Иванов на симпозиуме, когда он читал лекцию и т.д. Кроме этого, используя транзитивность отношения временного следования и симметричность отношения «беседовать», можно логически вывести ответ, что Петров беседовал с Ивановым после 3 апреля.
Над семантическими сетями можно производить действия, например, устанавливать соответствия между элементами сетей и объединять их.
Фреймы,
предложенные Марвином Минским [4], описывают общую рамку (англ. frame) моделируемой стереотипной ситуации, содержащую наиболее характерные, часто повторяющиеся черты ряда близких ситуаций, принадлежащих одному классу. Фреймы содержат элементы, называемые слотами
, которым присваивают значения и формируют фреймы-экземпляры. Структура фрейма может быть представлена в виде табл. 1
. Фреймы-образцы создаются заранее и хранятся в базе знаний.
Таблица 1 - Структура фрейма
| Имя фрейма
|
|||
| Имя слота
|
Значение слота
|
Способ получения значения
|
Процедура
|
Если в качестве значения слота используется имя другого фрейма, то образуется сеть фреймов. Возможны следующие источники получения значений слотов во фрейме-экземпляре: - от фрейма-образца (по умолчанию); - по формуле, указанной в слоте; - через присоединенную процедуру; - явно из диалога с пользователем; - из базы данных; - через наследование свойств от фрейма, указанного в слоте фрейма более высокого уровня иерархии.
В слот может входить как одно, так и несколько значений. Он также может содержать компонент, называемый фасетом, задающий диапазон его возможных значений или границы диапазона. Представление фрейма в виде иерархической сети узлов, связанных дугами, приведено на рис.3.
Существуют два вида фреймов: статические и динамические (сценарии). Фрейм-сценарий описывает типовую структуру некоторого события, включающую характерные его элементы. Такой фрейм является совокупностью вопросов (терминалов фрейма), которые надо задать относительно некоторой ситуации, и способов ответа на них.
Например, для того чтобы понять наблюдаемый процесс, человек может задать такие вопросы: Какова причина процесса? Кто его осуществляет? Какова цель процесса? Каковы последствия? Кто потребитель результатов процесса? Каким образом он происходит?
Имея ответы на ограниченный круг вопросов можно понять большое количество реальных ситуаций. Отсюда следует, что с помощью фреймов можно построить относительно простые модели окружающего мира, достаточные для принятия решений в описываемых ситуациях. У фреймов-сценариев каждый терминал должен содержать рекомендации, как получить ответ на вопрос.
Сценарий описывается системой фреймов, представляющей последовательность действий, связанную причинно-следственными отношениями для часто встречающихся ситуаций. Результатом каждого действия являются условия, при которых может произойти следующее действие. Фиксируются роли исполнителей работ и их различные точки зрения на ситуацию. Примером такого сценария является посещение ресторана, которое может быть описано с точки зрения посетителя следующими действиями [4]: Сцена 1. Вход:
Войти в ресторан - Посмотреть, где есть незанятые столы - Выбрать стол - Направиться к столу - Сесть. Сцена 2. Заказ:
Получить меню - Прочитать меню - Решить, что заказать - Сделать заказ официанту. Сцена 3. Еда:
Получить пищу и напитки - Съесть пищу. Сцена 4. Уход:
Попросить счет – Оплатить счет - Выйти из ресторана.
Помимо действий посетителя могут быть заданы действия (определены роли) и для других участников сценария: официанта, кассира, администратора. В каждом сценарии могут варьироваться варианты выполнения действий, в зависимости от обстоятельств. Например, в сцене 2 заказ можно сделать письменно, устно и жестами. В сцене 4 заплатить можно деньгами официанту или кассиру либо дать указание снять деньги со своего счета.
На рис.3
данный фрейм-сценарий изображен в виде древовидного графа с выделением последовательностей сцен, действий и их вариантов.
В общем случае, сценарий это не просто последовательность событий, а причинно-следственная цепь действий. Возможны прерывания последовательности действий сценария другим сценарием. Могут возникнуть препятствия, если что-то помешает обычному действию. Действие может завершиться не так, как требуется. Поэтому при формировании фрейма должны быть предусмотрены новые действия, являющиеся реакцией на препятствия и ошибки.
Рассмотренные выше семантические сети могут являться графической формой представления фреймов, если их дополнить описанием действий и правилами выполнения. В последние годы термин фреймовый часто заменяют термином объектно-ориентированный. При этом шаблон фрейма можно рассматривать как класс, а экземпляр – как объект.
Продукционной
моделью представления знаний является предложение типа «если выполняется условие А
, то надо осуществить действия Б
». Для таких моделей могут производиться два варианта логических выводов: прямой вывод – от фактов, хранящихся в базе фактов, к поиску цели, и обратный вывод - от цели к фактам, чтобы ее подтвердить.
Программа, осуществляющая логический вывод, называется машиной вывода.
Она выполняет такие функции: - просмотр и добавление существующих фактов (из базы данных) и правил (из базы знаний); - определение порядка просмотра и применения правил.
Для вывода используется правило заключения, называемое modus ponens: если истинно утверждение А
и имеется правило «если А
, то В
», то утверждение В
также истинно. Полученные программой логические заключения сохраняются для пользователя. Эта программа может запрашивать у него дополнительную информацию, если будет недостаточно данных для срабатывания очередного правила.
Предикатные
модели основаны на исчислении предикатов 1-го порядка, когда предметная область или задача описывается в виде набора аксиом. Эти модели предъявляют жесткие требования к логике знаний о предметной области, и поэтому их применение ограничивается лишь исследовательскими задачами.
Формальный аппарат нечеткой
(
fuzzy
)
алгебры и логики
был предложен Лотфи Заде [3]. Он ввел понятие лингвистической переменной, значения которой определяются набором словесных характеристик некоторого свойства. Например, возраст человека может определяться такими характеристиками, как младенческий, детский, юный, молодой, зрелый.
Значения лингвистической переменной задаются в виде базовой шкалы и функции принадлежности. Эта функция, принимая значения на интервале [0,1], определяет субъективную степень уверенности эксперта в том, что данное конкретное значение базовой шкалы соответствует определенному нечеткому множеству.
Например, определение нечеткого множества «высокая цена» для лингвистической переменной «цена автомобиля в условных единицах» может быть таким: {50000/1, 25000/0,8, 10000/0,6, 5000/0,4}, а нечеткого множества «младенческий возраст» для лингвистической переменной «возраст»: {0,5/1, 1/0,9, 2/0,8,…,10/0,1}.
Для логического вывода на нечетких множествах используются специальные отношения и операции над ними. Рассмотренный метод представления знаний был применен в медицинской экспертной системе MYCIN
[6], где при выводе диагноза и рекомендаций использовались коэффициенты уверенности.
1
.2. Концептуальные модели в системах искусственного интеллекта
Одной из первых расчетно-логических прикладных систем искусственного интеллекта, доведенных до коммерческого уровня, явилась инструментальная система программирования ПРИЗ
(ПРограмма, Использующая Знания) [9,10]. В ней был осуществлен переход от предварительного формирования обычных вычислительных моделей к понятийному моделированию теорий предметных областей.
Вычислительные модели представляли знания о задаче. Они удовлетворяли требованиям программ и эффективности реализации. Для их представления в памяти системы использовались семантические сети, содержащие отношения, по которым можно производить вычисления, причем, не только для явно заданных функций, но и по программам, полученным методом структурного синтеза. Над вычислительными моделями могут выполняться такие же действия, как и над семантическими сетями. Если условия задачи заданы в виде текста, то построение вычислительных моделей производится аналогично семантическим сетям. Всем операторам вычислительной модели сопоставляются отношения вычислимости. В результате формируется система аксиом, на основе которой методом структурного синтеза строятся программы для решения тех задач, которые разрешимы на вычислительной модели.
Новым в системе ПРИЗ стало то, что вычислительные модели здесь не задавались заранее, а логически формировались в режиме управляемого диалога с пользователем с помощью, представленных в памяти компьютера, метамоделей теорий предметных областей. Такой подход позволил упростить и ускорить процесс моделирования и решения вычислительных задач. Для описания моделей представления знаний о предметной области использовались специальные языки.
Сформированные вычислительные модели затем использовались для программного контроля и выявления возможной неполноты
и противоречий
в задании пользователя. После обеспечения и доказательства правильности вычислений (вычислимости) производилось генерирование программ решения задач.
Авторы назвали эту технологию концептуальным программированием.
Ее с
ущность раскрыта в табл. 2
, где выделены функции системы и в целом входные и выходные объекты. Выходными объектами
системы ПРИЗ стали не только программы
, но и математические постановки
вычислительных задач, а также схемы вычислений.
Таблица 2 - Функциональная структура системы ПРИЗ
| Функции
|
Выход
|
Вход
|
| 1.Формирование математической постановки вычислительной задачи
2. Формирование схемы вычислений
3. Генерирование программы
|
1.Модель
2. Схема
3. Программа
|
1.Содержательная постановка вычислительной задачи
2.Метамодель
3.Формализованные теории предметной области
|
Однако попытки целостного описания таких достаточно формализованных дисциплин, как теория упругости, теория автоматического управления, исследование операций, наталкивались на трудно преодолимые преграды. Это связано с тем, что каждая из перечисленных дисциплин не имеет единого теоретического описания, а представляет собой совокупность различных несистематизированных теоретических подобластей. Для построения их концептуальных моделей требуется предварительно выделить базовые понятия, отношения между ними и постулированные свойства этих отношений. После этого могут логически выводиться производные свойства.
Примером системы, в которой требовалось формировать модели
не только в понятиях исходной
области знаний, но и в понятиях выбираемой математической теории
является система МАВР
[12:1984], предназначенная для автоматизации проектирования технических энергетических систем.
В этой системе вначале разрабатывался вариант исходной технической модели, элементы которой отображали конкретные элементы проектируемой энергетической системы. Затем формировалась ее математическая модель. С ее помощью решались вычислительные задачи, а полученные результаты присваивались элементам исходной модели. Эти переходы обеспечивались программой, называемой процессором переформулирования задач,
и программой-планировщиком
.
Данная методология, однако, не могла быть использована для проектирования объектов, отдельные части которых или аспекты описывались в разных областях знаний. В этом случае для моделирования и последующего интегрирования проектных решений требовался уровень метазнаний
, обеспечивающий контролируемое совместное использование понятий разных предметных областей знаний.
Другим видом коммерческих прикладных систем искусственного интеллекта в тот период явились экспертные системы (ЭС)
[6,13,14: 1984,1987;15:1987;16:1986,1989;17:1988,1990], в которых моделируются правила выбора решений
в результате изучения и анализа опыта работы ведущих специалистов, выступающих в роли экспертов соответствующей области знаний. Используя эти правила, системная программа осуществляет логический вывод решения в соответствии с заданием пользователя, в котором содержатся исходные характеристики объекта, и объясняет логику вывода.
Примерами таких решений являются диагнозы болезни пациента, возможные неисправности в технических системах, решения о возможности кредитования клиентов банка и т.п.
Экспертные системы могут также обладать способностью прогнозирования, определяя последствия наблюдаемых событий, и предсказания, позволяя пользователям оценивать возможное влияние новых фактов, стратегий и процедур на решения. Эти системы выполняют также функцию справочников наилучших методов, фиксируя и тиражируя персональный опыт специалистов, в том числе тех, кого уже нет в живых, и могут использоваться для обучения. Кроме этого, ЭС решают задачи планирования действий для достижения желаемого состояния объекта и слежения за его состоянием и отклонениями от заданных состояний.
Экспертная система включает в себя следующие компоненты: - базу знаний, включающую в себя правила, факты и (для гибридных систем) модель предметной области; - рабочую память (РП), содержащую базу данных; - решатель, или интерпретатор; - компоненты, обеспечивающие приобретение знаний, диалог с пользователем и объяснение результата.
Решатель формирует последовательность правил, которая, будучи применена к исходным данным, обеспечивает решение задачи. Данные, содержащиеся в рабочей памяти, определяют объекты, их характеристики и значения, существующие в проблемной области.
Правила определяют способы манипулирования данными, характерные для проблемной области. Эти правила «извлекаются» инженером по знаниям из специалиста (эксперта) в этой области и записываются в ЭС с помощью компонента приобретения знаний, что позволяет системе после этого самостоятельно решать задачи, которые ставит ей пользователь.
Вообще, знания специалиста можно разделить на формализованные и неформализованные знания. Первые представляют собой утверждения в виде законов, формул, моделей, алгоритмов в рамках определенных теорий. Вторые – это эмпирические и эвристические приемы и правила, являющиеся результатом обобщения опыта и интуиции специалистов и поэтому квалифицируемые как субъективные и приблизительные знания.
Соответственно этому, и задачи, решаемые на основе точных знаний, называют формализованными, а задачи, использующие неполные, неоднозначные и противоречивые знания, называют неформализованными. Они не могут быть представлены в числовой форме. У них невозможно однозначное алгоритмическое решение. Цель задачи не может быть выражена в виде четко определенной целевой функции. Система объяснений сообщает пользователю, как выбирались и использовались правила для информации, введенной пользователем. Это позволяет ему совершенствовать свою работу, учась на собственных ошибках, и улучшать работу ЭС, модифицируя старые и вводя новые знания.
Рассмотрим пример работы ЭС для варианта прямого логического вывода с использованием продукционных правил. В них условие определяет образец ситуации, при которой оно выполняется. Эти образцы сопоставляются с текущими данными в рабочей памяти, описывающими ситуацию, и по результату сопоставления выполняется или не выполняется требуемое действие.
Пусть в базе знаний имеются следующие правила: 1. «Если
Двигатель не заводится
И
Фары не светят
, ТО
Сел аккумулятор
». 2. «Если
Указатель бензина находится на нуле
, ТО
Двигатель не заводится
». Предположим, что в рабочую память (РП) от пользователя ЭС поступили факты
: Фары не светят,
и Указатель бензина находится на нуле.
Здесь правило 1 не может быть задействовано, а правило 2 может, так как совпадающий образец присутствует в РП. Полученное заключение этого правила – образец Двигатель не заводится,
записывается в РП. Теперь, при втором цикле сопоставления фактов в РП с образцами правил, может быть реализовано правило 1, так как конъюнкция его условий (одновременность их выполнения) становится истинной. Пользователю будет выдан окончательный диагноз - Сел аккумулятор.
При обратном логическом выводе вначале выдвигается гипотеза окончательного диагноза - Сел аккумулятор.
Затем отыскивается правило, заключение которого соответствует этой гипотезе. Это - правило 1. Но оно не может быть выполнено из-за отсутствия в РП образца Двигатель не заводится.
Теперь программе нужно найти правило, заключение которого соответствует новой цели. После того, как оно будет найдено (правило 2), исследуется возможность его применения. Оно может быть реализовано, так как в РП есть фактическая информация, совпадающая с образцом в этом правиле. Результат его применения Двигатель не заводится,
записывается в РП. Так как условная часть правила 1 теперь подтверждена фактами, то оно может быть выполнено, и выдвинутая начальная гипотеза подтверждается.
Коммерческие экспертные системы содержат в своей базе знаний несколько тысяч правил. К концу 80-х годов объем продаж ЭС приблизился к 1млрд. долларов.
Характеристика ЭС может быть выполнена по следующим признакам: тип реализуемых функций (анализ, синтез), изменяемость или неизменяемость знаний (динамика, статика), детерминированность или неопределенность знаний, использование одного или многих источников знаний. По этим признакам выделяются следующие виды ЭС:
- классифицирующие ЭС, решающие задачи распознавания ситуаций с использованием дедуктивного логического вывода;
- доопределяющие ЭС, решающие задачи интерпретации нечетких знаний и выбора направлений поиска с использованием нечеткой логики и других методов обработки неопределенных знаний;
- трансформирующие ЭС, являющиеся синтезирующими динамическими системами, так как при решении задач преобразования изменяется информация о предметной области. В них могут использоваться метазнания для устранения неопределенностей в ситуациях;
- многоагентные системы (МАС), представляющие собой множество автономных компьютерных программ (агентов), действующих в интересах определенных пользователей. Они взаимодействуют между собой в процессе решения определенных задач и используют многие разнородные источники знаний. Эти системы будут подробнее рассмотрены в разделе 5.
Для разработки этих систем был создан универсальный язык инженерии знаний
, содержащий конструкты
, которые применялись в разных прикладных областях и для разного типа систем [16].
Теория и практика моделирования предметной области в прикладных системах искусственного интеллекта отражена также в работах [18:1975;19:1981; 20-21:1989; 22:1990; 23:1988,1991]. Использование моделей представления знаний о предметной области стало рассматриваться как определяющий признак интеллектуальных систем. Были сформированы теории представления знаний
и теории манипулирования знаниями.
На пользовательском уровне при формировании моделей предметной области использовались языки представления знаний. Их элементами, задающими схемы описания понятий, являются так называемые ленемы [22]. Обработка хранимых моделей осуществлялась с использованием формальных методов.
К концу 80-х годов появились работы, в которых знания представлялись в виде логических моделей, включающих в себя множество базовых элементов, множество синтаксических правил с подмножеством аксиом и множество правил вывода, и обрабатывались средствами логического программирования, в частности, с использованием языка ПРОЛОГ [24-26:1988,1990].
Контрольные вопросы
1. Как охарактеризовать универсальность и применяемость методологий и инструментальных средств, используемых для проектирования систем? 2. В чем состоит отличительная особенность концептуальных методологий проектирования систем? 3. Что такое онтология и чем вызван интерес к ней разработчиков интеллектуальных систем? 4. Что такое предметная область, и какие типы моделей предметной области существуют? 5. Что такое семантические сети и фреймы, и чем они отличаются? 6. Что собой представляют продукционные и предикатные модели? 7. Что такое концептуальное моделирование и чем оно отличается от непосредственного моделирования предметной области? 8. Какие функции выполняет система концептуального программирования ПРИЗ? 9. Какие особенности, в отличие от системы ПРИЗ, имеет система МАВР? 10. Что является объектом моделирования в экспертных системах? 11. Какова структура экспертных систем? 12. Что такое формализованные и неформализованные знания и задачи? 13. Как функционирует решатель экспертных систем? 14. Зачем нужен уровень метазнаний в системах искусственного интеллекта?
2. Первые подходы к созданию информационных систем с базами знаний
2.1. Использование моделей предметной области в программировании
Моделировать предметную область при программировании стали значительно раньше, чем появилось соответствующее понятие. Так, в отечественной практике разработки программ описания предметной области начали применяться еще в 60-х годах. Такая технология программирования обеспечивала независимость программ от специфики конкретной предметной области. Этим она отличалась от обычного программирования, при котором программист неявно использовал свои знания о предметной области при написании текстов программ. Недостатком обычного программирования было то, что при возникновении изменений в предметной области или при переходе к другим ее конкретным вариантам требовалась переработка программного обеспечения, которая могла осуществляться, как правило, только авторами отдельных программ, что создавало дополнительные проблемы. Выходом из этой ситуации и стало формирование знаний о предметной области в явной форме, отдельно от программ, и проведение вычислений в режиме интерпретации этих описаний с поиском и подключением необходимых вычислительных подпрограмм.
Одним из примеров использования таких описаний являются программы расчета тепловых схем электростанций, разработанные в Харьковском филиале института механики Академии наук Украины [1:1965]. Описание тепловых схем формировалось в виде графа, отображающего в закодированном виде поток движения воды и водяного пара. Вершины графа представляли тепловые установки или их части и имели отсылки к программам расчета необходимых параметров. В результате стало возможным рассчитывать различные варианты тепловых схем электростанций с помощью одного и того же программного обеспечения. Требовалось только изменить элементы графа и связи между ними. После проведения расчетов выбиралась тепловая схема электростанции, обеспечивающая максимально возможный коэффициент полезного действия. Для реального внедрения этих программ в практику проектирования требовалось обеспечить автоматизированную поддержку процесса формирования проектировщиками моделей вариантов тепловых схем электростанций. Однако существовавшие тогда технические возможности вычислительных машин еще не позволяли этого сделать.
В дальнейшем для усовершенствования этой технологии были использованы методы ассоциативного программирования [2:1968] и затем были разработаны программы для АСУ предприятий горной промышленности [3:1971]. В них модель предметной области формировалась, в частности, в виде древовидных графов, отображающих структуру затрат, начислений и т.п. Висячие вершины этих деревьев содержали отсылки к локальным программам расчета. Поступающим заданиям на определенный вид расчета присваивался многопозиционный семантический код, чтобы с его помощью управляющая программа отыскивала в древовидном графе требуемую подпрограмму, запускала ее и накапливала итоговые величины в соответствии с иерархией вершин дерева.
Для моделей предметной области в виде многоуровневых деревьев была поставлена и решена задача оптимизации длины их списков для условий использования запоминающих устройств с разной скоростью доступа [4-6:1970-72]. Это позволило существенно ускорить процессы поиска описаний в памяти системы, их корректировки и последующей логической обработки.
Подобные технологии программирования применялись позднее и для обеспечения универсальности средств автоматизации программирования [7:1973,1975;8:1984]. Однако при повышении универсальности программных систем усложнялась и удорожалась их эксплуатация. После появления технических и информационно-программных средств, обеспечивающих взаимодействие пользователей с компьютерами в режиме непосредственного диалога, модели предметной области стали в большей степени использоваться в компиляционном режиме с автоматизированным формированием специализированных программ [9:1986, 10:1988]. Но здесь возникли трудности обеспечения взаимной увязки моделей нескольких предметных областей, которые необходимо было одновременно охватывать в процессе проектирования указанных систем.
2.2. Индустриализация создания автоматизированных систем
Одним из направлений индустриализации являлось создание типовых проектов
автоматизированных систем управления (АСУ).
Примером этого подхода явился проект АСУ машиностроительного предприятия (на базе Кунцевского завода). Однако привязка типовых систем к реальным условиям других предприятий оказалась чрезмерно трудоемкой. Причиной этого было использование традиционной в то время технологии программирования, в которой не предусматривалось моделирование предметной области. Например, проект информационного обеспечения вышеуказанной системы, разработанный в Киевском институте кибернетики, основывался на технологии серийной обработки последовательных информационных массивов. При каждом новом применении типовой АСУ требовалась значительная переработка программ, что не позволило обеспечить ожидаемую ее применяемость. Выполненное позднее теоретико-множественное описание информационного обеспечения разработчиком этого проекта Н.Г.Зайцевым [11: 1976], к сожалению, не стало основой методологии моделирования предметной области, которая могла бы обеспечить автоматизированную настройку параметров системы.
К началу 80-х годов были разработаны различные методологии и программные средства, выходом которых были проекты автоматизированных систем управления (АСУ) и их информационно-программное обеспечение [12-18: 1978-1981]. Однако эти средства были ориентированы на использование лишь их разработчиками. Они позволяли ускорить некоторые процессы создания автоматизированных систем за счет применения отдельных типовых
решений
и настройки
многочисленных параметров. Помимо настройки параметров требовалось вносить корректировки и в сами типовые программы, вследствие возникавших изменений в окружающей среде и в объекте внедрения, а также естественным появлением всякий раз новых требований к проекту у пользователей и у разработчиков по мере возникновения большего понимания последствий реализации ранее принятых ими проектных решений. Все это требовало больших трудозатрат. В результате масштабы использования этих подходов ограничивалась возможностями узкого круга разработчиков типовых решений и применяемых средств автоматизации привязки имеющегося программного обеспечения к конкретным условиям.
В условиях ограниченной памяти компьютеров и их быстродействия, отсутствия необходимой инфраструктуры технического и информационного обеспечения и при этом необходимости охвата большого разнообразия проектных ситуаций, классов объектов и их отношений, зачастую неопределенных, возникла непреодолимая проблема обеспечения управляемости
процессов проектирования и создания автоматизированных систем. Отсутствие управляемости приводило не только к большим дополнительным затратам, срывам сроков ввода систем в действие, но и к неадекватности проектов реальным условиям и, в конечном итоге, к дискредитации всего направления создания автоматизированных систем. Они не обеспечивали достижение таких поставленных при их создании целей, как уменьшение затрат, повышение качества продукции, ускорение ее производства и т.д. Причиной этого было также то, что предварительно не проводилась требуемая институциональная
подготовка, осознание необходимости которой возникло у разработчиков систем значительно позднее. В результате новые методы решения задач и информационные технологии входили в противоречие с существующими правовыми, экономическими и организационными правилами взаимодействия субъектов управления и поэтому не могли всерьез использоваться в организациях. Некоторая литература по проблемам институционального обеспечения систем приведена в разделе 4.
Для перехода от автоматизации отдельных функций к проектированию организационных систем в целом необходимо было изменить сам контекст решения рассмотренных проблем. Управляемость процессов должна быть обеспечена на всех стадиях жизненного цикла выпускаемой продукции и производящих ее систем, включая их проектирование, создание, использование, восстановление и ликвидацию. Но особенно это было важно на начальных этапах разработки, так как тогда появлялась возможность избежать излишних затрат на повторное проектирование и ускорить процесс.
Для обеспечения полноты принимаемых решений и управляемости проектирования в условиях привлечения многих дисциплин требовался иной теоретический и методологический инструментарий, который, кроме того, должен был увеличить применяемость имеющихся программных средств и упростить процесс внесения изменений в систему.
Контрольные вопросы и задания
1.
Какой недостаток имеет процедурная фиксация знаний при программировании? 2. Как обеспечить независимость программ от специфики предметной области? 3. Каким образом моделировалась предметная область в примере с автоматизированным проектированием тепловых электростанций? 4. Приведите пример моделирования предметной области в виде древовидных графов. 5. Почему не увенчались успехом первые попытки создания типовых автоматизированных систем? 6. Чем ограничивалась индустриализация проектирования автоматизированных систем?
3. Математические концептуальные методологии проектирования систем
3.1. Автоматизированная система проектирования систем
организационного управления (АСП СОУ)
Задолго до осознания широкими кругами разработчиков бесперспективности создания автоматизированных систем на базе традиционных методологий, в начале 70-х годов С.П.Никаноров сформировал новый методологический подход, в котором объектом автоматизированного проектирования являлись так называемые системы организационного управления (СОУ).
Широкую известность С.П. Никаноров приобрел благодаря фундаментальному изложению проблем системного анализа в своем предисловии к переведенной им книге С.Л. Оптнера []. Идея С.П. Никанорова о необходимости и проблемах проектирования организаций была изложена им в предисловии к переведенной под его редакцией книге С.Янга [].
К СОУ относились любые организации, в которых осуществлялось производство, управление, проектирование, обучение и другие виды деятельности. Они органично включали в себя компьютерные информационные системы. Этот подход должен был разрешить проблему обеспечения управляемости процесса проектирования в условиях непрерывных изменений внутренней и окружающей среды, как проектируемой
системы, так и проектирующей
ее системы с помощью методов математического концептуального моделирования предметной области.
Сущность методологии.
Перед непосредственным проектированием СОУ должна была быть сформирована ее общая математическая концептуальная модель. Процесс проектирования сводился к управляемой конкретизации общей модели и последующей ее интерпретации. Это обеспечивало целостность
проекта системы, в отличие от традиционной технологии, когда проект является совокупностью автономно разрабатываемых частей. Предусматривалось, что полученный дедуктивным способом проект должен затем сопоставляться с исходными требованиями. При выявлении несоответствий концептуальная модель должна была быть скорректирована и затем осуществлено повторное проектирование. Такой процесс должен был быть итерационным, так как в общем случае математическая концептуализация не сводится к однозначной формализации реальных ситуаций, как это имеет место для более простых объектов проектирования, как, например, в упомянутой в разделе 1 системе МАВР.
В разработанном техническом проекте АСП СОУ
[1-2:1977] новыми были не только объекты, но и методы моделирования и проектирования. Они были ориентированы на логически
напра
вленное
и поэтому управляемое теоретическое и инструментально-технологическое проектирование. Прежде всего, обеспечивалась полнота понятийного пространства проектирования за счет логического формирования всевозможных комбинаций элементов понятийной конструкции с применением морфологического и иных методов. А математическая экспликация давала возможность оперировать понятийными конструкциями вне зависимости от прикладного содержания и знакового оформления.
Функции системы АСПСОУ. Ф
ункции, выполняемые при проектировании СОУ средствами АСП, показаны в таблице 3
. Теоретизация предметной области (функция 1) основывается на выявлении проблем, установлении их системной природы и возможных путей решения. При проектировании знаковой реализации системы определяется состав баз данных, формы документов и т.п.
Для реализации этой методологии был разработан набор теоретических схем, названных конструктами,
используемых для формирования с помощью логических методов теории предметной области и модели объекта проектирования. Разработка конструктов и последующий синтез конкретных теорий с контролируемым формированием производных понятий осуществлялись с использованием математического аппарата теории структур Бурбаки [3:1963,1965]. Были созданы различные технологии оперирования конструктами, позволяющие формировать из базовых понятий новые, более сложные, и при этом легко изменяемые понятийные схемы.
Из приведенного в таблице 3
описания функциональной структуры видно, что, в отличие от системы ПРИЗ, теории предметной области и модели объекта проектирования являются не входом, а выходом
системы АСП СОУ.
А уже затем формируются проекты СОУ,
как производный результат логического вывода на построенных моделях предметной области и последующей интерпретации абстрактных математических конструкций.
Входом
в процесс проектирования являлись, сформированные с использованием заранее создаваемых абстрактных метаматематических схем (конструктов), метамодели
, описывающие понятия СОУ и
их элементов, и метамодели
, описывающие имеющиеся формализованные теории
, необходимые для моделирования СОУ. К ним относятся теории технических систем, теории производственных систем, теории целенаправленных систем и т.д. Новым здесь явилось также использование аксиоматического представления теорий.
Таблица 3 - Функциональная структура АСП СОУ
| Функции
|
Выход
|
Вход
|
| 1.Определение концепции теоретизации предметной области
2.Операционная
3.Проектирование знаковой реализации
4.Документирование проекта СОУ. |
1.Модель (теория) предметной области.
2.Проект
|
1.Метамодели
2.Метамодели
|
Универсальность и применяемость методологии.
Универсальность методологии предопределяется сформированной общей метамоделью проектируемой системы с использованием конструктов, которые имеются в памяти системы, и возможностями ее конкретизации при проектировании. Если при интерпретации конкретизированной метамодели с помощью понятий охватываемой предметной области, СОУ и ее элементов выявляется ее неадекватность, то выбираются либо другие способы конкретизации, либо корректируется общая концептуальная модель.
Следует иметь в виду, что математические модели понятий формируются с использованием различных теорий таких, таких, как теория структур, теория множеств, категорная теория систем и т.д., в разных знаковых формах – текстах, таблицах, формулах, графиках и т.д., в разных языках, шрифтах и с разным размещением на различных носителях. Это может быть выражено с помощью предложенной в 70-х годах С.П.Никаноровым теоретической схемы, названной «логосинотопотехом». В ней выделялась логическая сущность
(«лог»), представляющий ее знак
(«син») и место
расположения знака («топ») на носителе
(«тех»). Главным в этой схеме было семантическое отношение, раскрывающее смысл знакового представления.
Применяемость
рассматриваемой методологии для проектирования организаций ограничена ориентацией на специалистов высокой квалификации, владеющих инструментарием создания и использования математических конструктов, осуществляемого в течение последних трех десятков лет научным коллективом, возглавляемым С.П. Никаноровым. В настоящее время имеется несколько сотен конструктов и набор методов оперирования ими.
К сожалению, для реализации этой методологии при проектировании и создании конкретных систем в те годы не были разработаны детальный технологический проект и полная инструментальная система. Для этого потребовалось бы задействовать мощные организации, специализирующиеся на разработке информационно-программного обеспечения, что было невозможно без серьезной государственной поддержки. Когда-то академик В.М.Глушков говорил, что для создания общегосударственной автоматизированной системы (ОГАС) необходимо финансирование, соизмеримое с финансированием космических исследований или атомной промышленности. Силами сравнительно небольшого коллектива специалистов был разработан информационно-программный инструментарий для автоматизированной поддержки формирования математических метамоделей предметных областей с использованием накапливаемой базы конструктов. Были созданы автоматизированная система [4:1987;5:1997], обеспечившая запросный режим и выполнение операций синтеза, порождения, визуализации и т.д., синтаксический и семантический анализаторы, а также лингвистический интерпретатор родов структур. Дальнейшее развитие инструментария ориентировалось на поддержку процесса проектирования организационных процедур и форм документов.
Рассматривая эту методологию с современных позиций, видно, что в ней недостаточно внимания уделялось непосредственному, конкретному моделированию и развитию действующих организаций в рамках теорий производственных и экономических систем. Она была ориентирована на разработку новых систем, что соответствовало существовавшей в тот период времени ориентации на создание автоматизированных систем производства, проектирования и управления.
Хотя формально тогда и требовалось проведение предварительного обследования и анализа действующих систем, согласно имеющейся регламентирующей документации, и даже были разработаны детальные методики диагностического обследования и моделирования организаций, но на практике это редко осуществлялось. При отсутствии соответствующего инструментария данный этап требовал огромных усилий и времени, а результат работы проектировщиков учитывался по сданному госкомиссии проекту новой системы и ее опытному внедрению.
При выбранном методе дедуктивного формирования проекта представляется весьма затруднительным перейти к имеющемуся разнообразию содержания реальных процессов, при котором осуществляется не метамодельная интерпретация, когда термам теоретических конструкций приписываются так называемые лингвистические переменные, а модельная интерпретация, когда элементы модели отображают конкретные элементы СОУ, обозначаемые терминами исходной области знаний.
Но как перейти к конкретным элементам СОУ, если предварительно не построена ее исходная модель? И как формировать для нее математическую модель с заданным набором определенных ограничений и целевой функцией, адекватной реальности? Сегодня очевидно, что нужно было создавать такие модели при развитии действующих организаций и накапливать модели-прототипы для использования при проектировании новых систем. Но надо помнить, что использование этих моделей в наглядном виде стало возможным только после появления компьютеров с большим быстродействием и огромной памятью, а также инструментальных средств, обеспечивающих формирование таких моделей.
Не имея таких моделей, невозможно операционально производить сопоставление теоретических результатов с требованиями, заданными в исходной области знаний и определять адекватность использованных абстрактных схем. С другой стороны, если уже заранее имеется конкретная содержательная модель, построенная в понятиях исходной области знаний, а инструментальная система может логически обрабатывать и нематематические понятия, то необходимо обосновать целесообразность применения математических концептуальных моделей в условиях использовании сетей компьютеров с большой памятью и быстродействием.
При использовании рассматриваемой методологии следует учитывать, что, уменьшая разнообразие и удерживая разработку системы в определенных теоретических границах, применение конструктов одновременно огрубляет предметную область, ограничивая возможности понятийного моделирования профессионалов. Когда конструкт создается, то рассматривается и идеализируется некоторая сторона сущности. Будучи созданным, конструкт может иметь много материальных и знаковых воплощений, но при этом он отображает лишь математический аналог некоторой стороны сущности, а не саму содержательную сторону сущности, которую адекватно может воспринимать профессионал в этой области. При этом природа знаний в предметных областях зачастую такова, что фразы, с помощью которых общаются профессионалы, являются лишь намеком на образы реальной сущности, возникающие у них при обучении и в результате приобретения опыта. Эти образы активизируются при восприятии фразы в сознании специалиста, но для передачи смысла фраз специалистам из других областей знаний соответствующие образы требуют расшифровки намеков.
Проблемой является и обеспечение теоретического контроля процесса создания конструктов, в частности, обоснования выбора аспектов сущности, лежащих в основе разработки математических конструкций, и корректности ее выполнения. Используемые математические конструкты должны обеспечивать интеграцию методов и средств, имеющихся в разных предметных областях, выполняя функцию их теоретической надстройки. Учитывая огромную масштабность и сложность областей знаний, которые необходимо охватывать современному разработчику, эти конструкты могут выполнять и гносеологическую функцию.
Методология оказалась весьма эффективной при анализе сложных и слабо структурированных предметных областей. Она обеспечивает быстроту действий концептуалиста при освоении таких областей и способствует выявлению проблем. Это стало особенно актуальным для областей деятельности, по-разному понимаемых участниками процесса развития, в частности, “из-за неадекватности и туманности применяемых понятий, или неспособности оперировать этими понятиями” [6:2002]. Практическую ценность она продемонстрировала для областей знаний, где отсутствуют или устарели имеющиеся теоретические описания. Кроме этого, методология полезна для описания недостаточно институализированных видов деятельности, особенно если причиной этого явилась неразвитость социальных отношений, несогласованность правил взаимодействия и механизмов обеспечения соблюдения правил.
Успешное применение методологии имело место при понятийной реконструкции психоанализа, эзотерических учений и теории этногенеза Л.Н.Гумилева, решения проблем обеспечения безопасности России, законотворческой деятельности, корпоративного управления и многих других видов деятельности [7:1997;8:1998 и др.].
Полная библиография публикаций по концептуальному анализу и проектированию за период с 1967 по 2003 год приведена в [9]. В ней представлено 742 публикации, сгруппированные по алфавиту авторов, по годам публикации и по тематике. Авторский указатель охватывает 189 авторов, а тематический – 83 рубрики.
Контрольные вопросы и задания
1. В чем состоит сущность методологии АСПСОУ? 2. Каким образом в этой методологии обеспечивается логическая направленность и управляемость процесса проектирования? 3. Какие функции должна была выполнять система АСПСОУ? 4. Что является входом в процесс проектирования СОУ в данной методологии? 5. Каким образом обеспечивается универсальность методологии АСПСОУ? 6. Дайте содержательную трактовку «логосинотопотеху». 7. Что ограничивает применяемость рассмотренной методологии? 8. В чем состоит проблема перехода от концептуальной модели к конкретным моделям элементов СОУ? 9. Какие проблемы возникают при использовании математических конструктов?
3.2. Система концептуального проектирования автоматизированных систем (КОПАС)
Методология КОПАС была разработана при подготовке в 1984 г. по заказу Госстроя СССР технического задания на создание инструментальной системы, обеспечивающей компьютерную поддержку процесса разработки специализированных автоматизированных систем, предназначенных для проектирования различных видов объектов строительства. Разработка была выполнена в Харьковском институте инженеров коммунального строительства (нынешнее название - Харьковская национальная академия городского хозяйства) по договору с институтом ЦНИИПИАСС, позднее названного ЦНИИпроект Госстроя СССР. Методология и проект инструментария этой системы описаны в работах [1,2:1986; 3:1989; 4,5:1990; 6:1993; 7:1997; 8:1998].
Функции системы КОПАС.
Функциональная структура системы представлена в табл. 4,
где перечислены ее функции и, в целом, входные и выходные объекты.
В отличие от методологии АСП СОУ, в ней на входе
используются не метамодели общих теорий классов систем, таких, например, как теория целенаправленных систем [9:1974,1978], а взаимосвязанный набор конкретизированных метамоделей.
В табл. 5,6
представлены составы, структуры и краткие описания метамоделей среды, из которой затем выделяются системы, и метамоделей систем. Примеры ряда функциональных
математических метамоделей среды и систем содержатся в табл. 7
. Они описывают, с использованием теории множеств, понятия процесса преобразования входных объектов в выходные объекты для общих, операционных, информационных, проектирующих, управляемых, управляющих и других видов систем.
Таблица 4 - Функциональная структура системы КОПАС
| Функции
|
Выход
|
Вход
|
| 1.Формирование задания
2.Формирование модели проектируемой системы и модели процесса ее проектирования. 3.Поиск готовых проектов или прикладных средств 4.Проектирование и создание систем. |
1.ТЗ
2.Модель
3.Функциональный и технологический проекты
4.Информационно-программное обеспечение. |
1.Метамодели:
атрибутов, проекта, математической модели, формализованных теорий. 2. Требования
3. Правила
4. Модели и проекты
|
Таблица 5 – Состав, структура и описание ММ среды
| Имя
терма
|
Терм и фрагмент ММ среды
|
Терм ММ элемента
|
Описание элемента
|
Терм
ММ объекта
|
Имя
терма
|
| 1.Общая макро-
среда
|
S0
S0
S0
S0
S0
RS01
|
e0
e0
e0
e0
e0
|
Единичные элементы со свойствами
Единичные элементы и их всевозможные множества
Пары единичных элементов
Множества единичных элементов, множества множеств единичных элементов и т.д.
Для элемента среды задано множество пар входных
|
-
-
-
-
R0
|
-
-
-
-
Общие
объекты
среды
|
| 2.Общая
микро-
среда
|
S0i
(S0i
|
e0i
|
Терм
|
R0i
|
Объекты микро
среды
|
| 3.Динами
ческая среда
|
ST0
|
eT0
|
Пространство состояний элемента
|
RТ0
|
Динами
ческие
объекты
|
Таблица 6 - Состав, структура и описание ММ систем
| Имя терма
|
Терм ММ
системы
|
Терм ММ элемента
|
Описание элемента
|
Терм
объекта
|
Имя/Описа-
ние терма
|
| 1.Общая
система
|
S
RS2
S
|
e
(R1
|
Элемент системы и его объекты выделяются из среды
|
R
|
Общие
объекты
системы
|
| 2.Общая
динами-
ческая
система
|
ST
|
eT
(RT1
|
Пространство состояний элемента
|
RT
|
Общие динами
ческие
объекты
|
| 3.Класс
r-систем
|
Sr
rЄ{a,d}
|
er
(Rr1
|
Элемент интерпретирующей
r-системы
|
Rr
|
Объекты
r–системы
|
| 4.Опера-ционная
cистема
|
Sa
|
ea
(Ra1
|
Элемент
oперационной
а-системы
|
Ra
|
Объекты
операционной системы
(вещественно-
физические)
|
| 5.Инфор-
мацион-
ная
cистема
|
Sd
|
ed
(
|
Элемент информационной
d-системы
|
Rd
|
Объекты
информаци-
онной системы
(тексты и др.)
|
| 6.Система
принятия
решений
|
SMrd
MЄ{P,C}
|
eMrd
(RMrd1
RMrd2
|
Элемент системы
принятия решений
(М-системы)
|
RMrd
|
Тексты с
М-решениями
по
|
| 7.Проект-
рующая
система
|
SPrd
|
ePrd
(RPrd1
RPrd2
|
Элемент проектирующей
Р-системы
|
RPrd
|
Тексты
с проектами
r-систем
|
| 8.Управ-
ляющая
система
|
SCrd
|
eCrd
(RCrd1
RCrd2
|
Элемент управляющей
C-системы
|
R
|
Тексты с управленчески ми решениями
по
|
| 9.Общая
метапро-ектирую-щая
система
|
SPd
|
ePMrd
(RPMrd1
RPMrd2
|
Элемент общей метапроекти рующей
РМ-системы
|
RMrd
|
Тексты с проектами
M-систем
|
| 10.Мета-проекти-рующая
система
для
|
SPd
|
ePPrd
(RPPrd1
RPPrd2
|
Элемент общей метапроектирующей
РР-системы
|
RPrd
|
Тексты с проектами
P-систем
|
| 11.Мета-
проекти-
рующая
система
для
|
SPd
|
ePCrd
(RPCrd1
RPCrd2
|
Элемент общей метапроекти рующей
РС-системы
|
RCrd
|
Тексты с проектами
C-систем
|
Таблица 7 – Математические метамодели (ММ) среды и систем
| Метамодель
|
Описание
|
| 1. Общая макросреда
1.1.
1.2.
Описание для элементов множества S
1.3.
Это подмножество описываются также графом. 1.4.
S
S
Эта рекурсивная структуризация описывает взаимосвязи элементов множеств S
1.5.
j
|
Множество элементов e0
В пределе I0
Множество В
Знак «×»
Элементами множества S0
Для элементов e
У терминальных объектов R0
|
| 2. Общая микро среда
|
Терм e
|
| 3. Динамическая
S0
где S0
PT
S0
|
Описывается пространство состояний элементов и объектов среды. Для ММ среды S
|
| 4. Общая система
S
5. Интерпретированная
Sr
где a
|
Система – это множество В
При взаимодействии элементов выходные объекты элементов являются входными объектами для других элементов и наоборот. Интерпретация осуществляется заменой индекса r
Аксиомы a
|
| 6.Общая динамическая система
St
PT
St
|
Для ММ системы S
|
| 7. Объект информационной системы (ИС)
Синтаксическая конкретизация:
Rd
Семантическая конкретизация
Rdr
|
Выделяются пространство мест носителя и знаки, размещаемые в них. Объект ИС является подмножеством множества пар (знакомест), определяемого прямым произведением подмножества RL
mЄ
Для размещенных на носителях знаков раскрывается их содержание (смысл). Семантическим
|
| 7.Проектирующая система
|
Выходными объектами Rdrp
|
| 8.Управляющая система
SCrd
где терм Str
|
Объектами Rdtr
|
Особенности используемых метамоделей. О
бщие и отличающиеся свойства вышеперечисленных видов систем были выражены в метамоделях с помощью теоретико-множественных конструкций, связанных рекурсивными отношениями и отношениями быть объектом и быть субъектом деятельности, такой, например, как проектирование, управление, создание, обеспечение. Взаимодействие систем, являющихся объектами и субъектами деятельности, было описано в виде графа, вершины которого представляли метамодели видов систем, а дуги – отношения взаимодействия. Этот граф, отображающий не только бинарные, но и n
–арные отношения между метамоделями, может быть назван системоактемой.
Частным случаем такой теоретической конструкции, в которой фиксируется отношение порождения между системами, является конструкция, названная С.П.Никаноровым проектогенемой
. С помощью этих конструкций стало возможным логически формировать структуру процесса
проектирования, совершенствования и создания систем и упростить переход от, например, проектирования одного вида систем к проектированию другого вида систем.
В частности, осуществлена конкретизация
системоактемы, с помощью схемы, которую можно назвать технологемой.
Она описывает не только семантические отношения и отношения, выражающие размещение знаков на носителях, как упоминавшаяся конструкция «логосинотопотех», но также и синтаксические, прагматические, пространственные, временные и технические отношения. Последние касаются любых способов представления информации (не только на носителях).
Выделение в понятийных конструкциях отношений с общими метамоделями и специфических свойств позволило обеспечить их наследование при конкретизации общих метамоделей. Так, метамодель метапроектирующей
системы наследует свойства проектируемых ею специализированных проектирующих
систем через посредство их метамоделей, которые, в свою очередь, наследуют свойства проектируемых ими объектов, выраженные в их метамоделях. Проекты этих объектов являются выходом указанных специализированных систем. Аналогично, метамодель метапроектирующей системы наследует свойства проектируемой ею управляющей системы, а она, в свою очередь, наследует свойства объектов управления.
Функциональная конкретизация систем может быть осуществлена в результате формирования комбинаций взаимоотношений видов деятельности, показанных на рис.4
и в таблицах 8.1,8.2
, где наименования столбцов соответствуют системам, осуществляющим деятельность, а наименования строк – системам, являющимся объектами приложения этой деятельности [21]. Так, можно выделить такие объекты экономической деятельности, как
производственная, социальная, проектная, институциональная и прочие системы. Например, можно давать экономическую оценку вариантам институализации предпринимательства, анализировать экономические аспекты социальной деятельности и т.п. С другой стороны, институализация может охватывать экономическую, производственную, управленческую, социальную и другие виды деятельности, а социальная оценка – даваться экономической деятельности. В результате конкретизации могут быть сформированы такие функциональные области, как институциональная экономика и экономическая институциономика, социальная экономика и экономическая социономика и т.д.
Введя в схему рис.4
дополнительно, например, аналитическую и развивающую деятельности, можно, аналогично таблицам 8.1, 8.2
, получить более полное морфологическое множество парных комбинаций систем. Далее можно перейти к триадам взаимоотношений и т.д.
Таблица 8.1 - Взаимоотношения видов деятельности и систем
| Системы |
Институциональная |
Экономическая |
Социальная |
Менеджмент |
| Институцио- нальная |
Институцио-нальная экономика |
Институцио-нальная социономика |
Институцио- нальный менеджмент |
|
| Экономическая |
Экономическая институциономика |
Экономическая социономика |
Экономич-й менеджмент |
|
| Социальная |
Социальная институциономика |
Социальная экономика |
Социальный менеджмент |
|
| Менеджмента |
Институциономика менеджмента |
Экономика менеджмента |
Социономика менеджмента |
|
| Производственно-технологическая |
Институциономика производства |
Экономика производства |
Социономика производства |
Менеджмент производства |
| Проектирующая |
Институциономика проектирования |
Экономика проектирования |
Социономика проектирования |
Менеджмент проектир-я |
| Организационная |
Организацион-я институциономика |
Организацион-я экономика |
Организацион-я социономика |
Организац-й менеджмент |
| Потребительская |
Институциономика потребления |
Экономика потребления |
Социономика потребления |
Менеджмент потребления |
Таблица 8.2 – Взаимоотношения видов деятельности и систем
| Системы
|
Производствен-нно-технолог-я
|
Проектирую-щая
|
Организацион-ная
|
Потребления
|
| Институциональ-ная |
Институцио- нальная технология |
Институцио- нальное проектирование |
Институцио- нальная органомика |
Институцио-нальное потребление |
| Экономическая |
Экономическая технология |
Проектирование экономики |
Организация экономики |
Потребление экономики |
| Социальная |
Социальная технология |
Социальное проектирование |
Социальная организация |
Социальное потребление |
| Управленческая |
Технология менеджмента |
Проектирование менеджмента |
Организация менеджмента |
Потребление менеджмента |
| Производственно-технологическая |
Проектирование производства |
Организация производства |
Потребление производства |
|
| Проектирующая |
Технология проектирования |
Организация проектирования |
Потребление проектирования |
|
| Организационная |
Организационная технология |
Проектирование организации
d>
|
Потребление организации | |
| Потребления |
Технология потребления |
Проектирование потребления |
Организация потребления |
Универсальность методологии.
Высокая степень универсальности обеспечивается за счет использования математических метамоделей не только проектирующих систем нижнего уровня и их выходных объектов, но также и метамоделей метапроектирующей системы. Одним из выходных объектов
проектирования в этой системе являются модели
проектируемой системы
и модели
процесса проектирования
системы. Затем эти модели могут использоваться для формирования проектов и информационно-программного обеспечения. Формирование моделей проектируемой системы осуществляется поэтапно с использованием метамоделей,
указанных в табл. 4.
Они описывают:
- преобразующий процесс
(единичную систему),
- задания
на создание системы;
- терминальные объекты системы (
входные и выходные объекты),
- постановки задач,
- типы и структуру атрибутов элементов системы;
- математические теории
, модели и методы
решения задач проектирования, управления и обучения.
Универсальность обеспечивается и технологией проектирования, которая ориентирована как на использование постоянно расширяемой в памяти системы базы готовых решений и программных средств, так и на поддержку процесса их разработки. Перед поиском готовых решений по проектируемой системе в режиме диалога формируется задание на поиск. Если его не окажется в памяти системы, то осуществляется переход к декомпозиции исходной функции и построению функциональной
модели системы, которая описывает цели, функции и их входные и выходные объекты. При этом может быть осуществлен логический вывод состава подфункций
на основе концептуальной модели выходных объектов
декомпозируемой функции, либо осуществлен поиск в памяти и выбор необходимой сети подфункций, которая становится частью формируемого проекта. Каждая из подфункций может быть, в свою очередь, декомпозирована в сеть еще более мелких подфункций и т.д. При отсутствии в памяти приемлемой сети подфункций осуществляется переход к ее разработке. Процесс декомпозиции продолжается до тех пор, пока не станет возможным непосредственный подбор методов реализации подфункций. Для этого может потребоваться манипулирование с моделями теорий соответствующей предметной области. Для случая, когда в памяти метасистемы отсутствует готовый метод реализации функции, предусматривается возможность выбора математических теорий, моделей и методов решения этих задач с последующей интерпретацией результатов, а при их отсутствии - возможность их разработки с последующим созданием информационной системы с помощью компоновки или конфигурирования программного обеспечения. При использовании математических методов решения задач необходимо в схеме «логосинотопотеха», рассмотренной в подразделе 3.1, задавать отношение «лога» не только к его знаковому представлению, но и к «логу» из другой, интерпретируемой области знаний. Например, определенным элементам уравнения, описывающего динамическую систему, должна быть сопоставлена длина маятника, упругость пружины, емкость транзистора и т. д. При этом каждая из этих сущностей тоже имеет свое определенное знаковое представление в соответствующей области знаний. При такой интерпретации одна модель может быть заменена другой. Кроме этого, существуют и объекты, реализующие эти сущности. Например, это – маятниковый механизм часов, демпфер, полупроводниковый транзистор и т.п. Они имеют конкретную физическую конструкцию, сделаны из определенных материалов и т.д. В свою очередь, эти объекты могут описываться некоторым текстом. Таким образом, имеется, по крайней мере, триада «логосинотопотехов»: для математической теории, для конкретной прикладной области знаний и для описания реального мира.
Результатом процесса выбора методов и проектирования знаковой реализации СОУ является технологический проект СОУ,
в котором для каждой неделимой далее функции будет определен не только метод ее реализации,
но и технология реализации.
Она должна быть детализирована до такой степени, чтобы пользователи спроектированной системы смогли ее воспринять и выполнить. Их характеристики задаются в модели пользователя
системы.
С помощью базы рассмотренных метамоделей инструментальная система КОПАС должна была обеспечить управление диалогом с ее пользователями при формировании заданий на создание локальных систем проектирования
для серийной разработки проектов, а также при формировании заданий на проектирование систем управления и обучения
.
Предусматривалось использование в процессе проектирования методов искусственного интеллекта для представления и манипулирования знаниями, которые должны были обеспечить формулирование корректного с теоретической точки зрения задания на проектирование систем с доказательством его полноты,
проектной разрешимости и возможности
удовлетворения требований к качеству
системы. При необходимости проведения в процессе проектирования необходимых расчетов предусматривалась возможность построения вычислительных моделей и использования, рассмотренных в разделе 1.2 данного пособия, расчетно-логических прикладных систем искусственного интеллекта, в частности, систем, реализующих концептуальное программирование.
Формируемые модели и проекты проектируемых систем должны были сохраняться в базе знаний проектирующей системы как модели-прототипы.
В результате выбора методов и средств реализации функций формируется так называемая методная модель проектируемой системы, представляющая собой технологическую структуру системы, в которой функции и методы привязаны к конкретным типам преобразователей (оборудованию, компьютерам, исполнителям).
Инструментальная система при дальнейшем своем развитии должна была обеспечить машинную поддержку всех стадий разработки систем от формирования технического задания до технологических решений на стадии рабочего проектирования.
В соответствии с теоретической конструкцией, названной системоактемой, в методологии КОПАС разграничивается формирование моделей конечной автоматизированной системы и
моделей
метасистемы
, осуществляющей ее проектирование и создание. Если метапроектирующая система является объектом проектирования, то ее проект разрабатывается в метаметасистеме. Задание на его разработку должно включать в себя модель
реализуемой ею функции, выходом которой является уже задание на создание проектирующей системы нижнего уровня, а одним из входов – требования к создаваемой проектирующей системе. При декомпозиции этой модели и выборе методов разрабатывается проект той части метапроектирующей системы, которая должна формировать задание на создание проектирующей системы. Точно так же задание на разработку метапроектирующей системы должно включать в себя модель реализации функции, выходом которой является проект конечной системы, т.е. модель этой функции может быть конкретизирована в проект метапроектирующей системы, осуществляющей техническое проектирование системы нижнего уровня и т.д.
Проблемы применяемости
. Практическая реализация рассмотренной концепции процессного проектирования управляющих и проектирующих систем столкнулась с проблемой ее несоответствия существовавшей тогда (к сожалению, и в настоящее время) организации управления, основанной на выделении структурных подсистем управления
отдельными областями деятельности, выделяемыми в процессе создания продукции. Такая традиционная организационная структура управления предприятием представляет собой множество отделенных друг от друга многоуровневых иерархий со своим аппаратом управления и функциональными службами. Соответственно такой организационной структуре управления строились и их, отграниченные друг от друга, подсистемы планирования и контроля, в которых используются укрупненные интегрированные показатели, обеспечивающие сопоставимость результатов по разным областям деятельности и возможность выработки скоординированных решений на верхнем уровне управления. В этих условиях целью структурных подразделений в этих условиях является выполнение заданных интегрированных показателей, а не обеспечение согласованного по срокам, объему, номенклатуре и качеству выпуска продукции для последующих подразделений. Работники ориентируются на удовлетворение, прежде всего, требований своего руководства, а не потребителей продукции. Это затрудняет координацию подсистем при управлении процессом создания продукции. А изменение принципов организации управления в условиях централизованной экономики было неразрешимой задачей, так как требовало коренного пересмотра всей институциональной экономической системы страны и мощной информационно-технологической и программной поддержки, отсутствовавшей в то время.
Все это приводило к тому, что разработанные автоматизированные системы не способствовали кардинальному улучшению ситуации, а зачастую даже и ухудшали ее в связи с появлением дополнительных затрат. В силу этих, а также и других обстоятельств, потенциальные возможности методологии КОПАС не могли быть востребованы.
Контрольные вопросы и задания.
1. Что описывают конкретизированные метамодели в системе КОПАС? 2. Что такое системоактема и чем она отличается от проектогенемы? 3. Что такое технологема? 4. Каково назначение метемоделей системоактемы и технологемы? 5. Чем обеспечивается универсальность системы КОПАС? 6. Описать основные этапы проектирования систем в методологии КОПАС. 7. Как обеспечивается логическая направленность и управляемость процесса проектирования систем? 8. В чем состоит проблема обеспечения конкурентоспособности предприятия при функциональной ориентации управления? 9.Что собой представляет триада логосинотопотехов?
4.Новые направления развития методологий совершенствования систем
4.1.Общая характеристика направлений
Ниже рассмотрены такие направления развития методологии проектирования систем:
- реинжиниринг бизнес-процессов;
- интеграция информационных систем;
- автоматизация проектирования информационных систем;
- развитие knowledge-технологий в управлении и проектировании;
- упреждающее развитие институциональных систем в экономике и теории контрактов.
Реинжиниринг бизнес-процессов.
Это направление возникло в начале 90-х годов [1:1990;2:1993,1997;3:1997,2002]. Под бизнес-процессом (БП) понимается поток функций и событий, результат которых имеет ценность для внешних и/или для внутренних потребителей. Необходимость совершенствования БП была вызвана, прежде всего, потребностью сертификации производства по новым международным стандартам, для чего необходимо было сформировать модели БП. Данная методология совершенствования БП, названная BPR (Business Process Reingineering), предусматривала, в отличие от обычных улучшений процессов, постоянно осуществляемых в организациях, коренное переосмысление и фундаментальное изменение БП. Особенно популярной она стала после публикации книги М.Хаммера и Д.Чампи [2]. По информации Б.Гейтса [4:2000,2003] в 1998-м году в Интернете имелось уже около 189 тысяч статей и других документов с ключевым словом реинжиниринг, что в несколько раз превышало количество работ по управлению знаниями. Проблемам BPR посвящены работы [5:1997;6:1997,1999;7:1998;8:1999,2000;9:1999;10:2000; 11:2001; 12:2002; 13:2002;14:2003;15:2003;16:2004].
Современный инструментарий динамического моделирования БП рассмотрен в работах [6;8;17:2002].
В ряде работ по реинжинирингу предлагалось вообще отказываться от всего, что было на предприятии до этого. Такая крайняя позиция часто приводила к негативным последствиям, о возможности которых сообщалось в работе [18:1997]. Ее автор обращал внимание на необходимость оценки и обоснования риска радикальных изменений в организации.
Другой причиной резкого увеличения работ по совершенствованию БП было то, что существующая функциональная и структурная специализация производства и, соответственно, управления, перестала обеспечивать конкурентоспособность предприятий, которая начала предопределяться быстротой и качеством реакции на меняющиеся запросы клиентов. При функциональной ориентации управления значительная часть времени тратится на процессы передачи результатов из одних структурных подразделений в другие. Поэтому переход к превалированию процессно-ориентированного управления бизнес-системами и входящими в них взаимодействующими БП, стал насущной задачей. Этот способ организации управления предусматривает приоритет процессного планирования и процессного отслеживания поставки ресурсов, производства продукции, ее продажи и обслуживания клиентов. Процессное управление отличается не только использованием часовых графиков и принятием решений при возникновении отклонений в реальном времени, но также и переходом к новой организационной структуре с минимально возможным количеством уровней и повышенной ответственностью персонала перед клиентом.
Переход к процессной ориентации управления стал возможным благодаря появлению новых методов поддержки принятия решений. До этого функционально-ориентированный подход был единственно возможным. Он позволял декомпозировать деятельность по функциям, что вызывало необходимость последующего согласования между ними и жесткого управления персоналом. При использовании интегрированных информационных систем возникала возможность охватить всю систему в целом, а человек оказывался непосредственно вовлеченным в процесс, подчиняясь его законам и логике. Новая система требовала от персонала равного качества на всех участках процесса, обеспечивая процессы саморегулирования.
Для компьютеризации поддержки процессов формирования моделей БП были разработаны инструментальные системы, использующие метамодели проектируемых систем, т.е. реализующие методологию концептуального моделирования.
Интеграция информационных систем.
Для обеспечения эффективной обработки информации в реальном времени для организаций с географически распределенными подразделениями были созданы различные типы интегрированных информационных систем и отдельных программных продуктов. В табл. 9
приведен их неполный перечень, а в табл. 10
дана характеристика некоторых их производителей. Выполняемые общесистемные функции программными компонентами указаны в табл. 11
, а операционные функции - в табл. 12
. Особенностями новых информационных технологий являются: - использование среды «клиент-сервер» и интернет-технологий; - охват большинства бизнес-процессов и деловых операций организации с обработкой информации в реальном времени; - использование для всей организации единой базы данных, в которой каждый образец данных запоминается, как правило, один раз; - использование различных валют и языков; - ориентация на определенные отрасли экономики; - возможность настройки программного обеспечения под свои требования; - возможность применения, при реинжиниринге своей организации, моделей лучших образцов бизнес-процессов, уже зарекомендовавших себя в реальных условиях.
Перед внедрением этих технологий необходимо проводить изменения бизнес-процессов, чтобы они соответствовали требованиям интегрированных информационных систем. Надо создать единую базу данных, изменить финансовую отчетность и формы реализации процессов, и т.д. В отличие от подхода с предварительно проводимым реинжинирингом и последующим поиском соответствующей ему ИС, этот подход имеет и недостатки. Выбранная система ограничивает возможности совершенствования организации и последующего ее развития. С другой стороны, в организации может не оказаться требуемого прототипа бизнес-процесса. Поэтому данный подход ориентирован на фирмы, имеющие сравнительно небольшой бюджет, использующие стандартные бизнес-процессы и стремящиеся сократить время на внедрение новой системы.
Таблица 9 - Типы программных продуктов
| Обозначение
|
Наименование
|
Перевод
|
| 1. MRP |
Material Requirement Planning |
Планирование потребности в материалах |
| 2. ERP |
Enterprise Resource Planning |
Планирование ресурсов предприятия |
| 3. ABC |
Activity-Based Costing |
Стоимостной анализ деятельности |
| 4. SCM |
Supply Chain Management |
Управление цепочкой поставок |
| 5. CRM |
Customer Relation Management |
Управление взаимоотношениями с потребителями |
| 6. BSC |
Balanced Scorecard |
Сбалансированная система показателей |
| 7. APS |
Advanced Planning and Schedule |
Продвинутое планирование |
| 8. QMS |
Quality Management System |
Система менеджмента качества |
| 9. W |
Workflow |
Система управления потоком работ |
Таблица 10 - Характеристика производителей программных продуктов
| Производитель
|
Об-е
|
Страна
|
К-во раб.
|
Применяемость (на 1.1.2002 г.)
|
| 1. IDS |
I |
Германия |
1200 |
Продано лицензий 30 тыс. Имеется 2700 клиентов. 180 партнеров. |
| 2. SAP (Systems, Application and Products in Data Processing) |
S |
Германия |
5000 |
От 30 до 60% рынка. Используется в 6 тыс. компаний. Охвачено 2,5 млн. пользователей |
| 3. Microsoft Business Solution |
M |
США |
3800 |
250 тыс. клиентов в 132 странах. 4,5 тыс. партнеров |
| 4. ROSSsystems (Softline Megapolis) |
R |
США |
Нет сведений |
3,5 тыс. клиентов в 50 странах |
| 5. FronStep |
F |
США |
- « - |
300 тыс. клиентов |
| 6. Galaktica |
G |
Россия |
- « - |
Таблица 11 - Производители общесистемных прикладных компонентов
| Прикладные компоненты
|
I
|
S
|
M
|
R
|
F
|
G
|
| 1. Стратегическое управление на основе сбалансированной системы показателей (BSC) |
+ |
+ |
||||
| 2. Управление документооборотом |
+ |
+ |
+ |
|||
| 3. Бюджетирование и оценки |
+ |
+ |
+ |
+ |
||
| 4. Контроллинг В том числе: - учет затрат - управление себестоимостью - стоимостной анализ (ABC) - комплексный анализ и оценка эффективности |
+ + + + |
+ |
+ |
+ |
||
| 5. Кадры В том числе: - управление персоналом - планирование и развитие |
+ + + |
+ |
+ |
+ |
+ |
|
| 6. Финансы В том числе: - ведение главной книги - контроль дебиторской и кредиторской задолженности - консолидация по законодательству - бухгалтерский, налоговый, кассовый учет |
+ |
+ + + + + + |
+ |
+ |
+ |
+ |
| 7. Управление основными средствами (износ, страхование и т.д.) |
||||||
| 8. Управление заказами |
+ |
+ |
+ |
|||
| 9. Управление контрактами |
||||||
| 10. Проектная система В том числе: - управление проектами - управление бюджетом |
+ |
+ + + |
+ |
|||
| 11. Автоматизация проектирования |
+ |
+ |
||||
| 12. Управление цепочками поставок (SCM) |
+ |
|||||
| 13. Корпоративное управление (е-портал, е-бизнес, е-коммерция) |
+ |
+ |
+ |
+ |
+ |
|
| 14. Управление качеством В том числе: - сертификация - инспектирование, уведомление о качестве - средства планирования - совершенствование системы управления качеством (QMS) |
+ + + |
+ + + + |
+ |
+ |
||
| 15. Билинг (расчетные компоненты) |
||||||
| 16. Моделирование, инжиниринг и реинжиниринг бизнес-процессов |
+ |
|||||
| 17. Управление знаниями |
+ |
+ |
+ |
|||
| 18. Управление жизненным циклом продукта |
+ |
+ |
||||
| 19. Промышленный аудит |
+ |
|||||
| 20. Динамическое моделирование бизнес-процессов |
+ |
|||||
| 21. Оценка операционных рисков (PRS) |
+ |
|||||
| 22. Поддержка рабочих процессов (W) |
+ |
+ |
Таблица 12 - Производители операционных прикладных компонентов
| Бизнес-процессы
|
Прикладные компоненты
|
I
|
S
|
M
|
R
|
F
|
G
|
| 1. Закупки, Снабжение |
1. Управление снабжением 2. Управление материалами, в том числе: - управление запасами - управление складами - контроль счетов-фактур 3. Управление взаимодействием с поставщиками (SRM) |
+ + + + + |
+ |
+ |
+ |
+ + |
|
| 2. Основное производство |
1. Оперативное управление 2. Операционное планирование, в том числе - материальное планирование (MRP) - планирование мощностей - учет производства |
+ + + |
+ + + + |
+ + |
+ + + |
||
| 3. Обслуживание предприятия |
1.Управление техническим обслуживанием 2. Управление заказами на обслуживание 3. Производственные и технические объекты 4. Профилактическое обслуживание 5. Управление ремонтами. |
+ + + + |
+ + |
||||
| 4. Сбыт, Дистрибьюция, Доставка |
1. Управление сбытом и дистрибьюцией 2. Управление перевозками 3. Прогнозирование спроса и сбыта 4. Учет складов |
+ + |
+ |
+ + |
|||
| 5. Продажа |
1. Управление продажами, в том числе: - планирование продаж - анализ и прогнозирование продаж 2. Управление взаимодействием с клиентами (CRM), в том числе: - претензионная работа - другие функции 3. Управление маркетингом |
+ + |
+ + + |
+ + + |
+ + |
+ |
Автоматизация проектирования информационных систем.
Основой поддержки нового направления в менеджменте явились не только интегрированные информационные системы [19:2002], но и инструментальные средства
моделирования, анализа и совершенствования процессов, а также инструментальные средства разработки архитектуры информационных систем и автоматизации их компоновки и/или настройки параметров готовых комплексных систем [6,8,12,13]. Эти системы и средства, часть которых рассмотрена ниже, обеспечили возможность интеграции и повторного использования готовых программных средств, имеющихся в настоящее время в избытке.
В условиях взрывного роста быстродействия компьютеров и емкости запоминающих устройств развитие методологий и информационно-программных инструментальных средств моделирования и совершенствования бизнес-процессов и проектирования информационных систем осуществлялось, в основном, без математизации концептуального моделирования.
Knowledge
-технологии в управлении
и проектировании.
Модели БП, создаваемые и хранящиеся в репозитории информационной системы, помимо обеспечения проектирования и создания интегрированных информационных систем, представляют самостоятельную ценность, так как могут быть использованы для массового и быстрого обучения и тестирования персонала по всем рабочим и функциональным местам. Данное направление было названо knowledge
-технологиями в управлении
и проектировании
[20:2003]. У нас оно называется управление знаниями, что отражает лишь один из аспектов этих технологий. Управление знаниями в организациях становится в настоящее время ключевым направлением обеспечения их конкурентоспособности в условиях быстро меняющихся методов и технологий производства, проектирования и управления, так как позволяют ускорить их освоение персоналом и контролировать этот процесс.
Институциональные системы
. Совершенствование бизнес-процессов должно проводиться с учетом существующих институциональных систем. Для использования новых технологических и иных возможностей может потребоваться предварительная разработка новых институциональных систем [21:2001;22-23:2002;24:2003;25:2004] или изменение существующих. Для регулирования институциональных отношений в настоящее время широко используется теория контрактов [26:2002]. Это способствует установлению приемлемых правил взаимодействия субъектов и механизмов обеспечения их соблюдения, а также утверждению в обществе требуемых для этого норм поведения людей.
Контрольные вопросы и задания
1. Назовите причины резкого увеличения работ по совершенствованию БП. 2. В чем состоит сущность методологии BPR? 3. Что означает процессная ориентация управления? 4. Что собой представляют knowledge–технологии в управлении и проектировании, и почему они стали возможны? 5. Почему необходимо упреждающее развитие институциональных систем и теории контрактов при совершенствовании систем? 6. Кратко охарактеризовать основные направления совершенствования систем.
4.2. Методология
ARIS
Э
та методология и разработанная на ее основе инструментальная система ARIS
(
Architecture
of
Integrated
Information
System
)
лидируют на рынке инструментальных систем совершенствования БП и проектирования информационных систем (ИС) по критериям применяемости и полноты охвата функций [6,8,11,12,16], позволяют реализовать рассмотренные выше направления проектирования и развития сложных систем. Перед непосредственным проектированием информационной системы формируется ее, так называемая архитектура. Она определяется построенными моделями бизнес-процессов, моделями структур системы и ее элементов с использованием выбранных языков и методов проектирования из имеющегося их набора, поддерживаемого инструментальной системой ARIS Toolset.
Функции системы
ARIS
.
Для этих функций в табл. 13
указаны их выходные и входные объекты. Для действующих организаций вначале строятся модели выпускаемой продукции, бизнес-процессов и структур системы (выходы функции 1). Затем они анализируются (функция 2) и с учетом выявленных интегральных и динамических характеристик системы (выходы функции 2) проводится совершенствование БП и системы в целом (функция 3.Инжириринг) в виде отдельных улучшений и, по мере созревания условий для кардинальных изменений, в виде реинжиниринга БП. При создании новых организаций проводится инжиниринг БП с использованием имеющихся в системе ARIS их моделей-прототипов. Рассмотренные функции определяют архитектуру информационной системы в виде проектов БП, системы в целом и ее отдельных подсистем. После этого выполняется преобразование (спецификация) сформированной структуры в проект интегрированной ИС с подбором и/или настройкой различных прикладных программных средств (функция 4). Проектирование и создание информационной системы осуществляется на следующих фазах:
-фазе определения требований;
- фазе спецификации проекта;
- фазе описания реализации информационной системы.
Эти фазы соответствуют принятым у нас стадиям разработки технического задания, технического проекта и рабочего проекта.
Таблица 13 - Функциональная структура системы
ARIS
| Функции
|
Выход
|
Вход
|
| 1.Формирование
моделей системы
|
Модели продуктов, БП и структур системы
|
1.Метамодели системы: БП, структур системы, обобщенных понятий, бизнес-объектов.
2.Синтаксические и семантические правила.
3.Модели-прототипы БП.
|
| 2.Анализ моделей
|
Характеристики БП (интегральные и динамические)
|
1.Модели БП в памяти системы.
2.Требования к анализу.
3.Характеристики эталонных БП.
|
| 3. Инжиниринг
|
1.Проекты новых и измененных БП.
2.Проект системы менеджмента качества (СМК).
3.Проекты систем управления знаниями.
|
1.Модели действующих и эталонных БП.
2.Требования к инжинирингу.
3.Интегральные и динамические характеристики БП.
4.Требования международных стандартов к БП, СМК и т.д.
|
| 4.Создание ИС
|
1. Проекты ИС для БП, СУ БП, СМК, СУ знаниями. 2. Информационно-программное обеспечение
|
1.Модели действующих и проекты новых и измененных БП, СУ БП, СМК и СУ знаниями.
2.Требования к созданию ИС.
3.Модели и информационно-программное обеспечение прикладных систем.
|
Инструментальная система ARIS является открытой. Она не ограничивается какими-либо методами описания, моделирования и проектирования процессов и структур, не привязывается к какой то одной, конкретной структуре ИС и к определенным применяемым программным средствам, хотя в основном использует систему SAP R/3.
Инструментальная система ARIS поддерживает моделирование, анализ, проектирование и совершенствование специалистами БП предприятия, а также проектирование и создание ИС. На входе в функцию 1, как показано в табл. 13
, используются имеющиеся в ее памяти метамодели
проектируемой системы, обобщенно описывающие на уровне классов бизнес-процессы, структуры системы, бизнес-объекты и, в целом, информационные системы. В частности, метамодель бизнес-объекта описывает взаимодействие таких объектов, как клиенты, изделия, заказы на уровне их классов, информация о которых обрабатывается программными компонентами. На основе этой метамодели из программных компонентов формируется программное обеспечение бизнес-объекта, которое может реализовывать требуемые процессы с использованием атрибутов объектов, описываемых на уровне их экземпляров.
Создаваемая совокупность моделей конкретной организации хранится в репозитории системы и, по сути, задает ее предметную область. Термин репозиторий был введен фирмой ИБМ в 1989 г. Другая часть инструментальных средств ARIS задействуется для проектирования информационной системы с использованием этих моделей.
Рассмотренные функции отнесены в системе ARIS к так называемому бизнес-инжинирингу.
Функция 1 поддерживает формирование
и хранение следующих типов моделей
: моделей процессов, функциональных, организационных и информационных моделей системы, моделей продуктов и атрибутивных моделей. Модели процессов
представляются в виде сетей, описывающих операции, их состояния, входные и выходные объекты и другие элементы. Функциональные
модели системы строятся в виде деревьев целей, деревьев функций, цепочки процессов, добавляющих стоимость, описания окружения функций. Организационные
модели системы описывают подчиненность, ответственность, полномочия, привилегии доступа к информации субъектов и подразделений. Информационные
модели описывают информационные объекты с выделением контекстных данных, событий (состояний процессов) и сообщений о них. События активизируют функции и, в свою очередь, активизируются функциями, что позволяет моделировать динамику БП.
Для поддержки процесса моделирования система ARIS использует на входе функции 1 метамодели
, перечисленные в графе «Вход» табл. 13.
Метамодели БП
описывают понятия элементов модели БП, таких как функции, события, организационные единицы, выходы функции, информационные объекты. Кроме этого, они описывают типы отношений и связи элементов:
- функций с прикладными системами;
- организационных единиц с человеческими, машинными, финансовыми и компьютерными ресурсами;
- информационных объектов с моделями данных и их носителями и т.д. Метамодели структур системы
описывают понятия ее функциональной, организационной и информационной структур. Метамодели обобщенных понятий
описывают такие понятия, как кластер, сущность, отношение, атрибут, связь.
Модели процессов формируются с использованием метода eEPC (extended Event driven Process Chain) в виде расширенной событийной цепочки, описывающей поток функций, управляемых событиями. Прототип этого метода (EPC) был разработан в 1992 г. в университете Заарланда (Германия) совместно с фирмой SAP и стал ключевым для описания моделей в системе SAP R/3 [6,8,18]. В системе ARIS модели, построенные с помощью метода eEPC, могут быть преобразованы и представлены в других языках моделирования, в частности, в языке UML (Unified Modeling Language), предложенным в 1997 г. рабочей группой OMG.
Помимо метамоделей, на входе функции 1 используются синтаксические и семантические правила
. К ним относятся правила существования, взаимосвязи и детализации объектов, структурирования моделей, задания атрибутов объектов и связей. С помощью этих правил осуществляется синтаксический контроль, препятствующий выполнению действий, непредусмотренных правилами, и семантический контроль полноты и согласованности элементов моделей. При построении моделей используются также и модели-прототипы БП.
Построение моделей системы, осуществляемое пользователем под контролем инструментальной системы, использующей метамодели и правила построения моделей, соответствует этапу интерпретации метамодели системы в подходе, изложенном в подразделе 3.1.
При анализе моделей (
функция 2)
определяются такие интегральные
характеристики, как продолжительность и стоимость выполнения процессов, доля основной работы, степень интеграции информационной системы в бизнес-процессы, количество информационных разрывов и переходов ответственности, идентичность атрибутов. Определяются также динамические
характеристики процессов, к которым относятся пропускная способность, ожидаемые простои и задержки и т.п.
Инжиниринг
(функция 3) объединяет подфункции проектирования новых БП, регулярного улучшения БП (адаптивный инжиниринг) и, при созревании условий для коренных изменений, реинжиниринг БП с доведением проектных решений до технологических карт и должностных инструкций. Кроме этого, к нему относится проектирование системы менеджмента качества (СМК)
, обеспечение сертификации
БП по международным стандартам, проектирование систем управления (СУ) знаниями. Бизнес-процесс может проектироваться на уровне типов, например, БП закупок, и на уровне подтипов, конкретизирующих выход процесса, например, БП закупок деталей.
Система ARIS обеспечивает документирование каждого базового элемента системы управления качеством TQM (Total Quality Management), фигурирующего в стандарте ISO 9000. При этом, идентифицируется продукция и процессы ее изготовления, приобретения, сопровождения, хранения, упаковки, отправления и т.д., регламентируется описание обязанностей персонала и управление документооборотом. Система ARIS обеспечивает связь модели с десятками элементов ISO 9001, позволяя автоматически создавать руководства по системе управления качеством TQM, процедурные и эксплуатационные инструкции, исходные описания заданий. Хранящиеся в репозитории описания процессов в любое время доступны работникам предприятия.
Система управления знаниями.
Созданные и хранимые модели системы вместе с дополнительной информацией по характеристикам заложенных в них знаний, включая сведения об их создателях, образуют нормативную базу знаний
об организации. Ее анализ позволяет выявить и устранить такие недостатки системы, как дефицит, избыточность и непрозрачность знаний, их неэффективное распространение, несогласованное накопление и, как результат, - их противоречивость. Процессы создания, накопления, актуализации, документирования, хранения, использования и развития знаний являются объектом проектирования в методологии ARIS. При проектировании системы управления знаниями организации обеспечивается возможность санкционированного доступа сотрудников к описаниям процессов. Предусмотрена диагностика существующей в организации ситуации по перечисленным процессам. Хранилище описаний процессов в организации включает в себя центральное хранилище, хранилища по подразделениям организации и индивидуальные хранилища. На всех этапах обеспечивается возможность документирования и создания версий моделей, их связывания между собой для одного и того же элемента и контроля, осуществляемого с помощью специальной метамодели. Это позволяет при незначительных изменениях в элементах избегать генерации новых версий модели.
Функция создания информационной системы
объединяет этапы проектирования ИС, настройки параметров используемой комплексной программной системы, формирования информационного и программного обеспечения, тестирования созданной системы.
Проектирование ИС осуществляется с использованием рабочего пространства
ARIS, которое включает в себя такие инфраструктурные компоненты, как системы Workflow, средства моделирования и межплатформенное программное обеспечение. Рабочее пространство представляет собой незаконченную прикладную систему, которую можно настроить путем переключения многократно используемых инфраструктурных компонентов и использования архитектуры их связывания между собой и с бизнес-объектами и объединяя различные компоненты в конкретное приложение. Рабочее пространство используется при инжиниринге БП, планировании и управлении БП, управлении потоками работ, формировании программного обеспечения для реализации БП из прикладных систем.
Методология управления процессами, помимо непосредственного их описания с помощью программ, регламентирует определение их владельцев, границ и интерфейсов, точек контроля, измерения показателей в них с последующим проведением анализа и совершенствования процесса.
Для реализации планирования и управления БП
используются следующие программные средства:
- пооперационного исчисления стоимости,
- мониторинга БП,
- составления сетевых графиков со сроками выполнения функций,
- регулирования мощностей с обеспечением их загрузки,
- управленческого учета (система EIS).
При выполнении мониторинга
БП на его модели фиксируется выполняемая в данный момент времени функция с указанием стоимости процесса для конкретных ситуаций и другой информации, необходимой пользователям. Средства планирования учитывают приоритет работ, выявляют необходимость сверхурочных работ и введения дополнительных рабочих смен. Учитываемая текущая информация о выполнении процессов хранится обособленно от информации за прошлые периоды, которая используется для анализа и принятия решений с применением средств операционно-аналитической обработки (OLAP). В частности, для пользователя выделяются процессы, требующие немедленного принятия решений, корректировки и анализа.
Основой для реализации управления потоками работ
является система Workflow. Она в соответствии с моделями БП пересылает обработанные менеджерами информационные объекты в электронные ящики менеджеров, выполняющих последующие преобразования. Эта система выдает информацию о состоянии процессов обработки, времени их выполнения и пользователях для мониторинга процессов.
Программное обеспечение
формируется из стандартных программных модулей, описываемых семантическими моделями, связанными с репозиторием системы, и/или из программных компонентов, разработанных разными организациями. Для привязки и корректировки программных модулей необходимо с помощью программ управления конфигурацией изменить описывающие их модели, например, убрать ненужные функции, организационные единицы, данные и связанные с ними события.
Для использования программных компонентов необходимо предварительно описать обрабатываемые ими объекты, к которым относятся клиенты, изделия, заказы и т.д. со своими атрибутами. В зависимости от контекста объекты могут быть и экземплярами и классом. Затем объекты следует объединить в бизнес-объект, модель которого должна содержать информацию о взаимодействии объектов, с помощью которой формируется программное обеспечение бизнес-объекта из программных компонентов. При этом надо учитывать их содержание и организационную структуру, связи, возможности многократного использования. В репозитории систем SAP хранятся сотни сформированных бизнес-объектов.
В качестве пользовательских интерфейсов
используются java-аплеты и Web-браузеры, обеспечивающие обработку информации независимо от платформы. С помощью системы Workflow
создаются Web-страницы на языке HTML. Для создания java-аплета разрабатывается исходный код, не зависящий от платформы. Он компилируется в среде разрабатывающей системы. Для исполнения он должен быть интерпретирован с помощью виртуальной машины java с адаптацией к различным пользовательским требованиям.
Перед обработкой какого-либо события система Workflow создает Web-страницу, которая запускает аплет и вызывает сервер приложений. После выполнения необходимой функции данные передаются системе Workflow. Этот процесс поддерживает любую операционную систему и аппаратную платформу, а пользователь имеет непосредственный доступ к любому методу, который он может реализовать децентрализовано.
Уровни и детальность моделирования
. Формируемые с помощью системы ARIS модели характеризуются не только типами ее описаний (функциональные модели, организационные модели и т.д.), но и уровнями
моделирования. Выделяется моделирование типа
объекта (функция, сущность, организационная единица, выход), элемента объекта, прикладных приложений (по типам объекта), экземпляров
объекта с конкретными именами элементов. Кроме этого, строятся модели, имеющие различную степень структурированности и детализации:
1) модель классов объектов
(нижний уровень);
2) модель кластера объектов
, сформированного из классов объектов, например, модель кластера данных о клиенте или об изделии;
3) модель бизнес-объекта
, сформированная из кластеров.
Варианты моделей могут создаваться на основе базовой модели или конструироваться из стандартных блоков.
Следует отметить, что в методологии ARIS не учитывается внешняя и внутренняя институциональная среда, которая должна быть объектом анализа для выявления проблем функционирования и развития организации и, при возможности, совершенствования. В частности эта среда формируется при заключении контрактов. Некачественная подготовка контрактов приводит к экономическим и иным потерям. Институциональная среда не только предопределяет многие процессы в организации, но и требует дополнительных затрат времени и средств на выполнение определяемых ею процедур. Объектом анализа должна быть и ментальная готовность персонала в соответствии со своими ценностными установками нормативно действовать в новых технологических условиях и участвовать в развитии организации.
Контрольные вопросы и задания
1. Что такое архитектура информационной системы? 2. Каковы функции системы ARIS? 3. Какие типы моделей формируются в системе ARIS? 4. Дайте краткую характеристику метамоделей, используемых в системе ARIS. 5. Что является выходом функции анализа? 6. Каков состав и содержание подфункций инжиниринга БП? 7. Каково назначение функции документирования? 8. Что собой представляет система управления знаниями? 9. Дайте краткую характеристику этапам создания информационной системы. 10. Что собой представляет рабочее пространство системы ARIS? 11. Назовите состав и содержание функций программных средств ARIS, обеспечивающих планирование и управление БП. 12. Укажите способы формирования программного обеспечения из стандартных программных модулей. 13. Что такое бизнес-объекты, как они выделяются и моделируются? 14. Каковы назначение и способ функционирования систем типа WORKFLOW? 15. Назовите выделяемые уровни и степени детальности моделирования в методологии ARIS.
4.3. Другие методологии
Методология
CIMOSA
. Эта методология, как и предыдущая, сориентирована на предварительную разработку архитектуры проектируемой системы с использованием метамоделей, что обеспечивает ее открытость. Однако, в отличие от методологии ARIS, объектом проектирования здесь являлись лишь системы для управления производством. В разработке инструментальной системы, реализующей эту методологию, принимало участие в начале 90-х годов около 30 ведущих исследовательских организаций в рамках программы ESPRIT, финансируемой ЕС. В [6] отмечается, что узкая направленность этой методологии и инструментария, игнорирование имеющихся информационных технологий, реализованных в виде коммерческого, стандартного программного обеспечения, и излишняя теоретизация привели к тому, что их практическая отдача оказалась минимальной. Здесь были выделены фазы проектирования ИС, аналогичные ARIS. Осуществлялась поддержка формирования моделей функций и ресурсов, а также информационной и организационной моделей. Были зафиксированы уровни конкретизации моделей: общий, частный, определяющий структуру моделей-прототипов для отдельных отраслей, и конкретный, определяющий архитектуру экземпляров для конкретных организаций. В отличие от этого, в системе ARIS степень детализации информационной модели определяется ситуационно в рамках функции структуризации. В CIMOSA не формируются модели процессов и модели управления ими.
Методология
ISM
.
Эта методология проектирования информационных систем разработана международной федерацией по обработке информации IFIP в 1991 г. с использованием метамодели «сущность-отношение», предложенной Ченом в 1976 г. [6]. Инструментальная система включает в себя такие методы:
- интерактивный метод проектирования IDA
;
- информационный инжиниринг IEM
, предложенный Мартином;
- методы моделирования с помощью высокоуровневых сетей Петри и на базе языка и анализатора постановки задач PSL
/
PSA
;
-
метод структурного анализа и проектирования SADT
;
- метод информационного анализа Нийссена NIAM
.
Перед проектированием строятся модели данных, процессов и поведения. Выделены 12 этапов жизненного цикла, в частности, включающего в себя планирование бизнеса, планирование функционирования информационной системы, проектирование системы. Строится всеобъемлющая процедурная модель. Много общего с системой ARIS. Однако отсутствуют организационная модель, фаза реализации, систематизированная модель управления.
Схема Д. Захмана.
В США популярным методом описания предприятия и описания развития архитектуры информационной системы является, предложенная в 1987 г., схема Джона Захмана, в которой разграничиваются представления о проектируемой системе и сама деятельность ее заказчиков, проектировщиков (постановщиков), разработчиков и пользователей/операторов по аспектам, соответствующим столбцам табл. 14
[6].
Заказчик определяет цели, возможности и требования к системе со стороны бизнеса (строки 1,2). Проектировщик формирует системный проект, удовлетворяющий требованиям Заказчика и уточняющий их, но при этом независимый от информационных технологий (строка 3), а Разработчик формирует множество решений по их реализации, ограниченных временем, стоимостью и возможностями технологий (строки 4,5). Взгляд пользователей и операторов представлен строкой 6. Он связан с выполнением ими функций поддержки работоспособности системы и проведения ее мониторинга, а также использования системы в своей деятельности.
В качестве аспектов моделирования проектируемой информационной системы выделены данные, функции и их дислокация в системе. Этим аспектам поставлены в соответствие вопросы: Что? Как? Где? Ответом на 1-й вопрос может являться, например, список материалов и частей продукции с взаимосвязями между ними, сущности данных и связи между ними. Ответом на 2-й вопрос является описание, как работают отдельные части системы, и как реализуются функции, определяемые входом, процессом и выходом. Третий вопрос относится к местоположению элементов системы и к механизмам их взаимодействия.
Ячейка табл. 14
соответствует архитектурному представлению определенного участника создания или использования системы, описываемому по определенной методологии. Например, разработчик системы формирует ее технологическую модель (строка 4), включающую в себя информационное архитектурное представление в виде проекта структуры данных, проекта, где для функций определены методы и средства их реализации, и, наконец, проекта технической реализации и пространственной привязки в сети.
Строки таблицы отражают процесс разработки системы в виде последовательного выполнения действий Заказчиком, Проектировщиком и Разработчиком. Их действия отличаются не только уровнем детализации, но и тем, что они отражают различные области интересов и ответственности этих деятелей. Предложенное описание информационной системы относится к ее автоматизированной части. Для описания ручных процедур схему дополняют аспектами, соответствующими вопросам: Кто? Когда? Почему? После ответа на них схема будет описывать всю систему, а не только ее компьютерную часть. В дополненной схеме первые две строки описывают предметную область и модели бизнеса, а третья строка трансформируется в модель всей системы. Технологическая модель системы (строка 4) становится моделью распределения ресурсов. В заключение рассмотрения следует отметить, что эту схему невозможно напрямую внедрять при создании информационной системы. Главным назначением схемы Захмана является обеспечение понимания архитектуры информационной системы на разных стадиях разработки и с точки зрения разных участников проекта.
Таблица 14 - Схема Д.Захмана для описания системы
| Этап/
Деятель
|
Результат
|
Данные
|
Функции
|
Размещение
|
| Этап 1. Заказчик |
Цели Границы Возможности |
Список сущностей Сущность= класс бизнес-объектов |
Список процессов Процесс= класс бизнес-процессов |
Список размещения |
| Этап 2. Заказчик |
Требов-я к системе |
Сущность= бизнес-объекты Отношения данных (Диаграмма «сущность-отношение») |
Процесс= бизнес-процессы Вх/Вых функций (Диаграмма потоков данных) |
Узел= бизнес-единицы Связи орган-е, продук., инф-е (Логистическая сеть) |
| Этап 3. Проектировщик |
Функциональный проект |
Сущность=данные Отношения данных (Модель данных) |
Процесс=Приклад. функции Вх/Вых= наборы данных (Диаграмма функций) |
Узел= технич-е устройства (процессор, ЗУ и др.) Связи= линии (Размещение) |
| Этап 4. Разработ чик |
Технологическая модель |
Сущность= сегмент/строка Отношения=адреса (Проект структуры данных) |
Процесс=функции компьютера Вх/Вых= экран/формат (Проект стр-ры характеристик) |
Узел= аппаратура/ сист-е ПО Связи=линии (Системная архитектура) |
| Этап 5. Разработчик |
Технологический проект |
Сущность=файлы Отношения=адреса (Описание реализации проекта) |
Процесс=ф-ции программ Вх/Вых=упр-щие блоки (Описание программ) |
Узел=адреса Связи= протоколы (Архитек-ра сети) |
| Этап 6. Польз-ль |
Эксплуат. действия |
Данные |
Функции |
Коммуникации |
Репозиторий
Microsoft
(
MR
).
Репозиторий представляет собой базу данных для хранения компонентов, моделей и объектов вместе с их описаниями и отношениями. Система обеспечивает многократное использование этой базы и инструментальную поддержку моделирования с помощью открытой метамодели и метода UML. Система MR аналогична системе AD/CYCLE.
5. Модели онтологии, онтологические и многоагентные системы
Термин онтология стал использоваться разработчиками программ, предназначенных для извлечения знаний по всем аспектам человеческой деятельности из текстов на естественных языках и для работы в многоагентных системах в Интернете, в связи с необходимостью моделирования общих понятий, и представления их в виде, позволяющем производить над ними логические операции. Общепринятого толкования терминов онтология и модель онтологии в данной области пока нет. В работе [1:1993] под моделью онтологии
понимается концептуальное описание предметной области, состоящее из определений терминов, их атрибутов, а также связанных с ними аксиом и правил вывода. В работе [2:1995] для онтологии предлагается строить неформальные концептуальные «метауровневые» логические теории.
В [3:2000] моделью онтологии,
полностью определяющей ее, является множество концептов, множество отношений между ними и множество функций интерпретации концептов и отношений. Неполными являются модели в виде: - простого словаря, в котором задается только множество концептов;
- пассивного словаря, в котором дополнительно задается список интерпретаций концептов;
- активного словаря, в котором часть интерпретаций задается процедурно с возможностью логического вывода.
Кроме этого вариантами неполных моделей являются иерархические и сетевые модели понятий и модели с декларативным и процедурным расширением отношений и функций интерпретации.
Онтологические системы
оперируют моделями онтологий и формируют их репозитории. В [3] онтологическая система определена как совокупность метамодели онтологии с общими концептами и отношениями, названные метаонтологиями, множества моделей предметных онтологий, множества моделей онтологий задач предметной области и машины вывода. Модель онтологии задач описывает их типы и декомпозицию на подзадачи. Машина вывода активизирует необходимые понятия, определяет целевое состояние и стремится его достичь, используя свойства отношений.
В табл. 15
указаны назначения некоторых систем, оперирующих онтологиями, и характеристики моделей онтологий. Наиболее развитой онтологической системой является (ONTO)2
. Она включает в себя системные модули, выполняющие следующие функции:
- сбор данных в сети программных «агентов»;
- концептуализацию данных и формирование модели онтологии;
- трансляцию модели онтологии в целевые языки реализации;
- поиск модели.
В этой системе формируются следующие характеристики онтологий:
Общие:
тип, предметная область, назначение, концепты верхнего уровня, статус реализации. Аналитические:
количество концептов по классам, уровням и экземплярам, аксиом, отношений, функций, значения ветвления и глубины. Методологические:
подход к формированию моделей, уровень формализации, типы источников знаний, их достоверность, техника приобретения знаний, формализм, языки. Пользовательские:
требования к аппаратуре и ПО, стоимость аппаратуры, ПО и сопровождения.
Таблица 15 - Сведения о системах, оперирующих онтологиями
| Система, автор, год создания
|
Назначение
|
Характеристика моделей онтологии
|
| 1.
Lenat, 1995
|
Создание базы знаний для общих понятий типа времени, сущности и т.п.
В 1995-м году эта база включала 106
|
Модель формируется в виде семантической структуры концептов со связями между ними и аксиомы.
|
| 2.
|
Информационное обеспечение специалистов по реинжинирингу бизнес-процессов корпораций
|
Формируется фреймовая модель корпорации для последующего дедуктивного вывода ответов на запросы пользователей.
|
| 3.
|
Извлечение знаний из текстов по химии.
|
Не приводится
|
| 4. Мультиагентная система,
|
Слежение за средой своего выполнения, принятие решений, адаптация поведения и самообучение по заданиям пользователя.
|
Абстрактные и предметные знания о среде, партнерах и о себе.
|
| 5. (
|
Поиск и выбор онтологий по заданиям пользователя с учетом контекста. Выявление информации, не представленной в явном виде.
|
Группы характеристик: общие, аналитические, методологические, идентификационные и пользовательские.
|
Методы моделирования онтологии интенсивно развиваются в интеллектуальных многоагентных системах (МАС)
[3;4:1988;5:1995; 6:2002; 7:2004], состоящих из множества агентов, каждый из которых представляет собой автономную компьютерную программу, действующую в интересах определенного пользователя. Агенты взаимодействуют между собой в процессе решения определенных задач. Видами взаимодействия являются кооперация, конкуренция, компромисс, конформизм (отказ от своих интересов в пользу других). Агент может также уклониться от взаимодействия.
Простейшим примером применения МАС является электронная коммерция с участием агентов-продавцов и агентов-покупателей. Агент-продавец, получив от электронного магазина информацию о потенциальных покупателях своего товара, последовательно опрашивает их, предлагая начальную цену, либо снижая ее, чтобы затем принять решение о возможности совершения сделки. Агент-покупатель поступает аналогично, отыскивая продавцов нужного товара и предлагая им свою цену покупки, которую он может увеличить в процессе переговоров. Любая сделка завершается только после ее одобрения пользователями агентов.
Другими областями применения МАС является [4,6]: управление воздушным движением, управление информационными потоками и сетями, поиск информации в сети Интернет, коллективное принятие многокритериальных решений и др.
Агенты, использующие методы искусственного интеллекта, имеют цели функционирования и способности использовать знания об окружающей среде, партнерах и о своих возможностях. В табл. 16
раскрыты их характеристики.
Таблица 16 - Характеристики интеллектуальных агентов
| Характеристика
|
Содержание
|
| Автономность |
Самостоятельное функционирование и контроль своих действий и внутреннего состояния |
| Активность |
Организация и реализация действий |
| Коммуникативность |
Коммуникации и взаимодействие с агентами |
| Реактивность |
Адекватная реакция на изменение состояния среды |
| Целенаправленность |
Наличие собственных источников мотивации |
| Информированность |
Наличие базовых знаний о среде, агентах и о себе |
| Обязательства |
Задания, которые надо выполнить по просьбе агентов |
| Желания |
Стремление к определенным состояниям |
| Намерения |
Планирование действий для выполнения своих обязательств |
| Мобильность |
Миграция по сети в поисках необходимой информации |
Идея многоагентных систем появилась в конце 50-х годов в научной школе М.Л. Цетлина [8:1969], который занимался исследованиями коллективного поведения автоматов. Оказалось, что даже такие простые модели, как конечные автоматы, демонстрировали способности к адаптации в стационарных вероятностных средах.
Основные усилия по совершенствованию интеллектуальных МАС направлены на развитие моделирования окружающей среды, механизмов вывода новых знаний, моделей рассуждений и способов обучения агентов, чтобы можно было им проводить полный ситуационный анализ всех возможных активностей агентов.
В заключение раздела отметим возможности математической концептуализации
профессиональной
онтологии, характеризующей определенный вид деятельности как совокупность представлений специалистов о своей профессиональной среде, в которой они действуют для достижения своих интересов. В методологии С.П.Никанорова профессиональные онтологии специалистов по концептуальному анализу и проектированию сложных систем моделируется с помощью математических конструктов, рассмотренных в разделе 3.1 [9:1995;10:2003]. Конструкты являются образами идеальных сущностей, отображающими некоторые их черты. Они формируются в виде унифицированных теоретических построений, которые могут играть роль теории или ее элементов, применяться в качестве моделей или их частей. Они могут иметь также форму понятий, не являясь в то же время ими, так как описывают только некоторые из бесконечного количества сторон сущностей. При проектировании систем выбранные для них конструкты направленно определяют предметные области анализа и проектирования, обеспечивая удержание выработки решений в определенных теоретических границах. Конструкты являются надстройкой над обычными метамоделями разных предметных областей. Высокая степень их обобщенности, эксплицитности и операциональности позволяет им выполнять интегрирующую функцию. Это способствует преодолению понятийной неразберихи в области анализа и проектирования систем и обеспечивает необходимую теоретическую дисциплину, требуемую для управляемости процесса проектирования сложных систем. Но для реализации этого нужен инструментарий, осуществляющий интерпретацию математических метамоделей онтологий в предметные метамодели онтологий.
Контрольные вопросы и задания
1. Как определяют полную модель онтологии? 2. Назовите варианты частных моделей онтологий. 3. Что собой представляют онтологические системы? 4. Какие группы характеристик онтологий выделяют в системе (ONTO)2
? 5. Что собой представляет профессиональная онтология разработчиков АСПСОУ? 6. Какие проблемы возникают при разработке и использовании математических конструктов? 7. Что такое многоаген-тные системы? 8. За счет чего обеспечивается широкая применяемость системы ARIS? 9. В чем заключается проблема обеспечения адекватности моделирования предметной области?
6
. Итоговый анализ проблем и перспектив развития
концептуальных методологий
6.1.
Проблемы универсальности
В данном учебном пособии был проведен анализ генезиса методологий и онтологий проектирующих информационных систем, определяющего моменты их создания и последующий процесс развития. Было показано, что увеличение их универсальности, характеризуемой возможным масштабом охвата ею типов систем, объектов, процессов и ситуаций,
достигается за счет повышения общности и обеспечения операциональности метамоделей предметной области, т.е. возможности осуществления логического вывода на их основе. Но при этом, чем более общей является используемая теория, тем менее конкретными будут формируемые для нее метамодели, так как они не будут учитывать необходимую специфику той или иной предметной области.
Наибольшей общностью и операциональностью обладают математические теории. Проблемой математизации концептуальных моделей является также то, что математические конструкции, уменьшая понятийное разнообразие, одновременно лишают модели предметной области содержательной конкретности, ограничивая этим возможности их профессионального использования. Кроме этого, при разработке математических концептуальных моделей необходим теоретический контроль их адекватности, представительности выбранных сторон сущности для обобщения, корректности использования математических объектов в рамках выбранной теории.
Надо также учитывать, что использование теоретических математических конструкций это переход в иной, абстрактный мир. Идеализируя и обобщая некоторую сторону сущности, эти конструкции отображают при этом не ее саму, а лишь ее математический аналог, ввиду чего возникает проблема адекватного восприятия сущности, выраженной таким образом. Помимо этого, при разработке теоретических схем существует проблема обеспечения адекватного восприятия системными аналитиками профессиональных текстов конкретной предметной области. Природа знаний в ней такова, что, зачастую, эти тексты являются лишь намеками на образы реальных сущностей, возникающие у специалистов при обучении и в результате приобретения опыта.
С другой стороны, только математические теории обеспечивают эффективность процесса проектирования систем, его теоретическую направленность и контролируемость проектных решений. Универсальная система должна эффективно поддерживать процессы структуризации проектирования, формирования постановок задач выработки решений, выбора методов и т.д. Она должна обеспечивать проектирование потоковых процессов с заданными динамическими характеристиками и динамической согласованностью элементов системы. Для этого необходим инструментарий динамического моделирования процессов, позволяющий выявлять узкие места в системе, требуемую пропускную способность элементов и т.п.
Универсальность систем это не только степень охвата предметных областей, но и их способность к расширению и развитию. Для этого необходимо иметь возможность расширять набор используемых языков и методов моделирования, анализа и совершенствования систем, и изменять информационно-программное обеспечение и базу знаний, т.е. система должна быть открытой для развития. В противном случае, при изменении окружающей среды она может утратить свою универсальность.
На универсальность влияет также приспособляемость системы к уровню квалификации пользователей при работе с инструментарием. Высокая технологичность системы с дружественным профессиональным интерфейсом увеличивает ее универсальность за счет расширения круга ее пользователей.
6.2.
Проблемы применяемости
Для повышения применяемости методологий и инструментальных систем, они должны обеспечивать управляемую конкретизацию теоретических конструкций, чтобы процесс совершенствования бизнес-процессов и проектирование информационных систем смогли осуществлять не только разработчики инструментальных систем, но и пользователи, знающие свою предметную область.
Первые программы в области искусственного интеллекта, созданные к началу 50-х годов, не обеспечивали переход к конкретным предметным областям и поэтому не могли найти практического применения. К концу 60-х годов описания предметной области в виде вычислительных схем в памяти компьютеров начали использоваться для выполнения различных расчетов в процессах проектирования. С их помощью управляющие программы ситуационно, т.е. в зависимости от содержания схем и оперативной информации, реализовывали имеющиеся вычислительные подпрограммы. Но эти разработки не оказали существенного влияния на проектирование ввиду большой трудоемкости эксплуатации, низкой надежности и отсутствия технических возможностей поддерживать процессы изменения описаний предметной области в промышленном режиме.
Методологическим прорывом в этой области явился переход в начале 80-х годов к машинному формированию вычислительных схем, для чего потребовалось представление в памяти и логическая обработка теорий предметных областей. Это позволило в рамках этих теорий ставить различные расчетные задачи, доказывать их вычислимость при поддержке инструментальной системы, а затем автоматически генерировать требуемые для их решения программы. Этим обеспечивалась высокая применяемость системы. Представителем систем данного типа являлась система ПРИЗ, разработанная в Таллиннском институте кибернетики. Ее могли самостоятельно применять пользователи в областях знаний, для которых заранее были созданы концептуальные модели, и она имела коммерческий успех, в том числе, за рубежом. Но данный подход, названный концептуальным программированием, оказался приемлемым только для формализованных областей знаний, в которых надо было решать расчетные задачи. Другой подобной разработкой, имевшей промышленное применение для проектирования тепловой части атомных электростанций, была интеллектуальная система МАВР, созданная в ВЦ АН СССР. Она была универсальной в рамках теорий, используемых для описания и проведения расчетов теплообменных и других аппаратов. Одновременно это и ограничивало расширение ее применения.
На предприятиях в этот период, в основном, использовались разрозненные комплексы программ по разным подсистемам. Главной проблемой здесь стала невозможность своевременно вносить изменения в программы соответственно постоянно происходящим изменениям в институциональной сфере и на самих предприятиях. Существующие в то время технологические возможности информационных систем не смогли обеспечить компьютерную поддержку этого процесса. Кроме этого, возникли и проблемы управляемости проектирования при охвате всей системы предприятия. Огромное разнообразие ситуаций не позволяло оперативно решать возникающие проблемы функционирования и развития без специального инструментария. Отсутствие управляемости приводило к неадекватности проектов реальным условиям и, в конечном итоге, к дискредитации всего направления создания автоматизированных систем. Одной из причин неуправляемости было то, что новые методы решения задач и информационные технологии входили в противоречие с существующими правовыми, экономическими и организационными правилами взаимодействия субъектов управления и поэтому не находили промышленного применения. Для разрешения этой ситуации необходимо было предварительно проводить институциональный анализ внешней среды и институциональную подготовку объектов проектирования. Последнее было практически невозможно в условиях закостенелых институтов централизованной экономики.
К началу 90-х годов в мире появилась потребность в массовом проведении работ по моделированию бизнес-процессов для их сертификации по международным стандартам и их совершенствованию в связи с ужесточением конкуренции и необходимостью ориентации на меняющиеся потребности клиентов. Были созданы инструментальные системы, обеспечивающие построение пользователями моделей бизнес-процессов (БП) в виде диаграмм. Эти модели выполняли функцию интерфейса для взаимодействия разработчиков систем с их пользователями и функцию модели предметной области для настройки готовых комплексных программных систем или/и компоновки программных систем из готовых программ и поддержки процессов анализа и совершенствования БП. Создаваемые для этого метамодели БП описывали теории производственных, экономических и, сопровождающих их, информационных процессов. Одной из инструментальных систем подобного типа была система ARIS. Обеспечить универсальность и высокую применяемость этой системы автору ее разработки, проф. А.- В. Шееру удалось не только за счет применения концептуальных моделей, но и за счет обеспечения открытости системы. Пользователи системы могут вводить в систему свои правила семантического контроля, различные инструментальные средства, прикладные программы, применять разные языки моделирования и т.д. Ее успеху на рынке способствовало то, что метамодели описывают реальные производственные, управляющие, экономические, и информационные процессы, а инструментальная система максимально использует существующие информационные технологии и системы. Однако область возможного применения системы ограничивалась рамками используемых формализованных понятий, имеющих несопоставимо меньшую степень общности, чем математические концептуальные модели.
Значительно раньше рассмотренного процесса создания и развития методологий моделирования и совершенствования БП и проектирования информационных систем, с начала 70-х годов С.П. Никаноровым развивалась методология концептуального анализа и синтеза систем, основанная, главным образом, на использовании математических концептуальных конструкций, играющих при проектировании роль прообраза будущей системы. Это позволяло обеспечить теоретическую направленность и возможность теоретического контроля процесса проектирования сложных систем при конкретизации этих конструкций и, в конечном итоге, их интерпретации в виде схем процессов для использования в предметной области, для которой создается система. После этого должно было осуществляться проектирование информационной системы, реализующей эти процессы и управление ими. Данная методология была ориентирована на использование специалистами в области создания и применения математических концептуальных описаний систем. Ее преимуществом должна была стать высокая степень универсальности, теоретическая нормативность и управляемость процесса проектирования, гарантирующего получение заданных характеристик системы.
Для обеспечения применяемости этой системы при проектировании систем организационного управления в условиях дедуктивного формирования проектов надо было решить проблемы перехода от применяемых теоретических конструкций к существующему разнообразию реальных процессов и программной интерпретации не только математических метамоделей, но и обычных математических моделей, описывающих конкретные элементы и процессы систем. Для сравнения, в системе ARIS метамодели используются не для их интерпретации, а для управления процессом построения конкретных моделей процессов пользователями и последующего формирования репозиториев моделей.
Для создания инструментальной системы математического концептуального проектирования требовалась мощная государственная поддержка, которой, к сожалению, не было. Но, с другой стороны, создание таких систем стало возможным только, когда к началу 90-х годов появились компьютеры с огромной памятью и быстродействием, что позволило обрабатывать модели с большим количеством понятий, не имеющих эксплицитного представления. Появились также новые информационные технологии для работы с развитыми базами данных, для управления потоками работ и т.д. В то же время математическая концептуальная методология оказалась эффективной при анализе сложных и недостаточно теоретически разработанных предметных областей.
Новые требования к концептуализации знаний предъявил процесс создания многоагентных систем, предназначенных для извлечения новых знаний из текстов, имеющихся во всемирном хранилище информации. Качество таких систем, определяемое глубиной и объемом извлекаемых знаний, зависит от степени обобщенности концептуальных моделей. Использование математических концептуальных моделей в виде неформальных аксиоматических схем, являющихся математическими концептуальными надстройками, в инструментальных системах типа ARIS позволит повысить их универсальность и эффективность за счет уменьшения излишнего разнообразия и повышения теоретической обеспеченности процесса совершенствования систем. Перспектива развития информационных систем – интеграция рассмотренных методологий. Универсальные инструментальные системы должны быть открытыми, эффективными, интеллектуальными и широко применяемыми.
Литература
1. Развитие
моделирования
знаний
в
интеллектуальных
системах
1.Newell
A
.,
Shaw
I
.
C
.,
Simon
H
.
A
. Report on a general-problem-solving program// Proc. оf the Internal Conf. on Information Processing (ICIP). - Paris: UNESCO House, 1959. - P.256-264. 2.Вычислительные машины и мышление
/ Под ред. Э. Фейгенбаума и Дж. Фельдмана: Пер. с англ. – М.: Мир, 1963, 1967. –550 с. 3. Заде Л
. Лингвистическая переменная: Пер. с англ. – М.: Физматгиз, 1972. 4.Минский М
. Фреймы для представления знаний: Пер. с англ. -М:Энергия,1974,1979.-152 с. 5.Хант Э
. Искусственный интеллект: Пер. с англ. – М.: Мир, 1975,1978. - 558 с. 6. Shortliffe E
. Computer based medical consultations: MYCIN.-N.Y.: American Elsevier, 1976.
7.Уинстон П.
Искусственный интеллект.: Пер. с англ. – М.: Мир, 1977, 1980. –518 с. 8.Кузин Л.Т
. Основы кибернетики: В 2-х т. Т.2. Основы кибернетических моделей. Учебное пособие.- М.: Энергия, 1979.- 584 с. 9.Калья А.П., Кахро М.И., Тыугу Э.Х
. Инструментальная система программирования ЕС ЭВМ (ПРИЗ ЕС).-М.: Финансы и статистика, 1981. - 158 с.
10.Тыугу Э.Х
. Концептуальное программирование. - М.: Наука, 1984. – 256 с. 11.Клини С.К.
Математическая логика: Пер. с англ. – М.: Мир, 1967, 1973. –480 с. 12.Прикладные
человеко-машинные системы, ориентированные на знания/Под ред. Г.С.Поспелова, В.Ф.Хорошевского. - М.: ВЦ АН СССР, 1984. – 380 с. 13.Экспертные
системы: принципы работы и примеры: Пер.с англ./Под ред. Р.Форсайта. - М: Радио и связь, 1984, 1987. - 220 с.
14.Элти Дж., Кумбс М
. Экспертные системы: концепции и примеры / Пер. с англ. – М.: Финансы и статистика, 1984, 1987. - 191 с.
15.Попов Э.В.
Экспертные системы. – М.: Наука, 1987. – 288 с.
16.Уотермен Д.
Руководство по экспертным системам: Пер. с англ. -М:Мир,1986,1989.–389 с. 17.Левин Р.
и др. Практическое введение в технологию искусственного интеллекта и экспертные системы.: Пер. с англ. – М.: Финансы и статистика, 1988, 1990. – 239 с. 18.Поспелов Д.А
. Большие системы. Ситуационное управление. – М.: Знание, 1975. – 62 с. 19.Поспелов Д.А.
Логико-лингвистические модели в системах управления. – М.: Энергия, 1981. – 231 с. 20.Осуга С
. Обработка знаний: Пер. с япон. – М.: Мир, 1986, 1989. – 293 с. 21.Представление и использование знаний
: Пер. с япон./ Под ред. Х.Уэно, М. Исидзука. – М.: Мир, 1987, 1989. – 220 с. 22.Искусственный интеллект
. – В 3-х кн. Кн.2. Модели и методы: Справочник/ Под ред. Д.А.Поспелова. – М.: Радио и связь, 1990. – 304 с. 23.Искусственный интеллект
: Применение в интегральных производственных системах/ Под ред. Э. Кьюсиака: Пер. с англ. – М.: Машиностроение, 1988, 1991. – 544 с. 24.Братко И.
Программирование на языке Пролог для искусственного интеллекта: Пер. с англ.- М.: Мир, 1988, 1990. – 560 с. 25.Малпас Дж
. Реляционный язык Пролог и его применение: Пер. с англ. – М.: Наука, 1988, 1990. – 464 с. 26. Тейз А.
и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию: Пер. с фр.– М.: Мир, 1988, 1990. – 432 с. 2. Первые подходы к созданию информационных систем
1.Баран В.Г., Бисноватый В.А., Палагин А.В
. Определение параметров состояния воды и водяного пара на ЦВМ // Рабочие процессы в турбомашинах и прочность их элементов. – К: Наукова думка, 1965. - С.93-106. 2.Бисноватый В.А.
Использование методов ассоциативного программирования для размещения и поиска информации АТЭСУ // Матер. 9-й науч.-техн. конф. УЗПИ. – Харьков: УЗПИ, 1968. - С. 35 3.Бисноватый В.А
. Структура интерпретирующей системы программ автоматизированного расчета // Проблемы создания АСУ в горной промышленности. - Свердловск: Горный ин-т, 1971. - С.76-80.
4.Бисноватый В.А., Кошарский Б.Д
. Моделирование информационных структур при разработке АСУП // Проблемы создания АСУП. Ч.2 –Донецк: Ин-т экономики промышленности АН УССР, 1970. - С.312-316.
5.Бисноватый В.А
. Об одном подходе к оптимизации информационного языка // Теоретические основы создания и внедрения АСУ. – Донецк: ГУ, 1971. - С.279-284.
6.Бисноватый В.А
. Метод определения оптимальной информационной структуры в памяти КСВТ // Организация и управление горным производством. Ч.2. –Свердловск: Горный ин-т, 1972. - С.113-115. 7. Дал У., Дейкстра Э.,Хоор Х
. Структурное программирование: Пер. с англ. - М.: Мир, 1973, 1975. - 374 с.
8.Вельбицкий И.В
. Технология программирования. – К.: Техника, 1984. - 279 с.
9.Перевозчикова О.Л., Ющенко Е.Л
. Система диалогового решения задач на ЭВМ. - К: Наукова думка, 1986. - 264с. 10.Дракин В.И., Попов Э.В., Преображенский А.Б
. Общение конечных пользователей с системами обработки данных. – М.: Радио и связь, 1988. – 288 с.
11.Зайцев Н.Г
. Принципы информационного обеспечения в системах переработки информации и управления. – К.: Наукова думка, 1976. – 181 с. 12.Эпштейн В.Л.
Проблемы автоматизации проектирования систем управления / Автоматизация проектирования систем управления.- М.: Статистика, 1978. - С.6-38.
13.Бодякин В.И., Иваницкий В.И., Эпштейн В.Л
. О построении комплекса АРИУС // Автоматизация проектирования систем управления. - М: Статистика, 1979. - С.122-132
14.Евдокимов В.В., Рейнер В.А.
Машинный синтез АСУП.- М.: Статистика, 1980. - 222с.
15.Мамиконов А.Г., Цвиркун А.Д., Кульба В.В.
Автоматизация проектирования АСУ.- М.: Энергоиздат, 1981. - 328с.
16.Хотяшов Э.Н.
Концепция системы машинной разработки АСУ МАРС./Автоматизация проектирования систем управления.- М.: Финансы и статистика, 1981. - С.112-126.
17.Солодовников В.В
. Автоматизация проектирования АСУТП//Автоматизация проектирования систем управления.- М.: Финансы и статистика, 1981. - С.32-50. 18.Бисноватый В.А., Никаноров С.П
. Руководство по проектированию машинной реализации информационной базы АСУС. - М: ЦНИПИАСС, 1980. - 27с.
3.1.Система АСПСОУ.
1.Никаноров С.П
. Концептуальное проектирование организаций как средство решения проблемы управляемости//Труды ЦНИПИАСС. Вып.17. – М.: ЦНИПИАСС, 1977. - С.12-19.
2.Никаноров С.П
. Совершенствование, создание и развитие организации на основе теории систем//Кибернетику на службу коммунизму. Т.8. - М: Наука, 1977. - С.45-52.
3.Бурбаки Н.
Теория множеств: Пер. с фр.- М.: Мир, 1963, 1965. - 350с.
4.КучкаровЗ.А., Никитина Н.К.
Концептуальное проектирование как метод обеспечения гибкости автоматизированных информационных систем//Методы математического моделирования и обработки информации. – М.: МФТИ, 1987. - С.41-46.
5.Никитина Н.К
. Автоматизированные средства 3-его поколения и технологии концептуального анализа и проектирования систем организационного управления // Управление большими системами: Матер.конф. – М.: СИНТЕГ, 1997. - С.356.
6.Никаноров С.П.
30 лет развития концептуального научно-технического направления в капитальном строительстве//Проблемы и решения.№15. – М.: Концепт, 2002. - С.35-55.
7.Управление большими системами
: Матер. конф. Секция 12. Концептуальный анализ и проектирование систем организационного управления. – М.: СИНТЕГ, 1997. - С.323-364. 8.Исследования по безопасности
/ Под ред. С.П. Никанорова. – М.: Концепт, 1998. – 624с. 9.Библиографический указатель публикаций по концептуальному анализу и проектированию с 1967 по 2003 г./Под ред. С.П.Никанорова. – М.: Концепт, 2003. – 412с.
10. Оптнер С.Л.
Системный анализ для решения проблем бизнеса и промышленности: Пер. с англ., вступ.ст. С.П.Никанорова. – М.: Сов.радио, 1969. – 206 с.
11. Янг С.
Системное управление организацией: Пер.с англ.под ред. С.П.Никанорова. – М.: Сов.радио, 1972. – 456 с.
3.2. Система КОПАС
1.Бисноватый В.А
. Система концептуального проектирования автоматизированных систем//Тез. докл. Х Всес. Совещ. по проблемам управления. Кн.2. – М: ИПУ АН СССР, 1986. - С.462-463.
2.Лелюк В.А.
Системная концептуализация знаний при автоматизированном проектировании САПР//Системный анализ научного знания. – Одесса: ИЭ АН УССР, 1986. - С.133-134.
3.Лелюк В.А.
Проектирование, управление и обучение с использованием банков знаний. - К: УМК МВССО УССР, 1989. - 127с.
4.Лелюк В.А.
Концептуальное проектирование систем с базами знаний. - Харьков: «Основа». Госун-т, 1990 . - 144с.
5. Лелюк В.А.
Метод аксиоматизации знаний для логического проектирования автоматизированных систем. Матер. 2-й Всес. конф. ”Искусственный интеллект-90”. Круглые столы. – Минск: САИИ, 1990. - С.36-38.
6.Лелюк В.А.
Управление созданием и использованием проектов на основе аксиоматических банков знаний// Сб. докладов Межд. симпозиума “Управление проектами”. Том 2. – М.: Аланс, 1993. - С.70-78.
7. Лелюк В А.
Проектирование информационного обеспечения систем организационного управления с использованием концептуальной методологи// Матер. Межд. научно-практ. конф. “Управление большими системами”. - М: СИНТЕГ, 1997. - С.341-342. 8. Лелюк В.А.
Интеллектуальные системы банков знаний – основы эффективного управления развитием города в 21-м веке: Матер. научно-практ.конф. «Харьков-ХХ1 век ». - Харьков: ХГАГХ, 1998. - С.6-8. 9. Месарович М., Тахакара Я
. Общая теория систем: математические основы: Пер. с англ. – М.: Мир, 1974, 1978. - 311 с. 4. Новые направления развития методологий проектирования систем
1. Hammer
M
. Reengineering work: don’t automate, obliterate. Harvard
Business
Review
,
July – August, 1990. - Р.104-112 2.ХаммерМ., Чампи Д
. Реинжиниринг корпорации: манифест революции в бизнесе: Пер. с англ. – СПб.: С.-Петербург. Ун-т, 1997. 3.Харрингтон Дж., Эссеминг К.С., Нимвеген Л.В. Оптимизация бизнес-процессов. Документирование, анализ, управление, оптимизация: Пер с англ. – СПб.: Азбука, 2002.-317с.
4.Гейтс Б
. Бизнес со скоростью мысли: Пер. с англ. – М.: 2000, 2003, - 400 с.
5.Ойхман Е.Г., Попов Э.В
. Реинжиниринг бизнеса: Реинжиниринг организаций и информационные технологии. – М. Финансы и статистика, 1997. – 336 с. 6.Шеер А.-В.
Бизнес-процессы. Основные понятия. Теория. Методы. Изд. 2-е. Пер. с англ. - М: Весть МетаТехнология, 1997, 1999. – 320 с. 7.Уткин Э.А.
Бизнес-реинжиниринг (обновление бизнеса). – М.: Тандем, 1998. 8.Шеер А.-В. Моделирование бизнес-процессов: Пер. с англ. - М.: Весть-Мета Технология, 2000. – 324 с. 9.Медынский В.Г., Ильдеменов С.В
. Реинжиниринг инновационных предприятий. – М.: ЮНИТИ, 1999. – 346 с. 10.Горчаков В.С.
Реинжиниринг организации: информационные ресурсы и управление знаниями. – Владивосток, 2000. – 257 с. 11.Каменнова М., Громов А., Ферапонтов М., Шматалюк А
. Моделирование бизнеса. Методология ARIS. – М.: Серебряные нити, 2001. – 327 с. 12.Войнов И.В., Пудовкина С.Г., Телегин А.И.
Моделирование экономических систем и процессов. Опыт построения ARIS-моделей. – Челябинск: ЮурГУ, 2002. – 392 с. 13. Калянов Г.Н
. CASE-технологии. Консалтинг в автоматизации бизнес-процессов. – 3-е изд.- М.: Горячая линия-Телеком, 2002. – 320 с. 14.Кутелев П.В., Мишурова И.В.
Технология реинжиниринга бизнеса: Учебное пособие .- М.: МарТ, 2003. - 176 с. 15.Робсон М., Уллах Ф.
Реинжиниринг бизнес-процессов: Практическое руководство / Пер. с англ. – М.: ЮНИТИ-ДАНА, 2003. – 222 с. 16.Елиферов В.Г., Репин В.В. Бизнес-процессы: Регламентация и управление
: Учебник. – М.: ИНФРА, 2004. – 319 с. 17.Месалович А.И., Шебеко Ю.А.
Моделирование и анализ поведения БП: Конспект лекций. –
М.: 2002. – 220 с. 18.Лупейкене А. и др
. Концептуальное моделирование организации для принятия решений в процессе реинжиниринга. управления // Управление большими системами: Матер. конф. – М.: СИНТЕГ, 1997. - С.342, 343.
19. О’Лири, Дэниел.
ERP системы. Современное планирование и управление ресурсами предприятия. Выбор, внедрение, эксплуатация: Пер. с англ. – М.: Вершина», 2004. – 272 с.
20.Вебер А.В., Данилов А.Д., Шифрин С.И. Knoweledge-технологии в консалтинге и управлении предприятием. – СПб: Наука и Техника, 2003. – 176 с.
21.Лелюк В.А. Концептуальный подход к декомпозиции для программирования развития общественных систем // Социальная экономика. – 2001. - №3-4. - С.214-227.
22.Шаститко А.Е. Новая институциональная экономическая теория.3-е изд.- М.: Эк.ф-т МГУ, ТЕИС, 2002. - 591с.
23.Лелюк В.А. Системное развитие города: проблемы, теория, методология // Коммунальное хозяйство городов. .Вып.37.-К.:Техніка, 2002, с.151-157.
24.Лелюк В.А.Проблемы реинжиниринга институциональной системы города// Коммунальное хозяйство городов. Вып.48. - К.: Техніка, 2003. - С.21-27.
25.Лелюк В.А. Проблемы и пути развития институциональных систем города// Коммунальное хозяйство городов. Вып.57. - К.: Техніка, 2004. - С.181-187.
26.Юдкевич М.Л. Основы теории контрактов. Модели и задачи: Учебное пособие. - М.: ГУ ВШЭ, 2002. - 352с.
5. Модели
онтологий
, онтологические
и
многоагентные
системы
1.Gruber
T
.
R
. A translation approach to portable ontologies // Knowledge Asquisition. No.5(2), 1993. - Р.199-220. 2. Guarino
N
.,
Giaretta
P
. Ontologies and Knowledges Base/ Towards a Terminological Clarification //Towards Very Lardge Knowledge Bases. – N.J.: Mars (ed). IOS Press. - Amsterdam, 1995. 3.Гаврилова Т.А., Хорошевский В.Ф.
Базы знаний интеллектуальных систем: Учебник. – СПб: Питер, 2000. – 384с. 4.Смирнов А.В., Пашкич М.Л., Рахманова И.О.
Многоагентные системы поддержки принятия решений для предприятий малого и среднего бизнеса//Информационные технологии и вычислительные системы. - 1988. - №1. 5.Wooldridge M., Jennings N.
Intelligent Agents: Theory and Practice//Knowledge Engineering Review. - 1995. - № 10(2).
6.Тарасов В.Б
. От многоагентных систем к интеллектуальным организациям. – М.: Эдиториал УРСС, 2002.
7.Андрейчиков А.В., Андрейчикова О.Н.
Интеллектуальные информационные системы: Учебник. – М.: Финансы и статистика, 2004. – 424 с. 8.Цетлин М.Л
. Исследования по теории автоматов и моделированию биологических систем. – М.: Наука, 1969.
9.Никаноров С.П.,Никитина Н.К., Теслинов А.Г.
Введение в концептуальное проектирование АСУ: анализ и синтез структур. – М.: Изд. Ракетные войска стратегического назначения, 1995. – 185с. 10.Никаноров С.П.
Основы теории систем. Лекции в МФТИ. – М.: Концепт, 2003. – 200 с.
Учебное издание
ИНФОРМАЦИОННЫЕ СИСТЕМЫ С БАЗАМИ ЗНАНИЙ
Учебно-методическое пособие
Для последипломного обучения студентов специальности 7.050201 "Менеджмент организаций" специализации "Информационные системы в менеджменте"
Автор Лелюк Владимир Александрович, доцент, канд.техн.наук
Ответственный за выпуск: А.И. Кузнецов, доцент, канд.техн.наук
Редактор: Н.З. Алябьев
План 2005, поз. 365
Подп. к печ. 19.04.2005 Формат 60×84 1/16 Бумага офисная.
Печ. на ризографе Уч.-изд. л. 3,0. Тираж 100 экз.
Зак. № Цена договорная
ХНАГХ, 61002, Харьков, ул. Революции, 12
Сектор оперативной полиграфии ИВЦ ХНАГХ
ХНАГХ, 61002, Харьков, ул. Революции, 12