автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Контекстно-ориентированное управление знаниями для персонифицированной поддержки взаимодействия участников производственных сетей

На правах рукописи

РГб ОД

КАШЕВНИК 7РАЯГ7ППЙ

Алексей Михайлович ^ ¿ииа

КОНТЕКСТНО-ОРИЕНТИРОВАННОЕ УПРАВЛЕНИЕ ЗНАНИЯМИ ДЛЯ ПЕРСОНИФИЦИРОВАННОЙ ПОДДЕРЖКИ ВЗАИМОДЕЙСТВИЯ УЧАСТНИКОВ ПРОИЗВОДСТВЕННЫХ СЕТЕЙ

Специальность 05 13 01 - Системный анализ, управление и обработка информации (технические системы)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

003445528

Санкт-Петербург 2008

003445528

Работа выполнена в Учреждении Российской академии наук Санкт-Петербургском институте информатики и автоматизации РАН

Научный руководитель доктор технических наук, профессор

Смирнов Александр Викторович

Официальные оппоненты доктор технических наук, профессор

кандидат технических наук, доцент

Яблочников Евгений Иванович

Тимофеев Адиль Васильевич

Ведущая организация Центральный научно-исследовательский

институт робототехники и технической кибернетики (ЦНИИ РТК)

Защита состоится "16" сентября 2008г в 14 00 часов на заседании диссертационного совета Д002 199 01 при Санкт-Петербургском институте информатики и автоматизации РАН по адресу 199178, Санкт-Петербург, ВО , 14 линия, 39

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского института информатики и автоматизации РАН

Автореферат разослан "29" июля 2008г Ученый секретарь

диссертационного совета Д 002 199 01

Ронжин Андрей Леонидович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. Растущая конкуренция между компаниями и ужесточение требований потребителей является причиной глобальных изменений в мировой экономике Среди результатов таких изменений можно выделить растущий уровень сотрудничества между компаниями-производителями Данный рост может быть объяснен тем, что организации, построенные по сетевому принципу и состоящие из большого количества участников, обычно более гибкие и устойчивые, чем иерархически организованные крупномасштабные компании

Производственная сеть - это совокупность объединенных на принципах кооперации в рамках единого информационного пространства технологических ресурсов юридически независимых предприятий, способных на основании их координации и оперативного распределения производить конечный продукт или услугу

Однако сетевой принцип организации предприятий требует оперативной координации большого количества независимых участников большой сети, для чего необходимо использование систем управления знаниями с целью формирования общего информационного взаимодействия Для представления знаний в последнее время широко применяются онтологии Онтология - это подробная спецификация модели предметной области, она включает в себя словарь (т е список логических констант и предикатных символов) для описания предметной области и набор логических высказываний, формулирующих существующие в данной проблемной области ограничения и определяющих интерпретацию словаря

Для повышения эффективности и оперативности взаимодействия участников производственной сети система управления знаниями должна быть персонифицированной С этой целью каждый зарегистрированный в системе участник должен быть описан набором характеристик, определяющих информацию, необходимую для взаимодействия с ним другим участникам

В системах управления знаниями предлагается применение контекста для использования актуальных на текущий момент знаний Контекстом называется информация, которая может быть использована, чтобы охарактеризовать ситуацию, в которой находится некоторый объект Применительно к системе управления знаниями в роли объекта выступает участник производственной сети

Все вышеперечисленное обуславливает актуальность контекстно-ориентированных систем управления знаниями в производственных сетях и требует проведения исследований для построения таких систем

Цель работы и задачи исследования. Основной целью диссертационной работы является разработка онтологического подхода и

моделей контекстно-ориентированной системы управления знаниями в производственной сети для персонифицированной поддержки взаимодействия ее участников с целью повышения оперативности принятия решений данными участниками при ее функционировании

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи

• Анализ существующих систем управления знаниями, систем профилирования, современных технологий, используемых в системах управления знаниями в производственных сетях, а также использования контекстного подхода к управлению знаниями

• Разработка онтологического подхода к контекстно-ориентированному управлению знаниями в производственных сетях

• Разработка метода и моделей, обеспечивающих персонифицированную поддержку взаимодействия участников производственной сети и пользователей системы управления знаниями

• Реализация разработанных моделей и метода с целью их апробации

Методы исследования. В работе используются методы искусственного интеллекта, теория графов, теория множеств, представление знаний, основанное на онтологиях, фреймовых моделях и сетях ограничений

Основные положения, выносимые на защиту:

1 Онтологический подход к контекстно-ориентированному управлению знаниями в производственных сетях, основанный на знаниях о проблемной области и позволяющий осуществлять персонифицированную поддержку взаимодеиствия участников производственной сети

2 Онтологическая модель производственной сети, позволяющая определить основные понятия в производственной сети и связи между ними

3 Информационная модель профиля участника производственной сети, позволяющая персонифицировать взаимодействие участников производственной сети

4 Информационная модель профиля пользователя, позволяющая персонифицировать взаимодействие системы управления знаниями с пользователями

5 Метод онтолого-ориентированной кластеризации, позволяющий выявлять предпочтения и группировать пользователей и участников производственной сети на основе истории их работы с системой управления знаниями

Научная новизна. В диссертации разработан комплекс моделей для персонифицированной поддержки взаимодействия участников производственной сети на основе контекстно-ориентированной системы управления знаниями

1 Предложен онтологический подход к контекстно-ориентированному управлению знаниями, отличающийся применением контекста для использования актуальных на текущий момент знаний и технологий профилирования пользователей и участников производственной сети и позволяющий повысить оперативность принятия решений участниками производственной сети при ее функционировании

2 Разработана онтологическая модель производственной сети, содержащая знания о предметной области, позволяющая различным составляющим системы управления знаниями использовать их для поддержки взаимодействия участников производственной сети

3 Разработана информационная модель профиля участника производственной сети, позволяющая формально описать его многоаспектную деятельность и предоставить эту информацию другим участникам производственной сети, отличающаяся возможностью автоматизированного выявления предпочтений участников производственной сети

4 Разработана информационная модель профиля пользователя системы управления знаниями, позволяющая накапливать и анализировать всю доступную информацию о пользователе, отличающаяся возможностью выявлять и использовать предпочтения пользователя и группировать пользователей на основе истории их работы с системой

5 Разработан метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников производственной сети на основе истории их работы в системе, предоставляющий возможность уточнения предпочтений пользователей и участников производственной в процессе функционирования системы управления знаниями

Обоснованность и достоверность научных положений обеспечены анализом состояния исследований в данной области на сегодняшний день, подтверждаются корректностью предложенных моделей, алгоритмов и согласованностью результатов, полученных при практической реализации этих моделей и алгоритмов, а также апробацией основных теоретических положений в печатных трудах и докладах на российских и международных научных конференциях

Практическая ценность работы. Модели, разработанные в данной диссертационной работе, направлены на повышение эффективности функционирования производственной сети за счет использования контекстно-ориентированной системы управления знаниями, организующей персонифицированную поддержку взаимодействия участников производственной сети

Разработанный метод онтолого-ориентированной кластеризации позволяет выявлять предпочтения пользователей системы управления

знаниями и участников производственной сети на основе анализа их профилей Выявленные предпочтения позволяют персонифицировать работу системы управления знаниями путем предложения пользователям или участникам производственной сети именно той информации, которая коррелирует с их предпочтениями или предпочтениями других пользователей из его группы

Разработанные прототипы программного обеспечения могут быть адаптированы для работы в других предметных областях, что потребует использования соответствующей онтологической модели

Реализация результатов работы. Исследования, отраженные в диссертации, были поддержаны грантами РФФИ (№ 02-01-00284, 2006-2008 гг, №06-07-89242, 2006-2008 гг, №05-01-00151, 2005-2007 гг), грантом ОИТВС РАН (№ 1 9, 2003-2005 гг), программой Президиума РАН (№2 35, 2003-2008 гг ), Европейским проектом ILIPT (№ 507592, 2004-2008) Часть результатов была использована при работе по проекту МНТЦ №1993Р, 20002003 гг Разработанные программные прототипы предложенных моделей использовались при выполнении контракта Web-DESO, 2002-2003 гг, проекта «Интеллектуальный доступ к каталогам и документам», 2003-2004 гг, проекта «New Order Code», 2005-2008 гг, проекта CRDF, 2005-2006 гг

Апробация результатов работы. Основные положения и результаты диссертационной работы представлялись на международной конференции «Региональная информатшса-2004», международной научно-практической конференции «Логистика современные тенденции развития», 2006, международной конференции «Региональная информатика - 2006», международной конференция информационных систем на предприятиях (ICEIS 2007), международной конференции по электро/информационным технологиям (ШЕЕ), 2006, совместной конференции международном симпозиуме по «Mass Customization 2006» (IMCM'06) и международной конференции по экономическим, техническим и организационным аспектам систем конфигурирования продуктов (РЕТО'Об), международной конференции по жизненному циклу продукции (PLM 2007)

Публикации Основные результаты по материалам диссертационной работы опубликованы в 8 печатных работах, среди них 1 работа из перечня ВАК

Структура и объем работы. Диссертация объемом 132 машинописных страниц содержит введение, четыре главы и заключение, список литературы (111 наименований), 9 таблиц, 51 рисунок

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованы важность и актуальность темы диссертации, сформулированы цели диссертационной работы и решаемые задачи,

определена научная новизна и указана практическая ценность работы, кратко изложены основные результаты и приведено содержание работы по главам

В первой главе диссертации проведен анализ производственных сетей и их особенностей, использования контекста для управления знаниями, а также представлен краткий обзор существующих систем управления знаниями и систем профилирования

Анализ научных работ, посвященных системам управления знаниями, показал, что основной задачей таких систем является координирование работы большого количества независимых участников этой сети Система управления знаниями должна решать задачи извлечения, накопления, анализа, совместного и многократного использования и распространения знаний из различных разнородных источников

Проведенный анализ систем управления знаниями (20) показал актуальность работ в данном направлении и позволил выявить основные требования к системам управления знаниями в производственной сети, а именно, система управления знаниями дочжна быть основана на онтологии, быть контекстно-ориентированной, иметь возможность обмена знаниями с внешними источниками, иметь распределенную архитектуру, включать в себя компоненты профилирования пользователей и участников производственной сети

Профиль участника производственной сети должен описывать характеристики участника, его производственные возможности, предпочтения и историю его работы с системой Сотрудник одного из участников производственной сети является пользователем системы управления знаниями Профиль пользователя должен описывать характеристики этого сотрудника, его предпочтения, и историю работы с системой управления знаниями При этом информация из профиля пользователя должна соответствовать информации из профиля соответствующего участника производственной сети Роль пользователя в системе управления знаниями должна быть частью роли компании, сотрудником которой он является Предпочтения каждого пользователя (сотрудника участника производственной сети) должны соответствовать предпочтениям из профиля этого участника, так как каждый сотрудник компании-участника должен следовать корпоративным принципам своей компании

Во второй главе предложен онтологический подход к контекстно-ориентированному управлению знаниями в производственных сетях, а также онтологическая модель производственной сети на макроуровне, описанная в нотации объектно-ориентированных сетей ограничений

На основе анализа фаз функционирования производственной сети (построение сообщества, конфигурирование, функционирование, реконфигурирование производственной сети и перераспределение

сообщества) были выявлены основные элементы онтологического подхода к контекстно-ориентированному управлению знаниями в производственной сети и связи между ними К элементам относятся онтологическая модель производственной сети (О), множество профилей участников производственной сети (ОРР), множество профилей пользователей системы управления знаниями (ОРЦ), множество контекстов (К) Связи между элементами представлены в виде отображений (рис 1)

Функция отображения /; описывает построение контекста из онтологической модели предметной области Функция /2 есть отображение онтологической составляющей профиля участника производственной сети в онтологическую модель Функция/3 есть отображение профиля пользователя в профиль участника производственной сети Композиция /2% описывает наполнение контекста информацией из профиля участника производственной сети, а композиция - отображение онтологической составляющей

профиля пользователя в О я композиция /3% % - наполнение контекста

Рис 1. Диаграмма отображения основных элементов контекстно-ориентированной системы

управления знаниями

На основе диаграммы отображений была разработана схема онтологического подхода (рис 2), которая реализует следующий сценарий поддержки взаимодействия участников производственной сети

Пользователь задает запрос системе (1) На основе этого запроса, онтологической модели предметной области и текущей ситуации формируется контекст (2), представляющий собой описание запроса пользователя в терминах онтологической модели предметной области с учетом текущей ситуации Онтологическая модель в системе управления знаниями описывает основные понятия производственной сети и связи между ними

Картограмма знаний определяет связи между онтологической моделью (3) и источниками знаний (4), что позволяет использовать разрозненные источники различных компаний как одну распределенную базу знаний На основе картограммы знаний и формализованного запроса пользователя из различных источников знаний извлекаются те знания и информация (5), которые необходимы пользователю в рамках его запроса В роли источников

знаний могут выступать как базы данных и электронные документы, так и другие участники производственной сети

В случае, когда участник производственной сети выступает в роли источника знаний, он предоставляет системе сервисы для доступа к этим знаниям Информацию об этом участнике система получает из его профиля

Источники знаний

Картограмма знаний

..'/(5)

Базы данных

Знания 11 Компетенции I

ПС - производственная сеть, СУЗ система управления знаниями • Запрос м^^ Информационный поток

Рис 2 Онтологический подход к контекстно-ориентированному управлению знаниями в

производственной сети

Полученные от источников знания передаются пользователю, а профиль пользователя на данном этапе используется для ранжирования предоставляемых результатов на основе их релевантности запросу и предпочтениям пользователя, выявляемых методом онтолого-ориентированной кластеризации

На рис 3 приведены графики зависимостей времени выбора поставщиков для одного участника производственной сети от количества этих поставщиков с использованием контекстно-ориентированной системы управления знаниями (КСУЗ) и с использованием обычной системы управления знаниями (СУЗ) При построении, для наглядности, было сделано

допущение, что время взаимодействия с каждым поставщиком одинаковое и равно гср, тогда время взаимодействия участников при выборе поставщиков для участника к без использования контекста будет

Т=1срЫ

В случае использования кошекста участник к будет подбирать себе И' поставщиков за время 1й, и далее взаимодействовать только с ними Причем

где N - это количество опрашиваемых альтернативных поставщиков, на практике не более 5-6 Причем, чем точнее контекст описывает текущую ситуацию в производственной сети и за ее пределами, тем меньше будет величина N Тогда для N < N время взаимодействия участников с использованием контекста будет определяться по формуле

1'нс.З Графики зависимостей времени выбора поставщиков от их количества с использованием и без использования системы управления знаниями одним участником

Из графика видно, что эффективность от использования КСУЗ проявляется при количестве участников больших величины Так как

fcp

на практике t0 < tcp, то эффективность проявляется при количестве участников больших N

Согласно выбранной в работе нотации, онтологическая модель производственной сети описывается в формализме объектно-ориентированных сетей ограничений, объединяющем фреймовую модель представления знаний и сети ограничений Модель производственной сети имеет следующий вид

О = <С, A, D, R>,

где С = {с,, , с„} - множество классов, А = (а1, , amj - множество атрибутов, декартово произведение которых представляет собой множество переменных Р = {ph , pkj Каждая перемешая принимает значение в

соответствующей области D(l), , D(k) Описание формализма включает множество ограничений R 6-ти типов R = {г\ , гм}, определяющих, какие из значений переменных согласуются друг с другом и отношения между классами Используемый формализм описания знаний подразумевает наличие класса "Концепт", являющегося родительским классом для всех классов онтологической модели, т е любой класс онтологической модели является прямым или опосредованным потомком (отношение "быть экземпляром") класса "Концепт"

Онтологическая модель производственной сети на макроуровне представлена на рис 4 Классами верхнего уровня являются «Производственная сеть» — c¡, «Участник производственной сети» — с2, «Пользователь» - с3, «Завод» - с4, «Продукция» - с5, «Ресурс» - с г, и «Заказ» — с7 Класс «Заказ» (с7) имеет два экземпляра «Производственный заказ» — cs и «Транспортный заказ» — Сд, соответственно эти классы связаны таксономическим отношением «быть экземпляром» с7/¡cg и с7г'2с9

Класс «Продукция» (с5) имеет атрибут «производитель» (a¡) c}^l¡a¡, класс «Ресурс» (c¿) - атрибут «производственная мощность» (а2) с6г*'2а2, класс «Заказ» (с7) - атрибуты «дата/время создания» (а3), «состояние» (а4) и «себестоимость» (а5) Cy/^aj, c7r"4a4, c7/!¡a5, класс «Производственный заказ» (cs) - атрибуты «дата/время начала производства» (а6) и «дата/время окончания производства» (а7) csr"oa6, csr"7a7, и класс «Транспортный заказ» (ср) - атрибуты «пункт отправления» (as), «пункт назначения» (ад), «дата/время изготовления» (а10) и «дата/время доставки» (a¡¡) cj/V1«. с^19ад, cg^ufim c9¿! 11a 11

Класс «Пользователь» (c¡) является частью класса «Участник производственной сети» (с2), который, в свою очередь, является частью класса «Производственная сеть» (с,) c/nic2, С2^"2С] Класс «Ресурс» (с6) является частью класса «Завод» (с4), который, в свою очередь, является частью класса «Участник производственной сети» (с2) c^ll¡c4, сУп4с2, а класс «Продукция» (c¡) частью классов «Производственный заказ» (o¡) и «Транспортный заказ» (с9) с5/7/5с& с5^П6с9

Класс «Участник производственной сети» (с2) связан ассоциативным отношением с классом «Продукция» (с5) класс «Завод» (с4) с классом

«Заказ» (с7) c4¿v2с7, класс «Пользователь» (с3) с классом «Заказ» (с7) c¡ r'v3c7, класс «Ресурс» (e¿) с классом «Производственный заказ» (cs) c6r'v4cg

Атрибут «себестоимость» (а5) класса «Заказ» (с 7) связан функциональным отношением с унаследованными атрибутами «себестоимость» (а5) классов «Производственный заказ» (cs) и «Транспортный заказ» (с?) с7^5а5 = Z11 5a¡, c9?l¡a5) (себестоимость выполнения заказа равна сумме себестоимостей выполнения производственного заказа и транспортного заказа)

атрибут

отношение "быть экземпляром" отношение "часть-целое" ассоциативное отношение отношение совместимости функциональное отношение

- произволе" венная мощность!

Рис 4 Онтологическая модегь производственной сети на макроуровне

Класс «Завод» (с4) связан отношением совместимости с классом «Продукция» С4Г¥]С5, что означает, что данный завод может производить эту продукцию

Третья глава включает модели и алгоритмы, разработанные и используемые в диссертационной работе для решения прикладных задач при разработке системы управления знаниями в производственных сетях. На эис 5 представлен профиль участника производственной сети_

Информация о компании (участнике)

База запросов

Идентификатор компании 1648

Название компании Mann & Hummel Group

Дата основания 1941 год

Интернет сайт http //www шапл-hummel com

Запрос участника необходимо поставить 800 воздушных фильтров до 1 марта 2007года_

> < > *

Информация о подразделении (¿¿воде)

Идентификатор подразделения 7 Название подразделения \fann-Filter Россия Местоположение Москва Часовой пояс вШ+03 00 Языки русский, английский Уровень доступа класс «Фильтры» Группа поставщик фичьтров Роль поставщик

Контекст

Цн формация о подразделении"

Тредпочтения подразделения

-' у

Кошактная информация

Предпочтения подразделения

Телефон /Факс +7(495)742-79-76 Электронная почта info ru(çbmann-hummeï com

Явные предпочтения

Компетенции подразделения

Производственные возможности список Произвол01 венные мощности диаграмма Прайс лист табчица Длительности производственных циклов табища

Время выполнения от 3 месяцев Объём работы от 1000 штук Возможности при производстве 3 воздугиных фильтров предпочтительно производство 1 салопного фильтра

Неявные предпочтения

Обратная связь

Продукция воздушные фильтры Атрибуты продукции диаметр 296мм

Выпо1нение обязательств выполнено 667 из 735

Рис 5 Информационная модель профиля участника производственной сети

Множество профилей Р ~ {ръ ,р¡Л где I - количество зарегистрированных участников в производственной сети

Профиль участника г р, состоит из

С1= <СЮ, СИ, СО, СИГ> - категория «информация о компании», включающая атрибуты идентификатор компании, название компании, дату основания, интернет сайт,

Dl = <DID, DN, DPL, DT, DLG, DA, DG, DR, DCI, DPI, DFB> - категория «информация о подразделении», содержащая информацию о подразделении компании (участнике производственной сети) и включающая атрибуты идентификатор подразделения, название подразделения, местоположение, часовой пояс, языки, уровень доступа, группа, роль, и подкатегории DCI = <РН, ЕМ> - контактная информация (номер телефона, адрес электронной почты), DPI = <РСВ, PCP, PPL, PLT> - компетенции подразделения (производственные возможности, производственные мощности, прайс-лист, длительности производственных циклов), DFB = <FLE> - обратная связь (выполнение обязательств),

RB = <DBR, DBC, DBI, DBP> - категория «база запросов», содержащая всю историю деятельности подразделения в рамках системы и включающая атрибуты запрос участника производственной сети, контекст, информацию о подразделении и предпочтения подразделения на момент инициализации запроса,

DP — <РЕ, РТ> - категория «предпочтения участника», содержащая предпочтения участника производственной сети относительно поставляемой им продукции и включающая подкатегории РЕ = <РЕТ, PVW, РС> - явные предпочтения (время выполнения, объем работы, возможности) и РТ = <РР, РА> - неявные предпочтения (продукция, атрибуты продукции)

В задаче конфигурирования сети поставщиков учитывается следующая информация из профилей участников производственной сети производственные возможности описывают продукцию и услуги, которые может производить данный участник, производственные мощности характеризуют количество продукции, кошрое может произвести участник в заданный период времени по каждому виду продукции, прайс-лист описывает стоимость продукции данного участника, длительности производственных циклов описывают временные затраты участника на производство каждого вида продукции

Кроме тою, учитываются предпочтения участника — источника знаний время выполнения (участник может предпочитать долгосрочные либо краткосрочные проекты), объем работ (участник можем предпочитать мелкосерийное или массовое производство), возможности (для участника может быть желательно при производстве продукции А также производить и продукцию Б)

Для выявления предпочтений и группирования участников производственной сети разработан метод онтолого-ориентированной кластеризации

Для выявления предпочтений некоторого участника производственной сети выполняется кластеризация всех его запросов На основе строкового сравнения каждого из терминов запроса с элементами онтологической модели определяются степень соответствия между каждым запросом и элементом онтологической модели В результате кластеризации получаются

группы запросов с элементами онтологической модели, которые и представляют предпочтения участника

В случае группирования участников производственной сети выполняется кластеризация запросов всех участников производственной сети Степень соответствия между участниками и классами Сике:ду (атрибутами Аи^^и) онтологической модели в этом случае предложено определять на основе степени соответствия между запросами и классами СЯед^^ (атрибутами АКед^и,) онтологической модели по следующим формулам (класс С (атрибут А) онтологической модели встречается в М запросах участника Ц)

Си»е,8Ы = -• Ли ы = I—-,

1 -'"тах ' мшах

где СЯе^ ^ _ вес между классом С и запросом Req, АКед^^^ ~ вес

между атрибутом А и запросом Яед, а Мтах - максимальное число одних и тех же классов, встретившихся в запросах участника И В данном случае, для нормализации весов между пользователем и классами (атрибутами) онтологической модели, предлагается делить сумму весов между классом С (атрибутом А) и запросами, в которых встречается данный класс (атрибут) на максимальное число одних и тех же классов (атрибутов), встретившихся в запросах участника

Предложенный метод онтолого-ориентированной кластеризации описывается для случая группирования запросов одного участника производственной сети, с целью выявления его предпочтений Для случая группирования всех участников производственной сети последовательность шагов будет аналогичной Строится граф Сто

в0 = Е> = <(С, А, Кед), (СА, СС, СКщ, АЯеф>, где Ы- вершины графа, а Е - дуги Граф имеет три типа вершин С - класс, А - атрибут и Лед - запрос Веса дуг между вершинами, представляющими классы и запросы СТ(ец^с,;>,1Ь и атрибуты и запросы АЯед^^ы определяются через похожесть терминов запроса и терминов элементов онтологической модели Дуги СА и СС, соединяющие классы и атрибуты, имеют веса САке^кь ССкеф е [е, 1), которые определяются инженером по онтологии (ССИ„„;„ показывает вес между классами в онтологической модели, а С-Аке^к1 - вес между классом и атрибутом)

На основе графа во при помощи усеченного алгоритма Флойда, строится матрица, содержащая веса кратчайших путей между каждой парой запросов пользователей По полученной матрице строится взвешенный граф в котором содержатся только кратчайшие пути между каждой парой вершин Для того, чтобы разбить запросы на кластеры, достаточно разделить граф б; на подфафы (?/, х — 1, , п, где п — количество кластеров

Определим массу подграфа DistfG/J как сумму весов всех дуг подграфа G{ Оптимальная кластеризация может быть достигнута при удовлетворении следующих условий

1 п —> min, т е необходимо минимизировать число подграфов,

2 Wmax> DistfG/J, i = 1, , п, те максимальная масса каждого подграфа меньше, чем константа fFmax (определяемая администратором системы управления знаниями на основе практического использования системы)

Алгоритм кластеризации графа G/ на подграфы

1 DistfReqJ = О, г — 1, ,п На начальном этапе алгоритма каждая вершина считается подграфом Масса каждого такого подграфа DistfReqJ = DistfG/J равна нулю

2 Заполняется вектор V, таким образом, что Vfz] = ARC„eight + DistfG/] + DistfG]], те, каждый элемент Vfz] вектора V равен сумме следующих весов веса дуги между Req, и Reql (ARCwelgh,) и массы этих подграфов (DistfG/] и Dist[G/J)

3 Выбирается минимальный элемент Vfz] из вектора V

4 Если Vfz] > Wmaj, то алгоритм завершается, а текущее разбиение графа Go и есть искомая кластеризация, удовлетворяющая заданным условиям, иначе выполняется переход на шаг 5

5 Подграфы G/ и G/, соответствующие элементу Vfz] вектора V, объединяются в подграф G/, и масса нового подграфа DistfG/j будет равна Vfz] Подграфы Gi, G{ и элемент вектора Vfz] удаляются

6 Обновляются значения вектора V для дуг смежных с подграфом G/ (если подграф G/ смежен с подграфом G/, то элемент V[z], соответствующий дуге между подграфами £?/ и <?/' будет Vfz] = ARCvaghtfi, к] + DistfGi] + DistfGf])

7 Переход на шаг 3

После окончания работы алгоритма будут сформированы подграфы, которые и будут соответствовать группам запросов участника производственной сети После чего в категорию «неявные предпочтения» профиля участника производственной сети вносятся элементы онтологической модели, наиболее точно соответствующие каждой группе запросов

В четвертой главе приводятся практические результаты работы и описание реализации разработанных моделей и методов в программных средах

В разработанной при непосредственном участии автора системе "Web-DESO" реализованы программные инструменты для автоматизированного управления онтологиями Среда поддерживает приведенный во второй главе формализм объектно-ориентированных сетей ограничений для описания онтологий В Web-DESO имеются возможности для создания, редактирования, удаления и поиска элементов онтологии, объединения двух

и более онтологии или их частей в одну, импорта онтологий, а также отображения построенной или импортированной онтологии в 3-х мерном виде, что дает возможность инженеру по онтологиям увидеть онтологию наглядно

Целью Европейского проекта ILIPT, в реализации которого участвовал автор, являлась разработка принципов и технологий для построения эффективной производственной сети для автомобильной промышленности Разработка прототипа системы управления знаниями позволила производственной сети накапливать, разделять, повторно использовать и обрабатывать знания, что привело к повышению эффективности функционирования производственной сети, а также уменьшению времени производственного цикла продукции

Система управления знаниями в проекте ILIPT имеет следующие компоненты системное ядро (включая базу данных), среду управления онтологией и среду управления знаниями

Помимо основных компонент были разработаны дополнительные компоненты модуль импорта онтологии из формата OWL, модуль установления первичного контакта (система для инициирования диалога между пользователями потенциальных участников производственной сети с использованием средств электронной почты), профиль участника производственной сети (содержит информацию об участнике, его предпочтения и производственные возможности)

Система управления знаниями для автоматизированного построения кодов (New Order Code - NOC) была разработана для крупной индустриальной компании, ассортимент продукции которой более 30000 продуктов, более 700 типов с различными возможностями конфигурации Кодификация этих продуктов необходима для более эффективного предоставления потребителю информации о продукции компании Причем код изделия должен быть легко распознаваем и в то же время достаточно короток Для этих целей система New Order Code основывается на онтологическом подходе, описанном во второй главе

Онтология в системе NOC состоит из более чем 1000 классов, организованных в четырехуровневую таксономию Согласно формализму объектно-ориентированных сетей ограничений таксономические ограничения поддерживают наследование, что делает возможным определять более общие атрибуты для высших уровней таксономии и использовать их в подклассах Для каждого семейства продуктов (класса) определяется множество атрибутов, а для каждого атрибута определяется множество различных значений и их кодов Лексикон атрибутов определяется для всей онтологии и, следовательно, значения атрибутов могут использоваться для разных семейств продуктов И онтология и лексикон атрибутов являются многоязычными (поддерживаются русский, немецкий и английский языки)

Онтология в системе N00 предоставляет правила для системы кодификации Каждому классу привязываются атрибуты в определенной последовательности, которая и определяет шаблон для кодов продуктов, относящихся к данному семейству продуктов Для каждого продукта атрибуты заменяются кодами из значений, составляя тем самым код продукта

ЗАКЛЮЧЕНИЕ

Совокупность сформулированных и обоснованных в диссертационной работе положений, а также ее практические результаты представляют собой решение актуальной научно-технической задачи контекстно-ориентированного управления знаниями для персонифицированной поддержки взаимодействия участников производственной сети При этом были получены следующие результаты

1 Предложен онтологический подход к построению контекстно-ориентированной системы управления знаниями в производственных сетях, основанный на использовании онтологической модели производственной сети, отличающийся применением контекста для использования актуальных на текущий момент знаний, а также технологий профилирования пользователей и участников производственной сети

2 Разработана онтологическая модель производственной сети, основанная на объектно-ориентированном подходе Данная модель позволяет (а) формализовать основные процессы, протекающие в производственной сети, (б) использовать при построении модели существующие онтологические модели, описывающие различные аспекты рассматриваемой задачи

3 Разработана информационная модель профиля участника производственной сети, включающая предпочтения участников производственной сети, часть из которых участник предоставляет системе сам, а часть выявляется с использованием метода онтолого-ориентированной кластеризации Информация из профиля позволяет ускорить взаимодействие участников производственной сети, предоставляя им возможность получать наиболее полную и структурированную информацию друг относительно друга

4 Разработана информационная модель профиля пользователя, позволяющая персонифицировать поддержку пользователя в системе управления знаниями, что позволяет предоставлять пользователю в первую очередь именно ту информацию, которая коррелирует с его интересами, и отличающаяся возможностью выявлять и использовать предпочтения пользователя, а также группировать пользователей на основе истории их работы с системой

5 Разработан метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников

производственной сети на основе истории их работы с системой, которая хранится в профиле пользователя и участника производственной сети Метод позволяет выявлять предпочтения пользователей и участников производственной сети и использовать их для персонификации пользователя в системе

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

1 КашевникА М Автоматизация взаимодействия участников производственной сети на основе технологии управления компетенциями // Автоматизация в промышленности -2008 -№3 -С 9-11 {Из перечня ВАК)

2 Кашевник А М Концептуальная модель системы управления знаниями в производственных сетях // Труды СПИИРАН / Р М Юсупова, СПб Наука, 2007 Вып 5 С 47-59

3 КашевникА М Интеграция информатики в контекстно-управляемых системах поддержки принятия оперативных решений / Смирнов А В, Кашевник А М , Левашова Т В , Пашкин М П , Шилов Н Г // Интеллектуальные системы, Выпуск второй / ВМ Курейчика - 2007 С 152-161 ISBN 5-9221-0096-3

4 КашевникА М Разработка теоретических основ и многоагентной технологии управления контекстом в открытой информационной среде / Смирнов А В , Левашова Т В , Шилов Н Г , Пашкин М П , Крижановский А А , Кашевник А М , Комарова АС// Труды СПИИРАН / Р М Юсупов, СПб Наука, 2006 Вып 3 T 1 С 33-61

5 KashevnikA М Developing a Knowledge Management Platform for Automotive Build-To-Order Production Network / Smirnov A V, Shilov N G, Kashevnik AM// Human Systems Management, Special Issue on Towards the Transition from Supply Cham to Alliance and Supply Networks Concepts, Models and Methodologies / С Chandra, IOS Press , Vol 27, No l,2008,pp 15-30

6 Kashevnik A Ontology-Based Competence Management for Team Configuration / Tarasov V , Albertsen T , Kashevnik A , Sandkuhl К , Shilov N and Smirnov A // Holonic and Multi-Agent Systems for Manufacturing, LNAI 4659 Springer, Berlin 2007, pp 401-410 (http//dx doi org/10 1007/978-3-540-74481-8_38)

7 Kashevnik A Analysing Supply Cham Complexity via Agent-Based Negotiation / Smirnov A , Shilov N , Kashevnik A // Complexity Management m Supply Chains Vol 2 Concepts, Tools and Methods / T Blecker, W Kersten E Schmidt 2006 ISBN 3503 097376 pp 51-65

8 KashevnikA Ontology-Based Users and Requests Clustering m Customer Service Management System / Smirnov A, Pashkin M, Chilov N, Levashova T, Krizhanovsky A , Kashevnik A // Autonomous Intelligent Systems Agents and Data Mining International Workshop, AIS-ADM 2005 / V Gorodetsky, L Liu, V Skormin Sprmger-Verlag, Lecture Notes m Computer Science, ISBN 3540261648, Volume 3505, 2005, pp 231-246

Отпечатано с готового оригинал макета, предоставленного автором Подписано 8 печать 23 07 2008 Формат 60x84 1/16 Бум офсетная Уел печ л 1 Тираж 100 экз Заказ 3367

ООО "Альфа-пресс" Россия, Санкт-Петербург, ВО 3-я линия, д 36

Введение.

Положения, выносимые на защиту.

Глава 1. Управление знаниями в производственных сетях.

1.1. Производственные сети и их особенности.

1.2. Использование контекста в управлении знаниями.

1.3. Существующие системы управления знаниями.

1.4. Существующие системы профилирования пользователей.

1.5. Выводы по главе.

Глава 2. Комплексный подход к контекстно-ориентированному управлению знаниями в производственных сетях.

2:1. Использование объектно-ориентированных сетей ограничений для представления знаний.

2.2. Принципы построения контекстно-ориентированных систем управления знаниями в производственных сетях.

2.3. Онтологическая модель и модель контекста для системы управления знаниями в производственной сети.

2.4. Онтологический подход к контекстно-ориентированному управлению знаниями в производственных сетях.

2.5. Выводы по главе.

Глава 3. Модели и метод построения компонент профилирования для контекстно-ориентированных систем управления знаниями в производственных сетях.

3.1. Модель профиля пользователя в системах управления знаниями в производственных сетях.

3.2. Модель профиля участника производственной сети.

3.3. Метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников производственной сети на основе истории их работы с системой.

3.4. Оценка сложности метода онтолого-ориентированной кластеризации.

3.5. Выводы по главе.

Глава 4. Практическое использование предложенных моделей и алгоритмов при построении систем управления знаниями.

4.1. Разработка прототипа контекстно-ориентированной системы управления знаниями для автомобильной промышленности.

4.2. Система персонифицированной оперативной поддержки принятия решения в чрезвычайных ситуациях.

4.3. Среда для управления онтологиями в системах управления знаниями.

4.4. Система управления знаниями для автоматизированного построения кодов продуктов крупной промышленной компании.

4.5. Выводы по главе.

Актуальность темы диссертации. Растущая конкуренция между компаниями и ужесточение требований потребителей является причиной глобальных изменений в мировой экономике. Среди результатов таких изменений можно выделить растущий уровень сотрудничества между компаниями-производителями. Данный рост может быть объяснён тем, что организации, построенные по сетевому принципу и состоящие из большого количества участников, обычно более гибкие и устойчивые, чем иерархически организованные крупномасштабные компании.

Производственная сеть — это совокупность объединенных на принципах кооперации в рамках единого информационного пространства технологических ресурсов юридически независимых предприятий, способных на основании, их координации и оперативного распределения производить конечный продукт или услугу.

Однако сетевой принцип организации предприятий требует оперативной координации большого количества независимых участников большой сети, для чего необходимо использование систем управления знаниями с целью формирования общего информационного взаимодействия. Для представления знаний в последнее время широко применяются онтологии. Онтология - это подробная спецификация модели предметной области; она включает в себя словарь (т.е. список логических констант и предикатных символов) для описания предметной области и набор логических высказываний, формулирующих существующие в данной проблемной области ограничения и определяющих интерпретацию словаря.

Для повышения эффективности и оперативности взаимодействия участников производственной сети система управления знаниями должна быть персонифицированной. С этой целью каждый зарегистрированный в системе участник должен быть описан набором характеристик, определяющих информацию, необходимую для взаимодействия с ним другим участникам.

В системах управления знаниями предлагается применение контекста для использования актуальных на текущий момент знаний. Контекстом называется информация, которая может быть использована, чтобы охарактеризовать ситуацию, в которой находится некоторый объект. Применительно к системе управления знаниями в роли объекта выступает участник производственной сети.

Всё вышеперечисленное обуславливает актуальность контекстно-ориентированных систем управления знаниями в производственных сетях и требует проведения исследований для построения таких систем.

Цель работы и задачи исследования. Основной целью диссертационной работы является разработка онтологического подхода и моделей контекстно-ориентированной системы управления знаниями в производственной сети для персонифицированной поддержки взаимодействия ее участников с целью повышения оперативности принятия решений данными участниками при её функционир овании.

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи:

• Анализ существующих систем управления знаниями, систем профилирования, современных технологий, используемых в системах управления знаниями в производственных сетях, а также использования контекстного подхода к управлению знаниями.

• Разработка онтологического подхода к контекстно-ориентированному управлению знаниями в производственных сетях.

• Разработка метода и моделей, обеспечивающих персонифицированную поддержку взаимодействия участников производственной сети и пользователей системы управления знаниями.

• Реализация разработанных моделей и метода с целью их апробации.

Методы исследования. В работе используются методы искусственного интеллекта; теория графов; теория множеств; представление знаний, основанное на онтологиях, фреймовых моделях и сетях ограничений.

Научная новизна. В диссертации разработан комплекс моделей для персонифицированной поддержки взаимодействия участников производственной сети на основе контекстно-ориентированной системы управления знаниями.

1. Предложен онтологический подход к контекстно-ориентированному управлению знаниями, отличающийся применением контекста для использования актуальных на текущий момент знаний и технологий профилирования пользователей и участников производственной сети и позволяющий повысить оперативность принятия решений участниками производственной сети при её функционировании.

2. Разработана онтологическая модель производственной сети, содержащая знания о предметной области, позволяющая различным составляющим системы управления знаниями использовать их для поддержки взаимодействия участников производственной сети.

3. Разработана информационная модель профиля. участника производственной сети, позволяющая формально описать его многоаспектную деятельность и предоставить эту информацию другим участникам производственной сети, отличающаяся возможностью автоматизированного выявления предпочтений участников производственной сети.

4. Разработана информационная модель профиля пользователя системы управления знаниями, позволяющая накапливать и анализировать всю доступную информацию о пользователе, отличающаяся возможностью выявлять и использовать предпочтения пользователя и группировать пользователей на основе истории их работы с системой.

5. Разработан метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников производственной сети на основе истории их работы в системе, предоставляющий возможность уточнения предпочтений пользователей и участников производственной в процессе функционирования системы управления знаниями.

Обоснованность и достоверность научных положений обеспечены анализом состояния исследований в данной области на сегодняшний день, подтверждаются корректностью предложенных моделей, алгоритмов и согласованностью результатов, полученных при практической реализации этих моделей и алгоритмов, а также апробацией основных теоретических положений в печатных трудах и докладах на российских и международных научных конференциях.

Практическая ценность работы. Модели, разработанные в данной диссертационной работе, направлены на повышение эффективности функционирования производственной сети за счёт использования контекстно-ориентированной системы управления знаниями, организующей персонифицированную поддержку взаимодействия участников производственной сети.

Разработанный метод онтолого-ориентированной кластеризации позволяет выявлять предпочтения пользователей системы управления знаниями и участников производственной сети на основе анализа их профилей. Выявленные предпочтения позволяют персонифицировать работу системы управления знаниями путём предложения пользователям или участникам производственной сети именно той информации, которая коррелирует с их предпочтениями или предпочтениями других пользователей из его группы.

Разработанные прототипы программного обеспечения могут быть адаптированы для работы в других предметных областях, что потребует использования соответствующей онтологической модели.

Реализация результатов работы. Исследования, отраженные в диссертации, были поддержаны грантами РФФИ (№ 02-01-00284, 2006-2008 гг.; №06-07-89242, 2006-2008 гг.; №05-01-00151, 2005-2007 гг.); грантом ОИТВС РАН (№ 1.9, 2003-2005 гг.); программой Президиума РАН (№2.35, 2003-2008 гг.); Европейским проектом ILIPT (№ 507592, 2004-2008). Часть результатов была использована при работе по проекту МНТЦ №1993Р, 2000-2003 гг. Разработанные программные прототипы предложенных моделей использовались при выполнении контракта Web-DESO, 2002-2003 гг.; проекта «Интеллектуальный доступ к каталогам и документам», 2003-2004 гг; проекта «New Order Code», 2005-2008 гг.; проекта CRDF, 2005-2006 гг.

Апробация результатов работы. Основные положения и результаты диссертационной работы представлялись на международной конференции «Региональная информатика-2004»; международной научно-практической конференции «Логистика: современные тенденции развития», 2006; международной конференции «Региональная информатика - 2006»; международной конференция информационных систем на предприятиях (ICEIS 2007); международной конференции по электро/информационным-технологиям (IEEE), 2006; совместной конференции: международном симпозиуме по «Mass Customization 2006» (IMCM'06) и международной конференции по экономическим, техническим и организационным аспектам систем конфигурирования продуктов (РЕТО'Об); международной конференции по жизненному циклу продукции (PLM 2007).

Структура' и объем работы. Диссертация объемом 132 машинописных страницы содержит введение, четыре главы и заключение, список литературы (111 наименований), 9 таблиц, 51 рисунок.

4,5. Выводы по главе

Разработанные в диссертации модели позволили осуществить следующие успешные приложения:

Реализация онтологической модели производственной сети, онтологического подхода к контекстно-ориентированному управлению знаниями моделей профиля пользователя и участника производственной сети позволила создать прототип системы управления знаниями в рамках проекта ILIPT, что позволит в будущем повысить эффективность функционирования автомобилестроительной производственной сети.

Разработанная в рамках контракта "Web-DESO: основанная на VRML программная среда для управления онтологиями" для исследовательского центра Форд, г. Деарборн, США, была разработана среда, которая позволила создать онтологическую модель производственной сети и использовать данную модель в других системах.

В рамках проекта с немецкой компанией был апробирован метод онтолого-ориентированной кластеризации, который позволил группировать пользователей и выявлять их предпочтения на основе истории их работы с системой.

Заключение

Совокупность сформулированных и обоснованных в диссертационной работе положений, а также её практические результаты представляют собой решение актуальной научно-технической задачи контекстно-ориентированного управления знаниями для персонифицированной поддержки взаимодействия" участников производственной сети. При этом были получены следующие результаты:

1. Предложен комплексный подход к построению контекстно-ориентированной системы управления знаниями в производственных сетях, основанный на использовании онтологической модели производственной сети, отличающийся применением контекста для использования актуальных на текущий момент знаний и технологий профилирования пользователей и участников производственной сети.

2. Разработана онтологическая модель производственной сети, основанная на объектно-ориентированном подходе. Данная модель позволяет (а) формализовать основные процессы, протекающие в производственной сети; (б) использовать при построении модели существующие онтологические модели, описывающие различные аспекты рассматриваемой задачи.

3. Разработана информационная модель профиля участника производственной сети, включающая предпочтения участников производственной сети, часть из которых участник предоставляет системе сам, а часть выявляется с использованием метода онтолого-ориентированной кластеризации. Информация из профиля участника позволяет ускорить взаимодействие участников производственной сети, предоставляя им возможность получать наиболее полную и структурированную информацию друг относительно друга.

4. Разработана информационная модель профиля пользователя системы управления знаниями, позволяющая персонифицировать поддержку пользователя в системе управления знаниями, что позволяет предоставлять пользователю в первую очередь именно ту информацию, которая коррелирует с его интересами, и отличающаяся возможностью выявлять и использовать предпочтения пользователя, а также группировать пользователей на основе истории их работы с системой.

5. Разработан метод онтолого-ориентированной кластеризации для выявления предпочтений и группирования пользователей и участников производственной сети на основе истории их работы с системой, которая хранится в профиле пользователя и участника производственной сети. Метод позволяет выявлять предпочтения пользователей и участников производственной сети и использовать их для персонификации пользователя в системе.

1. Вольфенгаген В. Э., Яцук В. Я. Алгебра на фреймах для манипулирования знаниями. Изв. АН СССР. // Техн. Кибернетика, 1984. -№ 5. с. 8-27.

2. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем, Санкт-Петербург, Питер, 2000. 384 с.

3. Голдблатт Р. Топосы. Категорный анализ логики / Пер. с англ. М.: Мир, 1983.487 с.

4. Зильбербург Л.И., Молочник В.И., Яблочников Е.И. Информационные технологии в проектировании и производстве. Политехника. Санкт-Петербург. 2008. 304 с.

5. Иванов Д.А. Виртуальные предприятия и логистические цепи: комплексный подход к организации и оперативному управлению в новыхформах производственной кооперации, Санкт-Петербрг, СПбГУЭФ, 2003.j J'v < ,

6. Кашевник А. М. Концептуальная модель системы управления знаниями в производственных сетях // Труды СПИИРАН / Под ред. P.M. Юсупова, СПб.: Наука, 2007. Вып. 5. с. 47-59.

7. Кашевник А. М. Автоматизация взаимодействия участников производственной сети на основе технологии управления компетенциями // Автоматизация в промышленности. 2008. — № 3. с. 9-11.

8. Кашевник A.M. Современные принципы построения систем управления знаниями в производственных сетях, труды 5 международной научнопрактической конференции логистика: современные тенденции развития, 20-21 апреля 2006, СПб, с. 126-129.

9. Кашевник A.M. Подход к трёхмерной визуализации онтологий в рамках редактора онтологий web-deso, IX Санкт-Петербургская международная конференция «Региональная информатика 2006», 24-26 октября 2006, СПб.

10. Кашевник A.M. Профилирование в системах управления корпоративными знаниями. IX Санкт-Петербургская международная конференция «Региональная информатика 2004», 22-24 июня 2004, СПб.

11. Кнут Д. Искусство программирования для ЭВМ, Мир, Москва, 1976.

12. Кук Д., Бейз Г. Компьютерная математика Наука, Москва, 1990. С. 383.

13. Левашова Т.В., Пашкин М.П., Смирнов А.В., Шилов Н.Г. «Web-DESO»:система управления онтологиями. Труды восьмой национальной \ конференции по искусственному интеллекту (КИИ'2002), Коломна, Россия М.: Физматлит, 7-12 октября 2002. Т. 1. с. 437-445.

14. Левашова Т.В. Модель контекста в системах интеллектуальной поддержки принятия решений. Труды Института системного анализа РАН. М.: ИСА РАН, 2009.

15. Нефедов В.Н., Осипова В.А. Курс Дискретной математики МАИ, Москва, 1992. 262 с.

16. Нордстрем К., Риддерстралле Й. Бизнес в стиле фанк навсегда. Капитализм в удовольствие. Стокгольмская школа экономики. 2000. 328с.

17. Сигорский В.П. Математический аппарат инженера, Киев, Техника, 1977. с. 766.

18. Сидоров И.И. Логистическая концепция управления предприятием. -СПб.: ДНТП общества "Знание", ИВЭСЭП, 2001. 224 с.

19. Смирнов А.В., Пашкин М.П, Шилов Н.Г., Левашова Т.В., «Онтологии в системах искусственного интеллекта: способы построения и организации» Новости искусственного интеллекта, 2002. № 1. Часть 1. с.-З—13. № 2. Часть 2. с. 3-9.

20. Смирнов А.В., Пашкин М.П., Шилов Н.Г., Левашова Т.В. Управление онтологиями // Известия РАН. Теория и системы управления, 2003. Часть 1. - № 4. - Часть 2. - № 5.

21. Смирнов А.В., Левашова Т.В. Пашкин М.П., Шилов Н.Г. Онтолого-ориентированный многоагентный подход к построению систем интеграции знаний из распределённых источников. Информационные технологии и вычислительные системы, 2002. № 1. с. 62-82.

22. Соколова А. Н., Геращенко Н. И. Электронная коммерция: мировой и российский опыт. — М.: Открытые Системы, 2000. 224 с.

23. Электронная коммерция. В2В-программирование. СПб.: BHV-Санкт-Петербург, 2001. 368 с.

24. An integrated Self Organizing Knowledge management (kManager) system, URL: http://www.kmanager.com/, 2006.

25. AnaXagora project^ URL: http://www.anaxagora.tudor.lu/, 2006.

26. Barrett K., Power R. State of the Art: Context Management // M-Zones Research Programme, 2003. Deliverable 1.1. Pp. 69-87. - http://www.m-zones.org/deliverables/Dll/Context.pdf.

27. Brezillon P. Context in Artificial Intelligence: I. A Survey of the Literature // Computer & Artificial Intelligence, 1999. Vol. 18. - № 4. Pp. 321—340.

28. Brezillon P. Context in Artificial Intelligence: II. Key Elements of Contexts // Computer & Artificial Intelligence, 1999. Vol. 18. - № 5. Pp. 425^146.

29. Brezillon P. Context in Problem Solving: a Survey // The Knowledge Engineering Review, 1999. Vol. 14. - № 1. Pp. 1—34.

30. Brezillon P. Context-based Modelling of Procedures and Practices in Business Environments // Report of the 2 COCONET Workshop "Roadmap Elaboration and Construction". Finland, Helsinki-Espoo, 2—3 December, 2002.

31. Britto J. Technological Diversity and Industrial Networks: An Analysis of the Modus Operandi of Co-Operative Arrangements. SPRU Electronic Working Paper No 4. URL:http://www.sussex.ac.uk/Units/spru/publications/imprint/sewps/sewp04/sewp04. pdf, 1998.

32. Bull S., Greer J., McCalla G., Kettel L. and Bowes J.: User Modelling in I-Help: What, Why, When and How, User Modeling 2001: 8th International Conference, Springer-Verlag, Berlin Heidelberg. Pp. 117-126, 2001.

33. Cetintemel, U., Franklin, M. J. and Giles, C. L.: Self-Adaptive User Profiles for Large-Scale Data Delivery, Proceedings of the 16th International Conference on Data Engineering, 28 February 3 March, 2000. Pp. 622-633.

34. Chaffee, J. and Gauch S.: Personal ontologies for Web navigation, Proceedings of the 2000 ACM CIKM International Conference on Information and Knowledge Management, McLean, USA. ACM Press, 2000.

35. Chaudhri, V.K., Lowrance, J.D., Stickel, M.E., Thomere, J.F. and Wadlinger, R.J.: Ontology Construction Toolkit. Technical Note Ontology, AI Center. Report. SRI Project No. 1633, 2000.

36. Chaudhri V.K. et al. Ontology Construction Toolkit. Technical Note Ontology. AI Center. - Report, January 2000. - SRI Project No. 1633. 85 p.

37. Chen H.: Pervasive Computing Standard Ontology (PERVASIVE-SO) Guide -Describing User Profile and Preferences, URL:http://pervasive.semanticweb.org/doc/2004-01-ont-guide/partl/index.html, 2004

38. CL Research Knowledge Management System, URL: http://www.clres.com/kms.html, 2006.i

39. Composite Capability/Preference Profiles (CC/PP): Structure and Vocabularies 1.0. W3C Recommendation, 2004. - 15 января. - URL: http://www.w3.Org/TR/CCPP-struct-vocab/#CCPPArchitecture.

40. Ebling M.R., Hunt G.D.H., Lei H. Issues for Context Services for Pervasive Computing // Workshop on Middleware for Mobile Computing. Heidelberg,i

41. Germany, November 2001. URL: http://www.cs.arizona.edu/mmc/13 Ebling.pdf.

42. Fallis, S., Millard, I. and De Roure, D.: Challenges in Context, A Position paper for the W3C "Mobile Web Initiative" Workshop at http://www.w3.Org/2004/l O/MWIWS-papers/context.html, 2004.

43. Fink, J., Kobsa, A. and Nill, A.: Adaptable and Adaptive Information Access for All Users, Including the Disabled and the Elderly, User Modeling: Proceedings of the Sixth International Conference, UM97, WienNew York: Springer, 1997. Pp. 171-173.

44. FIPA Ontology Service Specification. Geneva, Switzerland. Foundation for Intelligent Physical Agents, 2000. - XC000086C. - 59 p. -http://www.fipa.org/specs/fipa00086/.

45. Floyd R. W. Algorithm 97 Shortest path, Comm. of ACM, 1962, 5, p. 345.

46. Guarino, N.: Formal Ontology and Information Systems, proceedings of FOIS'98, Trento, Italy. IOS Press, Amsterdam, Holland, 1998. Pp. 3-15.

47. Hahn A., Austing S. Strickmann J., Metrics The business intelligence side of PLM, Product Lifecycle Management, Assessing the Industrial Relevance, 2007, Pp. 11-20.

48. Hyperware. eKnowledge Suite, URL: http://www.hyperwave.eom/e/products/eks.html, 2006. * *

49. Intelligent Logistics for Innovative Product Technologies (2008),. ' "Vhttp://www.ilipt.org • '"1 "

50. Intelligent CONtent Management System (ICONS) project, URL: http://www.icons.rodan.pl/, 2006.

51. INVISION's Knowledge Management System, URL: http://www.invision.net/InvisionLG/Services/ADI/BusiAppSol/Invision+Appl ications-Knowledge+Management+Systems.htm, 2006.

52. Jagdev H. S., Browne J. The Extended Enterprise: A Context for Manufacturing. //Journal of Production Planning and Control, Vol. 9, No. 1, 1998, Pp. 216-229.

53. K-Infinity project, URL: http://www.iviews. de/web/index.php%3 Foption=comcontent&task=view&id=: 13 &Itemid=4 5&lang=enGB.html, 2005.

54. Klyne, G., Reynolds, F., Woodrow, C., Ohto, H., Hjelm, J., Butler, M. H. and Tran, L., Composite Capability/Preference Profiles (CC/PP): Structure and

55. Vocabularies 1.0 W3C Recommendation 15 January 2004, URL: http://www.w3.org/TR/2004/REC-CCPP-struct-vocab-20040115.

56. Knowledge Driven Business Operating System (kBOS), URL: http://www.kbos.net/, 2006

57. Knowledge Management project KnowCoat, URL: http://www.pra.org.uk/projects/knowcoat.htm, 2006.

58. Kules, В., User Modeling for Adaptive and Adaptable Software Systems, URL: http://www.otal.umd.edu/UUGuide/wmk/, 2000.

59. Laclavik M., Seleng M., Hluchy L., Network Enterprise Interoperability and Collaboration using E-mail Communication, Expanding the Knowledge Economy: Issues, Applications, Case Studies, 2007, Pp. 1078-1085.

60. Linden, G., Hanks, S. and Lesh, N., Interactive Assessment of User Preference Models: The Automated Travel Assistant, User Modeling: Proceedings of the 6th International Conference on User Modeling, UM97. Vienna, Springer, 1997. Pp. 67-78.

61. McCarthy J. Notes on Formalizing Context // Proceedings of the International Joint Conference on Artificial Intelligence. Chambery, France, August 28 -September 3, 1993. - Morgan Kaufmann, 1993. - Vol. 1. Pp. 555-560.

62. Mehran Sahami. Mining the Web to Determine Similatity Between Words, Objects, and Communities. The 19th International FLAIRS Conference, 2006.

63. Metadata Visualisation Project URL: http://mdv.sourceforge.net/, 2006.

64. Metis system, URL: http://www.metis.no/, 2006

65. Morikawa, D., Honjo, M., Yamaguchi, A. and Ohashi, M., Profile Aggregation and Dissemination, A Framework for Personalized Service Provisioning, Ubicomp workshop, 2004.

66. NASA. Process Based Mission Assurance. Knowledge Management System, 2005.

67. Novo Solutions Customer Support & Knowledge Management Solutions, URL: http://www.novosolutions.com/knowledge-management-software/, 2006.

68. O'Leary, D., E., Different firms, different ontologies, and no one best ontology, IEEE Intelligent Systems, 2000. Pp. 72-78.

69. Olin J. G., Greis N. P., and Kasarda J. D. Knowledge management across multi-tier enterprises: the promise of intelligent software in the auto industry", European Management Journal, Vol. 17 No.4, 1999. Pp.335—347.

70. Paranagama, P., Burstein, F. and Arnott, D., Modelling the Personality of Decision Makers for Active Decision Support, User Modeling: Proceedings of the Sixth International Conference, UM97, Vienna, Springer, 1997. Pp. 79-81.

71. Pohl, W., LaboUr Machine Learning for User Modeling, Proceedings of the 7th international Conference on Human-Computer Interaction, 1997. Pp. 227234.

72. Pomerol J.-Ch., Brezillon P. About some relationships between knowledge and context // Modeling and Using Context (CONTEXT-Ol). Lecture Notes in Computer Science, Springer Verlag, 2001. Pp. 461-464.

73. Pomerol J.-Ch., Brezillon P. Context proceduralization in decision making //: Modeling and Using Context (CONTEXT-03) / Eds. by P. Blackburn,

74. C. Ghidini, R.M. Turner, F. Giunchiglia. Lecture Notes in Artificial Intelligence, Springer Verlag, 2003. - Vol. 2680. Pp. 491-498.

75. Practical Tools and Methods for Corporate Knowledge Management Sharing and Capitalising Engineering Know-How in the Concurrent Enterprise CORMA), URL: http://www.corma.net/, 2005.

76. Ranganathan A., Lei H. Context-Aware Communication // Computer, 2003. № 4. Pp. 90-92.

77. Ruiz N., Giret a., Botti V., Identifying Roles, Goals and Scenarios at the Early Requirement Phase ofMultiagent System Modeling, International Transactions on Systems Science and Applications, October 2007, Vol. 3, N.3. Pp. 249-256.

78. Santosh K. Rangarajan, Vir V. Phoha, Kiran S. Balagani, Rastko Selmic, S. Sitharama Iyengar: Adaptive Neural Network Clustering of Web Users. IEEE Computer 37(4). 2004. Pp. 34-40.

79. Shy Alter, Sam Chan, Hugh Ranalli, Knowledge & Knowledge Management, ii3, Canada, 2004.

80. System to engineer your Technical and Business Requirements Objectiver URL: http://www.objectiver.com/, 2006.

81. The KIM Platform for Knowledge & Information Management, URL: http://www.ontotext.com/kim/index.html, 2006.

82. The Semantic Web Community Portal,URL: http://www.semanticweb.org/, 2008.

83. The Unbound Platform http://www.unboundmedicine.com/, 2008.

84. Tiberghien G. Context and cognition: Introduction // Cahier de Psychologie Cognitive, 1986. Vol. 6. - № 2. Pp. 105-119.

85. Unicorn system URL: http://unicorn.com/, 2006.

86. Voss, A., Karbach, W, Drouven, U. & Lorek, D., Competence assessment in configuration tasks j Proceedings European Conference on AI, 1990, Pp. 676681

87. W3C: World Wide Web Consortium,-ЦБШ: http://www.w3.org/, 2003.,

88. Web3D Consortium. Open Standards for Real-Time 3D Communication:108: Wiederhold G. Jannink J. Composing Diverse Ontologies // Technical'Report of Stanford University, Stanford, USA, 1998. 5

89. Wong, S.K.M. and Butz, C.J., A Bayesian Approach to User Profiling in Information Retrieval; Technology Letters, Vol. 4, No. 1, 2000. Pp. 50-56.

90. Wunram M., Concept of the CORMA Knowledge Management Model, The CORMA Consortium (Practical Methods and Tools for Corporate Knowledge Management: Sharing and Capitalising Engineering Know-How in the Concurrent Enterprise), Report 1, November 16,2001.

91. Zukerman, I. and Albrecht, D.W. Predictive Statistical Models for User Modeling, User Modeling and User-Adapted Interaction, Vol. 11, No. 1-2, 2001. Pp. 5-18.