автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Интеллектуализация управления компанией на основе оптимальной агрегации внешних информационных ресурсов

На правах рукописи

ЯКОВЛЕВ Николай Викторович

ИНТЕЛЛЕКТУАЛИЗАЦИЯ УПРАВЛЕНИЯ КОМПАНИЕЙ НА ОСНОВЕ ОПТИМАЛЬНОЙ АГРЕГАЦИИ ВНЕШНИХ ИНФОРМАЦИОННЫХ РЕСУРСОВ

Специальность 05.13.10 — Управление в социальных и экономических

системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2004

Работа выполнена в Воронежском государственном техническом университете

Научный руководитель

Заслуженный деятель науки, доктор технических наук, профессор Львович Яков Евсеевич

Официальные оппоненты:

доктор технических наук, профессор Юрочкин Анатолий Геннадьевич; кандидат технических наук, доцент Шеньшин Вячеслав Степанович

Ведущая организация

Московская государственная академия приборостроения и информатики

Защита состоится «3» декабря 2004 г. в 14 часов 30 минут в конференц-зале на заседании диссертационного совета Д 212.037.03 Воронежского государственного технического университета по адресу: 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан «3» ноября 2004 г.

Родионов О.В.

2005-4 а 0**8

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Последние годы характеризуются значительным ростом темпов информатизации коммерческих и производственных структур. Ключевым фактором их деятельности является оперативное принятие эффективных решений. На серверах компаний аккумулируется растущее количество информации, из которого большинство может ни разу не применяться за весь период хранения, так как невозможно предсказать гарантированную потребность в каких-либо данных. Дальнейшее сохранение этих тенденций влечет рост стоимости генерируемого управленческого решения.

Анализ структур серверов компаний показывает, что специфическими данными, отображающими собственные результаты, является незначительная часть от общего объёма. Остальная часть данных общая для всех и отображает состояние внешней среды на определённый момент жизненного цикла предприятия. Для решения этой задачи активно создаются независимые специализированные централизованные хранилища данных, описывающие состояние рынка. Однако отсутствие специализированного инструментария для использования данных информационных ресурсов объясняется отсутствием спецификаций из-за новизны направления.

При таком огромном объёме информации и специфичности доступа к ней существующими методами и подходами разработанного инструментария эта задача просто не может быть решена в силу специфики структуры и условий доступа к данным. Развивающееся направление методов добычи знаний позволяет уменьшить остроту проблемы. Но в полной мере ни один из методов не решает поставленной задачи в силу специфики данных и условий доступа к ним.

Таким образом, актуальность темы определяется необходимостью разработки моделей и алгоритмов с целью построения комплекса программных средств, позволяющего решать задачу генерирования управленческого решения в условиях активации доступа к внешним информационным ресурсам.

Работа выполнена в соответствии с основным научным направлением Воронежского государственного технического университета «Проблемно-ориентированные системы управления».

Целью работы является разработка и внедрение комплекса моделей и алгоритмов, обеспечивающего интеллектуализацию управления за счет повышения эффективности использования внешних информационных ресурсов.

Для достижения поставленной цели необходимо решить задачи:

• провести анализ путей повышения эффективности управления компаний в условиях активации доступа к внешним информационным ресурсам;

•на основе проведённого анализа рппАптлтт. пптшчпишм ^м^Птпн аг-

л 11 пиршииу ииЛтпиямипииич ПРМ7ПРПП РОС» НАЦИОНАЛ I

регации внешних информационных ресурсов

библиотека »1

• разработать алгоритмы принятия решений при оптимальной агрегации внешних информационных ресурсов;

• разработать комплекс программных средств и провести анализ эффективности по результатам внедрения.

Методы исследования. При выполнении работы использованы основные принципы и методы теории систем, методы моделирования и оптимизации, системного и математического анализа, аппарата математического моделирования, элементов теории формальных языков, методы объектно-ориентированного программирования.

Новизна исследований: В диссертации получены следующие основные результаты, характеризующиеся научной новизной:

• модель компании в разрезе оптимальной агрегации внешних информационных ресурсов, позволяющая интеллектуализировать управление предприятием при работе с неструктурированными данными, имеющими ограничение в доступе, отличающаяся универсальностью, масштабируемостью, широкими возможностями варьировать между качеством и стоимостью решения;

• гибридный алгоритм, включающий элементы ИНС и ГА для проверки выдвигаемого управленческого решения путём анализа планируемых и предполагаемых результатов компании на основе оптимальной агрегации внешних информационных ресурсов, отличающийся массовостью, понятностью и результативностью анализа предлагаемого решения при условии невозможности влияния на некоторые факторы рынка;

• процедура генерации требуемых параметров компании и рынка в целом для принятия управленческого решения по достижению запланированного результата, позволяющая значительно минимизировать затраты реализации поставленной цели за счет учета при принятии решений аккумулированного опыта управления компаний, чутко реагирующих на скрытые темпы и тенденции рынка;

• комплекс средств математического обеспечения интеллектуальной поддержки принятия решений, обеспечивающий автоматизированное генерирование управленческого решения при выполнении условия активации доступа к внешним информационным ресурсам и отличающийся высоким уровнем информационной безопасности, гибкости, отказоустойчивости, эффективности, модульности при подключении и оптимальном использовании внешних хранилищ данных.

Практическая значимость работы и результаты внедрения. Практическая ценность работы заключается в разработке модели оптимизационной агрегации внешних информационных ресурсов, реализации алгоритма и процедуры решений при условии активации доступа к

2

внешним хранилищам данных, создании структуры комплекса программных средств, в совокупности позволяющих создавать систему оценки эффективности использования информации компанией; моделировать поведение компании в условиях повышенной динамики рынка; генерировать управленческие решения для достижения устанавливаемых задач с минимизацией затрат.

Результаты проведенных исследований апробированы и внедрены в деятельность воронежского телевизионного завода ОАО «Видеофон». Суммарный экономический эффект при освоении украинского рынка составил порядка 150 000 руб. в месяц.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: на семинарах в Воронежском государственном техническом университете (Воронеж, 2002, 2003, 2004); Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2002, 2003); Всероссийской конференции молодых специалистов «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2003).

Публикации. По теме диссертации опубликованы 10 печатных работ. В работах, опубликованных и приведенных в конце автореферата, лично соискателю принадлежит: анализ целесообразности применения серверной логики технологии EJB [4]; направления разработки интерфейсов в среде Интернет на технологии JSP [5]; анализ необходимости активации доступа компании к внешним информационным ресурсам Интернет [6]; структура блока поддержки управленческого решения в общей схеме корпоративной информационной системы [1]; анализ недостатков OLAP системы при работе с внешними хранилищами данных [2]; пути исследования рынка при подключении к внешним хранилищам данных [8]; модель интеллектуализации управления компаний при автоматизации управления в целом [9]; универсальные показатели при управлении многоуровневыми системами [3]; алгоритм предварительной подготовки данных из различных источников для использования при принятии управленческого решения [7]; гибридный алгоритм анализа внешних хранилищ данных на основе data mining [10].

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 119 страницах, списка литературы из 95 наименований и содержит 43 рисунка.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определены цель и задачи работы, отмечены основные результаты исследования, выносимые на защиту, определена их научная новизна и практическая значимость, приведены сведения об апробации и внедрении результатов работы.

3

Первая глава посвящена анализу роли внешних информационных ресурсов в расширении информационного обеспечения системы управления компанией, а также анализу требований к организации доступа к внешним информационным ресурсам и возможностям их агрегации. В ней подробно рассмотрены современные определения информации в целом, выделены свойства современной информации как одного из основных ресурсов производства современной экономики. Произведено разделение информации на внешнюю и внутреннюю и определено направление решения производственных вопросов на основе данной классификации. Осуществлено структурирование источников внешних информационных ресурсов компании. Выявлена взаимовключаемость выявленных источников внешних информационных ресурсов. Описано правило определения источника внешних информационных ресурсов в условиях взаимопоглощения ресурсов (рис 1).

Рис. 1. Правило определения источника внешних информационных ресурсов в условиях взаимопоглащения категорий

4

Проанализированы на факт потребности в доступе к внешним информационным ресурсам такие производственные этапы, как анализ рынка, анализ спроса, план сбыта, план производства, план закупок, производство, сбыт, сервисное обслуживание. Выделены наиболее эффективные участки повышения качества управленческого решения.

Также в первой главе выдвинуты требования к организации доступа к внешним информационным ресурсам и возможностям их агрегации.

Проанализированы несколько методов доступа к внешним информационным ресурсам с выделением как сильных, так и слабых сторон каждого метода, а конкретнее, стандартная база данных, виртуальное хранилище данных, двухуровневая архитектура хранилища, полноценная трёхуровневая структура хранилища данных, хранилище данных с вынесением самого хранилища за пределы компании, хранилище данных с подключением к внешним хранилищам данных.

Выделены различные уровни пользователей внешних данных с определением конкретной целевой группы пользователей. Также рассмотрен вопрос распределения доступа к данным с анализом всех возможных узких мест использования хранилищ данных именно в разрезе информационной безопасности (рис. 2).

Злоуяшцшсшон

Рис. 2. Распределение доступа к информации из внешних информационных ресурсов

Рассмотрена пирамида разделения доступа к информации на основании занимаемого работником места в общей организационной иерархии компании.

По результатам анализа сформулирована цель работы и определены основные задачи исследования. Конечной целью является разработка и внедрение комплекса моделей и алгоритмов, обеспечивающих интеллектуализацию управления за счет повышения эффективности использования внешних информационных ресурсов. Для достижения поставленной цели необходимо

5

решить задачи: на основе проведённого анализа разработать оптимальную модель агрегации внешних информационных ресурсов; разработать алгоритмы принятия решений при оптимальной агрегации внешних информационных ресурсов; разработать комплекс программных средств, провести анализ эффективности.

Во второй главе сформулированы правила формирования набора показателей эффектности использования внешних информационных ресурсов для задач управления компанией. Для решения этой задачи выдвинуты требования по выработке основ, утверждающих систему управления результатами бизнеса за счёт использования внешних информационных ресурсов по одному из трёх направлений:

• набор ключевых показателей эффективности (КПЭ) управления компанией при активации доступа к внешним информационным ресурсам;

• механизм определения целевых значений КПЭ;

• процесс управления — итеративный процесс постановки задач на основе системы поддержки принятия решений, планирования работы и оценки результатов.

Рассмотрен механизм определения целевых значений ключевых показателей эффективности. Выявлено, что чтобы система управления результатами бизнеса на основе активации внешних информационных ресурсов не только отслеживала, но и стимулировала достижение компанией своих целей, необходимо наладить собственно механизм установки этих целей. Конкретные механизмы определения целей зависят от контекста и специфики бизнеса, но существует ряд общепринятых принципов, соблюдение которых делает подобную систему особенно эффективной и полезной для управления бизнесом:

• планирование от возможного, а не от достигнутого;

• использование и учет наибольшего количества возможных фактов, в том числе ожидания аналитиков финансовых рынков, внутри — и межотраслевые сравнения, анализ успешного опыта внутри компании и т.д.;

• увязка поставленных целей и задач с ситуацией на рынке;

• соответствие целей и задач, проводимых в организации «сверху вниз», реальным возможностям совершенствования деятельности «снизу вверх»;

• наличие механизмов, позволяющих «повышать планку» по мере достижения подразделением запланированных результатов.

Доказано, что на каждом организационном уровне должно быть не более 5—10 КПЭ, иначе их будет невозможно эффективно контролировать. Определено, что основными критериями выбора КПЭ являются их влияние на наиболее важные для компании показатели, их сбалансированность по ви-

6

дам показателей и горизонтам планирования, возможность влияния на них сотрудников, а также их простота и понятность.

Определён процесс реализации формирования ответов на поставленные вопросы как решение задачи «что нужно сделать, чтобы получить...». Это объясняется тем, что для решения «прямой» задачи «что будет, если...» необходима лишь математическая модель исследуемого объекта. На её вход аналитиком (пользователем) подаются начальные данные, и система автоматизировано рассчитывает значение выходных переменных. Для решения «обратной» задачи на вход подаются значения, «которые необходимо получить на выходе». Далее модуль генерации входных параметров создаёт входные значения, и по их значениям модель объекта выдаёт выходное значение, соответствующее входным данным.

Определена эффективность использования внешних информационных ресурсов, может измеряться точностью достижения устанавливаемых целей. Или же минимизацией модульной разницы между ожидаемыми и установленными результатами. Запишем данное высказывание в виде формулы 1

Д -» min,

где - модуль разницы между целями, устанавливаемыми высшим руково-

ytiöeai

дством компании и ожидаемыми результатами компании, которые

возможно получить исходя из текущего состояния компании.

тгноеа:! „ „ „г

' - «идеальный» результат, ожидаемый от компании в какой-либо период времени. Представляется в виде набора желаемых для достижения

показателей компании Yude"* = (у,идмл, у2идкш, УЗидеал, •••> Упидеал)-

Y = (Уь Уг> Уз> ■ ■■, Уп) — вектор «результирующих показателей компании», каждый из которых задаётся аналитиком компании и, кроме семантического значения показателя, аналитиком определяется «направление качества» показателя. Под направлением качества подразумевается критерий оценки прогнозируемого результата в виде конкретного желаемого значения, интервала значений или в виде направления (максимум или минимум).

Вектор результирующих показателей компании определён на основе известного входного вектора, преобразованного посредствам функции, исполняющей роль модели исследуемой компании:

где X = (xj, Х2, Х3, ..., хт) — вектор входных параметров. Данный вектор должен содержать все параметры, необходимые для вычисления каждого из значений вектора Y. Излишнее количество входных параметров вектора X будет приводить к увеличению времени работы, а следовательно, к дополнительным затратам на хранение и дальнейший анализ именно этих входных значе-

7

ний. Однако и нехватка хотя бы одного из параметров, влияющих на значение вектора выходных переменных У, в свою очередь, может привести к значительным потерям точности вычислений.

Первоначально под вектором X понимаются все данные доступных внешних информационных ресурсов без какого-либо исключения. Это позволит гарантировать точность вычислений первоначально в ущерб времени работы программного комплекса и с дальнейшим алгоритмом оптимизации выбора первоначального вектора X.

Сама же функция преобразования входных параметров в выходные исполняет роль чёрного ящика, в котором скрывается механизм функционирования компании. Данная модель является динамически изменяемой, но для упрощения моделирования будем предполагать «такт-стабилизацию». Это означает, что в каждый конкретный момент подачи на вход начальных данных функция «замораживается» минимум на один такт - до времени полного формирования значения выходного вектора.

Решение поставленной задачи при помощи стандартных методов моделирования признаётся затруднённым некоторыми ограничениями, сведено к двум группам.

К первой группе отнесены ограничения, накладываемые самими данными внешних информационных источников — структура данных, семантика показателей, особенностей представления и т.п. Ко второй группе ограничений - вопросы, касающиеся затруднения построения модели компании классическими методами.

В связи с этим для анализа внешних информационных ресурсов предлагается использовать интеллектуальные средства анализа, основывающиеся на следующих основных методах: нейронные сети и генетические алгоритмы.

Разработан гибридный метод, на основе этих двух методов (рис. 3).

Рассмотрен математический аппарат на основе модификации градиентного метода обучения, и разработан специализированный алгоритм обучения НС.

Пусть на входы НС подан один из возможных образов х = {х^.р;.

1. Положим у-0) =х^ = 1,1.

2. Рассчитываем последовательно значения выходов для п-го слоя

(п=1,2,...,>!):

(3)

у5п>

(4)

3. Рассчитываем величины

5<м>

для нейронов выходного слоя Определяем Д^^'.

4. Используя рекуррентную формулу, рассчитываем б^через Дду^для всех предшествующих слоев п=К-1,М-2,...,1.

5. Корректируем веса в НС согласно процедуре.

На этом первая итерация (1) заканчивается.

6. Далее вычисляем Е = Е(\у(1)).

Если Е(%У(1)) < е^д2, то СТОП. Иначе идем на ш а Ь рации.

Кроме этого, все вычисления проводятся только в коде Грея В данной главе разработана таблица перекодирования и разработан математический аппарат перекодирования.

Рис 3. Взаимные дополнения ИНС и ГА в новом разрабатываемом методе построения модели компании

Построение кода Грея на базе двоичного кода является результатом сложения по модулю двух исходных комбинаций двоичного кода с такой же комбинацией, но сдвинутой на один разряд вправо. При этом крайний правый разряд сдвинутой комбинации отбрасывается.

Также разработан математический аппарат генетических операторов: кроссвер, мутация и инверсия. Произведена декомпозиция оптимизационной модели на универсальные задачи моделирования.

В третьей главе разработаны алгоритмы решения задач, необходимые для рационализации управления компанией. Рассмотрена алгоритмическая часть решения задачи моделирования с некоторыми отступлениями, касающимися решения задачи прогнозирования Укрупненный алгоритм решения задачи моделирования представлен на рис. 4.

Рис. 4. Укрупненный алгоритм поддержки принятия решения

Выделены шаги выполнения алгоритма репродуктивного плана Хол-ланда ГА.

• Шаг 1. Инициализация начальной популяции.

Ввести точку отсчета эпох t=0 Инициировать случайным образом М генотипов особей и сформировать из них начальную популяцию В(0) = (А1(0), ...,АМ(0))

Вычислить приспособленность особей популяции >Им(®))>

а затем среднюю приспособленность по популяции в целом

• Шаг 2. Выбор родителей для скрещивания.

Увеличить номер эпохи на единицу t=t+l. Определить случайную переменную Rand(Ha м н о ж е СлГ а ч и в вероятность выпадения

любого пропорциональной /ih(t)lfu(t).

Сделать одно испытание Randt и вычислить результат i(t), который определит номер первого родителя Ai(t)(t). Повторным испытанием определить номер второго родителя

• Шаг 3. Формирование генотипа потомка.

С вероятностью произвести над генотипами выбратнных родителей кроссвер. Выбрать с вероятностью 0,5 одного из результантов и сохранить его как "Л(<). Последовательно применить к^^ератор инверсии (с вероятностью Р,), а затем мутации (с вероятностью Рт). Полученный генотип потомка сохранить как

• Шаг 4. Отбор особи на элиминирование и замена её потомком.

С равной вероятностью 1/М для всех he(u определить случайным образом номер особи в популяции, которую заместит потомок. Обновить текущую популяцию B(t) путём замены Ai(t)(t) на A'(t).

• Шаг 5. Определение приспособленности потомка.

Вычислить приспособленность потомка Обновить значение

средней приспособленности и вектор приспособленностей

• Шаг 6. Перейти к шагу 2.

Разработана структурная схема быстро сходящегося генетического алгоритма (рис 5,6).

Также разработан алгоритм начальной инициализации для процесса оптимизации агрегации внешних информационных ресурсов. Описан алгоритм процесса исполнения алгоритма обучения искусственной нейронной сети. Акцентирована важность именно этого этапа и выдвинуты основные рекомендации для повышения качества промежуточных результатов.

Проанализирована статичность данных и разработан алгоритм повышения качества оптимизации агрегации внешних информационных ресурсов.

Предложен алгоритм с использованием четырех способов оценки необходимости корректировки настроек искусственной нейронной сети.

Доказано, что дообучение является необходимым, часто повторяющимся процессом, эволюционно поднимающим качество работы предлагаемого алгоритма. Определён момент, когда эволюционных изменений уже может быть недостаточно и осуществляется полное переобучение алгоритма - качественное изменение алгоритма, как правило, сопровождаемое и архитектурными изменениями самой ИНС.

Рис. 5. Структурная схема сходящегося генетического алгоритма

Рис. 6. Структурная схема сходящегося генетического алгоритма

В четвёртой главе осуществлен выбор и обоснование структуры комплекса программных средств на основе корпоративных хранилищ данных компании. Предложено взаимодействие модулей системы (рис. 7).

Рис. 7. Структура комплекса программных средств

Определены пути дальнейшего развития системы. Полученные в работе положения явились основой блока системы рационализации управления компанией ОАО «Видеофон». Применение системы позволило повысить экономическую эффективность принимаемых решений за счет анализа альтернативных предложений.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе получены следующие основные результаты:

1. Проведен анализ роли внешних информационных ресурсов в расширении информационного обеспечения системы управления компанией. Определены основные пути повышения эффективности управления компаний при выполнении условия активации доступа к внешним информационным ресурсам.

2. Проведен анализ современных методов и подходов работы с внешними информационными ресурсами. Выявлены узкие места существующего инструментария, выделены наиболее перспективные и потенциальные.

3. Выдвинуты требования к организации доступа к внешним информационным ресурсам и возможностям их агрегации с точки зрения информационной безопасности. Рассмотрены различные типы реализации доступа.

4. Сформированы универсальные правила создания системы показателей эффективности использования внешних информационных ресурсов для задачи управления компанией.

5. Выполнена формализованная постановка задачи использования внешних информационных ресурсов для управления компанией с учётом современных требований.

6. На основании ИНС построена математическая модель использования внешних информационных ресурсов для управления компанией с учетом специфики использования данных именно внешних информационных ресурсов.

7. Предложен гибридный алгоритм рационализации управления на основе разработанной математической модели, включающий элементы ИНС и ГА.

8. Разработан алгоритм постоянного повышения качества оптимизации агрегации внешних информационных ресурсов.

9. Создано информационное и программное обеспечение на основе предложенных моделей и алгоритмов исходя из имеющихся аппаратных и программных модулей доступных систем на внедряемой компании.

10. Внедрена в опытную эксплуатацию разработанная автоматизированная система интеллектуализации решения, проанализирована её эффективность и предложены пути её дальнейшего развития.

Основные результаты диссертации опубликованы в следующих работах:

1. Белецкая С.Ю., Кретов О.С., Яковлев Н.В., Компоненты и архитектура корпоративной информационной системы предприятия // Управление в социальных и экономических системах: Межвуз. сб. науч. тр. Воронеж: ВГТУ,2002.С. 139-145.

2. Белецкая С.Ю., Кретов О.С., Яковлев Н.В., Структура современной трехуровневой OLAP системы // Интеллектуальные информационные системы: Труды Всерос. конф. Воронеж, 2002.4.2. С.14-15.

3. Быков И.А., Яковлев Н.В., Основные принципы управления многоуровневыми иерархическими системами // Интеллектуализация управления в социальных и экономических системах: Труды Всерос. конф. Воронеж, 2004. С. 42-43.

4. Долгих Д.В., Струков А.В., Яковлев Н.В. Программирование логики в современных информационных системах на базе Enterprise Java Beans (EJB) // Вестник ВГТУ. Сер. САПР и системы автоматизации производства. -Воронеж, 2001. Вып. 3.1. С. 150-153.

5. Долгих Д.В., Струков А.В., Яковлев Н.В. Технология Java Server Page как основа построения современных интерфейсов в среде Интернет //Вестник ВГТУ. Сер. САПР и системы автоматизации производства. - Воронеж, 2001. Вып. 3.1. С. 85-88.

6. Кретов О.С., Яковлев Н.В., Технология Интернет в корпоративном управлении // Интеллектуальные информационные системы: Труды Всерос. конф. Воронеж, 2002. 4.2. С. 70-71.

7. Яковлев Н.В. Рационализация управления компаний на основе оптимальной предварительной подготовки данных при активации доступа к внешним информационным источникам//Интеллектуальные информационные системы: Труды Всерос. конф. Воронеж, 2004. 4.1. С. 88-89.

8. Яковлев Н.В., Быков И.А. Исследование конкурентов как один из информационных ресурсов при рационализации управления компанией // Вестник ВГТУ. Серия Проблемно-ориентированные системы управления -Воронеж, 2003. Вып. 2.3. С. 42-43.

9. Яковлев Н.В., Быков И.А. Повышение эффективности управления производств на основе использования автоматизированной информационной системы управления // Вестник ВГТУ. Серия САПР и системы автоматизации производства. - Воронеж, 2003. Вып. 3.3. С. 115-117.

Ю.Яковлев Н.В., И.А.Быков. Потенциальные возможности гибрида нейронных сетей и генетических алгоритмов при работе с внешними информационными ресурсами для рационализации управления компанией // Интеллектуализация управления в социальных и экономических системах: Труды Всерос. конф. Воронеж, 2004. С. 29-30.

Подписано в печать 29.10.2004. Бумага для множительных аппаратов. Формат 60x84/16. Усл. печ. л. 1,0. Тираж 90 экз. Заказ

Воронежский государственный технический университет 394026 Воронеж, Московский просп., 14

#22138

РНБ Русский фонд

2005-4 20718

ВВЕДЕНИЕ

1. ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ КОМПАНИЕЙ В УСЛОВИЯХ АКТИВАЦИИ ДОСТУПА К ВНЕШНИМ ИНФОРМАЦИОННЫМ РЕСУРСАМ

1.1 Роль внешних информационных ресурсов в расширении информационного обеспечения системы управления компанией

1.2 Требования к организации доступа к внешним информационным ресурсам и возможностям их агрегации

1.3 Цели и задачи исследования 51 2 РАЗРАБОТКА ОПТИМАЛЬНОЙ МОДЕЛИ АГРЕГАЦИИ ВНЕШНИХ ИНФОРМАЦИОННЫХ РЕСУРСОВ

2.1 Формирование системы показателей эффективности использования внешних информационных ресурсов для задач управления компанией

2.2 Формализованное описание целевой функции и ограничений

2.3 Построение обобщённой оптимизационной модели и её декомпозиция на универсальные задачи оптимизации 69 Выводы второй главы

3. АЛГОРИТМИЗАЦИЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ОПТИМАЛЬНОЙ АГРЕГАЦИИ ВНЕШНИХ ИНФОРМАЦИОННЫХ РЕСУРСОВ

3.1 Обобщенный алгоритм принятия решения

3.2 Алгоритм начальной инициализации для оптимизации процесса агрегации внешних информационных ресурсов

3.3 Алгоритм повышения качества оптимизации агрегации внешних информационных ресурсов 101 Выводы третьей главы

4. СТРУКТУРА КОМПЛЕКСА ПРОГРАММНЫХ СРЕДСТВ И АНАЛИЗ ЭФФЕКТИВНОСТИ ПО РЕЗУЛЬТАТАМ ВНЕДРЕНИЯ

4.1 Структура комплекса программных средств

4.2 Оценка условий тестирования и эффективности применения при внедрении разработанного комплекса программных средств в компании «Видеофон»

Выводы четвертой главы

Актуальность темы. Последние годы характеризуются значительным ростом темпов информатизации коммерческих и производственных структур. Ключевым фактором их деятельности является оперативное принятие эффективных решений. На серверах компаний аккумулируется растущее количество информации, из которого большинство может ни разу не применяться за весь период хранения, так как невозможно предсказать гарантированную потребность в каких-либо данных. Дальнейшее сохранение этих тенденций влечет рост стоимости генерируемого управленческого решения.

Анализ структур серверов компаний показывает, что специфическими данными, отображающими собственные результаты, является незначительная часть от общего объёма. Остальная часть данных общая для всех и отображает состояние внешней среды на определённый момент жизненного цикла предприятия. Для решения этой задачи активно создаются независимые специализированные централизованные хранилища данных, описывающие состояние рынка. Однако отсутствие специализированного инструментария для использования данных информационных ресурсов объясняется отсутствием спецификаций из-за новизны направления.

При таком огромном объёме информации и специфичности доступа к ней, существующими методами и подходами разработанного инструментария эта задача просто не может быть решена в силу специфики структуры и условий доступа к данным. Развивающееся направление методов добычи знаний позволяет уменьшить остроту проблемы. Но в полной мере, ни один из методов, не решает поставленной задачи в силу специфики данных и условий доступа к ним.

Таким образом, актуальность темы определяется необходимостью разработки моделей и алгоритмов с целью построения комплекса программных средств позволяющего решать задачу генерирования управленческого решения в условиях активации доступа к внешним информационным ресурсам.

Работа выполнена в соответствии с основным научным направлением Воронежского государственного технического университета «Проблемно-ориентированные системы управления».

Целыо работы является разработка и внедрение комплекса моделей и алгоритмов, обеспечивающего интеллектуализацию управления за счет повышения эффективности использования внешних информационных ресурсов.

Для достижения поставленной цели необходимо решить следующие задачи:

• провести анализ путей повышения эффективности управления компаний в условиях активации доступа к внешним информационным ресурсам;

• на основе проведённого анализа разработать оптимальную модель агрегации внешних информационных ресурсов;

• разработать алгоритмы принятия решений при оптимальной агрегации внешних информационных ресурсов

• разработать комплекс программных средств и провести анализ эффективности по результатам внедрения.

Методы исследования. При выполнении работы использованы основные принципы и методы теории систем, методы моделирования и оптимизации, системного и математического анализа, аппарата математического моделирования, элементов теории формальных языков, методы объектно-ориентированного программирования.

Новизна исследований: В диссертации получены следующие основные результаты, характеризующиеся научной новизной:

В диссертации получены следующие основные результаты, характеризующиеся научной новизной:

• построена модель компании в разрезе оптимальной агрегации внешних информационных ресурсов, позволяющая интеллектуализировать управление предприятием при работе с неструктурированными данными, имеющими ограничение в доступе, отличающаяся универсальностью, масштабируемостью, широкими возможностями варьировать между качеством и стоимостью решения;

• предложен алгоритм проверки выдвигаемого управленческого решения путём анализа планируемых и предполагаемых результатов компании на основе оптимальной агрегации внешних информационных ресурсов, выделяющийся массовостью, понятностью и результативностью анализа предлагаемого решения при условии невозможности влияния на некоторых факторы рынка;

• разработана процедура генерации требуемых параметров компании и рынка в целом для принятия управленческого решения по достижению запланированного результата, характеризующаяся возможностью значительно минимизировать затраты реализации поставленной цели, учитывающая аккумулированный опыт управления компаний, чутко реагирующая на скрытые темпы и тенденции рынка;

• создан комплекс программных средств, обеспечивающий автоматизированное генерирование управленческого решения при выполнении условия активации доступа к внешним информационным ресурсам, отмечающийся высоким уровнем информационной безопасности, гибкости, отказоустойчивости, эффективности, модульности при подключении и оптимальном использовании внешних хранилищ данных.

Практическая значимость работы и результаты внедрения. Практическая ценность работы заключается в разработке модели оптимизационной агрегации внешних информационных ресурсов, реализации алгоритма и процедуры поддержки принятия решений при условии активации доступа к внешним хранилищам данных, создании структуры комплекса программных средств, в совокупности позволяющих: создавать систему оценки эффективности использования информации компанией; моделировать поведение компании в условиях повышенной динамики рынка; генерировать управленческие решения для достижения устанавливаемых задач с минимизацией затрат.

Результаты проведенных исследований апробированы и внедрены в деятельность воронежского телевизионного завода ОЛО «Видеофон». Суммарный экономический эффект, при освоении украинского рынка, составил порядка 150 ОООруб в месяц.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: на семинарах в Воронежском государственном техническом университете (Воронеж, 2002, 2003, 2004); Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2002, 2003); Всероссийской конференции молодых специалистов «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2003).

Публикации. По теме диссертации опубликованы 10 печатных работ. В работах, опубликованных и приведенных в конце автореферата, лично соискателю принадлежит: анализ целесообразности применения серверной логики технологии EJB [4]; направления разработки интерфейсов в среде Интернет на технологии JSP [5]; анализ необходимости активации доступа компании к внешним информационным ресурсам Интернет [6]; структура блока поддержки управленческого решения в обшей схеме корпоративной информационной системы [1]; анализ недостатков OLAP системы при работе с внешними хранилищами данных [2]; пути исследования рынка при подключении к внешним хранилищам данных [8J; модель интеллектуализации управления компаний при автоматизации управления в целом [9]; универсальные показатели при управлении многоуровневыми системами [3]; алгоритм предварительной подготовки данных из различных источников для использования при принятии управленческого решения [7]; гибридный алгоритм анализа внешних хранилищ данных на основе data mining [10].

Структура и объем работы. Диссертация состоит из введения, четырех глав с выводами и заключения, изложенных на 119 е., списка литературы (95 наименовании) на 8 е., и содержит 43 рис.

Выводы четвертой главы

1. Для повышения качества реализации программного комплекса требуется рассмотрение взаимодействия модулей системы и путей дальнейшего развития системы.

2. Для оценки эффективности теоретических положений необходимо оценить внедряемую автоматизированную систему рационализации управления компанией.

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие основные результаты:

1. Проведен анализ роли внешних информационных ресурсов в расширении информационного обеспечения системы управления компанией. Определены основные пути повышения эффективности управления компаний при выполнении условия активации доступа к внешним информационным ресурсам.

2. Проведен анализ современных методов и подходов работы с внешними информационными ресурсами. Выявлены узкие места существующего инструментария, выделены наиболее перспективные и потенциальные.

3. Выдвинуты требования к организации доступа к внешним информационным ресурсам и возможностям их агрегации с точки зрения информационной безопасности. Рассмотрены различные типы реализации доступа.

4. Сформированы универсальные правила создания системы показателей эффективности использования внешних информационных ресурсов для задачи управления компанией.

5. Выполнена постановка задачи использования внешних информационных ресурсов для управления компанией с учётом современных требований.

6. Построена математическая модель использования внешних информационных ресурсов для управления компанией с учетом специфики использования данных именно внешних информационных ресурсов.

7. Предложен алгоритм рационализации управления на основе разработанной математической модели.

8. Разработан алгоритм постоянного повышения качества оптимизации агрегации внешних информационных ресурсов.

9. Создано информационное и программное обеспечение на основе предложенных моделей и алгоритмов, исходя их имеющихся аппаратных и программных модулей доступных систем на внедряемой компании.

10. Внедрена в опытную эксплуатацию разработанная автоматизированная система интеллектуализации решения, проанализирована её эффективность и предложены пути её дальнейшего развития.

1. Ананич H.C., Беленький А.Г., Пронин Л.Б., Рыжов А.П. Агрегирование информации в системах информационного мониторинга. Труды Международного семинара "Мягкие вычисления 96". Казань, 3-6 октября 1996, с. 43 -46.

2. Артур А. Стратегический менеджмент: концепции и ситуации для анализа, Вильяме, 2003, -928 с.

3. Баронов В.В. Автоматизация управления предприятием, ИНФРА-М, 2000. -239 с.

4. Бати щеп Д.И., Львович Я.Е., Фролов В.Н. Оптимизация в САПР: Учебник. Воронеж: Издательство Воронежского государственного университета, 1997.-416 с.

5. Белецкая С.Ю., Кретов O.C., Яковлев Н.В., Компоненты и архитектура корпоративной информационной системы предприятия. //Управление в социальных и экономических системах, Межвузовский сборник научных трудов. Воронеж, 2002, с. 139-145.

6. Белецкая С.Ю., Кретов O.C., Яковлев И.В., Структура современной трехуровневой OLAP системы //Интеллектуальные информационные системы. Труды всероссийской конференции, Часть 2. Воронеж. 2002, с. 1415.

7. Бешелев С.Д., Гурвич Ф.Г.Экспертные оценки. М.: Наука, 1973. 159 с.

8. Бэстенс Д.Э., В. .М. Ван Ден Берг, Д. Вуд. .Нейронные сети и финансовые рынки., Москва, научное издательство .ТВП., 1997.

9. Блум Ф., А.Лейзерсон, Л.Хофстедтер, Мозг, разум и поведение, М., Мир, 1988.

10. Ю.Болыиаков A.C., Михайлов В.И. Современный менеджмент: теория и практика, Питер, 2001. -416 с.

11. КБукович У., Р. Уилльяме Управление знанием, Инфра-М, 2003. -504 с.

12. Быков И.Л., Н.В.Яковлев, Основные принципы управления многоуровневыми иерархическими системами // Интеллектуализация управления в социальных и экономических системах, Труды Всероссийской конференции. Воронеж. 2004, с. 42-43.

13. Васильченко Н.Г. Современная система управления предприятием, Бизнес-школа, 2003. -320 с.

14. Васильчук IO. Постиндустриальная экономика и развитие человечества. //МЭ и МОб 19976 Л»9б с.93.

15. Вебер Альберт, Андрей Данилов, Сергей Шифрин Knowledge-технологии в консалтинге и управлении предприятием,'Наука и Техника, 2003.-176 с.

16. Вехорева A.A., Гиляровская JI.T. Анализ и оценка финансовой устойчивости коммерческого предприятия, Питер, 2002. -256 с.

17. П.Винер Н. Кибернетика, или управление с связь в живом и машине. М.: Советское радио, 1968. -249 с.

18. Волкова В.Н., Денисов A.A. Основы теории систем и системного анализа. СПб.: СПбГТУ, 1999.

19. Гаврилов Д.А. Управление производством на базе стандарта MRP II, Питер, 2001.-352 с.

20. Галушкин А. И. .Нейрокомпьютеры и их применение. Книга 1. Теория нейронных сетей. Москва, Издательское предприятие редакции журнала .Радиотехника.,2000

21. Геловани В.А., Бритков В.Б. Интеллектуальные методы в задачах анализа больших объемов информации для поддержки принятия решений. Проблемы управления безопасностью сложных систем: Материалы IX международной конференции-М.: ИПУ РАН, 2001 г.

22. Губин H. М., Добронравов A.C., Дорохов Б. С. Экономико-математические методы и модели в планировании и управлении в отрасли связи. М.: Ридио и связь, 1993.

23. Д/КШШН Дак Монстр перемен. Причины успеха и провала организационных преобразований, Лльпина, 2002. -320 с.

24. Долгих Д.В., Струков A.B., Яковлев И.В. Программирование логики в современных информационных системах на базе Enterprise Java Beans (EJB) //Вестник ВГТУ, Сер. САПР. Воронеж, 2001. с. 150-153.

25. Долгих Д.В., Струков A.B., Яковлев Н.В. Технология Java Server Page как основа построения современных интерфейсов в среде Интернет. //Вестник ВГТУ, Сер. САПР. Воронеж, 2001. с. 85-88

26. Дюк В.А. Обработка данных на ПК в примерах. — СПб: Питер, 1997.

27. Дюк В.А. «Ог данных к знаниям новые возможности обработки баз данных». Санкт-Петербургский институт информатики и автоматизации Российской Академии Наук.

28. Дюк В., А.Самойленко. Data Mining: учебный курс. СПб: Питер, 2001, 386с.

29. Желены М. Информационные технологии в бизнесе, Питер, 2002. -1120с.

30. Журавлев 10.И. Об алгебраическом подходе к решению задач распознавания и классификации. Проблемы кибернетики. 1978, вып. 33, с. 28 -57.31.3митрович А.И., Интеллектуальные информационные системы. -Минск.: НТООО "Тетра Системе", 1997. 368с.

31. Ивахненко А.Г. и Мюллер И.А., Самоорганизация прогнозирующих моделей. Киев, Наукова думка, 1985.

32. Иноземцев В. За пределами экономического общества. M.:Academia, 1998, с.323.

33. Исаев Дмитрий, Николай Оладов, Сергей Нитеркин Точно вовремя для России. Практика применения ERP-систем, Альпипа, 2002. -368 с.

34. Калянов Г.Н. Case-технологии: консалтинг в автоматизации бизнес-процессов, Горячая Линия Телеком, 2002. -320 с.

35. Кантор В. Экономика предприятия, Питер, 2001. -368 с.

36. Карасев Л. И., Кремер Н. Ш., Савельева Т. И. Математические методы и модели в планировании. М.: Экономика, 1987.

37. Киселев М.В. «Алгоритмы Data Mining». Курс лекций. Компания «Мегапыотер». 2001.

38. Киселев М., Е. Соломатин. Средства добычи знаний в бизнесе и финансах. // Открытые системы, 1997, №4, с.41-44

39. Клиффорд Грей, Эрик Ларсон Управление проектами. Практическое руководство, Дело и сервис, 2002. -528 с.

40. Кнут Д., Искусство программирования, том 1. Основные алгоритмы, 3-е изд.: М.: "Вильяме", 2000.

41. Корнеев В.В., Л. Ф. Гарев, С. В. Васютин, В. В. Райх Базы данных. Интеллектуальная обработка информации. М.: "Нолидж", 2000. - 352с.

42. Корогодин В.И., Корогодина B.JI. Информация как основа для жизни. Дубна:Феникс, 2000, c.l 1.

43. Кретов О.С., Яковлев И.В., Технология Интернет в корпоративном управлении. //Интеллектуальные информационные системы, Труды Всероссийской конференции, Часть 2. Воронеж. 2002, с. 70-71.

44. Кудряшев В.Э., Тарасов С.И., Пастухов Е.С. Нейросетевые технологии: основа прогностических медицинских систем будущего. В сб.: Клинико-инструментальная диагностика в хирургии. (IV симпозиум). М., 1996.

45. Ланне Л. Л., Улахович Д. А. Многокритериальная оптимизация. — Л.: ВАС, 1984.-94 с.

46. Литвак Б.Г. Экспертные оценки и принятие решений. М.: Патент, 1996.

47. Лукович ВЛЗ. О моделировании пороговой характеристики нейрона при стохастическом кодировании входных и выходных сигналов. В сб.:

48. Медицинская и научная информатика. Огв.ред. Н.М. Амосов. Киев, Институт кибернетики им. В.М.Глушкова, 1987, с.10-15.

49. Львович Я.Е., Т. М. Леденева, О некоторых подходах к агрегированию информации в целенаправленных системах, ВГТУ.

50. М.Алы1ерович. Microsoft SQL Server Хранилища данных Сегодня и завтра. // Компыотер-информ, 1997.

51. Монахов А.В. Математические методы анализа экономики, Питер, 2001.-176 с.

52. Марон И.А., Демидович Б.П., Шувалова Э.З. Численные методы анализа. М.: Наука, 1976. 368 с.

53. Мельник M. М. Экономико-математические методы и модели в планировании и управлении материально-техническим снабжением. М.: Высшая школа, 1990.

54. Мовсесян А.Г. Роль информационных и финансовых факторов в интеграции и транснационализации //Вестник Московского университета. Сер. 6. Экономика. 1998. №2 с. 22-29.

55. Могилевский В.Д. Метеология систем. М.: Экономика. 1999 с.42.

56. Моисеев I I.Н. Расставание с простотой. М.: АГРАФ, 1998. 149с.

57. Мушик Э., Мюллер Г1. Методы принятия технических решений: Пер. с англ. М.: Мир, 1990. - 247 е.: ил.

58. Н. Кречетов, Г1. Иванов. Продукты для интеллектуального анализа данных // ComputerWeek-Москва. 1997. - N 14-15. - С. 32-39.

59. Новиков Д.А. Стимулирование в социально-экономических системах. М.: ИПУРАН, 1998.

60. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. М.: Высшая школа, 1989.

61. Поташников Н.М. Консультирование по процессу стратегического маркетинга // 5-я Российская научно-практическая конференция «Реинжиниринг бизнес процессов на основе современных информационных технологий». — М.: Издательство МЭСИ, 2001.

62. Ребшток М., К. Хильдсбранд SAP R/3: менеджмент, Новое знание, 2001.-208 с.

63. Резниченко С. С., Подольский М. П., Ашихмин А. А. Экономико-математические методы и моделирование в планировании и управлении производством. М.: Недра, 1991

64. Решение проблемы комплексного оперативного анализа информации хранилищ данных // С.Д. Коровкин, H.A. Левенец, И.Д. Ратманова, В.А. Старых, Л.А.Щавелев. СУБД, 1997, №5-6, с.47-51.

65. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М., Диалог-МГУ, 1998, 116 с.

66. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. -М.: Радио и связь, 1993. 320 е.: ил.

67. Савицкая Г.В. Анализ хозяйственной деятельности предприятий АПК, -Минск: Новое знание, 2003. -696 с.

68. Сахаров A.A. Концепции построения и реализации информационных систем, ориентированных на анализ данных // СУБД. 1996.- N 4. - С. 55-70.

69. Сиирли Э., Корпоративные хранилища данных. Планирование, разработка, реализация. Том. 1: Пер. с англ. М.: "Вильяме", 2001.

70. Сппцнадель В.Н. основы системного анализа. М.-СПб.: ИД Бизнес-пресса, 2000 с.76.

71. Статические и динамические экспертные системы. Учебное пособие. Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель, М.ДЛНапот. М., Финансы и статистика, 1995.

72. Тейво Кохонен, Гвидо Дебок .Анализ финансовых данных с помощью самоорганизующихся карт., Москва, издательский дом .Алышна., 2001.

73. Трахтенгерц Э.Л. Компьютерная поддержка принятия решений. М.: Синтег, 1998.

74. Уоесермен Ф. Мейрокомньютерная техника: Теория и практика. Пер. с англ. М., Мир, 1992. с. 240.

75. Фатхутдинов, Р.А. Разработка управленческого решения, М.: 1997, 208с.

76. Фролов 10.В. Интеллектуальные системы и управленческие решения. М., МГПУ, 2000, с. 294.

77. Шумский С. Л. .Нейрокомпыотинг и его применение в экономике и бизнесе., Москва, издательство МИФИ, 1998.

78. Эрроу К. Информация и экономическое поведение //Вопросы экономики, 1995. Л'»5. с.98.

79. Яковлев И.В., Быков И.Л. Исследование конкурентов как один из информационных ресурсов при рационализации управления компанией. //Вестник ВГТУ, Серия САПР Воронеж, 2003.

80. Яковлев И.В., Быков И.А. Повышение эффективности управления производств на основе использования автоматизированной информационной системы управления. //Вестник ВГТУ, Серия САПР Воронеж, 2003.

81. Я. Я.-Ф. Вайну. Корреляция рядов динамики. М.: Статистика, 1977. -119 с.

82. Bell D/ The coming of post-industrial society. A venture in social forecasting. N.Y., 1976.

83. Berry M.J.A., G. Linoff. Data Mining Techniques. For Marketing, Sales and Customer Support. John Willey & Sons, Inc., 1997, 454 P.

84. Brzezinski Z. The story of the information technology revolution. Canbrige. 1988.

85. Davis L. Handbook of genetic algorithms. Van Nostrand Reinhold, New York, 1991.

86. Drucker P. Post-capitalist society. N.Y., 1993, Between two ages. N.Y., 1970.

87. II. Edelstein. Интеллектуальные средства анализа, интерпретации и представления данных в информационных хранилищах. // CWM, 1996, №16, с.32-35.

88. Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. New York, Addison Wesley, 1989.

89. N0II R.G. The Economics of information // The Knowledge Economy: The Nature of Informics in 21th century. Qoeenstown (MD),1993. p.29-30.

90. Providing OLAP (On-Line Analytical Processing) to User-Analysts:'An IT Mandate E.F.Codd, S.B.Codd, C.T. Salley, E.F.Codd & Associates, 1993

91. Stewart T.A. Intellectual Capital. The New Wealth of Organizations. N.Y. -L., Doubleday/Currency, 1997, p.389.