автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Интеллектуальные информационные технологии в организационном управлении производственными процессами

На правах рукописи УДК 007:001.33

ПАРФЕНОВА Мария Яковлевна

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ОРГАНИЗАЦИОННОМ УПРАВЛЕНИИ ПРОИЗВОДСТВЕННЫМИ ПРОЦЕССАМИ

Специальность 05.13.01 - Системный анализ, управление И обработка информации

Автореферат диссертации на соискание ученой степени доктора технических наук

Москва 2003

Работа выполнена в ОАО "Конструкторское бюро - 1".

Научный консультант доктор технических наук,

старший научный сотрудник Алдощин В.М.

Официальные оппоненты:. доктор технических наук, профессор

Ильин Е.М.,

доктор технических наук, профессор Парамонов Н.Б.,

доктор технических наук, профессор Шубинский И.Б.

Ведущая организация - ФГУП "Московское конструкторское бюро

"Электрон"".

Ш

Защита состоится " 18 " <Ъе 2003 г. в'' часов

на заседании диссертационного Совета Д850.001.01 при Московской академии рынка труда и информационных технологий (МАРТИТ) по адресу: 121351, г. Москва, ул. Молодогвардейская, 46, корп. 1.

С диссертацией можно ознакомиться в библиотеке Московской акаде-мии рынка труда и информационных технологий (МАРТИТ).

Автореферат разослан "3 " НО Л УРЯ 2003 г.

Ученый секретарь

диссертационного совета, профессор

гересов Ю.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Интеллектуальные информационные технологии в организационном управлении производственными процессами - это эффективное средство экономического развития и новый фактор оперативно- тактического и стратегического управления боевыми действиями.

Интеллектуальные информационные технологии представляют совокупность методов и способов хранения, обработки, передачи, отображения информации, обеспечивающих автоматизацию управленческих решений. Организационное управление направлено на эффективную организацию производственных процессов путем управления всеми видами ресурсов (материальными, финансовыми, информационными, кадровыми и др.). Производственный процесс рассматривается как определенные воздействия на определенные виды ресурсов в соответствии с поставленными целями. В результате воздействия на ресурсы возникают производственные ситуации, составляющие совокупность различных отклонений в ресурсах от заданных значений параметров. Управляющие воздействия в организационном управлении составляют выделенный ресурс.

Интеллектуальные информационные технологии обеспечивают взаимодействие естественного и искусственного интеллекта в процессах принятия решений. Естественный интеллект - это качество мышления ЛПР (лица, принимающего решения) в организационном управлении производственными процессами (боевыми действиями) при информационной и интеллектуальной поддержке аппаратно-программной системы. Качество мышления ЛПР определяется способностью распознать текущую ситуацию, оценить ее и принять необходимые решения за допустимое время. Под искусственным интеллектом понимается способность аппаратно-программной системы автоматически формировать управляющие воздействия на основе формализованных экспертных знаний и опыта, математического и информационного моделирования.

Существенный вклад в исследованиях по искусственному интеллекту и автоматизации процессов принятия решений внесли видные ученые и специалисты П.А.Бондарев, М. Г .Гаазе-Рапопорт, В. М. Глушков, А. Л. Горелик, Р. X. Зарипов, С. В. Емельянов, С. К. Колганов, О. И. Ларичев, И. М. Макаров, А. Г. Мамиконов, Н. Н. Моисеев, Б. Н. Петров, Г. С. Поспелов, Д. А. Поспелов, И. В. Прангишвили, Э. В. Попов, В. Л. Стефанюк, Р. М. Юсупов, И. Ю. Юсупов и многие другие известные ученые. Среди зарубежных ученых выделяются своими трудами Г. Вагнер, А. Дж. Вильсон, Н. Винер, М. Ф. Даринг, М. Месарович, Н. Нильсон, Т. Саати, П. Уинстон, другие видные ученые.

В организационном управлении производственными процессами дальнейшим развитием автоматизированных информационных технологий стали автоматизированные системы принятия решений (АСПР). Итерационный процесс формирования управляющих воздействий в АСПР включает процедуры принятия решений (ППР). В своей программно - технической реализации ППР базируются на современных информационных технологиях, которые создаются на основе достижений в области информатики, вычислительной техники, средств связи. Информационные технологии направлены на повышение эффективности информационнопЛ^^^дцмя^иРММП'одов техноло-

| вяблявтекА I

1 я-з&т

гического применения программных и технических средств. Интеллектуальные информационные технологии в организационном управлении производственными процессами в форме АСПР используют достижения в области искусственного интеллекта.

Информационные потоки, поступающие на вход АСПР, значительные по объему, случайные по времени поступления, являются разнородными по форме представления и содержанию, определяются количественными и качественными показателями, содержат скрытые закономерности. Нарастающие объемы и темпы информационного производства остро поставили теоретическую и практическую проблему создания интеллектуальных информационных технологий для эффективного информационного обеспечения ППР. Информационное обеспечение ППР рассматривается как инициализация информационных объектов в пространстве логико-семантического базиса АСПР, оценка значений их параметров, распознавание и обработка ситуаций в интерактивном режиме взаимодействия ЛПР с АСПР. К информационным объектам относятся динамически подключаемые источники информации, структуры обрабатываемых данных, электронные документы, которые адекватно отражают производственные процессы. Логико-семантический базис составляют математические, алгоритмические, информационные и функциональные модели обработки и представления данных с применением методов искусственного интеллекта в ППР.

В значительной мере эффективность информационного обеспечения ППР достигается выявлением скрытых закономерностей на множестве информационных объектов с применением компонентов интеллектуального анализа данных (Data Mining). Главной проблемой Data Mining остается перебор вариантов за приемлемое время, чем, в свою очередь, ограничивается эффективность поиска if-then правил. Известные методы поиска логических правил также не поддерживают функцию обобщения найденных правил и функцию поиска оптимальных композиций таких правил. Отмеченные недостатки делают существующие методы Data Mining недостаточно эффективными в информационном обеспечении ППР со значительными по объемам и темпам изменения информационными потоками. Применение существующих методов Data Mining в комбинаторных задачах значительной размерности для оценки текущих и прогнозируемых значений параметров производственных процессов становится неэффективным или невозможным из-за большого объема выборок, частоты запросов и скрытых закономерностей.

Создание интеллектуальных информационных технологий в организационном управлении производственными процессами связано с более глубоким подходом к Data Mining. Исходными моделями принятия решений в ППР могут бьггь счетные множества, цепные дроби, матрицы, сочетания, шаги траекторий, в которых параметры изменяются по вероятностным законам. Задачи принятия решений в организационном управлении производственными процессами имеют значительную размерность, неопределенность и неоднозначность способов выработки управляющих воздействий, что снижает уровень формализации и соответственно эффективность информационного обеспечения ППР и интеллектуальность АСПР.

Повышение эффективности информационного обеспечения ППР на основе интеллектуальных информационных технологий позволяет увеличить уровень интеллектуальности АСПР, под которой понимается способность системы автоматически фор-

мировать управляющие воздействия и обучаться. Уровень интеллектуальности АСПР на количественной основе определяется по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат или последствий от неправильно принятых решений. Выполнение указанных критериев эффективности АСПР связано с необходимостью формализации используемых интеллектуальных информационных технологий по уровням организационного управления производственными процессами.

В существующих автоматизированных информационных технологиях отсутствуют механизмы обобщения данных для анализа производственных ситуаций по уровням управления. В процессах принятия решений не моделируется влияние результатов предыдущих этапов принятия решений на текущие результаты путем применения информационной причинности как особой формы алгоритмической обратной связи с интеллектуальным модулем. Информационное обеспечение ППР является статическим или жестко фиксированным и не адаптируется по времени получения информации, ее объему, содержанию и приоритетному значению в оперативном управлении производственными процессами. Отсутствие формализованного представления операционной среды ЛПР в автоматизированных информационных технологиях не позволяет автоматизировать информационное обеспечение ППР в соответствии с критериями эффективности развития естественных систем.

В связи с изложенным в настоящей работе решается актуальная научная проблема обработки больших объемов информации с получением новых знаний в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР, которая требует теоретического обобщения и решения и имеет важное народнохозяйственное и оборонное значение.

Целью работы является создание теоретических и методологических основ интеллектуальных информационных технологий в организационном управлении производственными процессами для информационного обеспечения ППР по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат.

Для достижения указанной цели решается следующий комплекс взаимосвязанных научных и практических задач:

• создание структурных и алгоритмических принципов построения интеллектуальных информационных технологий на основе формализованных знаний и обобщенного опыта управляющей деятельности ЛПР для эффективного взаимодействия естественного и искусственного интеллекта;

• разработка информационного принципа эволюционного развития интеллек-туальньге информационных технологий в форме АСПР по критериям эффективности развития естественных систем;

• создание механизмов поддержки принятия решений через способы получения и обработки информации на основе информационной причинности как особой формы алгоритмической обратной связи в АСПР, преобразования ситуаций в форме обобщенных параметров и трансформации данных по иерархическим уровням управления;

• повышение уровня формализации ППР и интеллектуальности АСПР на осно-

ве математических моделей, определяющих оптимальное соотношение параметров и признаков свойств объекта управления (ОУ), моменты времени для формирования управляющих воздействий с учетом количества информации и ее содержания;

• разработка методологии информационного обеспечения ППР на базе интеллектуальной информационной технологии в форме АСПР в организационном управлении производственными процессами по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат.

Объект и предмет исследования. Объект исследования - интеллектуальные информационные технологии в организационном управлении производственными процессами. Предмет исследования - информационное обеспечение ППР на базе АСПР, обеспечивающей взаимодействие естественного и искусственного интеллекта.

Методы исследования. В работе используются методы искусственного интеллекта и теории автоматического управления, системного анализа, теории информации и принятия решений, методы создания баз данных и знаний, теории чисел и вероятностей, статистические методы.

На защиту выносится:

1. Информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР в организационном управлении производственными процессами по критериям эффективности развития естественных систем;

2. Технологическая модель формализованного представления информационно-функционального пространства ЛПР, обозначенного тремя кругами Эйлера, на основе дискретно-непрерывных Р-преобразований для построения алгоритмических контуров программного и адаптивного управления и контура обучения;

3. Концепция автоматизации процессов координирующих воздействий в АСПР на основе логико-семантического базиса интегрированных АРМ (автоматизированных рабочих мест) специалистов и функции полезности, представляющей собой вектор индивидуальных предпочтений, с учетом принципа группового согласования;

4. Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем, представляющая начальную, дополнительную и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру обучения и количество информации, обеспечивающее получение новых знаний о поведении ОУ;

5. Математическая модель оценки оптимального момента времени для принятия управленческих решений с минимизацией непроизводительных затрат в организационном управлении производственными процессами на основе дифференциальных уравнений Бесселя и Колмогорова, дискретно-непрерывных Р-преобразований и с учетом энтропии системы;

6. Методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР;

7. Необходимое условие максимальной эффективности практического применения методологии информационного обеспечения ППР в организационном управлении

производственными процессами на основе интеллектуальных информационных технологий в форме АСПР.

Научная новизна. Созданные теоретические и методологические основы информационного обеспечения ППР в организационном управлении производственными процессами базируются на концептуальной модели преобразования управленческой информации в формализованном пространстве АСПР с тремя кругами Эйлера (контуры программного и адаптивного управления и контур обучения).

Информационное обеспечение ППР реализуется последовательным использованием алгоритмических принципов управления по отклонению и с переменной структурой АСПР и принципа информационной причинности, которые в функциональной взаимосвязи осуществляют информационный принцип эволюционного развития интеллектуальных информационных технологий.

Информационный принцип эволюционного развития интеллектуальных информационных технологий отражает изоморфизм в развитии искусственных и организованных естественных систем по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат на базе чисел Фибоначчи и золотого сечения.

Интеллектуальные информационные технологии в форме АСПР создают алгоритмическую основу системы искусственного интеллекта с принятием решений и включают следующие методы анализа и обработки данных:

• информационную причинность как особую форму обратной связи в АСПР, которая базируется на шн оритмических принципах управления по отклонению и с переменной структурой системы;

• межуровневое преобразование микроситуаций, макроситуаций и метаситуа-ций на основе сверток в форме обобщенных параметров;

• трансформацию данных по уровням обобщения, основанную на использовании дискретно-непрерывных Р-преобразований, для обнаружения скрытых закономерностей в информационных объектах.

Технологическая модель формализованного представления информационно-функционального пространства ЛПР определяет контуры программного, адаптивного управления и контур обучения по оптимальному соотношению параметров и признаков свойств ОУ при значении коэффициента параметрической настройки АСПР, равном 1,62 (отношение соседних элементов классического ряда Фибоначчи), обеспечивающем выполнение критериев максимальной эффективности в обработке информации.

Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР реализует по критериям эффективности развития естественных систем поступление дополнительной и новой информации как разности энтропий системы до и после ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий. При этом количество информации - вероятность того, что множество инициализированных информационных объектов отображает по заданным параметрам текущее состояние ОУ и целесообразно для формирования управляющих воздействий. Новые знания составляют скрытые закономерности на множестве информационных объектов в трех кругах Эйлера.

Математическая модель оценки оптимального момента времени для принятия управленческих решений с минимизацией непроизводительных затрат отражает взаимодействие ОУ и управляющей структуры в формализованном пространстве АСПР и определяет выбор способа формирования управляющих воздействий в зависимости от степени критичности текущих ситуаций по трем кругам Эйлера.

Методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР позволяет создать операционную интеллектуальную среду для ЛПР, которая включает информационное пространство из множества информационных объектов и аппаратно-программное обеспечение для эффективного взаимодействия в ППР естественного и искусственного интеллекта.

Максимальная эффективность практического применения методологии информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату степени критичности возникающих ситуаций в ОУ.

Научная новизна теоретических исследований в диссертационной работе подтверждена патентами России 1314305,1367741. Она получена на фундаментальном научном направлении "Информационные технологии и электроника", определенном Российской Академией наук. Тема диссертационной работы входит в перечень критических технологий Российской Федерации по разделу "Искусственный интеллект", утвержденный в марте 2002 года Президентом России В.В. Путиным.

Практическая ценность работы. Эволюционное развитие интеллектуальных информационных технологий как средства управления основано на законах науки об управлении - кибернетики, в которой с единых позиций рассматриваются вопросы математики, техники, биологии.

Развитие кибернетического направления в информационном обеспечении ППР дает возможность значительную часть управленческих решений осуществить с помощью интеллектуальных информационных технологий в форме АСПР.

В организационном управлении производственными процессами интеллектуальные информационные технологии обеспечивают информационную и интеллектуальную поддержку ЛПР в процессах принятия решений. Динамический информационный поток представляется как структурированное множество реквизитов и проектируется на АРМ специалистов. Для АРМ специалистов определяется логико-семантический базис функций в соответствии с иерархически организованным деревом решений. Создается информационное пространство для принятия управленческих решений, интегрированное в систему электронного документооборота предприятия (центра управления).

Интеллектуальные информационные технологии в форме АСПР обеспечивают интеллектуальную поддержку процессов принятия управленческих решений за счет используемых алгоритмических, математических и структурных методов. Алгоритмические и математические методы обеспечивают формирование управляющих воздействий на количественной основе. Структурный подход позволяет реализовать разные режимы функционирования АСПР, включая режим самообучения, путем подключения

обратных связей с интеллектуальным модулем. Практическую базу для расширения форм информационного обеспечения ППР составляют информационные технологии, интегрированные во всемирную информационную инфраструктуру и адаптированные к конкретным производственным структурам управления с учетом перспективы их развития.

Методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР позволяет повысить роль искусственного интеллекта в ППР во взаимодействии с естественным интеллектом за счет повышения уровня формализации управляющей деятельности ЛПР и этим увеличить уровень интеллектуальности АСПР в организационном управлении производственными процессами.

Реализация результатов работы. На базе методологии информацион-ного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР исследуются проблемы выявления знаний экспертов и получения новых знаний, методы формализации знаний для моделирования ППР. На основе результатов исследования разрабатываются АСПР, которые моделируют интеллектуальную деятельность специалистов предметной области.

В 1986 году для сельского хозяйства России сдана в промышленную эксплуатацию интеллектуальная система по управлению материальным потоком запасных частей к машинам с базой данных, включающей около 150 тысяч наименований товаров с более чем трех тысячи заводов-поставщиков. Повышение уровня интеллектуальности АСПР достигнуто построением программной обратной связи. Она обеспечила подключение процедур анализа, корректировки автоматически выработанных решений, обучение системы на базе предыдущих этапов принятия решений и обработку новых ситуаций.

В начале 90-х годов прошлого века разработаны АРМы диспетчера подвижного состава и старшего оператора для управления железнодорожным транспортом нефтеперерабатывающего завода "Уфанефтехим", доставляющим продукцию за тысячи километров. Для выявления и формализации знаний, используемых в алгоритмах информационной и интеллектуальной поддержки ППР, потребовалось непосредственное участие разработчиков в управлении производственным процессом путем обработки в полном объеме информационных потоков. Отсутствие противоречий между формализованными знаниями и представлениями экспертов в области интеллектуальной деятельности, способность системы к обучению и развитию обеспечило ее устойчивое функционирование, несмотря па изменения в организационной структуре управления и динамику развития информационных технологий.

В 2000 году создан программный комплекс системы мониторинга охраны труда на региональном уровне с взаимосвязанными подсистемами АРМов государственного инспектора, специалиста по охране труда и экспертизы условий труда на рабочем месте. База знаний автоматизированных подсистем основана на использовании продукционных правил, прописанных в нормативных и регламентирующих документах по охране труда.

В 2002 году сдана в промышленную эксплуатацию WEB -технология для взаи-

модействия производственных информационных систем с дистанционными бизнес-процессами. Интерактивные сетевые приложения, которые разработаны на основе современных программных средств, функционально совместимы с любой операционной средой, обеспечивают развитие WEB - технологии для взаимодействия производственных информационных систем с разными типами баз данных и базовыми платформами.

Полученные научные результаты используются в научно-исследовательских работах ОАО "Конструкторское бюро -1" "Железка", "Обводка". Обеспечивается взаимодействие естественного и искусственного интеллекта в организационном управлении производственными процессами. Управляющие воздействия формируются в автоматическом режиме на основе формализованных знаний и опыта ЛПР (алгоритмические контуры программного и адаптивного управления) и в интерактивном режиме функционирования АСПР (контур обучения) при интеллектуальной и информационной поддержке ЛПР аппаратно-программной системой.

Многолетний опыт практического применения интеллектуальных информационных технологий в форме АСПР показывает следующее. Максимальное количество автоматически выполняемых ППР от их общего числа достигает 70,0 и более процентов. Среднеквадратическое отклонение текущих от заданных значений параметров производственных процессов уменьшается в два - три раза, а время формирования управляющих воздействий становится на порядок ниже по сравнению с существующими информационными технологиями.

Апробация работы. Основные научные и практические результаты работы докладывались и обсуждались: на Всесоюзной конференции "Управление большим городом" (Москва, 1989); республиканской межотраслевой научно - технической конференции "Теория и практика разработки и внедрения средств автоматизации и роботизации технологических и производственных процессов" (Уфа, 1989); Всесоюзной научно-технической конференции "Математические и программные методы проектирования управляющих и информационных систем" (Пенза, 1990); региональном постоянно действующем семинаре "Методы использования искусственного интеллекта в автоматизированных системах" (Куйбышев, 1990); IX всесоюзном симпозиуме "Эффективность, качество и надежность систем "человек-техника" (Воронеж, 1990); 1 Совещании "Новые направления в теории систем с обратной связью" (Уфа, 1993); Международной конференции "Проблемы преобразования электроэнергии" (Москва, 1993); семинарах научно-технического журнала "Электродинамика и техника СВЧ и КВЧ" (Москва, 19931994); 1 Международной конференции по электромеханике и электротехнологии (Суздаль, 1994); V Международной научно-технической конференции "Математическое моделирование и САПР систем сверхбыстрой обработки информации на объемных интегральных схемах СВЧ и КВЧ" (Сергиев Посад, 1995); V Всероссийской научно-технической конференции "Повышение эффективности методов и средств обработки информации" (Тамбов, 1997); IX Международной школе-семинаре "Электродинамика и техника СВЧ и КВЧ" (Самара, 1997); Международном Конгрессе "Нелинейный анализ и его приложения" (Москва, 1998); Третьем Сибирском Конгрессе по прикладной и индустриальной математике (Новосибирск, 1998); II Всероссийской научно-технической конференции "Компьютерные технологии в науке, проектировании и производстве" (Нижний Новгород, 2000); Международном симпозиуме "Компьютерные системы и

информационные технологии" (Уфа,2000); Международном симпозиуме "Компьютерные системы и информационные технологии" (Уфа, 2001); Международном семинаре "Европейское сотрудничество в области развития мобильной персональной связи" (Москва, 2002).

Публикации. Научные и практические результаты диссертационной работы отражены в 50 печатных трудах автора, среди которых монография и начеты России.

Объем и структура диссертации. Диссертация состоит из введения, основного содержания из четырех глав, списка литературы и приложения по практическому применению научных выводов и результатов в народном хозяйстве. Диссертационная работа изложена на 241 страницах машинописного текста и включает 28 рисунков и 12 таблиц. Список использованпой литературы включает 113 источников.

СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Первая глава посвящена различным аспектам повышения уровня интеллектуальности АСПР в организационном управлении производственными процессами.

Анализируются способы автоматизации принятия управленческих решений с применением методов искусственного интеллекта, математического и информационного моделирования интеллектуальной дея1ельности ЛПР. Интеллектуальная деятельность ЛПР в организационном управлении производственными процессами рассматривается как формирование управляющих воздействий на основе знаний о поведении объекта управления (ОУ), опыта управления и творческого поиска управленческих решений при информационной и интеллектуальной поддержке АСПР.

Информационное моделирование интеллектуальной деятельности ЛПР рассматривается как формализованное представление взаимосвязей между информационными объектами в операционной среде АСПР. Операционная среда АСПР включает информационное пространство из множества информационных объектов, аппаратное и программное обеспечение, необходимое для эффективного функционирования системы.

Приводятся функционально-структурные модели интеллектуальной деятельности ЛПР, которые базируются на алгоритмических принципах управления по отклонению и с переменной структурой АСПР с интеллектуальным модулем в цепи обратной связи в виде системы подстраиваемых моделей по способам формирования управляющих воздействий.

Взаимодействие естественного и искусственного интеллекта в аппаратно-программной среде обеспечивает их взаимное обучение и конвергенцию, степень которых зависит от уровня интеллектуальности АИС (автоматизированной информационной системы). Наиболее высокий уровень интеллектуальности обеспечивают АСПР, в которых обратная связь используется для информационного моделирования интеллектуальной деятельности ЛПР по способам формирования управляющих воздействий и обеспечения эффективного взаимодействия естественного и искусственного интеллекта в ППР. Она реализуется на основе алгоритмических принципов управления по отклонению и с переменной структурой системы.

Взаимодействие естественного и искусственного интеллекта в ППР базируется

на критериях эффективности эволюционного развития естественных систем. Их развитие или вибрация кругами происходит на пути увеличения объемов получаемой информации и совершенствования ее обработки при минимизации непроизводительных затрат. На рис. 1 взаимодействие естественного и искусственного интеллекта геометрически изображается тремя вложенными с общим центром кругами Эйлера, который использовал их для наглядной иллюстрации операций над множествами.

Три вложенных друг в друга с общим центром круга Эйлера определяют информационные границы для ПНР. В первом круге Эйлера управляющие воздействия автоматически формируются системой на основе формализованных знаний экспертов

(программное управление). Во втором круге Эйлера управляющие воздействия вырабатываются в автоматизированном режиме с использованием формализованных знаний и обобщенного опыта интеллектуальной деятельности ЛПР (адаптивное управление). Во внешнем круге Эйлера управляющие воздействия формируются ЛПР при информационной и интеллектуальной поддержке АСПР (контур обучения). Внешним кругом Эйлера обозначаются границы информационного пространства АСПР. Внутренние круги выражают изменения искусственного интеллекта АСПР, имитирующего естественный интеллект ЛПР в его формализованной части. Расширение области круга обеспечивается информационным моделированием интеллектуальной деятельности

Рис. 1 Информационное пространство АСПР

ЛПР.

В результате информационного моделирования взаимодействия еетест-венного и искусственного интеллекта в кругах Эйлера получается система трех диофантовых уравнений второй степени. В терминах теории цеппых дробей система представляется уравнениями вида

[p0;pi,p2—.pk]2 + [Ч0;Я1,Ч2>-.<Ы2 = 0)

где к - порядковый номер элементов подходящих дробей р^ и qk, в которых предпоследние элементы представляют ППР, а предыдущие элементы выражают связанные с ППР информационные объекты.

Информационные объекты представляются элементами множества в круге Эйлера и обозначаются целыми точками (точками с целыми координатами). Количество информационных объектов в кругах Эйлера всегда максимально, так как максимально число обозначающих их целых точек в кругах, соответственно, максимален объем получаемой информации. Радиусы кругов Эйлера в системе трех уравнений (1) равны единицам, которые определяют классический ряд Фибоначчи или критерии максимальной эффективности.

Системный анализ эволюционного развития информационных технологий на основе синергетического и информационного подходов расширяет фибоначчиевое представление о формировании управляющих воздействий. Образуются циклы с непрерывным переходом на более высокий уровень автоматизации процессов принятия решений, в пределах одного цикла включаются новые элементы информационных технологий по мере их развития.

Структура эволюционной модели на рис. 2 включает в себя: I- системное программное обеспечение; II - электронную обработку документов; III - защиту данных, программного обеспечения, вычислительных ресурсов от несанкционированного доступа и несанкционированных действий; IV - технологии хранения документов; V - автоматизацию функций управления; VI - сетевые технологии; VII - технологии доступа в открытых системах, включающие в себя системы контроля доступа, системы хранения данных и финансовые системы. Чем выше по спирали происходит эволюционное развитие информационных технологий, тем больше объемы получаемой информации и быстродействие ее обработки в АИС, более высокий уровень средств интеллектуализации информационных технологий, которые определяют операционную среду АСПР и направление дальнейшего развития.

Постановка задачи на создание интеллектуальной информационной технологии в форме АСПР представляется следующим образом. На множестве программных и аппаратных средств необходимо создать интеллектуальную информационную технологию для организационного управления производственными процессами, обеспечивающую максимальный объем получаемой информации и быстродействие ее обработки при минимизации непроизводительных затрат.

Рис 2. Диаграмма эволюционного развития информационных технологий

Определены методы и средства информационных технологий: С-(СВ, См, С/;, САК) - множество программных средств для создания и функционирования интеллектуальной информационной технологии, где Св - базовое программное обеспечение (операционные системы, системы управления базами данных - более 100 типов), См - средства моделирования (8АГ)Т, Г)РО, ЕМ) - более 30 типов), С к - средства реализации автоматизированных информационных систем (языки программирования, средства визуального проектирования, средства реализации Интернет-приложений, встроенные средства СУБД, встроенные средства корпоративных автоматизированных информационных систем), Су - специализированные программные приложения для хранения, передачи, обработки и отображения информации (более пяти тысяч типов), САц - системы искусственного интеллекта для информационной и интеллектуальной поддержки принятия решений (проблемно-ориентированные экс-

пертные системы и автоматизированные системы принятия решений); Т - множество специализированных технологий обработки данных (SOAP, CORBA, DCOM - более 100 видов); L - множество алгоритмов поддержки принятия решений; А - множество аппаратных средств обработки, хранения, передачи и отображения данных.

Ограничение на функциональные свойства интеллектуальной информационной технологии: время получения и обработки информации tm, необходимой для принятия решений, не превышает заданное время tz, 110 каждому производственному I - циклу вычислительных операций, то есть tm < .

Критерии эффективности интеллектуальной информационной технологии:

• максимальный уровень автоматизации процесса формирования управляющих воздействий (число автоматически выполняемых ППР в контурах программного и адаптивного управлений и контуре обучения АСПР),

• максимальный объем получаемой информации, необходимой для формирования управляющих воздействий, и быстродействие ее обработки в ППР при минимизации непроизводительных затрат.

Концептуальная модель формирования интеллектуальной информационной технологии для организационного управления производственными процессами:

I(С, A,L,'/') -> OS(SP,SA) : {[((Са,^Г)^Г(й),См]^0„>; (СЛ,С,)->

CAH(L:(La,Lir,Lr))->Fn,,

J

I - интеллектуальная информационная технология; OS - операционная среда ЛПР, определяемая множеством используемых программных Sp и аппаратных SA средств; Tos - базовая информационная технология для операционной среды ЛПР; 00у - формализованное представление ОУ; Fos - формализованное представление операционной среды ЛПР; FI0S - формализованное представление интеллектуальной операционной среды ЛПР; La, Lar Lr - алгоритмы формирования управляющих воздействий в автоматическом и интерактивном режимах функционирования системы искусственного интеллекта.

Алгоритмы формирования управляющих воздействий выполняются соответственно в контурах программного и адаптивного управления (автомагический режим) и контуре обучения (интерактивный режим функционирования системы). Они реализуются на базе последовательного применения алгоритмических принципов автоматизи-: рованного управления по отклонению и с переменной структурой системы и информационной причинности как особой формы обратной связи.

Во второй главе рассматриваются вопросы формализованного представления информационного пространства ЛПР в организационном управлении производственными процессами.

Информационное пространство ЛПР в формализованном виде представляется в АСПР как подмножество информационного пространства АРМ информационными объектами в трех вложенных с общим центром кругах Эйлера. В кругах Эйлера между информационными объектами формируются функции ассоциативных отношений на концепциях ХД, ассоциативной памяти и ассоциативной логики, межуровневой трансформации производственных ситуаций.

На основе доступных источников информации, объектных данных, необходимых для выработки управляющих воздействий, и организационно-распорядительных документов (ОРД), связанных с ППР, реализуется итерационный процесс информационного обеспечения ППР по количественным и качественным признакам.

Количественные и качественные признаки определяют степень связи между информационными объектами в информационном просгранстве АСПР. Устанавливаются коэффициенты эффективности этих связей на основе формализации ассоциативных отношений между информационными объектами, определяющих структуру логико-семантического базиса АСПР.

Интеллектуальные информационные технологии связывают теоретические положения автоматизированного управления производственными процессами с информационным производством посредством АРМ специалистов.

Обобщение информации по уровням организационного управления производственными процессами в соответствии с параметрами времени, объема и качества относится к одной из важнейших проблем. Ее решение связано с информационным обеспечением ППР по критериям максимума объема получаемой информации и быстродействия ее обработки за допустимое время. В этом контексте актуальным является обеспечение интегрированного представления о текущем состоянии ОУ, комплексный анализ собранных о нем сведений и извлечения из огромного объема детализированных данных полезной информации - знаний о закономерностях его разни жя.

В системе координагЛг,0(У( информационные объекты С,/ представляются в виде 0^1 (х1Г у,/). Признаки свойств ул по информационным уровням интерпретируются в виде соответствующих функций АСПР, а информационные уровни / = Гп определяют уровни декомпозиции функциональной системной модели АСПР. По значимости возникающих отклонений текущих значений параметров ОУ от заданных на множестве признаков свойств у,/, I = 4,п определяются множества функций для автоматического, автоматизированного и интерактивного режимов функционирования АСПР. Соответствующие подмножества информационных объектов в), 02, С>3 представляются в виде трех вложенных с общим центром кругов Эйлера, определяющих контуры программного и адаптивного управления и контура обучения.

В трех кругах Эйлера информационные объекты О'^ представляются числами (х1г у,,). В соответствии с критериями максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат на множестве целых точек бинарные отношения между хц и у,/ выражаются зависимостью

Для множества целых значений х1р у(/ образуется област ь круга с максимальным радиусом гп (х^ утвключающим максимальное количество информационных объектов в кругах Эйлера. В относительных единицах радиус круга равен единице: (хи /:„)2 +(у„1 /-„)' = 1 • Последнее выражение представляется в терминах теории цепных дробей в виде (1).

Применение ХД предоставляет возможность ЛПР получить управленческую информацию на разных уровнях обобщения и детализации, что существенно уменьша-

ет время обработки запросов при значительной частоте и большом объеме выборки данных, характерных для организационного управления производственными процессами. АСПР с применением ХД обеспечивает опережающее отражение результатов производственной деятельности или получение информационной причины принятого действия, что названо информационной причинностью.

Информационная причинность представляется в качестве особой формы обратной связи, когда запросы и решения АСПР моделируются на информационном уровне. Результаты их выполнения отображаются в ХД, определяя тем самым упреждающую реакцию АСПР на скрытые закономерности. Алгоритмическую основу информационной причинности определяют принципы автоматизированного управления по отклонению и с переменной структурой системы. В совокупности с информационной причинностью они реализуют информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР (рис. 3).

Абстрактная модель причинной взаимосвязи для АСПР и ХД на рис. 3 может быть представлена в виде:

где - множество стратегий управления, X - множество элементов опе-ратив-ной базы данных АСПР, Т - множество рассматриваемых моментов времени, <2 - множество всех возможных значений вектора входных воздействий (запросов), А = ТхХх (2 - множество закономерностей в данных, У- множество правил обобщения

информации, ^ - множество элементов ХД.

-----------------------------------1

. Информационный принцип эволюционного развития '

' интеллектуальных информационных технологий I

------------------------------------1

Рис. 3. Концептуальная модель преобразования информации в АСПР

Возможность доступа к интегрированной информации позволяет оценить текущее состояние ОУ и сформировать упреждающую реакцию АСПР на возникающие отклонения. Анализ изменения параметров ОУ во времени позволяет исследовать динамику развития производственных процессов. Обладая полнотой сведений о состоянии

ОУ и его элементах в статике и динамике, ЛПР может принимать эффективные решения при информационной и интеллектуальной поддержке АСПР.

Информационное пространство ЛПР в организационном управлении производственными процессами включает множество ОРД А,, содержащих функции принятия решений таких, что ^ э Я и Я э Р, где ^ - подмножество функций принятия решений ЛПР; Р - множество функций принятия решений в системе организационного управления; ^ - подмножество функций принятия решений ЛПР, связанных с обработкой ]-ого документа. Декартово произведение А,- образует подмножество множества информационных объектов АСПР. Лингвистическое значение элементов ач определяется из системной модели, числовое значение выражается интегральным показателем параметров ОРД.

Процесс формирования ОРД определяется на основе семантического анализа глоссария в контексте системной функциональной модели. Входная и выходная информация функциональных блоков - это исходные данные, являющиеся лингвистическими переменными. Содержание и значение этих переменных определяется с помощью информационной и динамической системных моделей. Лингвистическая переменная характеризуется набором (Д Т, X), в котором р- название лингвистической переменной; Т(р) - множество лингвистических значений переменной, причем каждое из этих значений является нечеткой переменной с областью определения X. Базовое множество X и нечеткое подмножество А, определяются с помощью экспериментальных и экспертных данных Динамическая системная модель используется для построения базиса нечетких правил.

Построение информационно-функционального пространства ЛПР производится на основе логико-семантического базиса функций его деятельности, связанных с принятием решений. Логико-семантический базис формируется в результате анализа функционально полного комплекса системных моделей, построенных с использованием классификации процессов управления и управленческих решений на предприятии, на полученном множестве функций, деловых процессов, процессов поддержки принятия решений с учетом ограничений, определяемых семантическими условиями (перечнем формализуемых задач, должностными инструкциями, предписаниями).

Формализованное представление информационно-функциональною пространства ЛПР позволяет выделить множество функций принятия решений и определить технологию обработки ОРД в соответствии с их классификационными признаками. Процесс формирования ОРД можно реализовать с помощью различных методов, например, на основе продукционных правил, на базе нечеткой логики, по прецедентам, с использованием генетических алгоритмов. Выбор способа обработки и реализации ППР зависит от типа ОРД.

В организационном управлении производственными процессами основные функции ЛПР имеют координирующее назначение. Координация управления по иерархическим уровням связана с решением задачи выбора исполнителей работ. Задача выбора исполнителей работ является многокритериальной и основывается на использовании экспертных оценок предпочтений критериев в виде вектора весовых коэффициентов.

Обозначим через I количество сформулированных критериев (качество, надежность и стоимость), ¡ = 1, 2, ..., I. Тогда задача принятия решений по выбору исполнителей для определенной работы формулируется следующим образом:

/] = шах К(х), fz = шах Н (х), = min С (х),

где К (х), Н (х), С (х) - функции, принимающие значения соответствующих коэффициентов качества, надежности и стоимости.

Для выполнения процедуры экспертных оценок предложен метод графических экспертных оценок, позволяющий использовать простую процедуру одновременного изменения оценок всех альтернатив. Для задания оценок используется процедура изменения координат точки в пределах треугольника ABC, вершины которого соответствуют критериям качества, надежности и стоимости, что показано на рис.4.

Предпочтительность критериев оценивается по степени близости точки О к соответствующим вершинам. Изменение оценки всего вектора предпочтений выполняется перемещением точки О. Графическое представление вектора весовых коэффициентов содержит взаимоувязанную информацию о следующих компонентах: значениях весовых коэффициентов критериев - в виде отрезков АО, ВО, СО; парных предпочтениях - в виде соотношения отрезков AF и FB, BD и DC, СЕ и ЕА.

Надежность (Н)

Рис. 4. Графический метод оценки предпоч I ителыюсти критериев

Задание предпочтений двух критериев при фиксированном предпочтении третьего осуществляется с помощью изменения положения точек Б, О, Е соответственно на отрезках АВ, ВС и АС. Это позволяет производить парную оценку предпочтительности критериев и определять вектор предпочтения путем последовательной парной оценки, если процедура одновременного изменения оценок с помощью задания координат точки О вызывает у ЛПР затруднения. Исключается трудоемкая процедура вери-

фикации экспертных оценок и автоматизируется информационное обеспечение ППР по выбору исполнителей работ.

Для повышения эффективности информационного обеспечения ППР необходима межуровневая трансформация микроситуаций, макроситуаций, метаситуаций по уровням организационного управления производственными процессами. Микроситуации на нижнем ¡-ом уровне определяются набором параметров, характеризующих состояние ОУ. Вектор параметров каждого из ОУ может быть представлен как свертка в форме одного обобщенного показателя (числа), передаваемого с ¡-го уровня на верхний (¡+1)-й уровень. Множество обобщенных показателей ¡-го уровня составляют метаси-туацию (¡+!)-го уровня.

Множество показателей Р, отображающих множество ситуационных моделей Б производственной сферы, декомпозируется по уровням управления Р, э Р, ; = \,п , где п - количество уровней. Пространство Р; включает подмножество показателей Р^ э Р,, характеризующих текущее состояние объектов данного уровня Оф у = ¡^, где ш - количество объектов ¡-ого уровня, (\/0<у -> ЭРи е Р) .На уровне детализированных данных при п=1 показатель Р^ дискрстизируется на к уровней параметров Р^ (X], х2, ..., хк), индекс которых определяется уровнем дискретизации.

Управляющая структура АСПР может быть представлена в виде интерпретирующей функции в области продукционных правил Л, которые определяют ситуационное пространство и составляют множество правил продукции системы, соответствующих уровням и объектам. Тогда необходимо ей поставить в соответствие Ы-местный предикат. Подмножество правил объекта управления (Г|, г2,..., г^, рассматриваемого как элемент системы, можно определить с помощью множества предикатов У ={у|, У2> •••> Уа)}> которые отображают пространство Я в множество [0,1], я = ХХХ^ьт.

4 п т к

Исходя из этого, подмножество Яу, соответствующее конкретному ОУ, можно представить в виде: _

^ = {(^ = (*„*2,...,*4) Р0) -> : V МД*,,*,,...,*,) = 1]}.

Ситуационной производственной модели соответствует правило иро-дукции (г1; г2,..., г^. Тогда показатель Рц, характеризующий состояние ¡-го объекта на ¡-ом уровне, можно представить в виде

Р,) = {(Х„ = (х„хг,...,х„) -> Л, : V Щх„хг,...,хк) = 1]}.

Пространство показателей Р|+1 - го уровня определяется соотношением:

Р1+| = РП (^¡1)ЛР12 (ха)А ...АР1т (х-т).

Механизм межуровневой трансформации ситуаций, основанный на свертке векторных показателей, обеспечивает взаимосвязанное представление микроситуаций, макроситуаций, метаситуаций и интегрированную оценку производственных процессов на базе информационной причинности.

Межуровневая трансформация ситуаций производится в формализованном информационном пространстве ЛПР, включающим несколько уровней управления, и едином информационном пространстве АСПР интегрированных АРМ специалистов.

АРМ специалистов в организационном управлении производственными про-

цессами рассматривается как формализованная методика их производственной деятельности на базе интеллектуальных информационных технологий. Границы формализованного информационною пространства АРМ определяются его логико-семантическим базисом из функциональной, информационной и динамической системных моделей. В задачах принятия решений группой ЛПР на базе АРМ автоматизируется формирование функции полезности, представляющей собой вешор. Возникает необходимость согласования индивидуальных предпочтений путем построения функций группового предпочтения на основе принципа группового согласования. В этом случае информационное обеспечение ППР позволяет групповому ЛПР выбрать оптимальные решения из множества разработанных АСПР вариантов решений.

Информационное обеспечение ППР на базе единого формализованного информационного пространства позволяет групповому ЛПР выбрать оптимальное решение из представленных АСПР вариантов в условиях формализованного представления проблемной ситуации, целей управления и ограничений на основе сформулированнь1х предпочтений и критериев.

В организационном управлении производственными процессами АРМ выполняет важную функцию по автоматизации процессов координирующих воздействий. Координирующие воздействия верхнего уровня организационной системы управления осуществляются в определении исполняющих и регламентирующих механизмов для функции управления на нижнем уровне, се входных и выходных информационных потоков.

Автоматизация процессов координирующих воздействий на базе интегрированных АРМ специалистов позволяет повысить эффективность информационного обеспечения ППР и уровень интеллектуальности АСПР.

В третьей главе приводятся математические модели ППР.

Интеллектуальные информационные технологии в организационном управлении производственными процессами включают в себя три основных компонента: технологический, алгоритмический и математический.

Технологический компонент составляет базис информационных технологий, в том числе, интеллектуальных технологий. Технологические операции основаны на использовании инструментальных аппаратных и программных средств. Алгоритмический компонент обеспечивает в своей основе определенный уровень интеллектуальности в автоматизации слабоструктурированных и неформализуемых задач принятия решений путем агрегирования суждений всех экспертов и упорядочивания последовательности действий, не противоречащих индивидуальному представлению экспертов.

Математический компонент необходимо рассматривать как мощный интеллектуальный механизм при создании интеллектуальных информационных технологий на базе АСПР. Организационное управление носит дискретный характер, а производственные процессы являются непрерывными или дискретно-непрерывными, в результате чего разрывается единство взаимосвязей между управлением и производством и возникают значительные запаздывания в оценке производственных ситуаций. Единство организационного управления и производственных процессов при постоянстве информационного моделирования интеллектуальной деятельности ЛПР в форме АСПР требует их исследования в едином информационном пространстве с учетом вероятносг-

ных законов изменения аргументов.

Это предопределило разработку математических моделей ППР применительно к организационному управлению производственными процессами в едином непрерывном пространстве изображений с учетом вероятностных законов изменения параметров ОУ, возникающих под воздействием случайных внутренних и внешних возмущений.

Определение. Преобразование для непрерывной функции

/>{/(*}} - = {/(*)} Л (2)

о

и для исходной дискретной функции

■ о)

л=0

называются Р-преобразованиями.

Дискретно-непрерывные Р-преобразования (2) и (3) имеют общий вид и используются для анализа данных и выявления скрытых закономерностей в информационных объектах путем моделирования организационного управления и производственных процессов в едином непрерывном пространстве изображений. Здесь ■) - ядро интегрального преобразования; уР(х) - ядро дискретного преобразования; р(х) и р„ -весовые (настроечные) функции соответственно для непрерывного и дискретного случаев преобразования; Дх),Дп) - исходные непрерывные и дискретные функции; 5- параметр преобразования; х - аргумент непрерывной функции; п - текущий номер члена под знаком суммы.

Основу ядра в (2) и (3) составляет универсальное распределение вероятностей Пойа, применяемое для моделирования процессов принятия решений и представленное в компактном виде. Задаваясь значениями его параметров, можно получить пуас-соновское, геометрическое и экспоненциальное Р-прсобразования

00 он

Ю4=^ IVе"' (4)

^ — (5)

К" (6)

6 о

Дискретно-непрерывные Р-преобразования (4) - (6) соответствуют допущению о пуассоновском характере потока заявок и экспоненциальном распределении времени их обслуживания. Настроечная функция обеспечивает существование интеграла преобразования для функций более широкого класса, чем функции, удовлетворяющие условиям Дирихле, возможность трансформировать функции в едином непрерывном пространстве изображений.

Наличие нормированных ядер в (2) - (6) обеспечивает изоморфизм между исходной трансформируемой функцией и ее непрерывным изображением. Закономерно-

ста поведения первых, выраженные неявно ввиду значительной размерности комбинаторных задач интеллектуального анализа данных, изучаются по закономерностям поведения вторых, полученным в явном и компактном виде в непрерывном пространстве изображений (рис. 5).

Дискретный и непрерывный варианты Р-преобразований используются совместно в едином непрерывном пространстве изображений. Вначале при трансформации исходной дискретной функции ап в непрерывное пространство изображений применяется дискретный вариант Р-преобразования. Затем при трансформации а(х) в едином непрерывном пространстве изображений применяется (при необходимости многократно) непрерывный вариант Р-преобразований.

Системный анализ дискретно-непрерывных Р-преобразований Р(я)Р(з)4, Р(я)} показывает глубокую взаимосвязь между исходными функциями и их изображениями. В едином непрерывном пространстве изображений исходные дискретные модели Эп пространства /ЧУ3 представлены в непрерывном пространстве Р(б)5 изображениями Р(Б), а исходные дискретные модели ап пространства представлены в непрерывном пространстве Р(з)$ изображениями а(х). Для непрерывного пространства Р(я)5

в непрерывное пространен ве изображений

Дискретно-непрерывные Р-преобразования обеспечивают анализ состояния и выявление скрытых закономерностей в поведении ОУ в едином непрерывном пространстве и взаимосвязь во времени организационного управления и производственных процессов. Создается теоретическая основа информационного обеспечения ППР по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат.

В едином информационном пространстве организационного управления и производственных процессов реализуется принцип координирующих воздействий. Принцип координирующих воздействий рассматривается как один из наиболее важных подходов в организационном управлении с целью уменьшения непроизводительных затрат. Находятся критические точки фазового перехода ОУ из состояния динамического равновесия в аварийное состояние в пределах допустимых отклонений производственных ситуаций. Уменьшение непроизводительных затрат связано, прежде всего, с последовательностью выполнения работ и нормативной обоснованностью используемых ресурсов. Первичность порядка выполняемых работ перед величиной выделяемых ресурсов в производственных ситуациях является необходимым условием реализации принципа координирующих воздействий.

ОУ характеризуется случайным процессом с дискретными состояниями и непрерывным временем, который называе1ся марковским процессом. Теория марковских случайных процессов с дискретными состояниями и непрерывным временем предполагает, что переходы из состояния в состояние происходят под воздействием пуассо-новских потоков событий. Оптимальные моменты времени для формирования управляющих воздействий в точках фазового перехода управляющей системы из одного качественного состояния в другое качественное состояние определяются с применением дифференци-альных уравнений Колмогорова.

Для нахождения критических точек фазового перехода и выбора способа формирования управляющих воздействий используется зависимость энтропии от вероятности состояний ОУ.

В четвертой главе исследуются способы получения новых знаний на основе скрытых закономерностей в информационных объектах. Моделируется колебательный затухающий процесс формирования управляющих воздействий в кругах Эйлера с использованием дифференциального уравнения Весееля. Приводится методология информационного обеспечения ППР.

Интеллектуальный анализ данных в информационном пространстве АСПР связан с дискретными и комбинаторными моделями значительной размерности (счетные множества, цепные дроби, матрицы, сочетания, шаги траекторий). Параметры моделей логико-семантического базиса АСПР изменяются по вероятностным законам.

Известные типы закономерностей (ассоциация, последовательность, классификация, кластеризация, прогнозирование) дополняются вводом нового типа закономерности. Разработанный тип закономерности назван трансформацией данных по уровням обобщения и основан на применении дискретно-непрерывных Р-преобразований. Выявляются скрытые закономерности в поведении ОУ с детализацией признаков по уровням обобщения и применением 01, АР-технологии, определяются функции последствий от сформированных управляющих воздействий путем оценки требуемых ресурсов.

В результате трансформации исходная дискретная функция (1) в непрерывном пространстве изображений представляется в виде дифференциального уравнения в свертках

1 . (7)

где и 0(Л)ц - изображения подходящих дробей (1) в непрерывном

пространстве через взаимодействие информационных объектов.

В свою очередь, полученная модель взаимодействия естественного и искусственного интеллекта (7) в непрерывном пространстве изображений представляется в виде алгебраического уравнения

г.Л-1 I

/>г>у; = £--р-, (8)

где Р(Б) - количество получаемой информации в АСПР; в - коэффициент параметрической настройки АСПР, которым регулируются динамические свойства системы (чувствительность к изменениям величин управляющих воздействий, быстродействие в обработке информации).

Детальный анализ (8) при п=2 подтверждает информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР в общем случае при к —> <я. Из полученных результатов следует, что стационарный процесс в изменении соотношения Р(Б) и ЩБ) наступает при Д (8)—>со и Р(в случае 5=1,62. Такое соотношение характеризует устойчивый режим функционирования АСПР на заданном множестве параметров. В теории цепных дробей коэффициентом 5 =1,62 определяются отношения соседних элементов классического ряда Фибоначчи, которыми представляются подходящие дроби. Поэтому устойчивый режим функционирования АСПР достигается, когда радиусы трех кругов Эйлера для автоматического, автоматизированного (автоматического после параметрической настройки системы) и интерактивного режимов функционирования находятся в соотношении 1,62.

Взаимодействие ОУ и управляющей структуры в формализованном пространстве АСПР вызывает необходимость получения дополнительной и новой информации. Информация - это разность энтропий системы до и после ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий: по контурам программного (начальная информация), адаптивного (дополнительная информация) управлений и контура обучения (новая информация).

Степень критичности возникающих ситуаций выражается величиной отклонений текущих от заданных значений параметров ОУ. Адекватная реакция управляющей структуры на текущее состояние ОУ обеспечивается выбором контура управления (способа формирования управляющих воздействий) и характеризуется цикличностью в информационном обеспечении ППР. По трем кругам Эйлера в формализованном пространстве АСПР общее число информационных объектов составляет Мс. Число информационных объектов, инициализированных при анализе и оценке текущего состояния ОУ, равно тг Тогда отношением т/Мс определяется количество информации или вероятность того, что множество инициализированных информационных объектов отображает текущее состояние ОУ по заданным параметрам и целесообразно для формирования управляющих воздействий. Новые знания составляют скрытые закономерности на множестве информационных объектов в трех кругах Эйлера.

Влияние возникающих ситуаций на динамику формирования управляющих воздействий через обработку информационных потоков исследуется методом анало-

гий. Согласно (1), формирование управляющих воздействий в кругах Эйлера носит колебательный и затухающий характер и моделируется дифференциальным уравнением

Д2 v+/tv = 0, (9)

для которого метод разделения переменных приводит к задаче Штурма-Лиувил-ля. Находятся значения Я, при которых однородное уравнение (9) в области круга 0<г<го (круга Эйлера) с однородным условием v |z= 0 на границе имеет нетривиальные решения v(P) ^ 0 (собственные функции). В полярных координатах (г, /р) уравнение (9) примет вид

1_Ё_( 1 8'v г дг V дг J г1 dip1

vU,= 0, v^O. (10)

Функция ищется в виде .Подставив в (10), раз-делим переменные: г(гН)+ХггЯ Ф"

-=---и, где и = const.

R Ф

Отсюда следует, что

Ф" + /«Ф = 0, -4)^ = 0, R{r„)= 0.

г—| + ——r + Av = 0, 0 <г<Г„,

В силу однозначности решения Ф(р) должна быть периодической функцией, то есть Ф{<р) = Ф{<р + 2я-), что дает // = п2. Принимая , приходим к уравнению

цилиндрических функций или уравнению Бесселя n-го порядка:

^i^Mr^-0' + (П)

г дг\ дг J г dp' dx dx

где R(r) - у{П г).

Необходимо определить оптимальное время для формирования управляющих воздействий в зависимости от критичности производственной ситуации. В качестве начального условия принимается допустимая энтропия системы Эдоп =1, ограничением является Л=(/-Эт/Э()„„) > а, где R - степень отклонения системы от состояния равновесия, Эт и Э1)оп - текущая и допустимая энтропия системы, а - заданная степень отклонения системы от состояния равновесия, которая устанавливается параметрической настройкой АСПР. , _„\

Запишем (11) через подстановки х = 2^7, t = х^/л, у„ = 1t 2 )/(/) в виде

(12)

dr at

Подставив (12) вместо а(х) в (6), получим дифференциальное уравнение первого порядка

Действительно,

1 г -4-

<Л =

¿Г <*1

О II о

«I 1»

1 "г

Л -^ + £"*/„(<)<* + (я - О/»-+ 2ГИ(У) = О

= ^- + |1--|/г„(5)+-/и(0)= 0, то есть получается (13). ¿Я I У I я

Общее решение (13) имеет вид

(14)

Графическое изображение (14) на рис. 6 имеет сходство с изображением переходных процессов из классической теории автоматического регулирования в зависимости от коэффициента демпфирования. В нашем случае отражается зависимость коли-

чества информации Гл(5) от степени критичности п производственной ситуации (нормальные ситуации, /з=0; конфликтные, «= 1; критические, п-2; аварийные, и>3) и времени 5 обновления информации в процессе формирования управляющих воздействий, влияющего на точность формируемых решений. В зависимости от п в ОУ определяется уровень цикличности управляющей структуры и выбирается способ формирования управляющих воздействий.

При п= 0, когда текущие отклонения параметров ОУ от установленных значений практически отсутствуют или находятся в допустимых пределах, количество необходимой информации для принятия решений равно начальной информации (контур программного управления). В остальных случаях (при п>0) требуются дополнительная информация (контур адаптивного управления) и новая информация (контур обучения). Количество информации увеличивается по мере повышения степени критичности возникающих ситуаций.

Рис. 6. Зависимость количества информации от степени критичности производственных ситуаций при формировании управляющих воздействий

Энтропия служит количественной мерой неопределенности в оценке производственных ситуаций и определении их критичности. В разных производственных ситуациях по мере возрастания их критичности увеличивается время, запаздывания в формировании управляющих воздействий. Из равенства нулю первой производной от (14) время запаздывания в формировании управляющих воздействий определяется точками л=Л'. Так как управляющая структура функционирует во взаимодействии с ОУ, то критичность возникающих ситуаций в ОУ соответствует цикличности управляющей структуры. Условием взаимодействия ОУ и управляющей структуры является равенство Эт = п2, которое используется в (11).

Математическая модель оценки оптимального момента времени для формирования управляющих воздействий определяет методы обрабсп ки информации в ППР и способы формирования управляющих воздействий. Она отражает концепцию функци-

опирования интеллектуальных информационных технологий в форме АС11Р в организационном управлении производственными процессами.

Основными положениями методологии информационного обеспечения ППР на базе интеллектуальных информационных технологий являются:

• динамическое формирование адекватной информационной среды для ЛПР в пространстве логико-семантического базиса АСПР;

• классификация обобщенных параметров информационных объектов по различным (количественным и качественным) показателям;

• определение допустимого интервала времени для формирования управляющих воздействий;

• обработка и оценка значений параметров информационных объектов в динамическом режиме;

• выявление информационной причинности поведения объекта управления (производственных процессов, боевых действий) на основе скрытых закономерностей в данных;

• распознавание ситуаций на основе операшвных и обобщенных значений параметров информационных объектов в допустимом интервале времени формирования управляющих воздействий.

В организационном управлении производственными процессами методология информационного обеспечения ППР осуществляется совокупностью механизмов информационной и интеллектуальной поддержки. Их применение определяется типом задач принятия решений, уровнем интеллектуальности информационных технологий. Механизмы поддержки принятия решений и способы их реализации в АСПР приведены в указанной ниже таблице.

Таблица

Интеллектуальные Способ Способ Механизмы

информационные представления получения поддержки принятия

технологии данных информации решений

Системы, основан- Правила вывода Непосредствен- Готовые решения в пра-

ные на знаниях ный ввод правил вых частях правил вывода

Системы нечеткой Иерархически САБЕ-технологии Готовые решения в пра-

логики вложенный набор вых частях правил вывода

правил вывода

Генетические алго- Ь-тены Самообучение Значения переменных, со-

ритмы ответствующие Ь-генам

Методы генетиче- Целевая функция Алгоритмы опти- Значения переменных, со-

ского программи- мизации ответствующие экстрему-

рования му целевой функции

Нейронные сети Ассоциативная Самообучение Настроенная ассоциатив-

память ная память

Системы с приня- Правила вывода и Непосредствен- Алгоритмическая обратная

тием решений целевая функция ный ввод правил связь с интеллектуаль-

(АСПР) и самообучение ным модулем

Информационная производственная система (1)

ОСивсть ограничен!« >Г<> дшлупи

отрлняиот I (информационно поисковая} I

<Hi lutib ограниченного досгуги

БД

оперативногоJ [ ¡Информации! но пяичсовая] ' доступ»

Модем (цифровой) _

Маршрут« )атор

Информацио ннзя производственная система (2)

3

"TtV^—a

iL ¿Г > Го

о о ♦••о

1 Подсистема интерфейсов клиент-сере ер (Модуль 4)

4> II

Рис. 7. Пример В2В-тсхнологии для разнородных производственных систем

Представленные механизмы поддержки принятия решений через способы получения и обработки информации составляют алгоритмическую основу интеллектуальных информационных технологий в форме АСПР.

Для повышения эффективности информационного обеспечения ППР они включат следующие методы анализа и обработки данных:

• информационную причинность как особую форму алгоритмической обратной связи в АСПР;

• межуровневое преобразование микроситуаций, макроситуаций и метаситуа-ций на основе сверток в форме обобщенных параметров;

• новый тип закономерностей, основанный на дискретно-непрерывных Р-пре-образованиях и названный трансформацией данных по уровням обобщения, для обнаружения скрытых закономерностей в информационных объектах.

Методология информационного обеспечения ППР на базе интеллектуальных информационных технологий в форме АСПР позволяет создать операционную интеллектуальную среду для ЛПР, повысить роль искусственного интеллекта в процессах принятия решений за счет повышения уровня формализации интеллектуальной деятельности ЛПР и этим увеличить уровень интеллектуальности АСПР в организационном управлении производственными процессами. На рис. 7 представлена практическая реализация основных положений методологии на примере В2В-технологии для взаимодействия удаленных разнородных производственных систем (В2В-технология с оптимальной структурой аппаратных и программных средств).

ОСНОВНЫЕ НАУЧНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Разработан информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР в организационном управлении производственными процессами по критериям эффективности развития естественных систем. Показано, что в эволюционном развитии естественных и искусственных систем по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат изоморфизм достигается на базе чисел Фибоначчи и золотого сечения.

Разработанный информационный принцип реализует фибоначчиевое представление о формировании управляющих воздействий с переменной структурой АСПР, включающей необходимое и достаточное число алгоритмических обратных связей (программное и адаптивное управление, контур обучения). Формирование управляющих воздействий в среде АСПР с применением чисел Фибоначчи и золотого сечения уменьшает время поиска эффективных решений при ограниченных временных ресурсах.

2.Сформулирован принцип информационной причинности как особой формы обратной связи в АСПР, когда запросы и решения системы моделируются на информационном уровне, а результаты их выполнения отображаются в ХД, определяя тем самым упреждающую реакцию АСПР на скрытые закономерности в данных.

Принцип информационной причинности базируется на алгоритмических принципах управления по отклонению и с переменной структурой АСПР с интеллектуаль-

ным модулем в цепи обратной связи в виде системы подстраиваемых моделей. В совокупности с информационной причинностью они реализуют информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР.

3. Разработана технологическая модель формализованного представления информационно-функционального пространства ЛПР, обозначенного тремя кругами Эйлера, на основе дискретно-непрерывных Р-преобразований для построения программного и адаптивного контура управления и контура обучения.

Множество бинарных отношений между информационными объектами отображается на множество ППР, адекватных возникающим ситуациям. Комбинаторные задачи значительной размерности сводятся к выбору нескольких вариантов в области допустимых решений. Подобный подход позволяет заранее рассчитать оптимальные режимы функционирования АСПР и учесть их в программном обеспечении при максимальном быстродействии в формировании управляющих воздействий.

Зависимость объема получаемой информации в ППР от быстродействия се обработки при минимизации непроизводительных затрат выражается классическим рядом Фибоначчи. В нем объемы получаемой информации пропорциональны численным значениям элементов, быстродействие ее обработки адекватно порядковым номерам элементов, а минимизация непроизводительных затрат обозначена наличием первых двух элементов, равных единице.

Модель оценки эффективности информационного обеспечения ППР на основе классического ряда Фибоначчи представляет концепцию эволюционного развития интеллектуальных информационных технологий в организационном управлении производственными процессами.

4. Разработана концепция автоматизации процессов координирующих воздействий в АСПР на основе логико-семантического базиса интегрированных АРМ специалистов и функции полезности, представляющей собой вектор индивидуальных предпочтений, с учетом принципа группового согласования и иерархически организованного дерева решений.

Автоматизация процессов координирующих воздействий на базе интегрированных АРМ позволяет повысить эффективность информационного обеспечения ППР и уровень интеллектуальности АСПР.

5. Создана структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем, представляющая начальную, дополнительную и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру обучения и количество информации, обеспечивающее получение новых знаний о поведении ОУ.

По критериям эффективности развития высокоорганизованных естественных систем реализуется поступление дополнительной и новой информации как разности энтропий системы до и после ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий.

6. Получена математическая модель информационного обеспечения ППР в ор-

ганизационном управлении производственными процессами на основе дифференциальных уравнений Бесселя и Колмогорова, дискретно-непрерывных Р-преобразований и с учетом энтропии системы.

Данная модель определяет методы обработки информации в ППР, оптимальное время формирования управляющих воздействий, способы формирования управляющих воздействий. Она отражает концепцию функционирования интеллектуальных информационных технологий в организационном управлении производственными процессами.

7. Создана методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР, включающая концептуальную модель преобразования управленческой информации, формализованное представление информационно-функционального пространства ЛПР, математическую.модель оценки оптимального момента времени для формирования управляющих воздействий с минимизацией непроизводительных затрат.

Методология информационного обеспечения ППР на базе интеллектуальных информационных технологий в форме АСПР позволяет: создать операционную интеллектуальную среду для ЛПР; повысить роль искусственного интеллекта во взаимодействии с естественным интеллектом в ППР за счет повышения уровня формализации интеллектуальной деятельности ЛПР; увеличить уровень интеллектуальности АСПР в организационном управлении производственными процессами.

8. Сформулировано необходимое условие максимальной эффективности практического применения методологии информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР.

Максимальная эффективность практического применения методологии информационного обеспечения ППР на базе интеллектуальных информационных технологий в форме АСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату степени критичности возникающих ситуаций в ОУ.

Список основных публикаций по теме диссертации

1. Юсупов И. Ю., Парфенов И. И., Парфенова М. Я. Алгоритм распределения запасных частей по мере их поступления // Тез. докл. респ. конф. "Автоматизированное управление сложными систсмами".-Уфа: УАИ,1985.-С.З.

2. Автоматизированная система принятия решений: Информ. листок № 131 - 87 / Р. Р.Мавлютов, И. Ю.Юсупов, М. Я.Парфенова и др.; Башкир, межотр. центр н. - т. инф. и проп. -Уфа, 1987. - 7 с.

3. Патент 1314305 (Россия). Устройство для управления производственным процессом ремонта машин / Уфим. авиац. ин-т им. С.Орджоникидзе; авт. изобрет. И. Ю. Юсупов, И. И. Парфенов, М. Я. Парфенова и др.- Заявл. 17.09.85, № 3955320/24 - 24; Опубл. в Б.И.,1987, № 20.

4. Патент 1367741 (Россия). Устройство для моделирования производства и потребления / Уфим. авиац. ин-т им. С.Орджоникидзе; авт.изобрет. И. Ю. Юсупов, И. И. Парфенов, М. Я. Парфенова. 162/24"24; 0пУбл- в

I ВИМИОТЕКА

I an

■ и

Б.И.,1988, № 3.

5. Юсупов И. Ю., Парфенов И. И., Парфенова М. Я. Автоматизированные системы принятия решений в организационном управлении большим городом // Тез.докл. Всесоюзн. Конф. "Управление большим городом". -М.: Научно-произв. обьед. АСУ "Москва", 1988.

6. Юсупов И. Ю., Парфенов И. И., Парфенова М. Я. Иерархические автоматизированные системы принятия решений //Вопросы регулирования и управления в сложных системах: Межвуз. науч. сб.-Уфа: УАИ,1990.-С.10-12.

7. Юсупов И. Ю., Парфенов И. И., Парфенова М. Я. Автоматизированное управление ситуациями в иерархических организационных структурах // Вопросы управления и проектирования в информационных и кибернети'че-ских системах: Межвуз. науч. сб. - Уфа: УГАТУ, 1990.-С.164-169.

8. Парфенов И. И., Парфенова М. Я., Глинкин В. И. Параметрическая настройка АСПР.-Уфа, 1992.- 9с,- Рук. деп. в ВИНИТИ 25 дек. 1992, № 3653-В92.

9. Парфенов И. И., Парфенова М. Я., Глинкин В. И. Формальное представление производственных ситуаций. - Уфа, 1993. - 19 с. - Рук. деп. в ВИНИТИ 15 фев. 1993, № 366-В93.

10. Парфенов И. И., Парфенова М. Я., Глинкин В. И. Формирование величин управляющих воздействий в процессах принятия решений,- Уфа, 1993.- 22 е.- Рук. деп. в ВИНИТИ 26 апр.1993, № 1099-В93.

11. Парфенов И. И., Парфенова М. Я., Глинкин В. И. Совместное функционирование в процессах принятия решений естественной и искусственной памятей.-Уфа, 1993.-32 е.- Рук. деп. в ВИНИТИ 31 мая 1993, № 1447-В93.

12. Парфенова М. Я. Анализ цепей обратной связи в автоматизированных системах принятия решений // Тез. докл. 1 Совещания "Новые направления в теории систем с обратной связью",- М.: РАН, РНК по автом. упр., УГАТУ, Ин-т проблем упр., Ин-т сист. анализа, 1993. - С. 86-87.

13. Парфенов И.И., Парфенова М.Я., Глинкин В.И. Моделирование управляющей деятельности лица, принимающего решения (ЛПР).- У фа,1993.- 17 с. - Рук. деп. в ВИНИТИ 14 июля 1993, № 1963-В93.

14. Парфенов И. И., Парфенова М. Я., Глинкин В. И. Оптимизация процессов принятия решений. - Уфа, 1993.- 11 с. - Рук. деп. в ВИНИТИ 14 окт. 1993, № 2586-В93.

15. Парфенов И. И., Парфенова М. Я.- Автоматизированная система принятия решений//Тез.докл. 1 Междунар. конф. по электромех. и электротехнол. - Суздаль: Гос-ком. по высш. обр. РФ, РАЭН, МЭИ, 1994.-С.117.

16. Парфенов И. И., Парфенова М. Я. Автоматизированные системы принятия решений при производстве тиристорно-индукционных комплексов. - Электродинамика и техника СВЧ и КВЧ, 1995,- №1,- С.5-15.

17. Парфенов И. И., Парфенова М. Я. Математические модели сверхбыстрой обработки информации в автоматизированных системах принятия решений.- Электродинамика и техника СВЧ и КВЧ, 1995.- №3 (11).- С.7-9.

18. Парфенов И. И„ Парфенова М. Я., Глинкин В. И. Применение Р-преобразо-ваний для анализа и синтеза систем управления.- В кн.: Проблемы механики и управления. Уфа: Гилем, 1996. :С.215-224.

19. Парфенова М. Я. и др. Анализ и синтез автоматизированной системы принятия решений с использованием Р-преобразований // Управление в сложных системах: Межвуз. науч. сб.-Уфа, 1996.-С.24-27.

20. Парфенов И. И., Парфенова М. Я., Глинкин В. И. Интеллектуальные системы управления на числах Фибоначчи. - Уфа: Гилем, 1997. - 293 с.

21. Парфенова М. Я. и др. Формирование управляющих воздействий АСПР в поле комплексных чисел // Тез. Докл. V Всероссийской н.-т. конф. "Повышение эффективности методов и средств обработки информации".-Тамбов, 1997.-С.237-240.

22. Глинкин В.И., Парфенов И.И., Парфенова М.Я. Системы сверхбыстрой обработки информации на объемных интегральных схемах СВЧ и КВЧ с нестандартной логикой. - Электродинамика и техника СВЧ и КВЧ, 1997.- №3 (19).- С. 42-50.

23. Парфенова М. Я. и др. Искусственный интеллект в управлении организационно-техническими системами // Вопросы управления и проектирования в информационных и кибернетических системах: Межвуз. науч. сб. -Уфа, 1997.- С.30-40.

24.Парфенова М.Я. и др. Принятие решений в поле комплексных чисел //Управление в сложных системах: Межвуз. научн. сб. - Уфа: УГАТУ, 1998. - С.139-146.

25. Парфенова М. Я., Парфенов И. И., Глинкин В. И. Управление с интеллектуальным модулем в цепи обратной связи // Тез. докл. Третьего Сибирского Конгресса по прикл. и индустр. математике, ч. 3. - Новосибирск: Издат. Института Математики СО РАН, 1998.- С.69.

26. Парфенова М. Я., Старцев М. А. Информационное обеспечение процедур принятия решений по управлению процессом капитального строительства // Управл. в сложн. системах: Межвуз.науч. сб. -Уфа, 1999.-С.225-230.

27. Парфенова М. Я., Старцев М. А., Ханнанова Р. В. Некоторые аспекты построения хранилища данных // Тез. докл. И Всероссийской конф. "Компьютерные технологии в науке, проектиров. и пр-ве".-Н.Новгород, 2000.-С.14.

28. Парфенова М. Я., Бабак С. Ф., Камалова JI. 3., Туктарова Л. Р. К вопросу об эффективной организации обработки организационно-распорядительных документов // Упр. в слож. сист.: Межвуз. науч. сб.: Уфимск. гос. авиац. техн. ун-т.- Уфа, 2001. - С. 103-108.

29. Парфенова М. Я., Колесников А. А., Ханнанова Р. В. Построение HTML-интерфейса для продукционной системы охраны труда на предприятии //Упр. в слож. сист.: Межвуз. научн. сб. УГАТУ.-Уфа, 2001.-С.233-236.

30. Парфенова М. Я. Об использовании дистанционных бизнес-процессов во Всероссийской электронной бирже интеллектуальной собственности //Доклады Международного семинара "Европейское сотрудничество в области развития мобильной персональной связи". - М.: Европейская Комиссия, Программа IST, МЦНИТИ, 2002. -С.136-141.

31. Парфенова М. Я. Методология информационного обеспечения процедур принятия решений //Искусственные интеллект, системы и интеллект. САПР: Труды междунар. конф. М.: Физматлит, 2002.-С.225-228.

32. Парфенова М. Я. Вопросы создания интегрированной информационной системы дистанционных бизнес-процессов //Информационные технологии. -2002.- №9.-С. 17-20.

33. Парфенова M. Я., Камалова JI. 3., Туктарова JI. Р. Формализованное представление информационного пространства ЛПР в организационном управлении на основе логико-семантического базиса функций //Реинжиниринг бизнес-процессов на основе соврем, информ. технологий. Системы управления знаниями: Сб. научн. тр.- М.: МЭСИ, 2002.-С.286-291.

34. Парфенова М. Я. Интеллектуальные информационные технологии в организационном управлении производственными процессами //Упр. в слож. сист.: Научн. изд. УГАТУ.-Уфа, 2002.-С. 186-195.

35. Парфенова М. Я., Лебедев Е. Г., Старцев М. А., Шевелев Д. А. Автоматизированное рабочее место специалиста охраны труда предприятия //Упр. в слож. сист.: Научн. изд. УГАТУ.-Уфа, 2002.-С. 196-200.

36. Парфенова М. Я. Система электронной коммерции с дистанционными бизнес-процессами //Упр. в слож. сист.: Научн. изд. УГАТУ.-Уфа, 2002.-С.201-205.

37. Парфенова М. Я., Колесников А. А., Голубов А. А. Технология взаимодействия производственных информационных систем //Упр. в слож. сист.: Научн. изд. УГАТУ.-Уфа, 2002.-С.211-214.

38. Парфенова М. Я. Метод траекторий в автоматизированном управлении производственными процессами //Упр. в слож. сист.: Научн. изд. УГАТУ.-Уфа, 2002.-С.222-231.

39. Парфенова М. Я., Парфенов И. И. Совместное функционирование естественного и искусственного интеллекта на числах Фибоначчи // Информационные управляющие системы: Сб. научн. тр. - Пермь: Мин. образов. РФ, МАИ, РАЭН, ПГТУ, 2002.-С.68-78.

40. Парфенова М. Я., Парфенов И. И. Методологический базис интеллектуальности открытых информационных систем дистанционного обучения // Открытое обра-зование.-2002.-№6.-С.32-42.

41. Парфенова М. Я., Парфенов И. И. Интеллектуальные информационные технологии на числах Фибоначчи и золотом сечении // Информационные технологии,-2003.-№2.-С. 15-21.

42. Parfenova MJ. Information Business in Organizational Control // Proceedings of the 2 nd International Workshop on Computer Science and Information Technologies (CSIT 2000), volume 2: USATU, Ufa State Aviation Technical University, 2000,- P.189-190.

43. Parfenova M J. Utilization of the distance business-processes in the All Russian electronic stock exchange of intellectual property // Proceedings of the International Workshop on European cooperation in the field of development of mobile personal communication - 1ST projects.- Moscow, Russia: European Commission, Information - Society Technologies, Informational Centre for Scientific and Technical Information, 2001.- P.136-141.

Подписано в печать 22.09.2003. Формат 60X84/16. Компьютерный набор автора. Верстка РИЦ КЦ "Авитрон". Бумага типографская. Гарнитура Тайме. Усл. печ. л. - 1,38. Уч. изд. л. - 1,28. Тираж 60 экз. Заказ 344.

Отпечатано методом ризографии с готовых авторских оригиналов

ФГУП УППО, КЦ "Авитрон", Рекламно-издательский центр. 450071, г. Уфа, ул. 50 лет СССР, 30

Q.00 5-4 >8529

»18 32 9 '

ВВЕДЕНИЕ

ОСНОВНЫЕ НАУЧНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ,

ПОЛУЧЕННЫЕ ЛИЧНО СОИСКАТЕЛЕМ И ВЫНОСИМЫЕ

НА ЗАЩИТУ

ГЛАВА I. ИНТЕЛЛЕКТУАЛЬНОСТЬ'

АВТОМАТИЗИРОВАННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ

1.1. Автоматизация принятия управленческих решений

1.2. Интеллектуальная деятельность ЛПР по организационному управлению производственными процессами

1.3. Программно-аппаратный базис интеллектуальности автоматизированных информационных систем

1.4. Вопросы создания интегрированной информационной системы дистанционных бизнес-процессов

Выводы по первой главе

ГЛАВА II. ИНФОРМАЦИОННОЕ ПРОСТРАНСТВО

ОРГАНИЗАЦИОННОГО УПРАВЛЕНИЯ

ПРОИЗВОДСТВЕННЫМИ ПРОЦЕССАМИ

2.1. Некоторые аспекты построения Хранилища Данных

2.2. Эффективность обработки организационно-распорядительных документов

2.3. Решение многокритериальной задачи по выбору исполнителей работ

2.4. Межуровневая трансформация ситуаций в организационном управлении производственными процессами

2.5. Автоматизированное рабочее место специалиста промышленной безопасности и охраны труда

Выводы по второй главе

ГЛАВА III. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПРОЦЕДУР

ПРИНЯТИЯ РЕШЕНИЙ

3.1. Параметрическая настройка автоматизированной системы принятия решений

3.2. Дискретные геометрическое и пуассоновское Р-преобразо-вания в процедурах принятия решений

3.3. Экспоненциальное непрерывное Р-преобразование в процедурах принятия решений

3.4. Область существования дискретно-непрерывных Р-преобра-зований

3.5. Принцип координирующих воздействий в организационном управлении производственными процессами

Выводы по третьей главе

ГЛАВА IV. ФОРМИРОВАНИЕ УПРАВЛЯЮЩИХ

ВОЗДЕЙСТВИЙ ПРИ СКРЫТЫХ ЗАКОНОМЕРНОСТЯХ В

ИНФОРМАЦИОННЫХ ОБЪЕКТАХ

4.1. Фибоначчиевое представление формирования управляющих воздействий

4.2. Метод цепных дробей в ассоциативных отношениях между информационными объектами

4.3. Взаимодействие искусственного и естественного интеллекта в процедурах принятия решений

4.4. Итерационный процесс принятия управленческих решений

4.5. Информационное моделирование автоматизированной системы принятия решений

4.6. Методология построения интеллектуальных информационных технологий

Выводы по четвертой главе

Информационные потоки в современном мире настолько велики, что общество рискует оказаться жертвой «числовой эпидемии», если в полной мере не воспользуется компьютерными технологиями. Информационные технологии в организационном управлении производственными процессами -это эффективное средство экономического развития и новый фактор оперативно- тактического и стратегического управления боевыми действиями.

Организационное управление направлено на эффективную организацию производственных процессов путем управления всеми видами ресурсов - материальными, финансовыми, энергетическими, трудовыми, информационными. Производственный процесс - это определенные воздействия на определенный вид ресурса в соответствии с пцставленными целями. Как результат воздействия на ресурсы возникают производственные ситуации, составляющие совокупность различных отклонений в ресурсах от заданных значений. Управляющие воздействия в организационном управлении составляют выделенный ресурс. Предприятия, использующие современные программно-технические средства для управления информационными потоками, достигают более высоких производственных показателей [59].

Существенный вклад в исследованиях по искусственному интеллекту и автоматизации процессов принятия решений внесли видные ученые и специалисты П.А.Бондарев, М.Г.Гаазе-Рапопорт, В.М.Глушков, А.Л.Горелик, Р.Х.Зарипов, С.В.Емельянов, С.К.Колганов, О.И.Ларичев, И.М.Макаров, А.Г.Мамиконов, Н.Н.Моисеев, Б.Н.Петров, Г.С.Поспелов, Д.А.Поспелов, И.В.Прангишвили, Э.В.Попов, В.Л.Стефанюк, Р.М.Юсупов, И.Ю.Юсупов и многие другие известные ученые. Среди зарубежных ученых выделяются своими трудами Г.Вагнер, А.Дж.Вильсон, Н.Винер, М.Ф.Даринг, М.Месарович, Н.Нильсон, Т.Саати, П.Уинстон, другие видные ученые.

По классификации академика РАН Г.С.Поспелова в области искусственного интеллекта сформировались следующие направления: системы, моделирующие отдельные творческие процессы; интеллектуальные системы, основанные на знаниях; архитектура ЭВМ; интеллектуальные роботы [60]. В качестве примера интеллектуальной системы, моделирующей отдельные творческие процессы, можно назвать автоматический перевод текстов с одного естественного языка на другой естественный язык [57]. К системам, основанным на знаниях, относятся экспертные системы, содержащие в качестве основных компонентов базу знаний и базу данных (хранилище данных) [58]. Примером новой архитектуры ЭВМ служит гибкая архитектура - логическая организация ЭВМ или системы обработки данных, допускающие многократную перестройку по составу и назначению функциональных элементов, принципу кодирования информации, возможности изменения содержания микрокоманд, макропрограмм или команд [64]. Наконец, разработка интеллектуальных роботов находится на стадии теоретических исследований экспериментальных образцов, внедрения упрощенных моделей, существенно уступающих способностям человека [65,66].

В организационном управлении производственными процессами дальнейшим развитием интеллектуальных систем стали автоматизированные системы принятия решений для автоматического формирования управляющих воздействий на основе формализованных экспертных знаний и методов искусственного интеллекта, математического и алгоритмического моделирования. АСПР осуществляют совместное функционирование естественного интеллекта ЛПР (лица, принимающего решения) как качества мышления и искусственного интеллекта (автоматизированной системы) как возможности генерировать итерационный процесс принятия решений. В типовых производственных ситуациях, возникающих при управлении потоками ресурсов, происходит автоматическое формирование управляющих воздействий на количественной основе. В новых ситуациях принятие решений производится ЛПР при информационной и интеллектуальной поддержке АСПР в интерактивном режиме функционирования системы. В АСПР значительный по объему и скорости поступления информационный поток обрабатывается непосредственно программно-техническими средствами (до 90 процентов) и автоматически генерируется итерационный процесс принятия решений. В хорошо обученной автоматизированной системе с принятием решений за ЛПР остается незначительный объем информационного потока, по которому управляющие воздействия формируются в интерактивном режиме функционирования [1,47].

Уровень интеллектуальности АСПР повышается в результате взаимодействия с естественным интеллектом ЛПР в ППР - процедурах принятия решений. ППР представляют собой итерационный процесс формирования управляющих воздействий, обеспечивающих достижение заданных целей. В своей программно - технической реализации они базируются на современных информационных технологиях, которые создаются на основе достижений в области информатики, вычислительной техники и средств связи [9,19,29,34,40,44,59,61,63,66,69,72]. Новые информационные технологии воплощаются и доходят до потребителя в виде современных видов информационного обслуживания, реализуемых техническими и программными средствами с применением стандартного программного обеспечения, а также специализированных пакетов прикладных программ для управления производственными процессами. Интеллектуальные информационные технологии в организационном управлении производственными процессами в форме АСПР используют достижения в области искусственного интеллекта. Они рассматриваются как совокупность методов и способов хранения, обработки, передачи и отображения информации, обеспечивающих автоматическое и автоматизированное формирование управленческих решений на разных уровнях иерархической системы управления.

Информационные технологии формируются как прикладная наука фундаментальных теоретических основ информатики и направлены на повышение эффективности информационного производства на базе методов технологического применения программных и технических средств (рис. В.1). Нарастающие объемы и темпы информационного производства остро поставили теоретическую и практическую проблему информационного обеспечения ППР на основе интеллектуальных информационных технологий. Информационное обеспечение ППР рассматривается как инициализация информационных объектов в пространстве логико-семантического базиса АСПР, оценка

Рис. 13.1. Информационные технологии как интеграция достижений науки и техники значений их параметров, распознавание и обработка ситуаций в интерактивном режиме взаимодействия ЛПР с ЛСПР. Информационными объектами являются: доступные источники информации; объектные данные, необходимые для выработки управляющих воздействий; организационно-распорядительные документы (ОРД), связанные с ППР. I

Эффективное информационное обеспечение ППР повышает уровень интеллектуальности АСПР, под которой понимается способность системы автоматически формировать управляющие воздействия и обучаться. Уровень интеллектуальности АСПР на количественной основе определяется по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат или последствий от неправильно принятых решений. Выполнение указанных критериев эффективности АСПР связано с необходимостью формализации используемых интеллектуальных информационных технологий на каждом этапе процесса I принятия решений. Информационные потоки, поступающие на вход АСПР, имеют следующие характерные особенности: большие по объему, случайные по времени поступления, являются разнородными по форме представления и содержанию, характеризуются количественными и качественными показателями, содержат скрытые закономерности.

В значительной мере эффективность информационного обеспечения ППР достигается выявлением скрытых закономерностей на множестве информационных объектов. Методы Data Mining (интеллектуального анализа данных) определяют следующие типы закономерностей: ассоциация (взаиI мосвязанные события), последовательность (цепочка действий), классификация (выявление характерных признаков групп), кластеризация (выделение однородных групп данных), прогнозирование (поведение системы в будущем). Ассоциация возникает при наличии нескольких связанных друг с другом событий, из которых при наступлении одних появляются другие. Если существует логическая цепочка связанных во времени событий, то говорят о последовательности их наступления и последовательности принимаемых решений. Классификацией выявляются характеризующие группу признаки, а кластеризацией выделяются различные однородные группы данных. Основой для прогнозирования являются хронологические данные, отражающие динамику поведения объекта управления (ОУ).

Как мультидисциплинарная область Data Mining развивается на базе прикладной статистики, распознавания образов, методов искусственного интеллекта, теории баз данных, что предопределяет обилие используемых методов и алгоритмов в действующих системах. К ключевым их компонентам относятся: предметно-ориентированные аналитические системы, статистические пакеты, нейронные сети, системы рассуждений на основе аналогичных случаев, деревья решений (decision trees), эволюционное программирование, генетические алгоритмы, алгоритмы ограниченного перебора, системы визуализации многомерных данных. Кратко остановимся на характеристике ключевых компонент Data Mining.

Предметно-ориентированные аналитические системы достаточно разнообразны и нашли распространение в финансовом рынке. Наиболее распространенный «технический анализ» состоит из нескольких десятков методов прогноза динамики цен и определения оптимальной структуры инвестиционного портфеля. При несложности статистического аппарата максимально учитывается сложившаяся в своей области специфика (профессиональный язык, системы различных индексов). Основное внимание в статистических пакетах уделяется классическим методикам - корреляционному, регрессионному, факторному анализу и другим. Они являются слишком тяжелыми для массового применения в финансах и бизнесе, дорогими и используют усредненные характеристики выборки, которые часто являются фиктивными величинами при исследовании сложных ситуаций.

Главным недостатком нейросетевой парадигмы является необходимость иметь достаточно большой объем обучающей выборки. Причем, знания, зафиксированные как веса нескольких сотен межнейронных связей, совершенно не поддаются анализу и интерпретации со стороны ЛПР. Системы рассуждений на основе аналогичных случаев нЬходят в прошлом аналоги наличной ситуации и выбирают правильные для них ответы. Они не создают каких либо моделей или правил, обобщающих предыдущий опыт, а основываются на всем массиве доступных исторических данных, и невозможно определить, на основе каких конкретно факторов строятся ответы. Кроме того, допускается произвол в выборе аналогов, меры «близости» к ним, от которой зависит объем множества прецедентов, хранимых в памяти для достижения удовлетворительной классификации.

Деревья решений (decision trees) относятся к одному из популярных подходов в Data Mining. Они образуют иерархическую структуру, классифицирующих правила типа «если.то.» (if-then), имеющую вид дерева. Популярность подхода связана с наглядностью и понятностью, но деревья реализуют наивный принцип последовательности просмотра признаков. Они собирают фактически осколки настоящих закономерностей, создавая иллюзию логического вывода. В эволюционном программировании на рынке Data Mining признание получила система PolyAnalyst отечественной разработки. Процесс создания программ строится как эволюция в мире программ, чем похож в какой то мере на генетические алгоритмы. Система строит несколько генетических линий программ, которые конкурируют между собою в точности выражения искомой зависимости. Другое направление в эволюционном программировании связано с поиском зависимости целевых переменных в форме функций определенного вида.

Для генетических алгоритмов Data Mining не основная область их применения. Тем не менее, они рассматриваются как мощное средство решения разнообразных комбинаторных и оптимизационных задач и вошли в стандартный инструментарий методов Data Mining. Генетические алгоритмы удобны тем, что можно разбить поколение на несколько групп и работать с каждой из них независимо, обмениваясь время от времени несколькими хромосомами. Недостатком является то, что критерии отбора хромосом и используемые процедуры являются эвристическими и не гарантируют лучших решений. Алгоритмы ограниченного перебора используются для установления ассоциации в данных, классификации, прогнозирования определением I частоты комбинаций простых логических событий в подгруппах данных. Для графического отображения данных по цвету, форме, ориентации относительно собственной оси, размерам и другим свойствам примером может служить программа DataMiner словацкой фирмы Dimension (5-е измерение).

Системы Data Mining применяются по двум основным направлениям: в бизнес-приложениях как типовое программное обеспечение и как инструментарий в проведении уникальных исследований в генетике, медицине, химии и других научных областях. Их дальнейшее развитие связывается с использованием в качестве интеллектуальных приложений к корпоративным I

Хранилищам Данных (ХД). Наиболее приоритетными методами моделирования становятся логические алгоритмы поиска в данных if-then правил, с помощью которых осуществляются: прогнозирование, классификация, распознавание образов, сегментация баз данных (БД), извлечение из данных скрытых знаний, интерпретация данных, установление ассоциаций в БД. Одновременно главной проблемой их применения остается перебор вариантов за приемлемое время, поэтому ограничивается перебор путем построения специальных алгоритмов (алгоритмы КОРА, WizWhy) или деревьев решений (алгоритмы САРТ, CHAID, ID3, SeeS, Sipina), чем, в свою очередь, принциI пиально ограничивается эффективность поиска if-then правил.

Другие проблемы связаны с тем, что известные методы поиска логических правил не поддерживают функцию обобщения найденных правил и функцию поиска оптимальных композиций таких правил. Отмеченные недостатки делают существующие методы Data Mining недостаточно эффективными в информационном обеспечении ППР со значительными по объемам и темпам изменения информационными потоками. Например, база данных функциональной АСПР по управлению материальным потоком запасных частей к машинам (была разработана в 1986 году) может содержать более 150 тысяч наименований товаров с более чем трех тысяч заводов-поставщиков. Видимо, не случайно поэтому ничего не сообщается о применении Data Mining в организационном управлении производственными процессами с использованием интеллектуальных информационных технологий.

Интеллектуальные информационные ( технологий в организационном управлении производственными процессами требуют наиболее глубокого подхода к Data Mining. Задачи принятия решений в организационном управлении производственными процессами имеют значительную размерность, неопределенность и неоднозначность способов выработки управляющих воздействий. В связи с этим требуется разработка новых подходов к Data Mining. Данная теоретическая позиция интегрируется со взглядами основателей Data Mining, для которых их направление представляется обнаружением в данных ранее неизвестных и полезных знаний, необходимых для принятия решений. Она объективно приводит к необходимости выявления скрытых закономерностей в информационных объектах организационного управления с помощью математических и алгоритмических моделей ППР с функциями обобщения ситуационных параметров по уровням управления, выбора оптимальной композиции информационных объектов. Для этого известные типы закономерностей Data Mining дополняются новым типом закономерностей, основанным на дискретно-непрерывных Р-преобразованиях и названным трансформацией данных по уровням обобщения.

Исходными моделями задач принятия решений в ППР являются: счетные множества, цепные дроби, матрицы, возвратные и невозвратные последовательности, сочетания, шаги траекторий. В автоматизированных системах с принятием решений, использующих одновременно дискретные и непрерывные модели, обеспечивается трансформация производственных ситуаций по уровням управления, результаты анализа данных, характеризующих ситуации, представляются в едином непрерывном пространстве изображений с учетом вероятностных законов изменения входных параметров системы. Это делает анализ данных для принятия решений комплексным и разносторонним, более наглядным и точным. Трансформация ситуаций по уровням управления позволяет выявить скрытые закономерности в поведении производственной системы, в развитии производственных ситуаций по горизонтали и вертикали иерархической системы управления, в функциях последствий от сформированных управляющих воздействий. Этот механизм оптимизирует алгоритмы задач принятия решений и сводит их к комбинаторному перебору нескольких допустимых вариантов с учетом вероятностных законов изменения аргументов, обеспечивает высокую эффективность информационного обеспечения ППР и соответственно высокий уровень интеллектуальности АСПР [47].

Исследование взаимосвязи информации и причинности в АСПР связано с рассмотрением процессов выявления новых закономерностей на основе оперативных данных и представления агрегированных данных в ХД [52]. Оно приводит к понятию информационной причинности как особой формы обратной связи, когда запросы и решения АСПР моделируются на информационном уровне, а результаты трансформации данных регистрируются в ХД, определяя тем самым опережающее поведение АСПР. Механизм поддержки принятия решений через способы представления данных и способы получения информации составляет алгоритмическую основу взаимодействия естественного (ЛПР) и искусственного (АСПР) интеллекта в автоматической выработке управляющих воздействий. Формализованное представление ситуационного пространства АСПР и трансформация ситуаций по уровням управления рассматриваются как способы определения информационной причинности. Вектор параметров каждого из объектов управления может быть представлен как свертка в форме одного обобщенного параметра, передаваемого с нижнего иерархического уровня на верхний уровень организационного управления, на котором множество обобщенных показателей нижнего уровня составляют его метаситуацию.

В широком смысле интеллектуальные информационные технологии представляют собой эволюционную систему, имитирующую естественную систему. В них естественный интеллект ЛПР и искусственный интеллект АСПР взаимодействуют, взаимообучаются и взаимосовершенствуются как непрерывная цепь вложенных друг в друга вибраций на пути увеличения объема получаемой информации и совершенствования ее переработки при минимизации непроизводительных затрат. Эволюционная система интеллектуальных информационных технологий представляется тремя вложенными друг в друга с общим центром кругами, которые в терминах теории множеств называются кругами Эйлера, применившего их для наглядной иллюстрации операций над множествами [20]. Начиная от общего центра, в первом круге Эйлера управляющие воздействия автоматически формируются АСПР на основе знаний о производственных процессах (контур программного управления). Во втором круге Эйлера управленческие решения вырабатываются в автоматизированном режиме с использованием обобщенного опыта интеллектуальной деятельности ЛПР в организационном управлении производственными процессами (контур адаптивного управления). Во внешнем круге Эйлера управляющие воздействия формируются ЛПР совместно с АСПР (контур обучения). Внешним кругом Эйлера обозначается область изменения естественного интеллекта ЛПР в определенной предметной деятельности. Внутренние круги выражают изменения искусственного интеллекта АСПР, имитирующего естественный интеллект ЛПР в его формализованной части. Эта часть образуется информационным моделированием интеллектуальной деятельности ЛПР в организационном управлении.

Информационное моделирование естественных систем рассматривается как формализованное представление взаимосвязей между информационными объектами в автоматизированной информационной системе. Информационные объекты представляются элементами множества в кругах Эйлера, отображаются целыми точками (точками с целыми координатами) и комплексными числами с действительной и мнимой частями, отражающими соответственно активные (обоснованные планом) и реактивные (непроизводительные) затраты. Операциями их сложения и умножения определено формирование управляющих воздействий в поле комплексных чисел. Количество информационных объектов в кругах Эйлерг! пропорционально их площади и всегда максимально, так как максимально число обозначающих их целых точек в кругах, и соответственно максимален объем получаемой информации. Радиусы кругов определены элементами цепных дробей, состоящих из единиц, которые отражают классический ряд Фибоначчи или максимальное быстродействие в обработке информации. Ассоциативные отношения между информационными объектами строятся по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат, определяемых применением чисел Фибоначчи и ценных дробей. Функции ассоциативных 'отношений между информационными объектами формируются в кругах Эйлера на основе ассоциативной памяти и ассоциативной логики, межуровневых преобразований ситуаций на основе обобщенных параметров, информационной причинности. Указанные функции определяют уровень формализации информационного пространства АСПР и повышают эффективность информационного обеспечения ППР.

Производственные ситуации представляются в кругах Эйлера как взаимосвязанные информационные объекты треугольниками или многоугольниками. Графическое изображение интеллектуальной деятельности ЛПР на примере выбора исполнителей работ по критериям надежности, стоимости, качества выполнения работ представляется в виде треугольника с парными предпочтениями на его сторонах - соотношениями длин двух отрезков. Они изменяются в зависимости от координат внутренней подвижной точки относительно точек «надежность», «стоимость», «качество» в вершинах треI угольника, а следовательно, от значений весовых коэффициентов критериев при выборе исполнителей. Автоматизируется выполнение условия взвешенности оценок по количественным и качественным признакам, что делает ненужной трудоемкую процедуру верификации экспертных оценок. Интегрированный показатель информационных объектов на примере ОРД характеризует количественные и качественные признаки объекта и определяется на основе экспертных оценок с использованием теории нечетких множеств.

Для информационного моделирования интеллектуальной деятельности

ЛПР и автоматизации процессов принятия'решений на количественной осно ве производственные микроситуации, макроситуации и метаситуации трансформируются по уровням управления на основе сверток в форме обобщенных параметров (чисел). Обобщенные параметры обозначают величину необходимых ресурсов для устранения возникающих отклонений в производственных ситуациях. Так как любое число может быть представлено несократимой рациональной дробью, то отсюда следует, что любая производственная ситуация может быть выражена несократимой рациональной дробью. Несократимыми рациональными дробями выражаются бинарные отношения между информационными объектами. Они отражают отношения между чисI лителем и знаменателем этих дробей, при делении которых друг па друга получаются цепные дроби, позволяющие строить адекватные модели с минимальными затратами. Множество бинарных отношений между информационными объектами в виде цепных дробей отображается на множество ППР в виде подходящих дробей, адекватных возникающим производственным ситуациям. При этом ППР обеспечивают формирование управляющих воздействий в соответствии с итерационным процессом принятия решений в информационном пространстве АСПР, обозначенном кругами Эйлера.

Методологическую основу эволюционного развития интеллектуальных I информационных технологий в форме АСПР составляют алгоритмические принципы автоматизированного управления ситуациями [54,55]. Алгоритмический принцип автоматизированного управления ситуациями по отклонениям утверждает: без автоматизации планирования (эталонная модель) невозможна автоматизация организационного управления. Управление по отклонениям в АСПР реализуется как последовательность выполнения ППР: выявление отклонений текущих значений параметров ОУ от плановых (эталонных) значений, оценка отклонений, распознавание ситуаций, выбор способа формирования управляющих воздействий.

Автоматизация планирования - это необходимое условие для осуществления алгоритмического принципа автоматизированного управления ситуациями с переменной структурой АСПР, обеспечивающей разные режимы управления. По результатам оценки отклонений значений параметров ОУ и распознавания ситуаций классификатор АСПР на структурном уровне определяет закон управления: программный, адаптивный, обучения. В соответствии с законами управления выбирается контур управления АСПР для формирования управляющих воздействий. Принцип управления с переменной структурой утверждает: интеллектуальная деятельность ЛПР в организационном управлении производственными процессами взаимно-однозначно отображается системой подстраиваемых моделей в виде интеллектуального модуля в цепи обратной связи и подключения модулей для трех способов формирования управляющих воздействий - на основе формализованных знаний о поведении ОУ, на основе совместного использования знаний и обобщенного опыта интеллектуальной деятельности ЛПР, в интерактивном режиме функционирования АСПР.

В теории и практике автоматизированного управления дается применение обратной связи как основы жизнедеятельности организованных систем. В интеллектуальных информационных технологиях в форме АСПР обратная связь используется для информационного моделирования интеллектуальной деятельности ЛПР, осуществления взаимодействия естественного и искусственного интеллекта в ППР. Достигаются единство организационного управления и производственных процессов, постоянство информационного моделирования, эффективное использование интеллектуальных информационных технологий [49-53]. На применение положений теории автоматического управления в исследованиях по искусственному интеллекту на Международном конгрессе «Искусственный интеллект в XXI веке» отмечал академик РАН О.И.Ларичев. ,

В связи с изложенным в настоящей работе решается актуальная научная проблема обработки больших объемов информации с получением новых знаний в организационном управлении производственными процессами на основе интеллектуальных информационных технологий, которая требует теоретического обобщения и решения и имеет важное народнохозяйственное и оборонное значение.

Диссертация является результатом исследований, проведенных в ОАО «Конструкторское бюро - 1» (Москва) по НИР «Железка», «Обводка» на фундаментальном научном направлении РАН «Информационные технологии и электроника». По наименованиям «Искусственный интеллект», «Компьютерное моделирование», «Информационная интеграция» тема диссертационной работы входит в перечень критических технологий Российской Федерации, который в марте 2002 года утвержден Президентом страны. Объект исследования - интеллектуальные информационные технологии в организационном управлении производственными процессами. Предмет исследования -информационное обеспечение ППР на базе АСПР, обеспечивающей взаимодействие естественного и искусственного, интеллекта. В четырех главах работы (интеллектуальность автоматизированных систем, информационное пространство организационного управления, математические модели ППР, формирование управляющих воздействий при скрытых закономерностях в информационных объектах) рассматриваются изложенные выше научные положения.

Целью работы является создание теорЬтических и методологических основ интеллектуальных информационных технологий в организационном управлении производственными процессами для информационного обеспечения ППР по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат.

Для достижения указанной цели решается следующий комплекс взаимосвязанных научных и практических задач:

• создание структурных и алгоритмических принципов построения интеллектуальных информационных технологий на основе формализованных знаний и обобщенного опыта управляющей деятельности ЛПР для эффективного взаимодействия естественного и искусственного интеллекта;

• разработка информационного принципа эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем;

• создание механизмов поддержки принятия решений через способы получения и обработки информации на основе информационной причинности как особой формы алгоритмической обратной связи в АСПР, преобразования ситуаций в форме обобщенных параметров и трансформации данных по иерархическим уровням управления;

• повышение уровня формализации ППР и интеллектуальности АСПР на основе математических моделей, определяющих оптимальное соотношение параметров и признаков свойств объекта управления (ОУ), моменты времени для формирования управляющих воздействий с учетом количества информации и ее содержания;

• разработка методологии информационного обеспечения ППР на базе интеллектуальной информационной технологии в форме АСПР в организационном управлении производственными'процессами по критериям максиI мума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат.

Основные научные и практические результаты работы докладывались и обсуждались: на Всесоюзной конференции "Управление большим городом" (Москва, 1989); республиканской межотраслевой научно - технической конференции "Теория и практика разработки и внедрения средств автоматизации и роботизации технологических и производственных процессов" (Уфа, 1989); Всесоюзной научно-технической конференции "Математические и программные методы проектирования управляющих и информационных систем" (Пенза, 1990); региональном постоянно действующем семинаре "Методы использования искусственного интеллекта в автоматизированных системах" (Куйбышев, 1990); IX всесоюзном симпозиуме "Эффективность, качество и надежность систем "человек-техника" (Воронеж, 1990); 1 Совещании "Новые направления в теории систем с обратной связью" (Уфа, 1993); Международной конференции "Проблемы преобразования электроэнергии" (Москва, 1993); семинарах научно-технического журнала "Электродинамика и техника СВЧ и КВЧ" (Москва, 1993-1994); 1 Международной конференции по электромеханике и электротехнологии (Суздаль, 1994); V Международной научно-технической конференции "Математическое моделирование и САПР систем сверхбыстрой обработки информации на объемных интегральных схемах СВЧ и КВЧ" (Сергиев Посад, 1995); V Всероссийской научно-технической конференции "Повышение эффективности методов и средств обработки информации" (Тамбов, 1997); IX Международной школе-семинаре "Электродинамика и техника СВЧ и КВЧ'1' (Самара, 1997); Международном Конгрессе "Нелинейный анализ и его приложения" (Москва, 1998); Третьем Сибирском Конгрессе по прикладной и индустриальной математике (Новосибирск, 1998); II Всероссийской научно-технической конференции «Компьютерные технологии в науке, проектировании и производстве» (Нижний Новгород, 2000); Международном симпозиуме «Компьютерные системы и информационные технологии» (Уфа,2000); Международном симпозиуме «Компьютерные системы и информационные технологии» (Уфа, 2001); Meждународном семинаре "Европейское сотрудничество в области развития мобильной персональной связи" (Москва, 2002).

Научные и практические результаты диссертации отражены в 50 печатных работах автора, среди которых одна монография, два патента России.

ОСНОВНЫЕ НАУЧНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ I

На защиту выносится:

1. Информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР в организационном управлении производственными процессами по критериям эффективности развития естественных систем;

2. Технологическая модель формализованного представления информационно-функционального пространства ЛПР, обозначенного тремя кругами Эйлера, на основе дискретно-непрерывных Р-преобразований для построения программного и адаптивного контуров управления и контура обуI чения;

3. Концепция автоматизации процессов координирующих воздействий в АСГ1Р на основе логико-семантического базиса интегрированных АРМ (автоматизированных рабочих мест) специалистов и функции полезности, представляющей собой вектор индивидуальных предпочтений, с учетом принципа группового согласования;

4. Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем, представляющая начальную, дополнительную I и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру обучения и количество информации, обеспечивающее получение новых знаний о поведении ОУ;

5. Математическая модель оценки оптимального момента времени для принятия управленческих решений с минимизацией непроизводительных затрат в организационном управлении производственными процессами на основе дифференциальных уравнений Бесселя и Колмогорова, дискретно-непрерывных Р-преобразований и с учетом энтропии системы;

6. Методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР;

7. Необходимое условие максимальной эффективности практического применения методологии информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР.

Научная новизна. Созданные теоретические и методологические основы информационного обеспечения ППР в организационном управлении производственными процессами базируются на концептуальной модели преобразования управленческой информации в формализованном пространстве АСПР с тремя кругами Эйлера (контуры программного и адаптивного управления и контур обучения).

Информационное обеспечение ППР реализуется последовательным использованием алгоритмических принципов управления по отклонению и с переменной структурой АСПР и принципа информационной причинности, которые в функциональной взаимосвязи осуществляют информационный принцип эволюционного развития интеллектуальных информационных технологий.

Информационный принцип эволюционного развития интеллектуальных информационных технологий отражает изоморфизм в развитии искусственных и организованных естественных систем по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат па базе чисел Фибоначчи и золотого сечения.

Интеллектуальные информационные технологии в форме АСПР создают алгоритмическую основу системы искусственного интеллекта с принятием решений и включают следующие методы ацализа и обработки данных:

• информационную причинность как особую форму обратной связи в АСПР, которая базируется на алгоритмических принципах управления по отклонению и с переменной структурой системы;

• межуровневое преобразование микроситуаций, макроситуаций и ме-таситуаций на основе сверток в форме обобщенных параметров;

• трансформацию данных по уровням обобщения, основанную на использовании дискретно-непрерывных Р-преобразовапий, для обнаружения скрытых закономерностей в информационных объектах.

Технологическая модель формализованного представления информационно-функционального пространства ЛПР с тремя кругами Эйлера определяет контуры программного, адаптивного управления и контур обучения по оптимальному соотношению параметров и признаков свойств ОУ при значении коэффициента параметрической настройки АСПР, равном 1,62 (отношение соседних, элементов классического ряда Фибоначчи), обеспечивающем выполнение критериев максимальной эффективности в обработке информации.

Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР реализует по критериям эффективности развития естественных систем поступление дополнительной и новой информации как разности энтропий системы до и после ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий. При этом количество информации - вероятность того, что множество инициализированных информационных объектов отображает по заданным параметрам текущее состояние ОУ и целесообразно для формирования управляющих воздействий. Новые знания составляют скрытые закономерности на множестве информационных объектов в трех кругах Эйлера. .

Математическая модель оценки оптимального момента времени для принятия управленческих решений с минимизацией непроизводительных затрат отражает взаимодействие ОУ и управляющей структуры в формализованном пространстве АСПР и определяет выбор способа формирования управляющих воздействий в зависимости от степени критичности текущих ситуаций по трем кругам Эйлера.

Методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР позволяет создать операционную интеллектуальную среду для ЛПР, которая включает информационное пространство из множества информационных объектов и аппаратно-программное обеспечение для эффективного взаимодействия в ППР естественного и искусственного интеллекта.

Максимальная эффективность практического применения методологии информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату степени критичности возникающих ситуаций в ОУ.

Научная новизна теоретических исследований в диссертационной работе подтверждена патентами России 1314305, 1367741.

Основные научные выводы и результаты: 1. Разработан информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР в организационном управлении производственными процессами по критериям эффективности развития естественных систем. Показано, что в эволюционном развитии естественных и искусственных систем по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат изоморфизм достигается на базе чисел Фибоначчи и золотого сечения.

Разработанный информационный принцип реализует фибоначчиевое представление о формировании управляющих воздействий с переменной структурой АСПР, включающей необходимое и достаточное число алгоритмических обратных связей (программное и адаптивное управление, контур обучения). Формирование управляющих воздействий в среде АСПР с применением чисел Фибоначчи и золотого сечения уменьшает время поиска эффективных решений при ограниченных временных ресурсах.

2. Сформулирован принцип информационной причинности как особой формы обратной связи в АСПР, когда запросы и решения системы моделируются на информационном уровне, а результаты их выполнения отображаются в ХД, определяя тем самым упреждающую реакцию АСПР на скрытые закономерности в данных.

Принцип информационной причинности базируется на алгоритмических принципах управления по отклонению и с переменной структурой АСПР с интеллектуальным модулем в цепи обратной связи в виде системы подстраиваемых моделей. В совокупности с информационной причинностью они реаI лизуют информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР.

3. Разработана технологическая модель формализованного представления информационно-функционального пространства ЛПР, обозначенного тремя кругами Эйлера, на основе дискретно-непрерывных Р-преобразований для построения программного и адаптивного контура управления и контура обучения.

Множество бинарных отношений между информационными объектами отображается на множество ППР, адекватных возникающим ситуациям. i

Комбинаторные задачи значительной размерности сводятся к выбору нескольких вариантов в области допустимых решений. Подобный подход позволяет заранее рассчитать оптимальные режимы функционирования АСПР и учесть их в программном обеспечении при максимальном быстродействии в формировании управляющих воздействий.

Зависимость объема получаемой информации в ППР от быстродействия ее обработки при минимизации непроизводительных затрат выражается классическим рядом Фибоначчи. В нем объемы получаемой информации пропорциональны численным значениям элементов, быстродействие ее обработки адекватно порядковым номерам элементов, а минимизация непроизводительных затрат обозначена наличием первых двух элементов, равных единице.

Модель оценки эффективности информационного обеспечения ППР на основе классического ряда Фибоначчи представляет концепцию эволюционного развития интеллектуальных информационных технологий в организационном управлении производственными процессами.

4. Разработана концепция автоматизации процессов координирующих воздействий в АСПР на основе логико-семантического базиса интегрированных АРМ специалистов и функции полезности, представляющей собой вектор индивидуальных предпочтений, с учетом принципа группового согласования и иерархически организованного дерева решений.

Автоматизация процессов координирующих воздействий на базе интегрированных АРМ позволяет повысить эффективность информационного обеспечения ППР и уровень интеллектуальности АСПР.

5. Создана структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем, представляющая начальную, дополнительную и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру обучения и количества информации, обеспечивающее получение новых знаний о поведении ОУ.

По критериям эффективности развития высокоорганизованных естественных систем реализуется поступление дополнительной и новой информации как разности энтропий системы до и после ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий.

6. Получена математическая модель' информационного обеспечения ППР в организационном управлении производственными процессами на основе дифференциальных уравнений Бесселя и Колмогорова, дискретно-непрерывных Р-преобразований и с учетом энтропии системы.

Данная модель определяет методы обработки информации в ППР, оптимальное время формирования управляющих воздействий, способы формирования управляющих воздействий. Она отражает концепцию функционирования интеллектуальных информационных технологий в организационном управлении производственными процессами.

7. Создана методология информационного обеспечения процедур принятия решений в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР, включающая концептуальную модель преобразования управленческой информации, формализованное представление информационно-функционального пространства ЛПР, математическую модель оценки оптимального момента времени для формирования управляющих воздействий с минимизацией непроизводительных затрат.

Методология информационного обеспечения ППР на базе интеллектуальных информационных технологий в фо|эме АСПР позволяет: создать операционную интеллектуальную среду для ЛПР; повысить роль искусственного интеллекта во взаимодействии с естественным интеллектом в ППР за счет повышения уровня формализации интеллектуальной деятельности ЛПР; увеличить уровень интеллектуальности АСПР в организационном управлении производственными процессами.

8. Сформулировано необходимое условие максимальной эффективности практического применения методологии информационного обеспечения ПГ1Р в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме ЛСПР.

Максимальная эффективность практического применения методологии информационного обеспечения ППР на базе интеллектуальных информационных технологий в форме ЛСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату I степени критичности возникающих ситуаций в ОУ.

На основе результатов исследования разрабатываются АСПР, которые моделируют интеллектуальную деятельность специалистов в разных предметных областях.

В 1986 году для сельского хозяйства России сдана в промышленную эксплуатацию интеллектуальная система по управлению материальным потоком запасных частей к машинам с базой данных, включающей около 150 тысяч наименований товаров с более чем трех тысячи заводов-поставщиков. Повышение уровня интеллектуальности АСПР достигнуто построением проI граммной обратной связи. Она обеспечила подключение процедур анализа, корректировки автоматически выработанных решений, обучение системы на базе предыдущих этапов принятия решений и обработку новых ситуаций.

В начале 90-х годов прошлого века разработаны АРМы диспетчера подвижного состава и старшего оператора для управления железнодорожным транспортом нефтеперерабатывающего завода «Уфанефтехим», доставляющим продукцию за тысячи километров. Отсутствие противоречий между формализованными знаниями и представлениями экспертов в области интеллектуальной деятельности, способность системы к обучению и развитию I обеспечило ее устойчивое функционирование, несмотря на изменения в организационной структуре управления и динамику развития информационных технологий.

В 2000 году создан программный комплекс системы мониторинга охраны труда на региональном уровне с взаимосвязанными подсистемами АРМов государственного инспектора, специалиста по охране труда и экспертизы условий труда па рабочем месте. База знаний автоматизированных подсистем основана на использовании продукционных правил, прописанных в нормативных и регламентирующих документах по охране труда.

В 2002 году сдана в промышленную эксплуатацию WEB -технология для взаимодействия производственных информационных систем с дистанционными бизнес-процессами. Интерактивные сетевые приложения, которые разработаны на основе современных программных средств, функционально совместимы с любой операционной средой, обеспечивают развитие WEB - технологии для взаимодействия производственных информационных систем с разными типами баз данных и базовыми платформами.

Полученные научные результаты используются в научно-исследовательских работах ОАО «Конструкторское бюро - 1» «Железка», «Обводка». Обеспечивается взаимодействие естественного и искусственного интеллекта в организационном управлении интеллектуальной собственностью РФ. Управляющие воздействия формируются в автоматическом режиме на основе формализованных знаний и опыта ЛПР и в интерактивном режиме при интеллектуальной и информационной поддержке ЛПР аппаратно1 программной системой.

Многолетний опыт практического применения интеллектуальных информационных технологий в форме АСПР показывает следующее. Максимальное количество автоматически выполняемых ППР от их общего числа достигает 70,0 и более процентов. Среднеквадратическое отклонение текущих от заданных значений параметров производственных процессов уменьшается в два - три раза, а время формирования управляющих воздействий становится на порядок ниже по сравнению с существующими информационными технологиями.

Выводы по четвертой главе

Фибоначчиевое представление формирования управляющих воздействий реализует информационный принцип эволюционного развития интеллектуальных информационных технологий в кругах Эйлера и зависимость между объемом получаемой информации и быстродействием ее обработки при минимизации непроизводительных затрат в соответствии с классическим рядом Фибоначчи. Реализуя выработку управляющих воздействий по критериям эффективности, фибоначчиевое представление формирования управляющих воздействий обеспечивает вычислительную основу интеллектуальности новых информационных технологий в организационном управлении производственными процессами.

Привлечение дополнительных ресурсов с верхнего иерархического уровня в организационном управлении производственными процессами и наличие непроизводительных затрат приводят к запаздыванию в формировании управляющих воздействий для различных типов производственных ситуаций (нормальных, конфликтных, критических, аварийных). Максимальное быстродействие в формировании управляющих воздействий достигается по убывающей экспоненте в нормальных производственных ситуациях с классификационным номером, равным нулю, а запаздывания происходят на величину равенства классификационных номеров ситуаций и времени обновления информации.

Математическая модель процесса принятия решений моделирует информационное обеспечение ППР в разных производственных ситуациях и позволяет определить по критериям эффективности оптимальные режимы формирования управляющих воздействий. Эта модель находит практическую реализацию в технологии взаимодействия производственных информационных систем с использованием глобальной вычислительной сети.

Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем представляет начальную, дополнительную и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру (Обучения и количество информации, обеспечивающее получение новых знаний о поведении ОУ.

По критериям эффективности развития высокоорганизованных естественных систем реализуется поступление дополнительной и новой информации как разности энтропий системы до и Ьосле ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий.

Формализованное представление информационно - функционального пространства АСПР позволяет выделить уровни декомпозиции функциональной системной модели, сформировать множество ППР, определить контуры программного и адаптивного управления и контур обучения в оптимальном соотношении их функционирования.

Методология информационного обеспечения ППР позволяет создать операционную интеллектуальную среду дЛя ЛПР, эффективно взаимодействовать с АСПР и формирует логико-семантический базис для автоматизированного управления производственными процессами.

Максимальная эффективность практического применения методологии информационного обеспечения ППР на базе интеллектуальных информационных технологий в форме АСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату степени критичности возникающих ситуаций в ОУ.

1. Автоматизированная система принятия решений: Информ. Листок №131-87/Р.Р.Мавлютов, И.Ю.Юсупов, М.Я.Парфенова и др. ; Башкир, меж-отр. Центр н.-т. инф.и проп. Уфа, 1987. 7с.

2. Автоматизированное проектирование информационно-управляющих систем. Системное моделирование предметной области: Учебное пособие/ Г.Г.Куликов, А.Н.Набатов, А,В.Речкалов; УГАТУ.- Уфа, 1998.- 104с.

3. Автоматизированное проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования/ Г.Г.Куликов, А.Н.Набатов, А.В.Речкалов и др. ; УГАТУ .-У фа, 1999.-223с.

4. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова.-М.:Наука, 1986.-312с.

5. Аврамчук Е.Ф., Вавилов А.А., Емельянов С.В. и др. Технология системного моделирования.-М.: Машиностроение; Берлин:Техник, 1988.-519с.

6. Амосов Н.М., Касаткин A.M., Касаткина A.M. и др. Автоматы и разумное поведение.-Киев: Наукова думка, 1973.-375с.

7. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования,- М.: Наука, 1988.-384с.

8. Бородюк В.П., Лецкий Э.К. Статистическое описание промышленных объектов.-М.:Энергия, 1971.-111с.

9. Вагин В.Н., Емельянов В.В., Еремееев А.П.", Рыбина Г.В., Попов Э.В., Тельнов Ю.Ф., Фоминых И.Б. Использование методов и средств искусственного интеллекта в учебном процессе //Новости искусственного интеллекта.-2001.-№1.-С.32-38.

10. Вагин В.Н., Загорянская А.А. Организация абдуктивного вывода средствами теории аргументации // Труды Международного конгресса «Искусственный интеллект в XXI веке». -М.: Физматлит, 2001.-С. 13-20.

11. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики: Учеб. пособие.- Уфа: УГАТУ, 1995.-80с.

12. Виноградов И.М. Основы теории чисел.-М.: Наука, 1981 .-176с.

13. Воробьев Н.Н. Числа Фибоначчи.-М.: Наука, 1978.-144с.

14. Вощинин А.П., Сотиров Г.Г. Оптимизация в условиях неопределенности.- М.: Изд-во МЖ: София: Техника, 1989.-224с.

15. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения.-М.: Наука, 1987.-285с.I

16. Гладков J1.A., Курейчик В.М. Основные положения теории генетического поиска и ее прикладные аспекты: Учебное пособие.- Таганрог: ТГРУ, 2001.-68с.

17. Глушков В.Н. Основы безбумажной информатики.-М.: Наука, 1987.-552с.

18. Емельянов С.В., Ларичев О.И. Многокритериальные методы принятия решений.- М.: Знание, 1985.-32с. (Новое в жизнь, науке, технике. Сер. «Математика, кибернетика»; №10).

19. Ежов И.И., Скороход А.В., Ядренко М.И. Элементы комбинаторики,- М.: Наука, 1977.-80с.

20. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня: Сб. статей/ Пер. с англ. -М.: Знание, 1994.-С.5-49.

21. Ильясов Б.Г., Исмагилова J1.A., Валеева Р.Г. и др. Методологические аспекты управления динамическими' производственными системами вIконкурентных условиях рынка // 60-летию УАИ посвящается: Сб. трудов УАИ. Ч.2.-Уфа, 1992.-С. 107-115.

22. Искусственный интеллект: Кн. 1.Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова.-М.: Радио и связь, 1990.

23. Искусственный интеллект: Кн.2.Модели и методы: Справочник /Под ред. Д.А.Поспелова.-М.: Радио и связь, 1990.

24. Корнеев В.В.,Гареев А.Ф., Васютин С.В., Райк В.В. Базы данных. Интеллектуальная обработка ипформации.-М.: «Нолидж», 2000.-352с.

25. Корн Г., Корн Т. Справочник по математике.для научных работников и инженеров.- М.: Наука, 1977.-832с.

26. Кузнецов О.П., Марковский А.В. Шипилина Л.Б. Методы распределенной обработки образной информации / Труды Междунар. конгресса «Искусственный интеллект в XXI веке».- М.: Физматлит, 2001.-Т.1.-С.120-133.

27. КурейчикВ.М., Лебедев Б.К., Нужнов Е.В. Применение экспертных систем в инженерной практике: Учеб. пособие.- Таганрог: ТГРУ, 1996,-135с.

28. Курейчик В.М. Генетические алгоритмы. Состояние. Проблемы, Перспективы // Известия Академии наук. Теория и системы управления. М.: наука, МАИК «Наука/ Интерпериодика», №1, 1999.-С.144-160.I

29. Ладенко И.С. Интеллектуальные системы в целевом управлении.-Новосибирск: Наука. Сиб. отд., 1987.-195с.

30. Ларичев О.И. Объективные модели и субъективные решения.-М.: Мир, 1987.

31. Ларичев О.И., Машкович Е.М. Качественные методы принятия решений.-М.: Физматлит, 1996.

32. Ларичев О.И. Новое направление в теории принятия решений: вербальный анализ решений // Новости искусственного интеллекта.- 2001.-№1.-С.26-31.

33. Левин В.И. Структурно-логические методы исследования сложных систем с применением ЭВМ.-М.: Наука, 1987.-304с.

34. Макаров И.М., Виноградская Т.М., Рубчинский А.А., Соколов В.В. Теория выбора и принятия решений: Учебное пособие для вузов по спец. «Прикл матем.» , «Эконом. Кибер.»-М.: Наука, 1982.-327с.

35. Мамиконов А.Г. Принятие решений и информация.-М.: Наука, 1983.-183с.

36. Мамиконов А.Г., Кульба В.В. Синтез оптимальных модульных систем обработки данных.-М.: Наука, 1986.-276с.

37. Мамиконов А.Г. Проектирование АСУ: Учебное пособие для вузов по спец. «Автоматизир. Системы упр-я».-М.: Высш. шк., 1987.- 302 с.

38. Мамиконов А.Г., Кульба В.В., Косяченко С.А. Типизация разработки модульных систем обработки данных.-М.: Наука, 1989.-163с.

39. Месарович М., Я.Токахара. Общая теория систем: Математические основы.- М.: Мир, 1978.-312с.

40. Митропольский А.К. Техника статистических исследований.-М.: Наука, 1971.-576с.

41. Моисеев Н.Н. Математические задачи системного анализа: Учебное пособие для вузов по спец. «Прикл. математика» .-М.: Наука, 1981.-487с.

42. Осипов Г.С. Искусственный интеллект: состояние исследований и несколько слов о будущем // Новости искусственного интеллекта.- 2001.-№1.-C.3-13.

43. Парфенова М.Я., Старцев М.А., Гдинкин В,И! и др. Анализ и синтез автоматизированной системы принятия решений с использованием Рпреобразований // Управление в сложных системах: Межвуз. науч. сб.-Уфа, 1996.-С.24-27.

44. Парфенов И.И., Парфенова М.Я., Глинкии В.И. Интеллектуальные системы управления на числах Фибоначчи.-Уфа: Гилем, 1997.-293 с.

45. Парфенова М.Я., Старцев М.А., Глинкин В.И. и др. Формирование управляющих воздействий АСПР в поле комплексных чисел // Тез. Докл. V Всероссийской н.-т. конф. «Повышение эффективности методов и средств обработки информации».-Тамбов, 1997.-С.237-240.

46. Парфенова М.Я., Старцев М.А., Глинкин В.И. и др. Искусственный интеллект в управлении организационными системами // Вопросы управления и проектирования в информационных и кибернетических системах: Межвуз. науч. сб. -Уфа, 1997.- С.30-40.

47. Парфенова М.Я., Колесников А.А., Ханнанова Р.В. Построение HTML-интерфейса для продукционной системы охраны труда на предприятии //Упр. в слож. сист.: Межвуз. научн. сб. УГАТУ.-Уфа, 2001.-С.233-236.

48. Парфенова М.Я., Старцев М.А. Информационное обеспечение процедур принятия решений по управлению процессом капитального строительства // Управл. в сложных системах: Межвуз.науч. сб. -Уфа, 1999.-С.225-230.

49. Парфенова М.Я., Старцев М.А., Ханнанова Р.В. Некоторые аспекты построения хранилища данных // Тез. Докл. II Всероссийской н.-т. конф. «Компьютерные технологии в науке, п^оектиров. и пр-ве».-Н.Новгород, 2000.-С.14.

50. Парфенова М.Я. Вопросы создания интегрированной информационной системы дистанционных бизнес-процессов //Информационные технологии.- 2002.-№9.-С.29-32.

51. Патент 1314305 (Россия). Устройство для управления производственным процессом ремонта машин / Уфимск. авиац. ин.-т им.С.Орджоникидзе; авт. изобрет. И.Ю.Юсупов, И.И.Парфенов, М.Я.Парфенова и др.

52. Патент 1367741 (Россия). Устройство для моделирования производства и потребления / Уфимск. авиац. ин.-т им.С.Орджоникидзе; авт. изобрет. И.Ю.Юсупов, И.И.Парфенов, М.Я.Парфенова.

53. Помехоустойчивые коды (компьютер Фибоначчи). -М.: Знание, 1989.-64с. (Новое в жизнь, науке, технике. Сер. «Радиотехника и связь»; №9).

54. Попов Э.В. Общение с ЭВМ на естественном языке.-М.: Наука, 1982.-380с.

55. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ.-М.: Наука, 1987.-283с.

56. Попов Э.В. Корпоративные системы управления знаниями // Новости искусственного интеллекта.- 2001.-№1.-С.14-25.

57. Поспелов Г.С. Системный анализ и искусственный интеллект.-М.: Изд.-во АН СССР, 1980.-47с.

58. Поспелов Г.С. Искусственный интеллект-основа новой информационной технологии.-М.: Наука, 1988.-278с.

59. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект-прикладные системы.- М.: Знание, 1985.-48с.

60. Поспелов Д.А. Ситуационное управление: теория и практика.-М.: Наука, 1986.-288с.

61. Прангишвили И.В., Виленкин С.Я., Медведев И.Л. Параллельные вычислительные системы с общим управлением.- М.: Энергоатомиздат,1983.-311с.

62. Прангишвили И.В. Микропроцессоры и локальные сети микро-ЭВМ в распределенных системах управления.-М.: Энергоатомиздат, 1985.-272с.I

63. Прангишвили И.В. Системный подход и общесистемные закономерности. М.: СИНТЕГ, 2000.-528 с.

64. Рутковский В.Ю. Ильясов Б.Г., Кабальнов Ю.С. и др. Адаптивные системы управления газотурбинными двигателями летательных аппаратов.-М.: МЭИ, 1994.-224с.

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

66. Самарский А.А., Михайлов А.П. Компьютеры и жизнь: (Математическое моделирование).-М.: Педагогика, 1987.-127с.

67. Статические и динамические экспертные системы: Учебное пособие/ Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель и др.- М.: Финансы и статистика, 1996.-320с.

68. Системный анализ и проблемы развития городов / Под ред. С.В.Емельянова.-М.: Наука, 1983.-512с.I

69. Советов Б.Я. Информационная технология.- М.: Высшая школа, 1994.-200с.

70. Стахов А.П. Коды золотой пропорции.- М.: Радио и связь, 1984.-152с.

71. Уинстон П. Искусственный интеллект / Пер. с англ.-М.: Мир, 1980.-520с.

72. Харин Н.П. Повышение интеллектуальности распознающих систем на основе компьютерной генерации признаков // Труды Международного конгресса «Искусственный интеллект в XXI веке».-М.: Физматлит, 2001.-Т.1.-С.186-192.

73. Хинчип А.Я. Цепные дроби.- М.: Наука, 1978.- 112с.

74. Юдин Д.Б. Вычислительные методы теории принятия решений.-М.: наука, 1989.-320с.

75. Юсупов И.Ю. Автоматизированные системы принятия решений.-М.: Наука, 1983.-87с.

76. Юсупов И.Ю., Парфенов И.И., Парфенова М.Я. Алгоритм распределения запасных частей по мере их поступления // Тез. докл. респ. н.-т. конф. «Автоматизированное управл. сложными системами».- Уфа: УАИ, 1985.-С.З.I

77. Юсупов И.Ю. Парфенов И.И., Горшечников А.В. Автоматизированное управление ситуациями в агропромышленном комплексе.- Уфа: Башк.кн. изд-во, 1988.- 208с.

78. Юсупов И.Ю., Парфенов И.И., Парфенова М.Я. Автоматизированные системы принятия решений в организационном управлении большим городом // Тез.докл. Всесоюзн. Конф. «Управление большим городом». -М.: Научно-произв. объед. АСУ «Москва», 1988.

79. Юсупов И.Ю., Парфенов И.И., Парфенова М.Я. Иерархические автоматизированные системы принятия решений // Вопросы регулирования и управл. в сложных системах: Межвуз. науч. сб. Уфа: УАИ,1990.-С.10-12.

80. Яковенко Е.Г., Модин А.А., Погребной Е.П. Справочник разработчика АСУ.-М.: Экономика, 1978.-400с.

81. Aamodt, А& Plaza, E.(1994).Case-Based Reasoning // Foundational

82. Jssues, Methodological Variations, and System Approaches. All Communications, 7(i).- P.39-59.

83. A computer operator's expert system. Karnaugh M., Ennis R., Griesmer J.,Mong S., Klein D., Milliken K., Schor M., Van Woercom H. Proc 7 th Jnt.Conf. Comput Commun.: New Worid Jnf. Soc. Sydney, C)ct.30-Nov.2.1984.

84. Boehm B.W. A Spiral Model of Sdftware Development and Enchancement // Computer, May 1988.-P.31-35.

85. Davis A.M., Bersoff E.H., Comer E.R.Strategy for Comparing Alternative Software Development Life Cycle Models // IEEE Transactions on Software Engineering, V.14, No. 10, October 1988.-P.34-40.

86. Design /IDEF. Version 3.0 User's manual. Meta Software Corp. 1994.-P.600.

87. Design /IDEF. Version 3.0. Interface languages manual. Meta Software Corp. 1994.-P.200.

88. Downs E., Clare P., Сое I. Structure Systems Analysis and Design Method // Application and Context, 2 nd Ed. London: McGraw Hill, 1992.-P.407.

89. Eva M. SSADM Version 4: User's Guide. London: McGraw Hill, 1992.-P.407.

90. Generic tasks in knowledge -based reasoning: high level building blocks for expert system design. Chandrasekaran B. "IEEE Expert". 1986.1.№3. P.23-30.

91. Golberg David E., Genetic Algorithms in Search, Optimisation and Machine Learning. Addison-Wesley Publishing Company, Inc. 1989.

92. Hall C. The devil's in the details: tdchniques, tools, and applications for database mining and Knowledge discovery // Intelligent Software Strategies.-P.I.V.XI.-№9-1995. September.

93. Hall C. The devil's in the details: techniques, tools, and applications for database mining and Knowledge discovery // Intelligent Software Strategies.-P.II.V.XI.-№9-1995. October.

94. Honcssy D. and Hinkle D. Applying Cased-Based Reasoning to Autoclave Loading // IEEE Computer Society, Los Alamitos, California, October 1992.-P.132-141.

95. Intelligence artificielle et traduction automatique au menn. Brunner B."Bur. et syst." 1987. 9 №2. -P.30-32.

96. Inmonn W.H. Building the Data Warehouse.- NY: John Wiley&Sons, Inc.,1992.-298p.

97. Kopplang von Datenbank-und Expert-system. Reuter A. "Information-stechnik it'M 987.29. №3.-P.164-175. ,

98. Larichev O.I. Cognitive Validity in Design of Decision-Aiding Techniques //Journal of multicriteria decision analysis. №3 (1).1992.-P.127-138.

99. Larichev O.I., Olson D.L., Moshkovich H.M., Mechitov A.I. Numerical vs. Cardinal Measurements in Multiatribute Decision Making: How Exact is Exact Enough // Organizational behavior and human decision processes. №64 (1),1995.-P.9-21.

100. Mc Clur C. The CASE Experience // BYTE, 1989, April.-P.56-60.

101. Parfenova M.J. Information Business in Organizational Control // Proceedings of the 2 nd International Workshop, on Computer Science and Information Technologies (CSIT' 2000), volume 2: USATU, Ufa State Aviation Technical University, 2000.- P.189-190.

102. SSADM Manual. Version 4. -Blaqkwell: National Computing Center, 1990.-P.140.

103. User Guide Icreator v.3.0. Stirling Technologies Co.1995.-P.250.

104. User Guide HTMLEd 32. Internet Software Technologies. 1994,1995.-P.250.

105. Vcrlag C.E., K.Kurbel, H.Strunz. Handbush wirtschafts informatik. Poe-shel. 1990.-P.978.

106. Yourdon E. Modern Structured Analysis.- New.York.:Yourdan Press / Prentice Mill. 1989.-P.254.