автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Математические модели и алгоритмы функционирования системы корпоративной памяти

На правах рукописи

Малиновский Владимир Павлович

МАТЕМАТИЧЕСКИЕ МОДЕЛИ И АЛГОРИТМЫ ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ КОРПОРАТИВНОЙ ПАМЯТИ

05.13.01 - Системный анализ, управление и обработка информации

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва-2006

Работа выполнена в Московском государственном институте электроники и математики (Техническом университете)

Научный руководитель: доктор технических наук, профессор

Ивашов Е.Н.

Официальные оппоненты: доктор технических наук, профессор

Глазунов В.А.

кандидат технических наук, доцент Зародов А.Ф.

Ведущая организация: Государственное предприятие «Научно-

исследовательский институт ядерной физики им. Д.В.Скобельцына Московского государственного университета» (НИИЯФ МГУ)

Защита состоится « Л

» 2006 г. в /2 час. 00 мин. на заседании

диссертационного совета Д 217.047.01 в Федеральном Государственном унитарном предприятии «Научно-исследовательский экспериментальный институт автомобильной электроники и электрооборудования» (ФГУП НИИ АЭ) по адресу: 105187, г. Москва, ул. Кирпичная, д. 39-41.

С диссертацией можно ознакомиться в библиотеке ФГУП НИИ АЭ.

Отзывы в двух экземплярах, заверенные печатью, просьба направлять по адресу: 105187, г. Москва, ул. Кирпичная, д. 39-41.

Автореферат разослан « & » 2006 г.

Ученый секретарь

диссертационного совета Д 217.047.01 кандидат технических наук

Л.И.Мартинова

Я.оО£А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследований. Проблема накопления и использования корпоративных знаний является одной из наиболее актуальных для современной организации. Это обусловлено следующими факторами:

- необходимостью быстрой адаптации новых сотрудников к специфике организации за счет передачи им необходимого для этого корпоративного опыта и знаний;

- требованием накопления и сохранения знаний сотрудников, покидающих организацию в силу различных обстоятельств;

- постоянным повышением требований к качеству решения повседневных задач (принимаемых решений) организации за счет использования накопленного опыта и знаний;

- потребностью повышения компетентности сотрудников на основе внутренних интеллектуальных ресурсов организации (корпоративных знаний).

Чтобы в максимальной степени учесть все эти требования, необходимы комплексные исследования в области построения систем управления знаниями (СУЗ), требующие всестороннего анализа сложной системы корпоративных знаний. В современных исследованиях СУЗ для организации баз знаний чаще всего применяется онтологический подход, который представляет структуру корпоративных знаний, но не отражает процессы накопления знаний, а также процессы получения сотрудниками знаний, соответствующих решаемым производственным задачам.

Проблема создания эффективных средств управления и использования корпоративных знаний в обучении и поддержке принятия управленческих решений исследуется во многих работах (см., например, работы И.А. Башмакова, Т.А. Гавриловой, В.И. Максимова, Б.З. Мильнера, Э.В. Попова, В.Б. Тарасова, Ю.Ф. Тельнова, Э.А. Трахтенгерца, В.Ф. Хорошевского, К. Аргириса (С. Argyris), А. Брукинг (A. Brooking), К. Виига (К. Wiig), Т. Грубера (Т. Gruber), Н. Гуарино (N. Guarino), О. Куна (О. Kuehn), П. Сенге (Р. Senge), Дж. Сова (J. Sowa) и др.).

С эффективным использованием корпоративных знаний связано представление самих производственных задач, которое позволило бы сотрудникам получать необходимые для решения задач знания. Для такого представления наиболее часто используется когнитивное моделирование, которое позволяет эффективно анализировать сложные проблемные ситуации в деятельности организации. Однако анализ ситуаций при помощи когнитивных моделей, как правило, никак не связан с построением структуры корпоративных знаний, т.е. его преимущества не используются для повышения уровня усвоения сотрудниками корпоративных знаний.

Проблема системного анализа корпоративных знаний в диссертации рассматривается в контексте разработки программных модулей и систем, помогающих сотрудникам организации работать с корпоративными знаниями на всех этапах цикла накопления и использования знаний, в том числе для создания новых знаний (наращивания интеллектуального капитала организации). Система

РОС. НАЦИОНАЛЬНАЯ !

БИБЛИОТЕКА 1 С.Петербург? О У ;

3 * 09 п? '_т j

корпоративной памяти (СКП) в этом контексте понимается как некоторый компонент (расширение) СУЗ, предназначенный главным образом для самостоятельного сохранения сотрудниками корпоративного опыта и знаний и последующего их использования для обучения и переподготовки.

Таким образом, исследование СКП представляет интерес как с теоретико-научной, так и с практической точки зрения. Результаты исследований могут применяться в различных организациях, желающих повысить эффективность использования корпоративного опыта и знаний. Разработанные математические модели, алгоритмы функционирования и реализованная на их основе СКП, совместно с методикой ее применения могут быть использованы при решении различных задач, требующих привлечения коллективного опыта и знаний сотрудников организации.

Объектом исследования является система жизненного цикла создания, накопления, хранения, распространения и использования знаний в СКП, а также возможности программной реализации СКП, соответствующей этому циклу.

Цель работы. Разработка математических моделей и алгоритмов функционирования СКП как системы накопления и использования корпоративных знаний и информации.

Для достижения указанной цели необходимо выполнить следующий комплекс исследований:

- системный анализ жизненного цикла знаний (ЖЦЗ) в организации без СКП и при наличии СКП, позволяющей сотрудникам организации выявлять, сохранять и использовать корпоративные знания в процессе обучения и самообучения;

- анализ различных алгоритмов функционирования, предназначенных для повышения эффективности использования корпоративных знаний сотрудниками организации;

- разработку математических моделей и алгоритмов функционирования, описывающих сложную систему корпоративных знаний и учитывающих использование СКП сотрудниками для обучения (самообучения) в ходе решения производственных задач;

- создать архитектуру и информационную технологию реализации СКП как комплекса программных систем на основе разработанных моделей и алгоритмов функционирования;

- внедрить СКП на примере обучающейся организации с целью повышения квалификации (переподготовки) менеджеров учебно-консультационных проектов.

Методы исследования. Поставленные задачи решаются с использованием концепции обучающейся организации, методов системного анализа, методов искусственного интеллекта в плане организации и приобретения знаний, когнитивного моделирования, теории системной динамики, теории графов и теории множеств.

Научная новизна исследования состоит в следующем:

1. Предложена модель жизненного цикла знаний в СКГТ, основанная на сочетании онтологического подхода и подхода когнитивного моделирования.

2. Разработан алгоритм предоставления пользователю СКП знаний, соответствующих его задаче, по когнитивной модели ситуации.

3. Разработана архитектура СКП на основе концепции «клиент - сервер» для использования в локальных сетях организации.

4. Предложена методика внедрения концепции обучающейся организации с применением СКП, включающая алгоритм самостоятельного построения онтологии сотрудниками организации.

Практическая значимость. Практическая значимость работы состоит в разработке СКП и методики ее использования, повышающей эффективность использования компьютерных систем в решении задач обучения и переподготовки сотрудников организации на основе накопленных корпоративных знаний.

Практическая значимость работы подтверждается использованием разработанной СКП менеджерами учебно-консультационных проектов для решения задач обучения и развития в рамках концепции обучающейся организации, о чем имеются соответствующие акты о внедрении.

Достоверность научных положений. Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, а также сравнением полученных результатов с результатами, приведенными в научной литературе.

Реализация результатов. Разработанный прототип СКП использовался для обучения и переподготовки менеджеров проектов в АННОО «Центр кадровых технологий» и в ОАО «Управляющая компания Волжский гидроэнергетический каскад», в учебно-научном процессе на кафедре «Вычислительные системы и сети» МГИЭМ (ТУ), что подтверждается соответствующими актами о внедрении.

Программное средство «Система извлечения из корпоративной памяти знаний, релевантных проблемной ситуации» передано для регистрации в Федеральную службу по интеллектуальной собственности, патентам и товарным знакам.

На защиту выносятся:

1. Системная модель жизненного цикла знаний в СКП, основанная на сочетании онтологического подхода и подхода когнитивного моделирования.

2. Алгоритм предоставления пользователю СКП знаний, соответствующих его задаче, по когнитивной модели ситуации.

3. Архитектура СКП на основе концепции «клиент - сервер» для использования в локальных сетях организации.

4. Методика построения обучающейся организации с применением СКП, включающая алгоритм самостоятельного построения онтологии сотрудниками организации.

Апробация работы. Основные материалы и научные результаты диссертационной работы докладывались и обсуждались на следующих

конференциях: Научной сессии Московского инженерно-физического института (Москва, 2003, 2005 и 2006 г.г.); 9-й Национальной конференции по искусственному интеллекту с международным участием (Тверь, 2004 г.); Международной конференции «Информационные средства и технологии» (Москва, 2004 и 2005 г.г.); Международной научно-практической конференции «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями» (Москва, 2005 г.).

Публикации. Основные результаты, полученные при выполнении диссертационной работы, опубликованы в 9 печатных работах.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка использованной литературы (140 наименований). Диссертация содержит 161 страницу машинописного текста (без приложений) и 3 страницы приложения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, ее научная новизна и практическая значимость, сформулирована цель работы и приведено краткое содержание диссертации по главам.

В первой главе выполнены обзорно-аналитические исследования в области математических моделей и алгоритмов функционирования СКП, анализируется концепция обучающейся организации как одна из стратегий обеспечения конкурентоспособности современной организации. Концепция обучающейся организации основывается на непрерывном обновлении корпоративных знаний во взаимодействии с внешней средой как всей организации в целом, так и ее отдельных сотрудников. Под обучением здесь понимается выявление каких-либо несоответствий, например, деятельности организации поставленным целям, и последующую корректировку действий сотрудников за счет повышения уровня их компетентности. Особенностью обучающейся организации является возможность создания новых знаний в ходе решения производственных задач.

Различают обучение с так называемой «одинарной петлей» и с «двойной петлей». Первый вариант заключается в приведении деятельности организации в соответствие с некоторыми нормами и достижение целевых показателей, а второй подразумевает также и пересмотр этих норм в плане повышения эффективности деятельности (функционирования) организации. Замыкание «петли» в обоих случаях соответствует некоторому комплексу мер, предполагающих обучение сотрудников организации.

Корпоративные знания определяются как совокупность принципов, фактов, навыков, правил, методов и т.д., используемых сотрудникам для обеспечения деловой активности организации. В исследованиях по управлению знаниями для описания корпоративных знаний используется, как правило, представление об онтологической системе вида

=(о',Н"г),

где

- О' - онтология некоторой предметной области;

- Е"* - ассоциированная с онтологией машина вывода, осуществляющая, в частности, предоставление лицу, принимающему решения (ЛПР), знаний по запросу.

Онтологическая система включает в себя структурное описание корпоративных знаний, а также средства вывода на знаниях. Онтологическая система выступает как основа для разработки компьютерных систем, использующих корпоративные знания.

Вводится и анализируется система корпоративной памяти (СКП) как программный комплекс, предназначенный для накопления корпоративных знаний и их последующего использования с целью принятия решений и обучения ЛПР. СКП может использоваться либо как независимый программный комплекс, либо в составе СУЗ.

В данной главе исследуются возможности применения программных систем в плане реализации основных процессов трансформации знаний в СКП: сбора, хранения знаний, обучения ЛПР и создания новых знаний. В результате анализа современных инструментальных средств, которые могут быть использованы для создания СКП, было установлено, что в них, как правило, не учитывается самостоятельное извлечение и накопления знаний сотрудниками. Также показывается, что существующие представления и формальные модели не позволяют полностью описать жизненный цикл знаний (ЖЦЗ) с учетом специфики обучающейся организации.

Системный анализ концепции обучающейся организации показал, что существуют эффективные организационные решения и методики, позволяющие использовать корпоративные знания для обучения сотрудников, а также для создания новых знаний. При этом практически отсутствуют программные средства и формальные модели, которые позволили бы создавать такие средства, соответствующие концепции обучающейся организации и ее «замкнутому» ЖЦЗ.

В работе предлагается системная модель ЖЦЗ, которая учитывает процессы трансформации знаний, характерные для обучающейся организации, а также производственные задачи, для решения которых и используются корпоративные знания из СКП. Под ЖЦЗ понимается некоторое описание состояния корпоративных знаний на разных стадиях их использования: от создания до устаревания (утилизации).

Системная модель ЖЦЗ в СКП задается следующим набором:

мжю =(0',п,0),

где

- О' - расширенная с учетом специфики СКП онтология предметной области (ПО), описывающая текущее состояние корпоративных знаний в СКП;

- П - множество процессов трансформации знаний, последовательно образующих ЖЦЗ;

- П - множество проблемных ситуаций, в которых ЛПР могут использовать знания из СКП.

По результатам первой главы уточняются задачи диссертационной работы, а именно:

-" построение системной модели ЖЦЗ, соответствующей концепции обучающейся организации;

- разработка на основе системной модели ЖЦЗ архитектуры СКП и ее программная реализация;

- создание методики, позволяющей максимально эффективно внедрить СКП в обучающейся организации.

Во второй главе рассмотрены вопросы моделирования знаний и информации в СКП, исследуется системная модель ЖЦЗ в СКП и ее основные компоненты: структура знаний, множество процессов трансформации знаний и множество проблемных ситуаций. Также рассматривается построение алгоритма предоставления ЛПР знаний с применением когнитивной модели ситуации в качестве запроса. Отдельно рассматривается система тестирования пользователя СКП, основанная на использовании онтологии.

Первый компонент системной модели Мжт ЖЦЗ - онтология предметной области (ПО), которая отображает структуру корпоративных знаний, введенных сотрудниками организации (ЛПР) в СКП. Так как СКП пополняется многими (в идеале - всеми ЛПР) сотрудниками организации, то онтология ПО в СКП представляет собой объединение п фрагментов онтологий О,, вводимых /-м ЛПР,

О е уо,. Формальная модель расширенной онтологии, входящая в системную

модель ЖЦЗ, задается набором

0' = (Х,/г,Ф,Е),

где

- X - множество концептов, представляющих собой самостоятельные единицы знаний, осваиваемые ЛПР (концепты разделяются на два основных типа: концепты-понятия и концепты-термины);

-Я - множество отношений между концептами (отношения между концептами-понятиями образуют концептуальный граф, а отношения между концептами-терминами - семантическую сеть);

- Ф - множество функций интерпретации, позволяющих интерпретировать различные объекты относительно концептов из множества X;

- Н - множество пользовательских профилей £,, каждый из которых отражает освоение концептов множества X /-м ЛПР (каждому концепту х^Х сопоставляется некоторая оценка е1 е Е,).

Профиль Е, вводится для описания фрагмента онтологии О,, который усвоен /м ЛПР. Множество Е пользовательских профилей позволяет организовать групповую работу ЛПР.

Отдельный интерес в онтологии представляет так называемый концептуальный граф, образуемый элементами множеств X и Л. Концептуальный граф (Х,я) используется для организации корпоративных знаний и информации, а также для работы машины вывода Н"*.

Опр. 1. Концептуальный граф (Л\Д) есть графовая структура с помеченными вершинами и дугами. Вершины отображают концепты-понятия из множества X, а дуги - отношения между понятиями из множества Л.

Фрагмент концептуального графа из ПО «Менеджмент проектов» приведен на рис. 1. Для связи концептов используются отношения «вид» и «видовой признак» (на рис. 1 - «признаю>).

/ч

СРЕДА >

ч.

Ч /

^ПРОЕК

-{3,0}

Виды управленческой деятели ости

ресурсы менеджера проекта

Участники проекта

/

е'чг.п рввот»

Упраапенческая команда

Мониторинг

I Менеджмент | проектов

Операция

Жизненный цикл проекта

Управление Управление

рисками качеством

проекта проекта

сраками I проекта

Программное

обеспечение

Средства планирования

Критический

путь

Диграмма Гаитта

Контрольная точка

Рис. 1. Фрагмент концептуального графа (ПО «Менеджмент проектов»)

Для построения Концептуального графа используются следующие типы отношений: «вид» - задает родовидовую связь между двумя понятиями (стрелка направлена от родового понятия к видовому); «видовой признак» - показывает, что одно понятие (из которого исходит стрелка) используется в качестве видового признака для определения другого понятия; «основание деления» - позволяет разделить вид на подвиды и используется совместно с отношением «вид»; «часть» -понятие, из которого исходит стрелка, является целым, содержащим другое понятие как часть; «этап» - отношение показывает, что понятие, является необходимым этапом для достижения цели (реализации процесса), обозначаемого понятием, из которого исходит стрелка.

Для указанных отношений установлено, что они не являются рефлексивными, симметричными и транзитивными, следовательно, концептуальный граф {Х,я) является связным, ориентированным и не имеет петель. Также концептуальный граф включает подграф - дерево основных понятий, корнем которого является главная

категория ПО (например, понятие «цель» для предметной области «Менеджмент проектов»). При этом имеются понятия ПО, не включенные в данный подграф.

Полнота концептуального графа на практике обычно не достигается, количество ребер N, для рассматриваемой ПО определяется эмпирической формулой Nr<.k*Nx, где Nx - количество концептов множества X, а к изменяется в диапазоне от 1 до 5.

Вывод на концептуальном графе связан с так называемыми «волнами активации». Сначала фиксируются исходная sita = (X0,Rr>) и целевая site = (xe,Rs) ситуации. Далее на /-й итерации соответствующее подмножество концептов X, дополняется «соседними» концептами из X. Процесс продолжается до тех пор, пока все концепты Хс не будут включены в одну или несколько «волн активации». Для повышения скорости и эффективности вывода на концептуальном графе могут применяться управляющие правила, определяемые спецификой конкретной задачи (ПО).

Вторым компонентом системной модели Мм13 является множество П процессов, последовательно образующих замкнутый цикл трансформации корпоративных знаний при использовании СКП.

Опр. 2. Трансформация знаний в СКП есть процесс, формально задаваемый отображением Р:М K{s), и связанный с изменением совокупности знаний получателя К под воздействием знаний носителя М, обусловленный ситуацией S.

Процесс трансформации знаний в СКП может происходить и без изменения знаний, но, как правило, знания получателя отличаются от знаний носителя, по крайней мере, по объему.

В работе выделены следующие процессы трансформации знаний из множества П, схематично изображенные на рис. 2 (в скобках приведены соответствующие отображения):

- извлечение собственных знаний ЛПР, задается отображением ptn : N, -> О,, где N, - полный объем знаний i-ro ЛПР;

- сохранение знаний, извлеченных ЛПР, в СКП ( рП : О, -> О' );

- обучение ЛПР за счет знаний в СКП ( Рпс : О' -> Оп, где Оп - фрагмент онтологии, соответствующий проблемной ситуации S, );

- усвоение ЛПР полученных знаний (рс : О а~>Е, );

- освоение ЛПР дополнительных знаний и навыков, обусловленных работой с СКП(рд :0( -►N,);

- использование усвоенных знаний /-м ЛПР для разрешения проблемной ситуации {p„:E,^S1 );

- образование у /-го ЛПР новых знаний, обусловленных решением проблемной ситуации (рИ : SJ N, ).

Рн

О

Ри

Задачи, проблемные ситуации в деятельности ^организации/

I Реп I

N.

Рс I 1

Сотрудтк I Ран I (ЛПР) ' у

О,

№ I-

0„ -'- О'

Рис. 2. Схема процессов ЖЦЗ в СКП

Множество П проблемных ситуаций, в которых ЛПР используют знания из СКП, является третьим компонентом системной модели Мтз в СКП. Исследуется использование когнитивной модели для описания проблемной ситуации ЛПР. Введенная в диссертационной работе когнитивная модель ситуации 5, задается следующим набором:

где

- £>, - определение ЛПР проблемной ситуации при помощи концептов множества X;

-У, - множество событий, связывающих данную ситуацию 5, с другими ситуациями;

- ^ - множеств факторов, задающих ситуацию 5,, при этом каждый фактор обладает некоторым диапазоном значений;

- - множество причинно-следственных (каузальных) отношений между факторами ситуациями 5,.

Когнитивная модель ситуации 5, графически представляется при помощи когнитивной карты, которая образуется факторами из множества ^ и отношениями из множества Wí. Пример фрагмента когнитивной карты из ПО «Менеджмент проектов» приведен на рис. 3:

Рис. 3. Фрагмент когнитивной карты проблемной ситуации

На рис. 3 выделены факторы, а также приведены отношения с указанием направлений и коэффициентов влияния. В СКП построение когнитивных карт связано, во-первых, с анализом ЛПР проблемных ситуаций, а, во-вторых, с получением знаний из СКП, т.е. когнитивная карта используется как запрос на знания.

Предоставление ЛПР знаний (обучение) из СКП в проблемной ситуации 5, осуществляется согласно алгоритму (алгоритму 1), который включает в себя

обработку когнитивной модели ситуации._

Алгоритм 1. Алгоритм предоставления знаний ЛПР по описанию проблемной ситуации_

Вход, результаты проверки уровня знаний ЛПР £,сЕ, когнитивная модель проблемной ситуации

5,-

Выход: Структура знаний, максимально соответствующая проблемной ситуации, Оп. Используемые структуры данных: X - множество концептов, К - множество отношений, Ф -множество функций интерпретации, Е - множество пользовательских профилей.

1. Тестирование уровня знаний ЛПР (обновление профиля £,) и оценка множества концептов Хна основе профилей множества Е - расчет показателей полезности их и освоенности Ах для каждого концепта х е X.

2. Если ЛПР не готово к редактированию БЗ СКП (условие Е'

г« . Ъы

), то перейти

к шагу 4.

3. Редактирование онтологии О' в СКП экспертом с последующей оценкой множества концептов X.

4. Ввод когнитивной модели ситуации 5, = (Д, V,, /•), IV,).

5. Пока для итерации 1к к ^ кт выполнять;

начало

Для каждого / рассчитать /(/,) = )+Д/ (/",(',-, ) ■

1-1

Если / 2: то фактор / добавляется в рейтинг /',/2,...,/".

конец.

6. Интерпретация значимых факторов из множества (рейтинга /',/2,...,/").

7. Если не интерпретировано ни одного фактора (Ф, = 0), то перейти к шагу 5.

8. Дополнение множества Хь <^Х концептами из множества X.

9. Вывод ЛПР результата 00.

10. Если ЛПР не удовлетворяет результат, то перейти к шагу 1.

_11. Конец._

На рис. 4 приведен пример когнитивной модели проблемной ситуации введенной в СКП в качестве запроса, и полученный в результате работы алгоритма 1 фрагмент 0„ онтологии:

АЧ1Л

и модеме

1 ГЙТ)

41 нь~щ

упрвше»*-проскта

Рис. 4. Когнитивная карта запроса (а) и результат работы алгоритма 1 (б)

Также в главе 2 предлагается система тестирования, которая позволяет определить уровень освоения ЛПР концептов ПО и отношений между ними. Предлагаются следующие виды тестирования, основанные на использовании концептуального графа (X, R) и множеств вопросов Q, сопоставляемых концептам:

- тест-«конструктор» - для проверки наличия у пользователя целостного представления о предмете обучения (множество вопросов Q" );

- «динамический» тест - для проверки способности пользователя к обобщению (множество вопросов Q").

Указанные виды тестирования опираются на отношения множества Я. В ходе тестирования ЛПР предлагается не только отвечать на вопросы тестов, но и предварительно упорядочивать эти вопросы согласно определенным правилам. Эти правила определяются отношениями множества R.

Тест-«конструктор» направлен на проверку усвоения ЛПР связей между концептами фрагмента онтологии Оп. Для его реализации необходимо, чтобы фрагмент Оп включал в себя непрерывную последовательность концептов. ЛПР должен упорядочить предлагаемые вопросы в соответствие с порядком концептов.

Цель «динамического» теста - проверка способности ЛПР различать общие и специальные понятия ПО, включенные в Оя. Для «динамического» теста важно, чтобы во фрагменте концептуального графа, который соответствует изученному материалу, был фрагмент иерархии понятий, т.е. непрерывная цепь понятий, связанных отношениями «вид». Тестирование ЛПР осуществляется в несколько шагов. На каждом шаге СКП предлагает ЛПР несколько вопросов, из которых он должен выбрать один, соответствующий концепту из требуемой последовательности.

В третьей главе представлено архитектурное решение СКП, рассматриваются вопросы применения информационных технологий, работающих в режиме «клиент-сервер» для построения СКП. Данная архитектура представлена на рис. 5. В основе СКП лежит использование модели Мша ЖЦЗ, онтологической системы 1° и алгоритма извлечения знаний, соответствующих проблемной ситуации.

«Клиент»

Рис. 5. «Клиент-серверная» архитектура СКП

СКП включает в себя два основных блока: интерфейс пользователя (ИП), обеспечивающий удобную работу сотрудников организации (ЛПР) с корпоративными знаниями, и корпоративную память (КП) в виде онтологической системы, обеспечивающей хранение корпоративных знаний и информации.

База знаний (БЗ) предназначена для хранения знаний, которые используются как для предоставления пользователю, так и для работы машины вывода (MB); содержание БЗ составляет расширенная онтология О' ПО. MB осуществляет вывод на знаниях, хранящихся в БЗ, с целью предоставления пользователю знаний 00, соответствующих проблемной ситуации (основу работы MB составляет алгоритм 1).

ИП СКП включает в себя интерфейс пополнения знаний (процессы извлечения рсп и сохранения знаний р„), интерфейс получения знаний (процесс обучения PK), интерфейс тестирования (процесс контроля усвоения знаний р, ) и интерфейс коммуникации, позволяющий группе ЛПР общаться между собой в ходе решения задач (процесс использования знаний рн ).

В качестве основы для программной реализации СКП согласно предложенной сетевой архитектуре используется платформа Microsoft .NET, допускающая интеграцию в СКП других компонентов, расширяющих ее возможности, в частности, Microsoft Visio и JCLIPS. Для программирования прототипа использовался современный язык Visual С# (Си шарп), который предоставляет широкий набор средств для построения объектно-ориентированных приложений, в первую очередь для сетей Интранет и Интернет.

Для реализации пользовательского веб-интерфейса был использован Internet Information Server (IIS), входящий в операционную систему Microsoft Windows Server, а для реализации КП - СУБД Microsoft SQL. Данная реализация позволяет иметь на клиентском компьютере только интернет-браузер Microsoft Internet Explorer. Вид интерфейса пользователя (ЛПР) в окне Internet Explorer представлен на рис. 6:

->

! Тр Э^ ^ ?

i *<Г

I -fr

да-* ц«|

£ i ?" ^ Жтпвпй ФП 1фое

К иысокотехнологнческяы проектам относятся проекты, которые о' рискованности. воля интеллектуального капитала я стоимости к от* физического капитала. технически сложны в реализации, что требу разработки необходимых технических устройств, характеризуются I траисдискиплниарностыо. порождают много побочных резулнтято

Система корпоративной памяти v С 9

Пржирп1£ё«&«шЬиы£ '■'■"Y

I

Рис. 6. Вид интерфейса СКП в окне интернет-браузера

Рис. 6 иллюстрирует режим обучения ЛПР. Сначала ЛПР выбирает цель обучения (в данном примере это концепт «высокотехнологический проект»), затем

формируется учебная программа (фрагмент онтологии Оп) согласно алгоритму 1, которую далее ЛПР изучает, просматривая определения понятий и соответствующие дополнительную информацию (документы).

Помимо СКП, предназначенной для использования в локальных сетях организации, алгоритм 1 был реализован для автономной работы в среде ЧУтСЫРБ. Оценка проводилась для когнитивных карт со сложностью до 30 факторов и для онтологии, содержащей до 2000 концептов. Графики зависимости времени вывода от сложности онтологии приведены на рис. 7:

Рис. 7. Оценка времени работы алгоритма 1

Было установлено, что основное время затрачивается именно на передачу информации от сервера к клиенту и на осуществление транзакций в СУБД. Результаты оценки показывают, что время предоставления ЛПР необходимых знаний является достаточным для решения практических задач организации.

Также была проведена оценка знаний и информации, предоставляемых СКП в проблемных ситуациях. Работу с СКП оценивали менеджеры проектов в двух организациях, и было установлено, что в среднем 77% концептов соответствуют проблемным ситуациям, а также, что знаний, получаемых из СКП, в 95% случаев достаточно для разрешения ЛПР его проблемной ситуации (т.е. для принятия ЛПР адекватного ситуации решения).

В четвертой главе показано применение разработанных математических моделей и алгоритмов функционирования СКП, описывается внедрение прототипа СКП в обучающейся организации на примере двух компаний - консалтинговой и управляющей. Внедрение СКП в организации состоит в передаче процедур, схем и методик обучения и самообучения сотрудников (ЛПР). Методика, организующая работу групп (сети) ЛПР с СКП, является необходимой составляющей эффективного использования СКП для обработки корпоративных знаний.

На рис. 8 приведена схема функционирования обучающейся организации с СКП, которая позволяет выявить основные направления эффективного использования СКП:

Рис. 8. Схема функционирования обучающейся организации с СКП

Также предлагается модифицированный для самостоятельной работы ЛПР

алгоритм визуального онтологического инжиниринга (алгоритм 2)._

Алгоритм 2. Модифицированный алгоритм визуального онтоюгического инжиниринга_

Вход: корпоративные знания N всех сотрудников организации (ЛПР) Выход: Онтология ПО О', сохраненная в КП (БЗ) СКП.

Используемые структуры данных: X - множество концептов, Я - множество отношений.

1. Определение главной категории ПО х1ш°.

2. Определение базовых категорий Х'~'.

3 Определение множества Я отношений между понятиями

4. Добавление понятий к базовым категориям Х:>'.

5. Формулирование и редактирование определений понятий.

6. Если структура понятий не соответствует их определениям, то скорректировать их структуру и перейти к шагу 4.

_7. Конец._

Менеджерами проектов при помощи алгоритма 2 была построена онтология ПО «Менеджмент проектов», включающая около 400 концептов-понятий. Для каждого понятия были сформулированы соответствующие определения. Также было подготовлено около 200 дополнительных документов, соотнесенных с концептами-понятиями, и 100 концептов-терминов.

В процессе внедрения концепции обучающейся организации было установлено, что СКП является эффективным средством для реализации и дальнейшего развития данной концепции. В то же время, внедрение одной лишь СКП, без усвоения сотрудниками основных положений концепции, приведет к тому, что СКП получит лишь ограниченное применение и со временем ее использование может быть редуцировано до простого обмена информацией между ЛПР.

Внедрение СКП и методики ее применения в обучающейся организации позволило получить следующие результаты:

- сокращение времени подготовки проектов - установлено, что время, в среднем затрачиваемое менеджерами на подготовку проектов, снизилось на 30%.;

- снижение количества ошибок - за счет того, что ЛГТР предоставляются необходимые в сложившейся ситуации знания, примерно в три раза сократилось количество ошибок, совершаемых при ведении проектов;

- развитие (обучение) сотрудников организации - 73% менеджеров отметили полезность СКП для личного развития, в частности, повышение осознанности принимаемых решений;

- подготовка менеджеров к сертификации Project Management Institute (PMI) -материалы, подготовленные и введенные в СКП, используются для подготовки менеджеров проектов к планируемой сертификации PMI.

В заключении приведены основные результаты исследования и дается краткая характеристика основных направлений дальнейших исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Проведен системный анализ жизненного цикла знаний и методов использования знаний для повышения конкурентоспособности современной организации. Выделена концепция обучающейся организации как наиболее перспективная в условиях конкуренции. Сформулировано понятие СКП как комплекса, алгоритмов функционирования и информационного обеспечения, поддерживающего процессы накопления и использования корпоративных знаний.

2. Разработана системная модель жизненного цикла знаний в СКП, учитывающая применение корпоративных знаний для решения производственных задач в организации и основанная на онтологическом подходе к представлению знаний. Формальная онтологическая модель расширена с учетом специфики задачи предоставления знаний пользователям СКП.

3. Предложена когнитивная модель ситуации для использования ее ЛПР в качестве запроса к СКП. Исследовано совместное использование когнитивной и онтологической моделей в комплексной модели жизненного цикла знаний.

4. Разработан алгоритм обработки когнитивной модели ситуации с целью получения знаний, соответствующих ситуации пользователя. Алгоритм апробирован в среде WinCLIPS 6.23 и продемонстрирована его эффективность.

5. На основе созданных моделей разработаны два вида тестирования пользователей - «конструктор» и «динамический», направленные на проверку навыков работы пользователей СКП с понятиями и отношениями предметной области. Использование данных видов тестирования позволило построить эффективную систему контроля усвоения знаний пользователями.

6. На основе предложенных математических моделей и алгоритмов функционирования разработана архитектура СКП и выполнена ее

программная реализация в программной среде Microsoft .NET с целью использования в локальной сети организации.

7. Разработана методика работы с СКП, включающая модифицированный алгоритм визуального онтологического инжиниринга, на основе которого была создана онтология предметной области «Менеджмент проектов», а также включающая инструмент построения когнитивных карт («план-карты» проблем).

8. С целью повышения эффективности использования корпоративных знаний и опыта, СКП и методика ее применения были внедрены для менеджеров учебно-консультационных проектов двух компаний, а также использованы в учебном процессе на кафедре «Вычислительные системы и сети» Московского государственного института электроники и математики. Программная реализация СКП передана для регистрации Федеральную службу по интеллектуальной собственности, патентам и товарным знакам.

9. Основным результатом диссертационной работы можно считать разработку математических моделей и алгоритмов функционирования системы корпоративной памяти на основе анализа жизненного цикла знаний, имеющим существенное значение для системного анализа и обработки информации в обучающейся организации. Предложенное модельно-алгоритмическое обеспечение позволяет принимать научно обоснованные, технически целесообразные и экономически выгодные проекты для повышения конкурентоспособности современной организации.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Малиновский В.П. Рефлексия корпоративного опыта как способ извлечения экспертного знания // Научная сессия МИФИ-2003: Сб. науч. трудов. - М., 2003.-Т. З.-С. 80.

2. Малиновский В.П. Применение онтологий при построении тестов для проверки уровня подготовки обучаемых // Труды международной конференции «Информационные средства и технологии» / М-во обр-ия и науки Рос. Федерации.-М.:Янус-К, 2004.-Т. 1.-С. 148-151.

3. Малиновский В.П. Об одном применении онтологического подхода в управлении знаниями // Научная сессия МИФИ-2005: Сб. науч. трудов. - М., 2005.-Т. З.-С. 164-165.

4. Малиновский В.П. Организационное обучение как передача знаний с использованием системы корпоративной памяти // 9-я Научно-практическая конференция «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями»: Сб. науч. тр. -М.: Изд-во МЭСИ, 2005. - С. 310-314.

5. Малиновский В.П. Модель цикла обращения знаний в системе корпоративной памяти // Труды международной научно-технической конференции «Информационные средства и технологии» / М-во обр-ия и науки Рос. Федерации. - М.: Янус-К, 2005. - Т. 2. - С. 31-34.

6. Малиновский В.П. Самообучающаяся организация: опыт создания на российских предприятиях // Проблемы теории и практики управления. -2005. - №6. - С. 101-106.

7. Малиновский В.П. Применение информационных технологий для повышения эффективности использования корпоративного опыта сотрудниками предприятия II Современный кадровый менеджмент. - М.: ИПКгосслужбы,

2005. - Выпуск №4. - С. 184-191.

8. Малиновский В.П. Использование онтологического подхода при моделировании жизненного цикла знаний в системе корпоративной памяти организации // Новости искусственного интеллекта. - 2005. - № 3. - С. 31-41.

9. Малиновский В.П. Применение модели жизненного цикла для управления объемом базы знаний // Научная сессия МИФИ-2006: Сб. науч. трудов. - М.,

2006. - Т. 3.-С. 142-143.

ДСЮ6А

Издательство ФГУП «Научно-исследовательский и экспериментальный институт автомобильной электроники и электрооборудования»

1- 8 6 6 4'

г

Тираж 100 экз.

Подписано в печать «Л » 2006 г.

СПИСОК СОКРАЩЕНИИ.

ВВЕДЕНИЕ.

ГЛАВА 1. ОБЗОРНО-АНАЛИТИЧЕСКИЕ ИССЛЕДОВАНИЯ В ОБЛАСТИ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ И АЛГОРИТМОВ ФУНКЦИОНИРОВАИЯ СИСТЕМЫ КОРПОРАТИВНОЙ ПАМЯТИ.

1.1. Проблема управления знаниями и информацией в современной организации.

1.2. Анализ информационных технологий для создания системы корпоративной памяти.

1.3. Системный анализ жизненного цикла знаний в системе корпоративной памяти.

1.4. Постановка задачи исследования.

ГЛАВА 2. МОДЕЛИРОВАНИЕ ЗНАНИЙ И ИНФОРМАЦИИ В СИСТЕМЕ КОРПОРАТИВНОЙ ПАМЯТИ.

2.1. Системное представление знаний и процессов их трансформации в модели жизненного цикла знаний.

2.2. Использование когнитивной модели ситуации для запроса к системе корпоративной памяти.

2.3. Алгоритм предоставления знаний по когнитивной модели ситуации.

2.4. Разработка системы тестирования пользователя на основе модели расширенной онтологии.

Выводы по главе 2.

ГЛАВА 3. АРХИТЕКТУРНОЕ РЕШЕНИЕ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ РЕАЛИЗАЦИИ СИСТЕМЫ КОРПОРАТИВНОЙ ПАМЯТИ.

3.1. Архитектура системы корпоративной памяти.

3.2. Применение Microsoft Visio для расширения возможностей интерфейса пополнения знаний.

3.3. Реализация алгоритма обработки когнитивной модели ситуации в среде CLIPS.;.

3.4. Программная реализация системы корпоративной памяти.

3.5. Экспериментальное исследование алгоритма 1.

Выводы по главе 3.

ГЛАВА 4. ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И АЛГОРИТМОВ ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ КОРПОРАТИВНОЙ ПАМЯТИ.

4.1. Задача построения обучающейся организации с применением системы корпоративной памяти.

4.2. Процедуры работы с системой корпоративной памяти.

4.3. Онтология предметной области «Менеджмент проектов» и оценка эффективности системы корпоративной памяти.

Выводы по главе 4.

Диссертация посвящена системного анализу жизненного цикла знаний и разработке системы корпоративной памяти (СКП), предназначенной для повышения эффективности процессов обучения и переподготовки сотрудников организации, осуществляющих различные организационные изменения. В качестве основного подхода к улучшению процессов обучения (переподготовки) предлагается внедрение методик и программных продуктов, позволяющих задействовать корпоративные знания и опыт для успешного решения сотрудниками организации своих производственных задач.

В работе анализируются модели и средства представления корпоративных знаний в системах управления знаниями (СУЗ), главным образом, онтологический подход, организация баз знаний (БЗ), а также применение когнитивных моделей для описания ситуаций, в которых пользователь может получить знания из БЗ.

Актуальность исследования. Проблема накопления и использования корпоративных знаний является одной из наиболее актуальных для современной организации. Это обусловлено следующими факторами [12, 22, 56, 58, 64, 78,81]:

- необходимостью быстрой адаптации новых сотрудников к специфике организации за счет передачи им необходимого для них корпоративного опыта и знаний;

- требованием накопления и сохранения знаний сотрудников, покидающих организацию в силу различных обстоятельств;

- постоянным повышением требований к качеству решения повседневных задач (принимаемых решений) организации за счет использования накопленного опыта и знаний;

- потребностью повышения компетентности сотрудников на основе внутренних интеллектуальных ресурсов организации (корпоративных знаний).

Чтобы в максимальной степени учесть все эти требования, необходимы комплексные исследования в области построения СУЗ, требующие всестороннего анализа сложной системы корпоративных знаний. В современных исследованиях СУЗ для организации знаний чаще всего применяется онтологический подход, который представляет структуру корпоративных знаний, но не отражает процессы накопления знаний, а также процессы получения сотрудниками знаний, соответствующих решаемым производственным задачам [20, 80].

С эффективным использованием корпоративных знаний связано также описание самих производственных задач, которое бы позволило сотрудникам получать необходимые для решения задач знания. В качестве такого описания наиболее часто используется когнитивное моделирование, которые позволяет эффективно анализировать сложные проблемные ситуации в деятельности организации. Однако анализ ситуаций при помощи когнитивных моделей, как правило, никак не связан с построением структуры корпоративных знаний, т.е. его преимущества не используются для повышения уровня усвоения сотрудниками корпоративных знаний [52, 73, 83].

Проблема системного анализа описания корпоративных знаний рассматривается в контексте разработки информационных технологий, помогающих сотрудникам работать с корпоративными знаниями на всех этапах цикла накопления, хранения и использования знаний, в том числе для создания новых знаний (наращивания интеллектуального капитала организации). СКП в этом контексте понимается как некоторый компонент (расширение) СУЗ, предназначенный, главным образом, для самостоятельного сохранения сотрудниками корпоративного опыта и знаний и их последующего использования для обучения и переподготовки.

Таким образом, исследование СКП представляет интерес как с теоретико-научной, так и с практической точки зрения. Результаты исследований могут применяться в различных организациях, желающих повысить эффективность использования корпоративного опыта и знаний. Разработанное модельно-алгоритмическое обеспечение и реализованная на ее основе СКП совместно с методикой применения СКП могут быть использованы при решении различных задач, требующих привлечения коллективного опыта и знаний сотрудников организации.

Объектом исследования является система жизненного цикла создания, хранения, распространения и использования знаний (для краткости - жизненный цикл знаний, ЖЦЗ) в СКП и возможности программной реализации СКП, соответствующей этому циклу.

Предметом исследования являются математические модели, алгоритмы и информационные технологии, используемые для создания и поддержки жизненного цикла знаний в СКП.

Цель исследования - разработка модельного и алгоритмического обеспечения СКП как системы накопления и использования корпоративных знаний и информации.

Исходя из поставленной цели, в диссертации определены следующие задачи:

- системный анализ ЖЦЗ в организации без СКП и при наличии СКП, позволяющей сотрудникам организации выявлять, сохранять и использовать корпоративные знания в процессе обучения и самообучения;

- анализ различных программных средств, предназначенных для повышения эффективности использования корпоративных знаний сотрудниками организации;

- разработка формальных моделей и алгоритмов, описывающих сложную систему корпоративных знаний и учитывающих использование СКП сотрудниками для обучения (самообучения) в ходе решения производственных задач;

- разработка архитектуры и программная реализация СКП как комплекса программных систем на основе формальной модели ЖЦЗ;

- внедрение СКП на примере обучающейся организации с целью повышения квалификации (переподготовки) менеджеров учебно-консультационных проектов.

Методы исследования. Поставленные задачи решаются с использованием концепции обучающейся организации, методов системного анализа, методов искусственного интеллекта в плане организации и приобретения знаний, когнитивного моделирования, теории системной динамики, теории графов и теории множеств.

Теоретической основой и информационными источниками исследования послужили работы отечественных и зарубежных ученых в области искусственного интеллекта (ИИ) и конструирования интеллектуальных систем (ИС), в частности СУЗ и когнитивного моделирования, среди которых: Д.А. Поспелов, Э.В. Попов, В.К. Финн, В.Н. Вагин, И.А. Башмаков, Т.А. Гаврилова, В.В. Голенков, А.П. Еремеев, Б.А. Кобринский, О.П. Кузнецов, В.И. Максимов, Г.С. Осипов, Г.С. Плесневич, Г.В. Рыбина, B.J1. Стефанюк, В.Б. Тарасов, Ю.Ф. Тельнов, Э.А. Трахтенгерц, И.Б. Фоминых, В.Ф. Хорошевский, К. Арджирис (С. Argyris), К. Вииг (К. Wiig), Т. Грубер (Т. Gruber), Н. Гуарино (N. Guarino), О. Кун (О. Kuehn), И. Нонака (I. Nonaka), Ф. Оливера (F. Olivera), П. Сенге (Р. Senge), Дж.М. Файерстон (J.M. Firestone), а также материалы, размещенные в сети Интернет.

Диссертационная работа выполнена в рамках пунктов 4, 5 и 12 шифра специальности 05.13.01 «Системный анализ, управление и обработка информации».

Научная новизна исследования состоит в следующем:

1. Предложена модель жизненного цикла знаний в СКП, основанная на сочетании онтологического подхода и подхода когнитивного моделирования.

2. Разработан алгоритм предоставления пользователю СКП знаний, соответствующих его задаче, по когнитивной модели ситуации.

3. Предложен алгоритм визуального построения онтологии предметной области сотрудниками организации.

4. Разработаны методы организации взаимодействия элементов информационной технологии СКП.

5. Предложена методика внедрения концепции обучающейся организации с применением СКП.

Практическая значимость. Практическая значимость работы состоит в разработке СКП и методики ее использования, повышающей эффективность использования компьютерных систем в решении задач обучения и переподготовки сотрудников организации на основе накопленных корпоративных знаний.

Практическая значимость работы подтверждается использованием разработанной СКП менеджерами учебно-консультационных проектов для решения задач обучения и развития в рамках концепции обучающейся организации, о чем имеются соответствующие акты о внедрении.

Достоверность научных положений. Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, а также сравнением полученных результатов с результатами, приведенными в научной литературе.

Реализация и внедрение результатов. Разработанный прототип СКП использовался для обучения и переподготовки менеджеров проектов в АННОО «Центр кадровых технологий» и в ОАО «Управляющая компания Волжский гидроэнергетический каскад», в учебно-научном процессе на кафедре «Вычислительные системы и сети» МГИЭМ (ТУ), что подтверждается соответствующими актами о внедрении.

Программное средство «Система извлечения из корпоративной памяти знаний, релевантных проблемной ситуации» передано для регистрации в Федеральную службу по интеллектуальной собственности, патентам и товарным знакам.

На защиту выносятся:

1. Системная модель жизненного цикла знаний в СКП, основанная на сочетании онтологического подхода и подхода когнитивного моделирования.

2. Алгоритмы пополнения и получения знаний, соответствующих задаче пользователя, при функционировании СКП.

3. Информационная технология реализации СКП.

4. Методика использования разработанной СКП в решении задачи обучения и переподготовки сотрудников организации.

5. Применение СКП в задаче построения обучающейся организации.

Апробация результатов исследования. Основные материалы и научные результаты диссертационной работы в период с 2003 по 2006 г.г. обсуждались на следующих конференциях: Научной сессии Московского инженерно-физического института (Москва, 2003, 2005, 2006 г.г.); 9-й Национальной конференции по искусственному интеллекту с международным участием (Тверь, 2004 г.); Международной конференции «Информационные средства и технологии» (Москва, 2004, 2005 г.г.); Международной научно-практической конференции «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями» (Москва, 2005 г.).

Публикации. По теме диссертации опубликовано 9 печатных работ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы (140 наименований) и 3 страниц приложения. Диссертация содержит 161 страницу машинописного текста.

Основные результаты и выводы диссертационной работы:

1. Проведенный системный анализ жизненного цикла знаний и методов использования знаний для повышения конкурентоспособности современной организации позволил выделить концепцию обучающейся организации как наиболее перспективную в условиях конкуренции. Сформулировано понятие СКП как комплекса, алгоритмов функционирования и информационного обеспечения, поддерживающего процессы накопления и использования корпоративных знаний.

2. Разработанная системная модель жизненного цикла знаний в СКП позволяет учитывать применение корпоративных знаний и информации при решении производственных задач. Системная модель включает в себя расширенную формальную модель онтологии и когнитивную модель проблемной ситуации.

3. Предлагаемый алгоритм обработки когнитивной модели проблемной ситуации позволяет обеспечить высокий уровень соответствия знаний, выбираемых из СКП, производственной задаче пользователя.

4. На основе созданных моделей разработаны два вида тестирования пользователей - «конструктор» и «динамический», направленные на проверку навыков работы пользователей СКП с понятиями и отношениями предметной области, и позволяющие построить эффективную систему контроля усвоения знаний пользователями СКП.

5. На основе предложенных математических моделей и алгоритмов функционирования разработаны элементы информационной системы, позволяющие сотрудникам обучающейся организации накапливать и обрабатывать корпоративные знания в автоматизированном режиме.

6. Разработанный алгоритм визуального построения онтологии предметной области позволил сотрудникам обучающейся организации самостоятельно построить онтологию предметной области «Менеджмент проектов».

7. Разработанная методика построения обучающейся организации, включающая инструмент построения когнитивных карт («план-карты» проблем), и использование прототипа СКП позволили снизить количество ошибок, совершаемых менеджерами учебно-консультационных проектов двух компаний, а также существенно сократить время подготовки проектов.

8. Основным результатом диссертационной работы можно считать разработку математических моделей и алгоритмов функционирования системы корпоративной памяти на основе анализа жизненного цикла знаний, имеющим существенное значение для системного анализа и обработки информации в обучающейся организации. Предложенное модельно-алгоритмическое обеспечение позволяет принимать научно обоснованные, технически целесообразные и экономически выгодные проекты для повышения конкурентоспособности современной организации.

Дальнейшие исследования могут быть направлены на совершенствование и расширение математического аппарата, описывающего систему жизненного цикла знаний в СКП, разработку дополнительных программных и методических средств поддержки концепции обучающейся организации, а также на поиск новых возможностей использования системного анализа в плане повышения эффективности обучения и переподготовки ЛПР - сотрудников организаций.

ЗАКЛЮЧЕНИЕ

1. Арджирис К. Организационное научение. М.: Инфра-М, 2004. - 562 с.

2. Астанин С.В. Сопровождение процесса обучения на основе нечеткого моделирования. www.e-joe.ru/sod/00/500/as.html.

3. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии. М.: Изд-во МГТУ им. Н.Э.Баумана, 2005. - 304 с.

4. Башмаков А.И., Башмаков И.А. Разработка компьютерных учебников и обучающих систем. М.: Филинъ, 2003. - 613 с.

5. Башмаков И.А., Рабинович П.Д. Анализ моделей семантических сетей как математического аппарата представления знаний об учебном материале // Инженерный журнал. 2002. - № 7. - С. 55-60.

6. Башмаков И.А., Рабинович П.Д. Модель семантической сети для представления учебного материала в компьютерных обучающих средствах // Инженерный журнал. 2002. - № 8. - С. 61-64.

7. Берг Д.Б., Беклемишев К.А. Конкуренция в физической системе и математическая модель ее жизненного цикла/ Сб. тр. 4-й Всерос. интернет-конф. Тамбов: Тамбовский ГТУ, 2002. -www.ephes.ru/articl/content/article.php?art=beklemishevberg.htm.

8. Берг Д.Б., Гольдштейн C.JL Специфика процесса конкуренции и ее жизненного цикла/ «Информационные технологии в экономике: теория, модели, методы», межвуз. сб. науч. тр. под ред. проф. Шорикова. -Екатеринбург: УрГЭУ, 2003. С. 3-9.

9. Бизяев Р.В. и др. Построение компьютерных учебно-тренировочных комплексов по эксплуатации ракетно-космической техники / Бизяев Р.В., Иосифов П.А., Недайвода А.К., Решетников В.Н., Соколов В.П. // Программные продукты и системы. 2004. - № 4. - С. 2-5.

10. Большая российская энциклопедия. -М.: Большая Рос. энциклопедия, 2004.11 .Боронников А.Б., Семенов С.В. Построение информационных систем на основе технологий XML веб-сервисов // Программные продукты и системы. -2004.-№ 4.-С. 61-62.

11. Брукинг А. Интеллектуальный капитал: Ключ к успеху в новом тысячелетии. СПб.: Питер, 2001. - 286 с.

12. Букович У., Уилльямс Р. Управление знаниями: руководство к действию. -М.: Инфра-М, 2002. 503 с.

13. Бурков В.Н., Ириков В.А. Модели и методы управления организационными системами. М.: Наука, 1994. - 269 с.

14. Вагин В.Н. Знание в интеллектуальных системах // Новости искусственного интеллекта. 2002. - № 6. - С. 8-18.

15. Вагин В.Н. и др. Достоверный и правдоподобный вывод в интеллектуальных системах / Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. / Под ред. В.Н. Вагина, Д.А. Поспелова. М.: Физматлит, 2004. - 704 с.

16. Гаврилов А.В. Гибридная экспертная система для профориентации // Сб-к научных трудов НГТУ. Новосибирск: Из-во НГТУ, 1997. - № 3 (8). - С. 123-132.

17. Гаврилова Т.А. Онтологический инжиниринг // Восьмая национальная конференция по искусственному интеллекту с международным участием: Труды конференции / Российская ассоциация искусственного интеллекта. -М.: Физматлит, 2002. Т. 2. - С. 844-853.

18. Гаврилова Т.А. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем // Новости искусственного интеллекта. 2003. - № 2. - С. 24-29.

19. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. -СПб.: Питер, 2000. 382 с.

20. Глобализация и моделирование социальной динамики: Сб. ст. Ин-т соц. наук / Отв. ред. Григорьян Э.Р. М.: Ин-т соц. наук, 2001. - 143 с.

21. Голдовский П., Бубнов A. Knowledgeware: как задействовать самые ценные корпоративные активы / САПР и графика, www.sapr.ru. 2001. - №4. -www.sapr.ru/Article.asp?id=1248.

22. Голенков В.В. Графодинамические методы и средства параллельной асинхронной переработки информации в интеллектуальных системах. -Минск: БГУИР, 1996. 295 с.

23. Голенков В.В. и др. Виртуальные кафедры и интеллектуальные обучающие системы / Голенков В.В., Емельянов В.В., Тарасов В.Б. // Новости искусственного интеллекта. 2001. - № 4. - С. 3-13.

24. Гофман И. Анализ фреймов: эссе об организации повседневного опыта. -М.: Ин-т социологии РАН, 2003. 752 с.

25. Гришина Н.В. Психология социальных ситуаций. СПб.: Питер, 2001. - С. 416.

26. Гусев В.Д., Завертайлов А.В. и др. Система «OntoGRlD» для построения онтологий / Гусев В.Д., Завертайлов А.В., Загоруйко Н.Г., Ковалёв С.П., Налётов A.M., Саломатина Н.В. www.dialog-21.ru/Archive/2005/Zagoruiko%20Gusev%20Zavertailov/ZagoruykoNG.htm.

27. Джексон П. Введение в экспертные системы. М.: Вильяме, 2001. - 624 с.

28. Дюк В.А. Технологии Data Mining в медико-биологических исследованиях // Новости искусственного интеллекта. 2004. - № 3. - С. 49-57.

29. Зб.Зенкин А.А. Когнитивная компьютерная графика / Под ред. Поспелова Д.А. -М.: Наука, 1991.- 187 с.

30. Ионин Л.Г. Социология культуры: путь в новое тысячелетие. М.: Логос, 2000.-431 с.

31. Кислуха В.А. Значение и применение экспертных систем в службах управления персоналом // Управление персоналом. 2001. -№ 4. - С. 79-80.

32. Кобринский Б.А. Извлечение экспертных знаний: групповой вариант // Новости искусственного интеллекта. 2004. - № 3. - С. 58-66.

33. Козлов Л.А. Когнитивное моделирование на ранних стадиях проектной деятельности. Барнаул: Из-во АлтГТУ, 2001. - 247 с.

34. Корноушенко Е.К., Максимов В.И. Управление ситуацией с использованием структурных свойств ее когнитивной карты // Труды Института / Рос. акад. наук. Ин-т проблем упр. им. В. А. Трапезникова. М., 2000. - Т. 11. - С. 8590.

35. Кулинич А.А. Методология когнитивного моделирования сложных плохо определенных ситуаций // Вторая международная конференция по проблемам управления: Избр. тр. М.: ИЛУ РАН, 2003. - Т. 2. - С. 219-226.

36. Лакофф Д. Когнитивная семантика. М.: Прогресс, 1996. - С. 143-184.

37. Лемке Д. Microsoft Office Visio 2003. М.: СП ЭКОМ, 2006. - 351 с.

38. Леонтьев Б.К. Microsoft Visio 2002 professional : Построение проектов, диаграмм и бизнес-схем в операционной системе Microsoft Windows ХР / Серия «Полное руководство пользователя». М.: СОЛОН-Р, 2002. - 511 с.

39. Лорьер Ж.-Л. Системы искусственного интеллекта / Под ред. Стефанюк В.Л. М.: Мир, 1991.-568 с.

40. Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Вильяме, 2003. - 863 с.

41. Максимов В.И. Когнитивные технологии от незнания к пониманию // Когнитивный анализ и управление развитием ситуаций (CASC2001): Материалы 1-й международной конференции. - М.: ИПУ РАН, 2001. - Т.1. -С. 4-41.

42. Меньшикова А.А., Соловов А.В. Дискретные математические модели в исследовании процессов автоматизированного обучения / Educational

43. Technology & Society. 2001. - №4. - С. 205-210. -ifets.ieee.org/russian/depository/v4i2/html/3.html.

44. Мехоношин K.A. Повышение конкурентоспособности предприятия на основе управления знаниями: Автореф. дисс. канд. экон. наук: 08.00.05 / Перм. гос. ун-т. Пермь, 2002. - 24 с.

45. Микони С.В. Модели и базы знаний: Учеб. пособие / М-во путей сообщ. Рос. Федерации. СПб.: ЛИИЖТ, 2000. - 154 с.

46. Мильнер Б.З. Управление знаниями: Эволюция и революция в организации. М.: ИНФРА-М, 2003. - 177 с.

47. Нонака И., Такеучи X. Компания создатель знания. - М.: ЗАО «Олимп-Бизнес», 2003.-384 с.58.0йхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: реинжиниринг организаций и информационные технологии. М.: Финансы и статистика, 1997.-332 с.

48. Осипов Г.С. Приобретение знаний интеллектуальными системами: Основы теории и технологии / Сер. Проблемы искусственного интеллекта. М.: Наука, 1997.- 109 с.

49. Петрухин А. и др. Система представления и интерпретации знаний в динамических предметных областях / Петрухин В.А., Голияд Ю.Б., Гапон А.В. wvm.telemed.org.ua/orig/econf7tm7.html.

50. Плесневич Г.С. Понятийно-ориентированные языки в инженерии знаний // Новости искусственного интеллекта. 2003. - № 6. - С. 3-9.

51. Попов Э.В. Управление знаниями // Вестник РФФИ. 2004. -№ 4. - С. 5-29.

52. Попов Э.В. и др. Статические и динамические экспертные системы / Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. М.: Финансы и статистика, 1996.-318 с.

53. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.-284 с.

54. Робертс-Уитт C.JI. Системы управления знаниями: все знания на службу фирме // PC Magazine Russian Edition, www.pcmag.ru. - 2000. №10. -www.pcmag.ru/?ID=35657.

55. Руководство к Своду знаний по управлению проектами: A guide to the project management body of knowledge / пер. Баженов А.Д. и др. М.: Ин-т по упр. проектами, 2004. - 238 с.

56. Румбешт В.В. Диагностика тепловых сетей на основе онтологии повреждений: Автореф. дисс. канд. техн. наук: 05.11.16, 05.23.03 / Моск. гос. технич. ун-т им. Н. Э. Баумана. М., 1999. - 16 с.

57. Рыбина Г.В. Архитектуры интегрированных экспертных систем: современное состояние и тенденции // Новости искусственного интеллекта. М.: Анахарсис, 2002. - № 4. - С. 10-17.

58. Сафонов В.О. Экспертные системы интеллектуальные помощники специалистов. - СПб.: Знание, 1992. - 32 с.

59. Сенге П. Пятая дисциплина: искусство и практика самообучающейся организации. М.: ЗАО «Олимп-Бизнес», 2003. - 408 с.

60. Смирнов А.В. и др. Онтологии в системах искусственного интеллекта: способы построения и организации / Смирнов А.В., Пашкин М.П., Шилов Н.Г., Левашова Т.В. // Новости искусственного интеллекта. М.: Анахарсис, 2002. -№ 1, с. 3-13, №2, с. 4-10.

61. Смирнов С.В. Онтологический анализ в системах компьютерного моделирования: Автореф. дисс. канд. техн. наук: 05.13.01 / Сам. гос. техн. ун-т. Самара, 2002. - 39 с.

62. Солсо P.JI. Когнитивная психология / Серия Мастера Психологии. СПб.: Питер, 2002.-591 с.

63. Тарасевич Ю.Ю. Математическое и компьютерное моделирование. Вводный курс: Учеб. пособие для студентов вузов. М.: УРСС, 2004. - 149 с.

64. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. М.: УРСС, 2002. - 348 с.

65. Тарасов В.Б. Управление знаниями на сетевых предприятиях // 6-я Научно-практическая конференция «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями»: Сб. науч. тр. -М.: Из-во МЭСИ, 2002.

66. Тельнов Ю.Ф. Проектирование систем управления знаниями // Новости искусственного интеллекта. 2002. - № 4. - С. 29-34.

67. Тельнов Ю.Ф. Реинжиниринг бизнес-процессов: компонентная методология. М.: Финансы и статистика, 2004. - 318 с.

68. Тельнов Ю.Ф. Технология создания обучающейся организации на базе системы управления знаниями // Научная сессия МИФИ-2005: Сб. науч. трудов. М., 2005. - Т. 3. - С. 27-28.

69. Трахтенгерц Э.А. Компьютерная поддержка переговоров при выработке групповых решений / Рос. акад. наук; Ин-т проблем упр. им. В. А. Трапезникова. -М.: Ин-т пробл. упр., 2001.

70. Трахтенгерц Э.А. Компьютерная поддержка формирования целей и стратегий / Серия Системы и проблемы управления / Рос. акад. наук; Ин-т проблем упр. им. В. А. Трапезникова. М.: Синтег, 2005. - 217 с.

71. Труды 8-й национальной конференции по искусственному интеллекту с международным участием / Российская ассоциация искусственного интеллекта. М.: Физматлит, 2002. - Т. 2. - С. 845-957.

72. Уэно X. и др. Представление и использование знаний / Уэно X., Кояма Т., Окамото Т. М.: Мир, 1989. - 220 с.

73. Философский словарь / Под ред. Фролова И.Т. М.: Республика, 2001.

74. Финн В.К. Об интеллектуальном анализе данных // Новости искусственного интеллекта. 2004. - № 3. - С. 3-18.

75. Форрестер Дж. Мировая динамика. М.: ООО Изд-во ACT. - 379 с.

76. Фридман A.JI. Основы объектно-ориентированной разработки программных систем. — М.: Финансы и статистика, 2000. 192 с.

77. Частиков А.П. и др. Разработка экспертных систем. Среда CLIPS // Частиков А.П., Гаврилова Т.А., Белов Д.Л. СПб.: БХВ-Петербург, 2003. - 608 с.

78. Челпанов Г.И. Учебник логики. М.: Прогресс, 1994. - 237 с.

79. Шеховцев О.И. Представление знаний. СПб.: ГЭТУ, 1997. - 54 с.

80. Avouris N.M., Finotti S. User interface design to expert systems based on hierarchical spatial representations H Expert systems with applications. Oxford: Pergamon Press, 1993. - Vol. 6. - P. 109-118.

81. Baget J.F., Mugnier M.L. Extensions of Simple Conceptual Graphs: the Complexity of Rules and Constraints // Journal of Artificial Intelligence. — Marina del Ray: AI Access Foundation, 2002. Vol. 16. - P. 425-465.

82. Beckman T.A Methodology for Knowledge Management // International Association of Science and Technology for Development (IASTED) AI and Soft Computing Conference. Banff, 1997.

83. Cohen L.L., Levinthal D.A. Absorptive Capability: A New Perspective on Learning and Innovation // Administrative Science Quarterly. 1990. - № 35. -P. 128-152.

84. Cortes U. et al. Knowledge Management in Environmental Decision Support Systems / Cortes U., Sanchez-Marre M., Sunguesa R., Comas J. // AI Communications. Oxford: IOS Press, 2001. -№ 14. - P. 3-12.

85. Fernandez-Breis J.T. et al. An Approach to Corporate Memory Modelling / Fernandez-Breis J.T., Campoy-Gomez L., Martinez-Bejar R., Martin-Rubio F. -2001. — klt.dif.um.es/papers/ecai-km-murcia.pdf.

86. Firestone J.M. Enterprise information portals and knowledge management. -Amsterdam: Butterworth-Heinemann, 2003. 422 p.

87. Fox M.S., Gruninger M. On ontologies and enterprise modelling // International Conference on Enterprise Integration Modelling Technology. -Springer-Verlag: 1997.

88. Garvin D.A. Building a Learning Organization // Harvard Bussiness Review. -1993. July-August. - P. 78-91.

89. Gruber T. A translation approach to portable ontologies // Knowledge Acquisition. 1993. - № 5. - P. 199-200.

90. Guarino N. Formal Ontology, conceptual analysis and knowledge representation // International Journal of Human and Computer Studies. 1995. -№43.-P. 625-640.

91. Guarino N. Formal ontology in information systems // Proceedings of FOIS'98.-Amsterdam: IOS Press, 1998.-P. 3-15.

92. Knowledge management handbook / Ed. by Leibowitz J. Boca Raton: CRC Press, 1999.

93. Kosco B. Neural networks and fuzzy systems. Prentice Hall: Englewood Cliffs, 1992.

94. Kucza T. Knowledge Management Process Model. 2001. -www.inf.vtt.fi/pdf/publications/2001/P455.pdf.

95. Kuehn O., Abecker A. Corporate memories for knowledge management in industrial practice // Prospects and Chalenges. 1998.

96. Lai K. W. Squiring expertise and cognitive skills in the process of constructing an expert system: A preliminary study: ERIC Document No. ED 312986 / Annualmeeting of the American Educational Research Association. San Francisco, 1989.

97. Lippert R. C. An expert system shell to teach problem solving // Teach Trends.- 1988.-№33.-P. 22-26.

98. Marces R.V. et al. Modeling and simulation of a complex industrial process // IEEE Expert: Intelligent Systems & their applications. IEEE Computer Society, 1997. - Vol. 12, №3. - P. 42-46.

99. Nakabayashi K. et al. Architecture of an Intelligent Tutoring System on the WWW // Proceedings of the 8th World Conference on Artificial Intelligence in Education Knowledge and Media in Learning Systems (AI-ED'97). - Kobe, 1997.

100. Nonaka I. A Dynamic Theory of Organizational Knowledge Creation // Organization Science, 1994. № 5. - P. 58-77.

101. Olivera F. Memory systems in organizations: an empirical investigation of mechanism for knowledge collection, storage and access // Journal of Management Studies. Legon: School of administration. Univ. of Ghana, 2000. -September. - P. 810-832.

102. Oxendine E., Nissen M.E. Knowledge process and system design for the carrier battle group // Knowledge and Innovation. Knowledge Management Consortium International, 2001. - Vol. 1, № 3. - P. 89-109.

103. Partridge C. The role of ontology in integrating semantically heterogenous databases: Technical report 05-02 / LADSEB-CNR. Padova, 2002. - 26 p.

104. Pedler M. et al. The learning company: a strategy for sustainable development.- London: McGraw-Hill Book Company, 1991. 213 p.

105. Plumley D. Process-based knowledge mapping: a practical approach to prioritizing knowledge in terms of its relevance to a business or KM objective. -2003. www.destinationkm.com/articles/?ArticleID=l041.

106. Soshnikov D., Dubovik S. Structured factional decomposition approach to knowledge-based business process modeling // Proc. of the 6th Joint Conference on Knowledge-Based Software Engineering. Amsterdam: IOS Press, 2004. - P. 281-290.

107. Spek R., Spijkervet A.L. A methodology for knowledge management // Tutorial Notes of the 3rd World Congress on Expert Systems. Seoul, 1996.

108. Staab S., Schnurr H. et al. Knowledge Processes and Ontologies. 2000. -www.aifb.uni-karlsruhe.de/WBS/sst/Research/Publications/isystems-knowledgeprocess.pdf.

109. Stahl G. A Model of Collaborative Knowledge-Building // Fourth International Conference of the Learning Sciences. Mahwah: Erlbaum, 2000. - P. 70-77.

110. Sun R. From implicit skills to explicit knowledge: a bottom-up model of skill learning // Cognitive Science. Cognitive Science Society, 2001. - № 25. - P. 203-244.

111. Verna A. The future of knowledge: Increasing prosperity through value networks. Amsterdam: Butterworth-Heinemann, 2003. -294 p.

112. Wiig K. Knowledge management foundations: thinking about thinking how organizations create, represent and use knowledge. - Scheme Press, 1993.

113. Wiig K. Knowledge management: where did it come from and where will it go // Expert Systems with Applications. Oxford: Pergamon Press, 1997. - Vol. 14.

114. Малиновский В.П. Использование онтологического подхода при моделировании жизненного цикла знаний в системе корпоративной памяти организации // Новости искусственного интеллекта. 2005. - № 3. - С. 3141.

115. Малиновский В.П. Модель цикла обращения знаний в системе корпоративной памяти // Труды международной научно-техническойконференции «Информационные средства и технологии» / М-во обр-ия и науки Рос. Федерации. М.: Янус-К, 2005. - Т. 2. - С. 31-34.

116. Малиновский В.П. Об одном применении онтологического подхода в управлении знаниями // Научная сессия МИФИ-2005: Сб. науч. трудов. М., 2005. - Т. 3.-С. 164-165.

117. Малиновский В.П. Применение информационных технологий для повышения эффективности использования корпоративного опыта сотрудниками предприятия // Современный кадровый менеджмент. М.: ИПКгосслужбы, 2005. - Выпуск №4. - С. 184-191.

118. Малиновский В.П. Применение модели жизненного цикла для управления объемом базы знаний // Научная сессия МИФИ-2006: Сб. науч. трудов. М., 2006. - Т. 3. - С. 142-143.

119. Малиновский В.П. Применение онтологий при построении тестов для проверки уровня подготовки обучаемых // Труды международной конференции «Информационные средства и технологии» / М-во обр-ия и науки Рос. Федерации.-М.:Янус-К, 2004.-Т. 1.-С. 148-151.

120. Малиновский В.П. Рефлексия корпоративного опыта как способ извлечения экспертного знания // Научная сессия МИФИ-2003: Сб. науч. трудов. М., 2003. - Т. 3. - 214 с.

121. Малиновский В.П. Самообучающаяся организация: опыт создания на российских предприятиях // Проблемы теории и практики управления. -2005.-№6.-С. 101-106.