автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Методологические основы поддержки принятия управленческих решений в информационном пространстве регионального кластера

На правах рукописи

КВЯТКОВСКАЯ Ирина Юрьевна

2 7 АВГ 2009

МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В ИНФОРМАЦИОННОМ ПРОСТРАНСТВЕ РЕГИОНАЛЬНОГО КЛАСТЕРА

Специальность: 05.13.10- Управление в социальных и экономических

системах

Автореферат

диссертации на соискание ученой степени доктора технических наук

□□3475728

Астрахань, 2009

003475728

Работа выполнена в ФГОУ ВПО «Астраханский государственный технический

университет»

Научный консультант: заслуженный деятель науки РФ,

доктор технических наук, профессор Камаев Валерий Анатольевич.

Официальные оппоненты:

Ведущая организация:

доктор технических наук, профессор Большаков Александр Афанасьевич;

доктор экономических наук, профессор Щербанин Юрий Алексеевич;

доктор технических наук, профессор Дворянкин Александр Михайлович.

ГОУ ВПО «Московский государственный университет экономики, статистики и информатики» (МЭСИ).

Защита состоится 26 сентября 2009 г. в 10 часов на заседании диссертационного совета ДМ 212.009.03 при Астраханском государственном университете по адресу: 414056, г. Астрахань, ул. Татищева, 20 «а», конференц-зал.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 414056, г. Астрахань, ул. Татищева, 20 «а», АГУ, секретарю диссертационного совета ДМ 212.009.03.

С диссертацией можно ознакомиться в библиотеке Астраханского государственного университета

Автореферат разослан « 2 /» 2009 года.

Ученый секретарь диссертационного совета

Щербинина О. В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Современные методы повышения конкурентоспособности региональной и отраслевой экономики вызывают необходимость структурирования производственного сектора новыми способами, одним из которых является создание региональных кластеров, основанных на межотраслевой кооперации предприятий различных сфер деятельности. Кластеры облегчают и стимулируют формирование нового бизнеса с учетом интересов регионального развития на основе укрепления социальных и других неформальных связей, совершенствования информационных потоков.

Укрепление связей внутри кластера с использованием современных логистических и информационных технологий способствует появлению новых способов производства продукции или услуг, основанных на взаимодополняющих навыках по поддержке основного и сопутствующих бизнес-процессов. Стратегия развития кластера связана с созданием условий для его функционирования, одним из которых является создание мощной инфраструктуры, как производственной, так и инфокоммуникационной. Конкурентоспособность кластера достигается синергети-ческим эффектом от внедрения унифицированного подхода в сфере качества, логистики, инжиниринга, информационных технологий.

В отечественной и зарубежной науке и практике широко представлены различные аспекты создания корпоративных информационных систем по обеспечению единого информационного поля промышленного предприятия, являющегося ключевым механизмом.управления. Изучены механизмы управления распределенными информационными потоками, принципы взаимодействия открытых систем, разработаны стандарты проектирования автоматизированных систем, позволяющие также продуктивно декларировать и реализовывать процессы и функции, свойственные организационным системам. Современный рынок программного обеспечения прогрессирует в создании проблемно-ориентированных информационных систем, информационных систем контроллинга, интеллектуального анализа данных, управления знаниями. Вопросам моделирования знаний в различных предметных областях посвящены труды Д.А. Поспелова, Т.А. Гавриловой, В.Ф. Хорошевского, А.И. Башмакова, М. Минского, С. Осуга, Г.С. Осипова, проблемам принятия решений при нечеткой информации - работы Л. Заде, С.А. Орловского, В.Н. Вагина, А.Н. Борисова.

Однако отсутствуют исследования по созданию информационно-управляющих систем для кластера, процесс информатизации которого сводится к технологическому обеспечению единого информационного окна, поддерживающего логистическую координацию основного бизнес-процесса. Наличие слабоструктурированных связей экономического характера, увеличение сложности и новизны задач управления в условиях недостаточности информации, стохастичность воздействия окружающей среды увеличивают фактор неопределенности в принятии управленческих решений. Стратегии управления кластером требуют создания интегрированных механизмов информационной поддержки процессов принятия решений.

Недостаточная изученность научной проблемы формирования и поддержки принятия управленческих решений, реализующих стратегию развития регионального кластера на всех этапах жизненного цикла в едином семантически-операбельном информационном пространстве, интегрирующем знания об объектах, процессах, средах, процедурах принятия решений, обусловливает необходимость проведения научных исследований в этом направлении.

Основные разделы диссертации выполнялись в рамках тематики госбюджетных научно-исследовательских работ ФГОУ ВПО «Астраханский государственный технический университет» «Теоретический анализ и математическое моделирование информационных систем» в 2003 - 2008 гг. Их содержание соответствует «Стратегии развития информационного общества в Российской Федерации», Федеральной целевой программе «Электронная Россия (2002 - 2010 гг.)», Перечню критических технологий, определяемых политикой РФ в области науки, технологий и техники на период до 2010 г. - «Искусственный интеллект», «Компьютерное моделирование».

Целью диссертационной работы является совершенствование механизмов поддержки принятия решений для регионального кластера на комплексной математической, алгоритмической и инструментальной основе.

Для достижения данной цели необходимо решить следующие задачи:

- выделить свойства нового класса социально-экономических систем — региональных кластеров, на основе жизненного цикла сформулировать взаимосвязанные стадии эволюции его экономического, информационного и когнитивного уровней;

- разработать информационные механизмы поддержки стратегических управленческих решений для развития кластера в корпоративном, эволюционном, институциональном и когнитивном аспектах;

- сформулировать концепцию информационного пространства регионального кластера, построенного на принципах семантического однообразия, как инструментальной среды поддержки принятия управленческих решений;

- построить интегрированную концептуальную информационную модель регионального кластера в форме виртуального кластера с учетом объектной, процессной, проектной, институциональной составляющих;

- разработать проблемно-ориентированную методологию поддержки принятия управленческих решений для слабоструктурированных и неструктурированных задач, основанную на моделях знаний;

- произвести апробацию предложенных методов для конкретных бизнес-систем регионального транспортного кластера.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории принятия решений, теории корпоративного управления, искусственного интеллекта и математического моделирования, теории активных систем, информации, нечетких множеств.

Достоверность и обоснованность диссертационного исследования определяется корректным применением методов исследования и подтверждается результатами программного моделирования, успешным внедрением результатов работы в органах государственной власти, организациях и предприятиях.

На защиту выносятся:

- методологическая и технологическая концепция формирования информационного пространства регионального кластера как комплексной среды поддержки принятия управленческих решений, имеющей междисциплинарный характер;

- интегрированная концептуальная информационная модель регионального кластера, объединяющая на основе семантического однообразия декларативные и процедурные знания, используемые для поддержки управленческих решений;

- проблемно-ориентированная методология поддержки формирования управленческих решений для слабоструктурированных и неструктурированных проблем, позволяющая решать множество целевых задач на инвариантном представлении проблемы в форме модели знаний;

- новая информационная технология формирования управленческих решений в едином информационном пространстве кластера на основе кооперации информации, знаний, методов;

- результаты реализации концепции и методологии в виде проекта архитектуры информационно-коммуникационной системы регионального транспортного кластера и конкретных приложений по интеллектуальной поддержке принятия управленческих решений для бизнес-систем кластера.

Научная новизна. Сформулирована концепция поддержки принятия управленческих решений в информационном пространстве регионального кластера, в рамках которой:

- определены стадии генезиса регионального кластера, отражающие эволюцию его экономического, информационного, когнитивного уровней вдоль траектории жизненного цикла, позволяющие реализовать комплексные стратегии управления кластером;

- сформулированы этапы создания информационного пространства кластера, включающие аспекты образования институциональной среды формирования и поддержки принятия управленческих решений;

- предложена концептуальная информационная доменная модель реального кластера в форме виртуального кластера, интегрирующего свойства составляющих его объектов, процессов, проектов, сред, отличающегося наличием когнитивного домена представления декларативных и процедурных знаний;

- разработана информационная технология формирования управленческих решений в виртуальном кластере, отличающаяся наличием принципов консолидации процедур принятия решения, информации, знаний различных предметных областей;

- обусловлены процедуры принятия решений для задач классификации и ранжирования информационных объектов, использующие оценки отраслевых экспертов, выполненные в неоднородных метрических шкалах.

Разработана проблемно-ориентированная методология поддержки принятия управленческих решений для слабоструюурированных и неструктурированных проблем, возникающих в задачах управления бизнес-процессами кластера, включающая:

- метод построения теоретико-множественных моделей проблемы в форме иерархии, сети, когнитивной карты;

- метод построения ситуационно-сценарных моделей взаимодействия с внешней средой;

- методику определения информационной избыточности системы показателей, описывающей проблему;

- совокупность алгоритмов расчета и анализа интегрального показателя.

Практическая значимость заключается в совершенствовании функционирования интегрированных организационно-технических систем на основе механизмов поддержки принятия управленческих решений в едином информационном поле:

- разработанная концепция формирования информационного пространства как механизма поддержки принятия решений в задачах стратегического, тактического, оперативного управления транспортным кластером реализована в госбюджетных научно-исследовательских работах;

- результаты исследования приняты к внедрению в органах исполнительной власти, стивидорных, судостроительных и транспортных предприятиях Астраханской области;

- разработанное программное обеспечение используется в вузах при обучении студентов по дисциплинам, связанным с исследованием систем управления, исследованием операций, теорией принятия решений, корпоративными информационными системами, компьютерным моделированием, интеллектуальными информационными системами.

На основе разработанной концепции и методологии поставлены и решены задачи:

- создания проекта единого информационного пространства регионального транспортного кластера;

- управления конкретными бизнес-системами в процессах мониторинга качества услуг, а также регулирования взаимодействия субъектов кластера с внешней средой - глобальными электронными рынками.

Реализация результатов работы. Результаты исследований использованы в работах «Техническое задание на формирование информационно-коммуникационной инфраструктуры транспортного коридора «Север-Юг» (Астраханский транспортный узел и порт «Оля»)» и «Анализ и выработка рекомендаций по совершенствованию информационно-коммуникационной, технологической структуры Астраханского транспортного узла», выполненных по заказу Правительства Астраханской области по государственным контрактам; внедрены в Министерстве экономического развития, Министерстве строительства и дорожного хозяйства, Агентстве по печати и информационным коммуникациям Астраханской области, государственном предприятии Астраханской области «Центр социально-экономического мониторинга и аналитики», ООО" «Бузан-порт», ООО «ДАФ», ООО «Транспортно-экспедМциопная судоходная компания «Алброс»».

Учебный вариант разработанного программного обеспечения используется в Астраханском и Саратовском государственных технических университетах для подготовки научных и инженерных кадров.

* Апробация научных результатов. Результаты работы докладывались на Международных конференциях «Информационные технологии в образовании, технике и медицине» (Волгоград, 2004 - 2006), XVIII - XXII Международных научных конференциях «Математические методы в технике и технологиях» (Казань, 2005; Воронеж, 2006; Ярославль, 2007; Саратов, 2008; Псков, 2009), Международной научно-практической конференции «Проблемы развития менеджмента, логистики и коммерции в условиях новой экономики» (Астрахань, 2006), IV Всероссийской научно-практической конференции «Информационные технологии и математическое моделирование» (Анжеро-Судженск, 2005), VIII Международной конференции из серии «Нелинейный мир» «Образование. Экология. Экономика Информатика» (Астрахань, 2003), VII Международной научно-практической конференции «Экономико-организационные проблемы проектирования и применения информационных систем» (Ростов-на-Дону, 2003), IV Всероссийской научно-практической конференции «Информационные технологии в экономике, науке и образовании» (Бийск, 2004), Международной научно-практической конференции «Электронный университет как условие устойчивого развития региона» (Астрахань, 2005), Всероссийской научной конференции «Инновационные технологии в управлении, образовании, промышленности» (Астрахань, 2007), Международной научно-практической конференции «Современные проблемы прикладной информатики» (Санкт-Петербург, 2007), Международной научно-практической конференции «Эволюция системы научных коммуникаций Ассоциации университетов Прикаспийских государств» (Астрахань, 2008),

Международной научно-практической интернет-конференции «Информационные системы и технологии в социально-экономических и правовых процессах» (Ставрополь, 2008), на научных конференциях профессорско-преподавательского состава Астраханского государственного технического университета в 2000 - 2008 гг. и опубликованы в сборниках трудов и материалов научных конференций.

Публикации. Основные положения диссертации отражены в 71 публикации, в том числе в 2 монографиях, 14 статьях в периодических научных и научно-технических журналах, в которых ВАК рекомендует публикацию основных результатов докторской диссертации, 42 статьях в сборниках материалов международных, всероссийских научных конференций, 7 свидетельствах Роспатента на программы для ЭВМ. Без соавторов опубликовано 16 работ.

В работах, опубликованных в соавторстве, личный вклад автора состоит в формулировании проблемы, постановке задач, создании теоретических основ для их решения, а также в участии в процессе исследования на всех этапах.

Структура н объем диссертации. Диссертационная работа состоит из введения, 7 глав, заключения, библиографического списка и приложений. Основная часть диссертации изложена на 287 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цель и задачи исследования, научная новизна и практическая значимость полученных результатов.

ПерЬая глава посвящена анализу регионального кластера (РК), механизмов и целей его формирования, структуры управления, определению этапов жизненного цикла, кластерного подхода к сегментированию региональной экономики.

Составлена классификация задач принятия управленческих решений для РК, соответствующих структурированным, слабоструктурированным и неструктурированным типам. Установлено, что задачи двух последних классов характеризуются неполным математическим описанием, использованием качественных и экспертных оценок, отсутствием явных закономерностей. Для элементов кластера такие задачи характеризуют два уровня: процедурный, характеризующийся инвариантными механизмами принятия решения, и декларативный, присущий различным предметным областям. Сделан вывод о необходимости применения к таким задачам методов искусственного интеллекта: семантических моделей знаний, онтологий, фреймов, сценариев.

Показано, что механизмы поддержки формирования и принятия управленческих решений, связанные с вопросами хранения знаний, процедурами их извлечения и актуализации, должны функционировать в единой среде, связывающей всех участников кластера, - информационном пространстве, создание которого имеет ряд особенностей, т.к. аспекты информационной интеграции внутри кластера слабо изучены. Отсутствует концептуальный подход, связывающий аспекты формирования единого информационного пространства с перспективой формирования управленческих решений на единой семантически-операбельной платформе.

Сделаны выводы о необходимости разработки методологии формирования и поддержки управленческих решений на основе моделирования знаний в едином информационном пространстве кластера, систематизирующего эти знания.

Во второй главе проведен системный анализ регионального кластера, в процессе которого были выявлены признаки, позволяющие охарактеризовать его как новый класс социально-экономических объектов:

1. Большое количество взаимосвязанных элементов, взаимодействующих между собой, множество вариантов декомпозиции кластера по признакам: объекты, процессы, среды и пр., изменение структуры кластера в процессе функционирования.

2. Множество целевых задач, требующих единой инвариантной модели предметной области. Сложность выполняемой функции для достижения цели функционирования, основанной на достижении группы промежуточных целей. Наличие двух типов целей, первая из которых связана с повышением эффективности сквозного бизнес-процесса (БП), вторая - с повышением эффективности работы кластера как системы элементов в целом.

3. Дивизиональная структура управления, качество которого во многом зависит от степени централизации, изменяемой в зависимости от сложности, вида, объема решаемых задач, поскольку для кластера не характерна иерархичность в управлении.

4. Множество неоднородных информационных ресурсов и информационных потоков, регулируемых вне взаимодействия информационных систем, что не позволяет получать объективную информацию как от внешней среды, так и от элементов кластера и агрегировать ее для дальнейшего анализа

5. Функционирование под воздействием большого числа случайных факторов, учет взаимодействия с внешней средой, включение внешней среды в кластер.

В процессе анализа сформулированы причины, усложняющие интеграцию субъектов РК и построение механизмов принятия решений в регулировании и координации деятельности кластера:

- гетерогенность информационной среды, являющаяся следствием объединения в кластер предприятий как основной производственной отрасли, так и сопутствующих отраслей, вызывающая семантическую неопределенность при решении типовых задач, которая возрастает в местах пересечений межотраслевых бизнес-процессов;

- отсутствие системы соглашений о предметной области, обеспечивающей одинаковое понимание всеми субъектами кластера применяемых для решения задач управления терминов, их спецификаций, атрибутов и отношений между ними;

- отсутствие унифицированной системы показателей единого формата и семантики, отсутствие количественных характеристик для комплексной оценки качества бизнес-процессов и эффективности деятельности кластера по таким показателям, как административная, информационная, научная и технологическая инфраструктура;

- вербальный характер механизмов решения проблемы и оценки альтернативных вариантов решения на основе кооперативного принятия решений с использованием экспертных оценок.

Информационный обмен внутри кластера построен на множестве тезаурусов Тег = {а, р, у, ...}, каждый из которых отождествлен с системой понятий, характерных для различных предметных областей ПрО: а(ПрО0, р(Пр02), .... Информационный образ объекта является отображением сущности физического объекта ОЪ/ на основе его представления в тезаурусе а пр едметной области (пользователя) ПрО: ОЪ]—а(Пр0) > {ОЬ])а. На этапе формирования кластера возникает неопределенность в

информационном представлении объекта как сущности по следующим причинам:

1. Искажение сущности объекта в различных тезаурусах из-за наличия множества представлений объекта Obj в тезаурусах а, ß, у:

{Obj,а,(Obj)a},{Obj,ß,(Obj)^},{Obj,у,(Obj)^}, т.к. объединение этих представлений {(Obj}a yj(Obj)^ и (Obj) } с. Pr(Obj) не всегда совпадает с проекцией истинных

свойств физического объекта.

2. Искажение сущности объекта в процессе логистического обслуживания сквозного БП внутри цепочки информационного взаимодействия, передающей образ объекта от входа к выходу информационных систем с различным тезаурусом, увеличивающееся на стыках БП.

2.1. В случае одностороннего обмена информационное взаимодействие определяется следующей цепочкой преобразования информации:

0bJ а(ПрО|) К0^}* р(ИС,) КПрО,) ~>{°bj) „д, НЩ) ГДе С0"

вокупность{06у',а(ПрО(),((9йу)а}задает образ [Obfj^ сущности Obj в тезаурусе <-й предметной области а(ПрО;); {Obj,ß(}fCi),(Obj-прообраз (Obj)af образа {Obj)a в тезаурусе /-й информационной системы ß(MC,). Отсутствие информационного взаимодействия вызывает искажение в передаче информации от информационной системы с тезаурусом Р(ИС,) к другой путем тезауруса новой предметной области

ПР°/ (Obj'U т г«е

2.2. В случае двустороннего обмена между информационными системами ИС( и ИCj информационное взаимодействие организовано в виде:

Процесс принятия управленческих решений поддерживают участники:

3.к,ек=1,ЕК - эксперты, инженеры по знаниям, когнитологи; %p,lp = \,LP -лица, принимающие решение (ЛПР), в отдельных случаях отождествляемые с владельцами проблемы; pvp, vp = l,VP — субъекты, владельцы проблемы.

Характерны следующие причины возникновения неопределенности в формировании и принятии управленческих решений:

1. Сформированы неравные множества управленческих решений Decision для одинаковых групп из п объектов несколькими ЛПР:

ЗЗуЛз : Decision ({Objfy) * Decision ({Obj^), ie{l, 2, ..., и}, что вызывает необходимость согласования решений для кластера в целом.

2. В производственной деятельности кластера возникает множество типовых проблем, имеющих одинаковые процедуры решения, предложенные экспертами по знаниям и 32 в различных предметных областях IIpOj и Пр02:

3nPq,ПрО,:a(nPq)*а(ПрО,), Precision ({Obj,}^(mj))o(npq) =

-PriDecision ({Oöj}5n?o2)))a(nPo!). »e{l, % ..., л},

где Pr - оператор отделения процедурной части решения. Эти обстоятельства вызывают необходимость анализа типовых проблем и создания интегрированного процедурного знания для PK в целях решения инвариантных задач в различных предметных областях.

Сформулирована концепция создания единого информационного пространства регионального кластера как ключевого фактора повышения эффективности его управления, построенная на следующих принципах:

- принципе системной интеграции, позволяющем оценить кластер как единый комплекс взаимосвязанных компонентов, представляющий собой подсистему макросистемы более высокого порядка, взаимодействующий с внешней средой под действием объективных экономических законов;

- семантическом принципе консолидации знаний о предметной области, связанной с деятельностью кластера, выраженной как на естественном, так и на искусственном языке, использующем онтологический и когнитивный подходы к приобретению, созданию, аккумуляции и хранению знаний о процессах жизненного цикла кластера;

- пространственном принципе в решении задач управления составляющими кластера, использующем геоинформационный подход;

- принципе консолидации решений в различных задачах управления кластером, основанном на кооперативном и процессном подходах к принятию решения;

- принципе масштабирования информации, сохраняющем мощности информационных потоков при обмене информации внутри кластера как между горизонтально, так и вертикально ориентированными уровнями, одновременно сохраняющий объем информационных баз и мощностей вычислительных средств различных уровней системы.

Создание информационного пространства включает следующие этапы:

1. Инвентаризация существующих знаний о бизнес-системах и БП Р К, информационных системах и ресурсах, типовых регламентах взаимодействия. Определение параметров главного сквозного БП, необходимость обслуживания которого сформировала кластер.

2. Создание базы знаний об объектах, процессах и средах РК с использованием онтологического и пространственного принципов.

3. Формирование единого семантически-операбельного информационного пространства РК коллективного пользования на основе организации информационного взаимодействия между субъектами кластера сначала в целях интеграции участников в рамках типовых схем организации БП, далее - в целях достижения конкурентоспособности кластера.

4. Создание систем мониторинга сквозных БП, мониторинга качества функционирования бизнес-систем на основе унифицированной системы показателей и комплексных процедур.

5. Формирование организационно-технической иерархии для мониторинга деятельности кластера в целом. Координация деятельности кластера с использованием средств программно-алгоритмической поддержки.

6. Формирование институциональной среды, связанное с созданием информационных хранилищ, архивов, коллекций корпоративных знаний о РК на базе метаон-тологии, использующей предметно-ориентированную лексику.

Выделены три группы характерных БП кластера. В первую входит главный бизнес-процесс, явившийся причиной создания кластера, имеющий межотраслевой межфункциональный характер. Он является интеграцией бизнес-процессов инфраструктуры (управление режимами, технологиями и подразделениями), и бизнес-процессов взаимодействия с внешней средой, включающих взаимодействие с государственными организациями и контрагентами. Проблемы принятия решения для них

структурированы, их решение построено на хорошо разработанных аналитических моделях с использованием логистических концепций. Вторую группу представляют процессы сопровождения главного БП: управление инфраструктурой, регулирование взаимодействия с внешней средой. Третью группу составляют процессы внешней среды, оказывающие управляющее или регулирующее воздействие на деятельность кластера. Их отличают слабоструктурированные и неструктурированные проблемы принятия решений, возникающие по причине отсутствия формального аппарата механизмов структурирования проблемы как средства ее решения.

Проведенные системные исследования РК позволили создать концепцию формирования единого семантически-операбельного информационного пространства кластера, эволюционирующего вдоль траектории его жизненного цикла

В третьей главе представлена концептуальная информационная модель виртуального кластера, имеющего три домена: физический, информационный, когнитивный. В физическом домене существуют и функционируют реальные физические объекты, продуктом жизнедеятельности которых являются материальные, финансовые и информационные потоки. В информационном домене действуют их информационные аналоги, присутствующие в информационных ресурсах, системах, хранилищах данных в виде структурированных данных или сообщений. В когнитивном домене происходит анализ, мониторинг и систематизация знаний, аккумулирующихся в информационном домене, с целью выработки управленческого решения и передачи его в физический домен. Исследован жизненный цикл виртуального кластера, повторяющий жизненный цикл реального кластера (рис. 1).

^ Жизненный цикл регионального кластера

Этап

формирования

Этап И становления |

Этап стабильного | функционирования

Этап развитого функциоичрования

УРОВНИ:

- вовлечение участников в состав кластера

•определение производственных циклов

- определение совместных бизнес - процессов

- достижение компромисса между участниками;

- объединение объектных стратегий

- создание

институциональной

среды

Экономический уровень

: Создание семантически-операбельного : пространства

< Информационный ? уровень

Организация информационного взаимодействия участников вдоль основного БП Горизонтальная интеграция участников для создания конкурентоспособной среды

Аудит ИС. Создание

ИР. 6П моделей

данных

Унификация

индикаторов, Унификациях

справочников, процедур и

классификаторов «ЛГСрИТМОв

Создание электрон-

Создание ных хранилищ

систем данных, архивов,

мониторинга коллекций

Этап приобретения знаний

СОЗДАНИЕ БАЗЫ ЗНАНИЙ

\ Этап представления знаний

Когнитивные • карты :

Деревья решений

Семантические сет* • :

Жизненный цикл виртуального кластера

об информационных объектах РК о бизнес-процессах РК о свойствах сред Создание метаонтолотй

""Системы * : продукций и „фр^с*

3

Рис. 1. Жизненный цикл РК и виртуального кластера 11

Когнитивный уровень

Концептуальная информационная модель виртуального кластера на уровне физического домена FD представлена в виде следующей совокупности:

FD(Klaster)= {Obj, Proc, Proj, Space}, (1)

где Obj - объекты кластера, подсистемы и элементы, предприятия, организации; Ргос - множество бизнес-процессов, Proj — множество проектов, Space - внутренняя и внешняя среды: внутреннюю составляют профессиональные объединения - промышленные, научные, логистические, транспортные; внешнюю - формальные и неформальные институты, оказывающие влияние на кластер. Включением в это множество является и исполнительная среда, имеющая пространственную топологию, формируемая телекоммуникационными каналами.

Для информационного домена решена задача формирования единой семантически ориентированной модели описания данных, состоящей в определении единого порядка назначения атрибута, позволяющего автоматизировать процедуру формирования компьютерных баз данных, информационных ресурсов на основе инфологи-ческой модели предметной области. Информационный домен ID является проекцией физического домена в рамках пределов частных компетенций его участников:

ID(KIaster)= {{(Obj)};{(Proc)};{(Proj)};{(Space)}}, (2)

где {(Obj)};{(Proc)};{(ProJ);{(Space)} - множества образов сущностей физического домена - информационные объекты (ИО).

Информация о множестве ИО представляет базу данных 10 = {IOf. leOL) (OL -классификатор объектов кластера). Для определения свойств-характеристик каждому информационному объекту назначается множество атрибутов Atrj, .j = l,MA: JOi = (//(4)>/2 )>• • • >flu(Ли))> гДе fj(Aj) - характеристическая функция, определяющая подмножество A'j с Aj для ИО /-го типа, Aj - множество значений одного /-го атрибута. Для определения свойств-связей введено понятие ссылки из /-го объекта на объект k-тотипаSSik: 10, = (fj(А}),SSIJc), к = \L.

С использованием оператора агрегирования V введены понятия статических, динамических и пространственных ИО (СИО, ДИО, ПИО). Понятие ПИО введено для объектов, имеющих свойство пространственного позиционирования, связанное с точным размещением на географической карте или ее цифровом аналоге:

{СИО} = {Ю} V {Пространственная выборка},

{ДИО} = {10} V {Временной ряд},

{ПИО} = {Ю} V {Пространственные координаты},

{Временной ряд} = {Событие} V {Временные параметры},

{Пространственная выборка} = {Событие,}V {Событие^} V... V {Событие^,} V (/об {Временные параметры}).

В когнитивном домене KD аккумулируется информация о следующих основных категориях знаний:

- 0 - знания о совокупности объектов кластера (предметной области), характере их поведения в процессе управления и смене состояний;

- Е — знания о процедурах принятия управленческих решений как совокупности формализованных методов и эвристик;

- Э - знания о целях управления, целевых функциях и критериях.

В общем виде структура знаний о региональном кластере представляет собой фрейм F= (0, Е, 3) с тремя субфреймами.

Данные знания содержат декларативную и процедурную формы. Знания о предметных областях представляются с помощью семантических или фреймовых моделей представления знаний, широко используемых в последнее время, как в большей степени соответствующих реальным мыслительным процессам человека. Знания относительно процедур принятия решений представимы в виде продукционных моделей или присоединенных процедур фреймов.

Декларативные знания о кластере представлены в форме расширенной онтологии: 0 = {Оишп О ¡-п., 0:, Оргос}, где Ouain ~ метаонтология кластера, инвариантная относительно предметных областей, его составляющих.

От = {K0UpO, ROupo, AipO. ¿ХПро} - совокупность предметных онтологий, где КО — набор концептов предметной области ПрО; RO — семантически значимые отношения; D - декларативные интерпретации понятий и отношений; SL - набор слотов для каждого концепта.

Oz = {KOZ, ROZ, DZ} - онтологии задач, где KOZ- множество задач, характерных для 1-й предметной области; ROZ - спецификация декомпозиции подзадач; DZ -декларативные интерпретации декомпозиции.

Оргос - онтология методов решения задач, слотами которой могут быть фрагменты базы знаний, выражающие любым формальным способом порядок переноса и агрегирования информации, структурированное представление входной информации, тип входных данных, множество алгоритмов, процедур, способов анализа, агрегирования, категоризации индикаторов, расчета интегрального показателя.

Для устранения неопределенности на этапе стабильного функционирования кластера в едином информационном пространстве образ объекта в различных тезаурусах а, р, у должен удовлетворять условиям:

{(Obj)a u(OA/)p u(Obj\} = (pbj)n;D,{а,р,у} e7e/Vu{3uy = Tez">,

anPny^0, где TezID - единый тезаурус - универсум информационного домена.

Организация информационного взаимодействия объектов в зоне сквозного БП Ргосм потребует определения тезауруса процесса i(Procu) и образов п объектов, участвующих в процессе, в данном тезаурусе: {Obj,}—>{{Obj,}т(РгЖи)},

/б{1, 2, ..., и}.

Основой для принятия управленческих решений в когнитивном домене являются:

— образы физических объектов (Objja в тезаурусе предметной области а(ПрО), используемые для принятия решения Decision: (Dec(Obj)^j (декларативные и процедурные знания);

— образы информационных объектов (Obj)a? в тезаурусе информационной

системы ИС, используемые для принятия решения: (Dec(Obj)a^j (декларативные знания);

— образы физических объектов (Obj) в тезаурусе /'-го эксперта 3,., используемые для принятия решения: (Dec(Objf j (процедурные знания).

Алгоритм преобразования информации от физического к когнитивному домену представлен следующим образом:

1. Представление физического объекта в тезаурусе предметной области а(ПрО): ObJ а(Пр0) >{Obj)a.

2. Появление информационного объекта (Objja в информационном домене.

3. Представление информационного объекта в тезаурусе информационной системы (Obj)a тс) >(Obj)afi.

4. Представление физического объекта в тезаурусе эксперта

5. Появление в когнитивном домене информации для принятия решения {{Obj)^(Obj)\ интегрирующей знания об объекте, поступающие из информационных систем кластера, и когнитивные знания эксперта - инженера по знаниям о заданном объекте.

6. Формирование управленческого решения ЛПР Sí:

7. Возврат решения в физический домен FD владельцу проблемы либо в информационный домен Я>, сопровождающийся появлением нового ИО либо изменением свойств существующих ИО:

Dec^b^AV^™ ■

Х /а-р [{(06/),ИС},ИСеД>

Для моделирования процесса принятия решений в когнитивном домене виртуального кластера выделена группа методов, позволяющая решать задачи выбора предпочтительных альтернатив из множеств ИО виртуального кластера: альтернативных БП одного класса; участников кластера; объектов инфраструктуры кластера; элементов внутренней или внешней среды и т.д. Индикаторами состояния альтернатив являются как экспертные оценки, так и категориальные количественно измеряемые показатели, изменяющиеся в процессе жизненного цикла ИО. В качестве исходной информации для оценки предпочтительности объектов предлагается применение матрицы экспертных оценок ИО, где экспертиза выполнена с использованием неоднородных метрик.

Для ИО виртуального кластера решена задача ранжирования, заключающаяся в упорядочении системы объектов. Для множества перестановок длины п: ÍÍ = {<1, 2,..., п>, <1, 3,..., «, 2>,...,<п, п-1,..., 1>} определена функция выбора С(П) = <ij, ¡2,..., i„>, где ij - номер j-то ИО при указанном упорядочении. Использованы алгебраические методы обработки экспертной информации, основанные на введении расстояния между оценками (медиана Кемени-Снелла), с последующим решением задачи о назначениях.

Решена задача классификации ИО путем линейного расслоения исходного множества ИО на классы эквивалентности, заключающаяся в соотнесении заданного информационного объекта io к одному из L подмножеств JO¡, ..., IOL. Функция выбора C(Q) = /, если io е IO¡, где Q = {1,..., Ц.

Рассмотрены следующие случаи:

- при наличии количественной или качественной информации экспертов о предпочтительности ИО - путем сочетания пошагового сравнения исходного множества альтернатив с отобранным на некотором шаге подмножеством недоминируемых

элементов, образованным функцией выбора С,нд(/0), НД = {Р, Т, К} (с использованием функции выбора Парето С?(10) или турнирной n-круговой функции выбора СГ(Ю) или функции выбора с учетом доминирующих критериев Cf(IO)):

/О, = C™(IO), Юг = Ст(Ю\/<9,)... IOL = IO\Ю\ \... \ 10^;

- при интуитивном представлении экспертов о предпочтительности ИО, не поддающемуся а лгоритмическому описанию и ли объяснению, - с использованием логической формы функции выбора, формализующей выбор эксперта при предъявлении различных подмножеств ИО.

Решением задачи классификации является список линейно-упорядоченных классов информационных объектов, который обобщается для качественных выводов.

Созданная информационная модель позволяет представить РК в форме виртуального кластера, интегрирующего процедуры аккумуляции информации и знаний и их обработки, необходимых для принятия управленческих решений.

В четвертой главе сформулирована проблемно-ориентированная методология поддержки принятия управленческих решений для слабоструюурированных проблем SPr, цель которых связана с управлением экономическим процессом:

SPr = (К, Metr, Ind, Alg, ISPr), (3)

где К - структура проблемы, выражающая любым формальным способом порядок переноса информации, необходимой для оценивания; Metr - множество шкал, используемых для оценивания; Ind = {Indu Ind2, ..., IndK] - множество показателей оценивания, определенных на множестве Metr, Alg = {f¡(Indh Indi, ..., Ind¿),..., f¡(Ind\, Ind2, ..., Indx)} - множество алгоритмов, процедур, способов анализа, агрегирования, категоризации индикаторов; ISPr - интегральный показатель.

Формирование модели проблемы включает этапы:

1. Семантический анализ проблемы:

1.1. Анализ онтологии предметной области Opr={KO,RO,D,SL}, онтологии задач Oz ={KOZ, ROZ, DZ}.

1.2. Анализ методов решения подобных задач Оргос.

1.3. Формирование терминологической базы проблемы. Выделение наиболее значимых отношений Д определяющих структуру взаимоотношений, характерных дня изучаемого процесса: «Влияет», «Зависит», «Принадлежит».

2. Построение теоретико-множественной модели проблемы, содержащей многоуровневую структуру, сопровождающую оценивание индикаторов проблемы:

ТММ = (3, Metr, Z, Alg, Str), (4)

где 3 - множество экспертов, участвующих в оценке; Metr - множество шкал оценивания индикаторов; Z - множество целей; Alg - совокупность алгоритмов и методов оценивания; Str - структура элементов модели.

2.1. В случае иерархического представления проблемы ее структура выражается:

Str={A, Рл, Reí}, (5)

где А ~ \fij\i = l,n,j = l,g¡ - структура элементов модели (/' - глубина уровня элемента,/ - порядковый номер элемента на уровне); Рл = \p,j(Metr)\ - множество индикаторов оценки элементов системы, определенных по шкале из множества шкал Metr); Rel = {R, M}, где R={ r'jX } - множество связей (отношений) между у'-ми элементами системы /-го уровня и нижележащего уровня (к - номер элемента i+1 уровня);

М - {т- множество мощности связей, оценивающих степень влияния индикатора на индикатор рмл.

2.2. В случае представления проблемы в виде совокупности кластеров с взаимосвязанными элементами ее структура выражается:

&/•={#, Л, В, ВК), (6)

где Н = {//(}, 1 = 1, И - множество кластеров; И у — элементы кластеров, где / = 1 = 1 ,К1; К1- количество кластеров, ВК -{ВК,) - совокупность ри К1 матриц оценки влияния элементов одного кластера на другой, В = ^} - бинарная матрица

{1, если Я, влияет на Н}

■

О, в противном случае

2.3. В случае представления проблемы в виде когнитивной карты ее структура выражена в виде Лг = {Е, 8{Ме(г)} и представляет собой ориентированный граф, вершинами которого являются п концептов е,е£, 51 = {¿(е,, е,)} - мощность отношений влияния между каждой парой вершин, Ме/г - шкала оценивания для .г 1] либо является нечеткой или лингвистической переменной).

3. Анализ структуры модели:

3.1. Определение п\ уровней инвариантной - процедурной - части модели, представляющей процедуры агрегирования показателей, и п2 уровней, относящихся к вариативной - предметной — части, для которой характерно формирование показателей — индикаторов проблемы.

3.2. Устранение избыточности системы показателей нижнего уровня, искажающей информативность системы.

4. Анализ свойств модели в целях выбора предпочтительного алгоритма формирования интегрального показателя /по следующим характеристикам: тип структуры шкала оценки факторов Ме1г, вид системы отношения предпочтения между факторами Ф.

5. Формирование и анализ интегрального показателя: для скалярного показателя 0-го уровня - категоризация показателя, для векторного показателя 1-го уровня -оценка информационного содержания его компонент в целях устранения информационной избыточности. При наличии неинформативных показателей — исключение их и последующая реструктуризация проблемы.

Методика устранения информационной избыточности системы показателей позволяет определять минимальный информативный набор показателей, оказывающих наибольшее влияние на достижение цели, путем анализа информационного содержания с использованием количественных метрик неопределенности системы т

т

концептов (показателей) Р = {РъР2,...,Рт}: ^Р, =1:

ы

— информационной энтропии системы: Н(Р) - Р,);

м

— коэффициента относительной организации системы:

ЩР) = (1 - -^Ц • 100%, Я(Р) е [0, 1).

V т )

Если Я(Р) = 0, то Р, = Р2 = ... = />= —. Вблизи точек, где -» 0, наблюдают-

т

ся следующие закономерности:

-если И(Р) -> 0 и /¡е(1//л-5, 1/« + 5),1 = 1,ш, значения концептов сосредоточены в сравнительно небольшой области на единичном интервале, что говорит об отсутствии информационного содержания концептов для оценивания проблемы;

-если ЩР) -> 0 и Р, е (1-е, 1), <е{ 1,2,..т,}, Р1 е (0, е), j е{т1+\,/щ+2,...,т}:

¿^Р, + =1, информационное содержание «1 отдельных концептов доминирует

М У»»,-И

над содержанием {т-т\) остальных концептов.

Задача ЛПР состоит в подборе приемлемых значений 5 и 8 для оценки информационного содержания системы концептов, выборе концептов, оказывающих существенное влияние на систему, и исключения множества несущественных концептов, порождающих информационную избыточность. Введено нечеткое отношение строгого предпочтения Р с функцией принадлежности (х>У)~тах(р.ц(х,)>)-11£(у,х),0), х,уеР, соответствующее нечеткому отношению предпочтения Я. Оно позволяет найти нечеткое множество недоминируемых концептов ц™^) = 1-8ир(ц^(>',х)), хеР, которое обладает наибольшей информа-

уеЯ

тивностью по сравнению с исходным множеством концептов.

Методика формирования интегральных, показателей при сетевом представлении проблемы включает этапы:

1. Представление сетевой структуры проблемы, согласно (6), в виде ориентированного графа, состоящего из кластеров //, с элементами й,у.

2. Построение бинарной матрицы влияния кластеров транзитивное

замыкание В: ((Е+В)* =(£+5)*+'). Определение новой структуры проблемы, обладающей транзитивной однородностью.

3. Построение вектора приоритетов кластеров Р, путем исследования взаимовлияния их друг на друга методом парных сравнений.

4. Построение матриц парных сравнений элементов кластеров ВК с учетом возможности дублирования элементов в кластерах. Проверка экспертных суждений на однородность. Определение векторов приоритетов.

5. Подготовка матриц , составленных из векторов приоритетов г'-го кластера по отношению к элементам у'-го кластера. Сведение матриц в блочную суперматрицу: 5М' = ©2] ЯМ и; = Цо, у = 1Ю.

6. Формирование нормированного вектора интегральных показателей 5'Л/=Р-5'М*, построение для элементов вектора отношения линейного порядка и последующий анализ линейно упорядоченного множества с помощью методики устранения информационной избыточности.

7. Сегментация показателей, реструктуризация проблемы (с возможностью перехода от сетевого представления к иерархическому).

Наличие информационной избыточности особенно характерно для когнитивных карт оценивания объектов, формируемых путем субъективных представлений экспертов. В этом случае для каждого объекта оценивания Я формируется когнитивная карта, включающая базовое множество измеряемых показателей РЕАЗ, которое

сводится к минимальному информативному множеству рмин.

р МИН с р ЕАЗ МИН | <<; ВАЗ | _

Методика анализа когнитивной карты включает этапы:

1. Определение топологии для т показателей, влияющих на достижение цели, либо системы индикаторов, необходимых для оценивания объекта в виде ориентированного графа (7(е,5), описывающего субъективное восприятие экспертом взаимовлияния элементов системы: определение списка вершин графа е и силы отношений влияния между каждой парой вершин

2. Формирование нечеткой матрицы 5 для определения взаимовлияния концептов 5 = Ме,,еу)}2т12т и набора положительно-отрицательных пар элементов (у/>}.,№!/у), где = тах(5г2М2у_,, ¿г212]); = -шах(^2М2я $г2(ЛН); 5Л - матрица взаимовлияния концептов размерности 2т х 2т:

Ые„еХ если з(е„е,)>0, (¿(епе.), если я(е„е.)>0,

2/-иу-1 естз(е„е^<0' 11,21 {-¡(е„еу), если л(е,,еу)<0'

3. Расчет системных показателей когнитивной карты, главным среди которых является интегральный показатель влияния /-го концепта на систему:

РГ = (¿(¿рНур,, +™у)ты^р,1\\ут1\))1т. (7)

У=1

4. Формирование на полученном множестве концептов РЪАЗ отношения линейного порядка. Анализ линейно упорядоченного множества концептов в целях отбора множества меньшей мощности />мин с помощью методики устранения информационной избыточности.

5. Сегментация концептов, реструктуризация когнитивной карты.

Разработаны алгоритмы агрегирования данных в направлении дуг графа древовидной иерархии для формирования скалярного интегрального показателя в зависимости от характеристик теоретико-множественной модели:

— для иерархий, в которых влияние объектов на элементы вышележащих уровней оценивается с помощью метода парных сравнений, а предпочтения факторов выражаются количественно на интервале [0, 1];

— для иерархий с лингвистическим оцениванием уровней фактора и системой предпочтений факторов вида {«, >- }.

Разработанная методология позволяет использовать модели знаний как основу теоретико-множественных моделей слабоструктурированных проблем. Использованы различные формы представления экспертами состава проблемы, предложена методика устранения информационной избыточности, локализующая субъективизм экспертов.

В пятой главе рассматривается применение разработанной проблемно-ориентированной методологии к решению слабоструктурированной проблемы -оценке БП мониторинга качества предоставляемых услуг субъектами регионального кластера. Образ качества предложено формировать на основе получаемых данных об удовлетворенности заинтересованных в работе предприятия сторон: потребителей, поставщиков, акционеров, сотрудников.

Концептуальная модель знаний об объекте кластера представлена в форме расширенной онтологии, включающей многоуровневый классификатор объектов оценивания и показателей качества. Построенная расширенная онтология охватывает

онтологию верхнего уровня (метаонтологию) От и предметную онтологию Орг. Анализ онтологии показал наличие в модели макроуровня, на котором происходит оценивание БП внешней средой, и микроуровня, где формируются показатели оценки продуктов жизнедеятельности предприятий, экономического эффекта функционирования, условий труда и пр. При формировании системы показателей отделяется совокупность унифицированных процедур, характерных для БП РК в рамках некоторой системы соглашений. Вариативной составляющей являются предметные онтологии, формализующие представление предметной области. Часть знаний об элементах иерархии нижнего уровня формируется из общероссийского классификатора продукции по видам экономической деятельности.

Анализ разработанной теоретико-множественной модели выявил наличие многоуровневой неоднородной структуры показателей, объединяющей представления экспертов о составе проблемы: сетевого вида на макроуровне и иерархического — на микроуровне (рис. 2). Для анализа объектов оценивания верхнего уровня с нарушенным принципом иерархической композиции образованы кластеры с повторяющимися элементами, отражающими взаимовлияние показателей качества первого и второго уровней. Для части объектов оценивания нижнего уровня эксперты использовали в оценивании когнитивные карты, учитывающие силу взаимовлияния концептов.

Выделены два класса показателей: Рти = {р0.}, г = 1,пг - измеряемые показатели нижнего уровня и Р№п = {р,у1> = 1.", - интегральные показатели верхнего уровня. Для мониторинга показателей качества нижнего уровня осуществляется опрос респондентов, экспертиза оценок и данных, полученных из корпоративной информационной системы предприятия. Оценка показателей построена на альтернативном шкалировании (количественный и семантический эквиваленты), использующем вербально-числовую шкалу.

Мощность связей между показателями качества определяется коллективной

ЕК

экспертной оценкой т'^ = ЕК, где т'^(За) - коэффициент весомости

а.]

показателя качества рмк, определенный ек-м экспертом;3 = = \,ЕК - экс-

перты, участвующие в процессе оценивания качества; Ж - количество экспертов.

В целях уменьшения размерности задачи в анализируемой сетевой структуре проведена локализация подсистем с иерархическими связями. Была произведена реструктуризация теоретико-множественной модели проблемы, на основании методики устранения информационной избыточности сформирован минимальный информативный набор показателей каждого уровня, необходимый для оценивания.

Мониторинг объектов оценивания производится заполнением разработанных карт качества для каждого объекта с привлечением экспертов или респондентов (поставщиков и потребителей услуг). В процессе мониторинга объекта А определены: ЕС = {е^= 1,(3 - множество групп экспертов, Рл = {= 1,/г,, ek = l,egq } -

множество показателей качества объекта А для д-й группы экспертов, { V®*, /' = 1, п2 } -оценка значимости ек-го эксперта при оценивании показателя р'*. Эксперты подразделяются на внутренних (сотрудников организации) и внешних (приглашенных) 3 = 3В 113ви. Каждый эксперт 3,,* может участвовать в нескольких опросах: 33г4, ек = 1, ЕК д2)е{1, 2, ...,£?}. Для каждой экспертной

группы определен однозначно определенный набор показателей качества и определяется результирующая согласованная оценка по формуле средневзвешенного значения.

ж

Комплексная оценка вычисляется по формуле: к1} = ^(у'*/ЕК, где кц - оценка

ек=1

показателя качества р^.

Для анализа результатов мониторинга и формирования управляющих директив по способам повышения качества используется механизм обратных вычислений. ЛГТР формирует управляющие воздействия путем указания: изменения отдельных целей, требуемого прироста качества (М,Д знаков прироста качества, приоритетности в изменении показателей.

Агрегируемые показатели

ОЦЕНКА КАЧЕСТВА

МАКРОУРОВЕНЬ

3-

^-, Удовлетворенность потребителей Удовлетворенность поставщиков Удовлетворенность акционеров Удовлетворенность сотрудников Удовлетворенность общества

т.

Качество продукции Качество услуг, оказываемых поставщику Качество оказываемых потребителю услуг Качество работы компании в рамках СМК Экономический эффект Качество инфраструктуры Общественная активность

э- спЬ ййЬ с±ЬЪ X Ййь г±Ь сВЬ

~ Измеряемые показатели

к-

уровень к+1

уровень

---МИКРОУРОВЕНЬ

йТ-

1внь|

Рис. 2. Структура теоретико-множественной модели мониторинга кэтества

Разработана информационная технология формирования управленческих решений для слабоструктурированной проблемы оценки качества в информационном пространстве кластера. Рассмотрен циклический процесс формирования управленческого решения вдоль трех доменов виртуального кластера от спецификации проблемы до исполнения решения в физическом домене.

В шестой главе рассматриваются БП взаимодействия кластера с внешней средой, объекты которой формализуются с точки зрения экономики на основе декомпозиции интересов клиентов, регулирующих органов, рынков и конкуренции внутри кластера и за его пределами. В рамках проблемно-ориентированной методологии разработан метод построения ситуационно-сценарных моделей взаимодействия с внешней средой для решения неструктурированных проблем, возникающих в задачах управления.

Для организации взаимодействия кластера с внешней средой, выделяются два понятия: среда и агент - посредник между внутренней и внешней средой (рис. 3). Рассматривается модель состояния внутренней SV и внешней SP среды кластера, характеризуемая множеством состояний S = {S\, S2, ... S¿); набором индикаторов Ind = {Indu Indi,..., IndK}', множеством функций или алгоритмов расчета индикаторов F une = (/¡(Mj, Ind2, ..., IndK),...,ff(Ind{, Ind2, ..., IndK)}. Агент характеризуется множеством управляющих воздействий Act = {ActAct2,..., Acty}; множеством методов -алгоритмов, приемов управления: Met = {Metí, Met2,..., MetR}.

SV[SP] = {S, Ind, Func), (8)

Agent = {Act, Met).

Для описания управляющих воздействий использована V— 1 бинарная перемен-

{1, выполнять действие Act,

.

О, в противном случае

Алгоритм работы агента содержит этапы определения типовых состояний внешней среды, распознавания текущего состояния, принятия решения о реагировании на ситуацию. Особенностью решения задачи является когнитивный аспект - использование опыта агента в управлении. Агент при выявлении типовых состояний среды выдвигает гипотезу о том, что идентифицируется состояние среды S*, но с некоторой долей уверенности.

Рис. 3. Взаимодействие агента с внешней средой

Задача идентификации состояния внешней среды агентом Agent описывается кортежем:

(Obj, INDiObj), HR, 1ND(HR), PR), (9)

где Obj - множество участников кластера; IND(Obj) - вектор значений индикаторов, описывающих состояние конкретного участника; HR - ситуация на рынке, определяемая агентом; IND(HR) - набор индикаторов для идентификации ситуации HR во внешней среде; PR- продукционные правила для определения ситуации.

Для связи текущего состояния внутренней среды SV с состояниями внешней среды SP использована ситуационно-сценарная модель, определяющая механизм поведения агента Act по результатам идентификации состояний внешней среды. Структура модели зависит от используемых агентом процедур и их сложности.

Элементами модели является множество элементарных событий во внешней среде jf(,/' = l,iV, где х, определяется значением индикатора Ind¡, и множество гипотез hj,j-\,M о возможных действиях агента Act¡ в соответствии с ситуацией, которой соответствует набор индикаторов: H = {h¡(X¡)}. Входной информацией для модели является определяемый по результатам анализа методов Meth Metí, •••> MetR вектор X, выходной - ситуация Н = {h\, h2), отождествляемая с действиями агента. Связь входной и выходной информации обеспечивается согласно знаниям агента, представленным набором продукционных правил.

Для анализа управляющих действий агента использована диаграмма влияния происходящих элементарных событий на ситуацию и на действия агента. Ситуация во внешней среде представляется набором свидетельств двух видов: элементарных событий и сложных событий. Для характеристики типа ситуации введены два понятия: простые события, представленные первичными индикаторами, и композиционные события, являющиеся суперпозицией простых событий. Для построения ситуационно-сценарной модели разработана диаграмма влияния, представимая в виде ориентированного ацикличного графа с тремя типами вершин и двумя типами дуг.

Для обозначения весомости свидетельств х использованы введенные Шортли-фом и Бьюкененом понятия меры уверенности и неуверенности, а также коэффициент уверенности CF[h, л] как разность между ними.

Предложен механизм хранения знаний о способах идентификации внешней среды в виде фреймов, представляющих типовые ситуации, вида FR(A\, Аг,.. .Др), где A¡ - свойства фрейма, характеризующие его индикаторы, функции расчета индикаторов, действия агента и т.п. Принятие управленческих решений осложняется вследствие двух возможных причин: либо с истема индикаторов является неполной, либо индикаторы генерируют неточный сигнал, поэтому принятие решения происходит на основе неточных (неотчетливых) данных. Элементарные события вырабатывают два типа сигналов: точный и неточный, которые агент распознает с некоторой степенью уверенности. Поэтому для любой возможной ситуации he Н и любого события хеХ необходима оценка качественного свойства значения ЩХ).

Точным является сигнал, подлежащий однозначной идентификации, когда

íl, INDeR*

U(X) принимает только два значения: U(X) = <

10, в противном случае

Для неточного сигнала хп е Х„, определяющего возможную ситуацию Ит б Нм, введена нечеткая переменная X) «Качество сигнала», обозна-

чающая рост качества при увеличении (уменьшении) х. U(X) характеризуется функцией принадлежности ц(х), связывающей каждое значение х е х„ с числом в интервале [0, 1], характеризующим качество сигнала Вид функции принадлежности определяется ЛПР. Для представления знаний о сигналах от внешней среды также используется фреймовая модель, где точный и неточный торговые сигналы определяются именем фрейма и четырьмя атрибутами, размещаемыми в слотах фрейма.

Проведен анализ интеллектуальной деятельности агента-трейдера, использующего метод технического анализа для торговли на рынке ценных бумаг, и построена его модель поведения. Определены возможные действия агента - операции на рынке ценных бумаг. Задача трейдера сводится к выявлению типовых состояний рынка и отслеживанию их возникновения на основании индикаторов метода технического анализа и своего профессионального опыта.

Сложность задачи определения состояния рынка состоит в учете и анализе множества индикаторов, имеющих различные методы и шкалы измерений. На основании семантического анализа предметной области определена терминологическая база и построена онтология задачи анализа рынка ценных бумаг.

Модель состояния рынка SP описывается совокупностью: SP = {SAK, Ind, F(Ind)}, где Sax - состояние рынка для акции А К; Ind - первичные индикаторы состояния внешней среды, содержащиеся в биржевой информации: lnd = {lndWih,lndijiv,,lndOm,lnda0StJndyolum^\ /л^,,-максимальная цена; /неминимальная цена; Ind0pen - цена открытия; Indchse - цена закрытия; IndVoIume-объем

торгов. В процессе технического анализа при помощи функций расчета индикаторов F вычисляется F(Ind).

Задача идентификации ситуации на рынке ценных бумаг описывается набором информации: (AK,IND,HR,INDhr,PR}, где АК - акция; IND - вектор значений индикаторов технического анализа (ИТА), описывающий состояние рынка для данной акции АК; HR - ситуация на рынке, определенная трейдером; INDhr - набор ИТА _для идентификации ситуации на рынке HR; PR - продукционные правила определения ситуации.

Разработана ситуационно-сценарная модель, связывающая состояние рынка для акции IND с решением трейдера относительно действий на рынке, идентифицирующая ситуацию на рынке, позволяющая выработать с наибольшей долей уверенности рекомендацию для трейдера о выборе управляющих воздействий с акциями. Входной информацией для модели являются входные параметры X = {хихг,...,хк}, выходной -одно из множества действий трейдера Act = {купить, продать, оставить ситуацию без изменений}, описываемые двумя бинарными переменными h, и ft* = Л, J , где

{I, покупать fl, продавать

, hj =<

О,в противном случае [0,в противном случае

Модель представления знаний является продукционно-фреймовой. База знаний модели состоит из продукционных правил, задающих причинно-следственные отношения между различными типами индикаторов и ситуациями во внешней среде. Связь между входными и выходными параметрами модели задается с помощью формализации профессиональных знаний ЛПР в виде продукционных правил следующего вида: {NameProd, HR, P(CF), А->{В:, ...,BR), Act), где NameProd- имя продукции; HR - сфера применения продукций; P(CF) - условие применимости продукции - нечеткий предикат, связанный с коэффициентом уверенности CF; A-*{Bi,...,Br} - недетерминированное ядро продукции, интерпретируемое выражением типа «Если А, то с уверенностью CF реализовать Л;,— постусловие продукции.

Для категоризации коэффициента уверенности CF определена лингвистическая переменная (Я,, Т, D), имеющая трапециевидный вид функции принадлежности, где верхнее основание трапеции определяет область полной уверенность ЛПР в качестве

коэффициента СЕ, а зоны неуверенности формируются автоматически. В соответствие каждому терму лингвистической переменной сопоставлено действие ЛПР в зависимости от попадания в зону уверенности в ситуации НЯ: «высокое качество» -выполнить управляющее воздействие АсЬ{НК), «среднее качество» - Ас12(НК), «низкое» — Ас(3(НК) (действовать, уточнить решение у владельца проблемы, бездействовать). Для значений СЕ, попадающих в зону неуверенности («высокое»-«среднее», «низкое»-«среднее») ЛПР, дополнительно могут быть определены всевозможные уточняющие действия.

Разработана информационная технология формирования управленческих решений в задачах взаимодействия с внешней средой (рис. 4), регулирующая обмен информацией и знаниями внутри виртуального кластера.

[ ; . : слабоструктурированная проблема : |

Анализ ^¡У результатов

' [мониторинга;

I" Аккумуляций ^¿'знаний « 54;: -у: состояниях ■ внешней среды

Неструктурированная проблема

Э

Рис. 4. Информационная технология формирования управлепческих решений

Предложенный механизм может быть использован для регулирования взаимодействия экономических систем с глобальными электронными рынками. Использование коэффициента уверенности в ситуации на рынке поможет выбрать верные решения инвестора по управлению активами бизнес-системы в условиях, когда статистические данные не отражают реальные характеристики происходящего.

В седьмой главе разработанная концепция апробирована для информатизации объектов регионального транспортного кластера. Выявлены основные проблемы, перспективы развития информационной инфраструктуры в целом, сдерживающие и ускоряющие факторы.

Разработана информационно-коммуникационная структура транспортного кластера Астраханской области, имеющая иерархическую трехуровневую структуру, на базе управляющей, функциональной и обеспечивающей групп подсистем. Эти подсистемы, обладая определенной независимостью, должны использовать преимущества корпоративного взаимодействия по оптимизации решения стратегических и тактических задач (рис. 5).

Рис.5. Технология формирования управленческих решений

Предложена концепция создания ядра информационной инфраструктуры, координационного центра, являющегося производственным объединением, созданным на условиях государственно-частного партнерства. Сформулированы технические требования к функциональным характеристикам координационного центра.

Определена технологическая концепция разработки, выраженная в трехуровневой структуре, объединяющей мегаоператора перевозки с функциональными и обеспечивающими подсистемами, определена функциональная структура отдельных звеньев, структура сетевых средств, описаны функциональные модули, используемые для автоматизации отдельных направлений: мониторинг, ситуационно-аналитическое управление цепями поставок, электронный документооборот, управление финансово-страховыми операциями, взаимодействие с государственными контролирующими органами.

Третий уровень информационно-коммуникационной структуры представляет собой внешние корпоративные информационные системы, имеющие доступ к информационным ресурсам, расположенным на местах. Координационный центр позволит

этим подсистемам реализовать горизонтальное взаимодействие при совместном участии в обеспечении сквозного БП, сбалансировать транспортные потоки по различным направлениям.

Для управления пространственно привязанными объектами разработана концепция геоинформационной системы (ГИС), представляющей актуальную, достоверную и комплексную информацию для оперативного всестороннего исследования, оценки и обоснования управленческих решений. Концепция предлагает хранение данных на общей топографо-геодезической основе для обеспечения документально точного представления различных свойств информационных объектов. ГИС является обязательным атрибутом в системе формирования управленческих решений.

Определена структура распределенных информационных систем и ресурсов, включающая распределенные атрибутивные и пространственные базы данных, распределенные базы знаний, распределенных экспертов. Апробирована информационная технология принятия управленческих решений. Измерена информационная неопределенность транспортного кластера на различных стадиях его жизненного цикла (рис. 6).

предприятия дорожного

мяпгммчямм тттттю

предлрютм предприми

а) б)

Рис. 6. Изменение коэффициента относительной организации системы:

а) от этапа формирования к этапу становления,

б) от этапа становления к этапу стабильного функционирования,

в) от этапа стабильного функционирования к этапу развитого функционирования

а&гогрзнпор-тые предприятия

В)

Результаты моделирования показывают снижение семантической неопределенности в тезаурусе представления участников РК, выраженное в увеличении коэффициента относительной организации системы на 26 % на этапе становления РК, на 12 % - на этапе стабильного функционирования, на 7 % - на этапе развитого функционирования регионального кластера.

,ЙОД»И»Й транспорт

судостроительные предприятия

с»ив«доркые

компании

экспедиторские компании

предирдегия дорож»к>го строительства

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Главным результатом работы является научно-обоснованное решение проблемы формирования и поддержки принятия управленческих решений на всех этапах жизненного цикла регионального кластера на комплексной информационной, алгоритмической и инструментальной основе. При решении этой проблемы получены следующие основные результаты:

1. На основе исследования генезиса регионального кластера разработана концепция формирования его единого информационного пространства, включающая методологические принципы и этапы построения единого информационного пространства, отличающегося наличием информационных механизмов поддержки стратегии развития кластера в корпоративном, эволюционном, институциональном и когнитивном аспектах.

2. На основании разработанных принципов создана интегрированная информационная доменная модель регионального кластера в форме виртуального кластера, построенного на семантическом однообразии путем использования метаонтологии предметной области, онтологии задач и методов и онтологии предметных областей, включающая:

- стадии эволюции виртуального кластера, соответствующие жизненному циклу регионального кластера, взаимосвязанные с развитием его экономического, информационного и когнитивного уровней;

- совокупность методов ранжирования и классификации информационных объектов, в числе которых однородные объекты и бизнес-процессы кластера, с ре-пользованием экспертных оценок различных метрических шкал.

3. Разработана проблемно-ориентированная методология поддержки принятия управленческих решений для слабоструктурированных и неструктурированных проблем, включающая:

- модели знаний как основу для представления проблемы в форме теоретико-множественных и ситуационно-сценарных моделей;

- методики анализа информационной избыточности состава и структуры системы показателей оценивания проблемы, возникающей вследствие субъективизма экспертов по отраслевым знаниям;

- совокупность алгоритмов агрегирования системы показателей, измеренных в различных метрических шкалах, имеющей как иерархическую, так и сетевую структуру.

4. Разработала новая информационная технология поддержки принятия управленческих решений, содержащая процедуры накопления информации и знаний, необходимых для формирования управленческих решений в виртуальном кластере и передачи их в физический кластер для реализации, апробированная для конкретных бизнес-систем кластера в процессах мониторинга качества бизнес-процессов и взаимодействия с глобальными электронными рынками субъектов кластера.

5. Результаты работы внедрены в органах исполнительной власти региона, государственных организациях, коммерческих предприятиях, использованы при выполнении научно-исследовательских работ, выполненных по заказу Правительства Астраханской области. Разработанная и апробированная совокупность программных комплексов позволила решить большой спектр задач по управлению экономическими системами. Учебный вариант программного обеспечения используется в Астраханском государственном техническом университете, Саратовском государственном тех-

ническом университете. Автором опубликованы два учебных пособия по теме диссертации, имеющие гриф учебно-методического объединения по образованию в области прикладной информатики, используемые для подготовки специалистов и научных кадров.

Содержание работы отражено в следующих основных публикациях автора по теме диссертации (всего 71 работа).

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ:

Статьи в журналах, периодических изданиях, включенных в список ВАК РФ

1. Квятковская, И. Ю. Концепция информационно-коммуникационной структуры международного транспортного коридора «Север-Юг» (Астраханский транспортный узел) / И. Ю. Квятковская, М. Б. Блиер, О. М. Проталинский, М. Б. Френкель // Известия учебных заведений. Северо-Кавказский регион. Технические науки. — 2005.-Прил.№ 3-С. 12-15.

2. Квятковская, И. Ю. Обеспечение корпоративного взаимодействия субъектов распределенной информационной системы управления транспортными перевозками / И. Ю. Квятковская, М. Б. Френкель // Вестник Астраханского государственного технического университета. - 2005. - № 2 (25). - С. 21 - 22.

3. Квятковская, И. Ю. Информационно-логическая модель оценки качества работы IT-компании / И. Ю. Квятковская, Е. А. Бармина // Известия вузов. СевероКавказский регион. Технические науки. - 2006. - Специальный выпуск. - С. 103 -105.

4. Квятковская, И. Ю. Использование геотехнологий в управлении региональным транспортным кластером / И. Ю. Квятковская, О. О. Еременко // Вестник Астраханского государственного технического университета. - 2006. - № 4 (33). - С. 105108.

5. Квятковская, И. Ю. Система управления региональным транспортным кластером / И. Ю. Квятковская // Датчики и системы. - 2009. - № 5. - С. 7 - 11.

6. Квятковская, И. Ю. Формирование управленческих решений для социально-экономических систем в условиях слабой структурированности проблемы / И. Ю. Квятковская // Вестник Саратовского государственного технического университета. -2009.-№2(38) Вып. 1.-С. 218-226.

7. Квятковская, И. Ю. Информационная модель экосистемы Астраханского региона / И. Ю. Квятковская, Л. Б. Аминул Н Южно-Российский вестник геологии, географии и глобальной энергии. - 2006. - №10 (23). - С. 83 - 86.

8. Квятковская, И. Ю. Формирование профиля информационной инфраструктуры регионального транспортного кластера / И. Ю. Квятковская // Вестник Астраханского государственного технического университета - 2007 (июль-август). - № 4 (39).-С. 57-60.

9. Квятковская, И. Ю. Линейное расслоение классов альтернатив с использованием логической формы функции выбора / И. Ю. Квятковская // Вестник Астраханского государственного технического университета. - 2007. - № 1 (36). - С. 116 - 119.

10. Квятковская, И. Ю. Использование онтологий для создания баз общих знаний при классификации информации о предметной области / И. Ю. Квятковская // Вестник Астраханского государственного технического университета - 2007 (июль -август) - № 4 (39). - С. 225 - 227.

11. Бялецкая, Е. М. О принципах когнитивного моделирования сложных систем / Б. М. Бялецкая, И. Ю. Квятковская // Вестник Астраханского государственного технического университета - 2006. - № 1 (30). - С. 116 - 120.

12. Френкель, М. Б. Нечетко-множественный подход к сравнительной рейтинговой оценке акций IМ. Б. Френкель, И. Ю. Квятковская // Известия высших учебных заведений. Северо-Каспийский регион. Технические науки. - 2006. - Прил. № 7. — С. 111-113.

13. Френкель, М. Б. Методика оценки результатов технического анализа на рынке ценных бумаг в условиях нечеткости и неуверенности / М. Б. Френкель, И. Ю. Квятковская // Вестник Астраханского государственного технического университета - 2006. - Но 6 (35). - С. 258 - 265

14. Френкель, М. Б. Использование сценариев при построении интеллектуальной торговой системы для торговли на бирже / М. Б. Френкель, И. Ю. Квятковская // Вестник Астраханского государственного технического университета — 2006. - Приложение к № 6 (35). - С. 249 - 251.

Монографии:

15. Квятковская, И. Ю. Формирование информационно-коммуникационной структуры регионального транспортного кластера: моногр. / И. Ю. Квятковская, М. Б. Френкель. - Астрахань: Изд-во АГТУ, 2007. - 124 с.

16. Френкель, М. Б. Моделирование процесса управления портфелем ценных бумаг в условиях неопределенности: моногр. / М. Б. Френкель, И. Ю. Квятковская. -Астрахань: Изд-во АГТУ, 2008. - 119 с.

Статьи в межвузовских научных сборниках, сборниках трудов международных, всесоюзных научных конференций;

17. Квятковская, И. Ю. Концептуальная информационная модель регионального кластера / И. Ю. Квятковская // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. -2009.-№ 1.-С. 55-59.

18. Квятковская, И. Ю. Этапы проблемно-ориентированной методологии поддержки принятия управленческих решений для слабоструктурированных проблем / И. Ю. Квятковская // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. — 2009. -№ 1. -С. 60 - 65.

19. Квятковская, И. Ю. Картографическая модель транспортного коридора / И. Ю. Квятковская, О. И. Жолобова // Сб. матер. Междунар. науч.-практ. конф. «Электронный университет как условие устойчивого развития региона». — Астрахань: АФ МЭСИ, 2005. - С. 226 - 227.

20. Квятковская, И. Ю. Управление цепочками поставок логистической информационной системы региона / И. Ю. Квятковская, В. Р. Кочкина // Математические методы в технике и технологиях (ММТТ-18) : сб. тр. XVIII Междунар. науч. конф. : в 10 т. / Под общ. ред. B.C. Балакирева. - Казань: Изд-во Казанского гос. тех-нол. ун-та, 2005. - Т. 7. - Секция 7. - С. 95 - 97.

21. Квятковская, И. Ю. Нечетко-логический подход к формированию портфеля ценных бумаг. / И. Ю. Квятковская, М. Б. Френкель // Математические методы в технике и технологиях (ММТТ-18) : сб. тр. XVIII Междунар. науч. конф. : в 10 т. / Под общ. ред. B.C. Балакирева. - Казань: Изд-во Казанского гос. технол. ун-та, 2005. — Т. 7. - Секция 7. - С. 100 - 102.

22. Патяко, А. С. Когнитивное моделирование в стратегическом управлении муниципальным образованием / А. С. Патяко, И. Ю. Квятковская // Информационные технологии и математическое моделирование (ИТММ-2005): материалы IV Всерос. науч.-практ. конф. (18-19 ноября 2005 г.). - Томск: Изд-во Том. ун-та, 2005. - С. 196 -198.

23. Амиров, А. К. Использование систем ситуационного управления на промышленных предприятиях в современных экономических условиях. / А. К. Амиров, И. Ю. Квятковская // Информационные технологии и математическое моделирование (ИТММ-2005): материалы IV Всерос. науч.-практ. конф. (18-19 ноября 2005 г.). -Томск: Изд-во Том. ун-та, 2005. - С. 182 - 183.

24. Квятковская, И. Ю. Использование метода скоринга акций с нечеткой моделью оценки эмитента ценных бумаг / И. Ю. Квятковская, М. Б. Френкель // Между-нар. науч.-практ. конф. «Проблемы развития менеджмента, логистики и коммерции в условиях новой экономики». - Астрахань, 2006. - С. 261 - 262.

25. Квятковская, И. Ю. Построение модели оценки качества IT-компании / И. Ю. Квятковская, Е. А. Бармина // Информационные технологии в образовании, технике и медицине: матер. Междунар. конф. / ВолгГТУ. - Волгоград, 2006. - С. 60 -61.

26. Френкель, М. Б. Построение нечеткой модели оценки эмитента ценной бумаги при формировании портфеля ценных бумаг / М. Б. Френкель, И. Ю. Квятковская // Математические методы в технике и технологиях (ММТТ-19): сб. тр. XIX Междунар. науч. конф. в 10 т. / Под общ. ред. В.С. Балакирева. - Воронеж: Воронеж, гос. технол. акад., 2006. - Т. 7. - Секция 7. - С. 42 - 44.

27. Квятковская, И. Ю. Информационное обеспечение процессов управления региональным транспортным кластером / И. Ю. Квятковская // Современные проблемы прикладной информатики : сб. науч. тр. Междунар. науч.- практ. конф. 23-25 мая 2007 г. / Отв. ред. И. А. Брусакова, Е. Н. Панова. - СПб.: Изд-во Политехи, ун-та, 2007.-С. 72-76.

28. Квятковская, И. Ю. Концепция формирования информационно-коммуникационной инфраструктуры управления транспортным комплексом. Математические методы в технике и технологиях (ММТТ-20): сб. тр. XX Междунар. науч. конф. : в 10 т. / Под общ. ред. В. С. Балакирева. - Ярославль: Ярославский гос. техн. ун-т, 2007. - Т. 7. - Секция 7. - С. 42 - 44.

29. Еременко, О. О. Создание единого информационного пространства регионального экономического кластера / О. О. Еременко, И. Ю. Квятковская // Математические методы в технике и технологиях (ММТТ-20) : сб. тр. XX Междунар. науч. конф. : в 10 т. / Под общ. ред. В.С. Балакирева. - Ярославль: Ярославский гос. техн. ун-т, 2007. - Т. 7. - Секция 7,- С. 52 - 54.

30. Емцов, И. П. Управление логистическими производственными процессами на основе имитационных моделей / И. П. Емцов, И. Ю. Квятковская // Математические методы в технике и технологиях (ММТТ-20): сб. тр. XX Междунар. науч. конф. : в 10 т. / Под общ. ред. В. С. Балакирева - Ярославль: Ярославский гос. техн. ун-т, 2007. - Т. 7. - Секция 7.- С. 55 - 57.

31. Квятковская, И. Ю. Разработка систем управления знаниями на базе онто-логий / И. Ю. Квятковская // Математические методы в технике и технологиях (ММТТ-20) : сб. тр. XX Междунар. науч. конф. : в Ют. / Под общ. ред. В. С. Балакирева. - Ярославль: Ярославский гос. техн. ун-т, 2007. - Т. 7. - Секция 7 - С. 77-78.

(ММТТ-20) : сб. тр. XX Междунар. науч. конф. : в 10 т. / Под общ. ред. В. С. Балакирева. - Ярославль: Ярославский гос. техн. ун-т, 2007. - Т. 7. - Секция 7 - С. 77 - 78.

32. Еременко, О. О. Этапы кластеризации региональной экономики / О. О. Еременко, И. 10. Квятковская // Инновационные технологии в управлении, образовании, промышленности «АСТИНТЕХ-2007»: материалы Всерос. науч. конф. 18 - 20 апреля 2007 г.: в 2 ч. / Сост. И. Ю. Петрова. - Астрахань: Издательский дом «Астраханский университет», 2007. - Ч. 2. - С. 159 - 162.

33. Еременко, О. О. Исследование влияния кластерных образований на конкурентоспособность региона / О. О. Еременко, И. Ю. Квятковская // Инновационные технологии в управлении, образовании, промышленности «АСТИНТЕХ-2007» : матер. Всерос. науч. конф. 18-20 апреля 2007 г. в 2 ч. / Сост. И. Ю. Петрова. - Астрахань: Издательский дом «Астраханский университет», 2007. - Ч. 2. - С. 157 - 159.

34. Квятковская, И. Ю. Использование онтологий для концептуализации информации социально-экономического характера / И. Ю. Квятковская // Инновационные технологии в управлении, образовании, промышленности «АСТИНТЕХ-2007» : матер. Всерос. науч. конф. 18-20 апреля 2007 г. в 2 ч. / Сост. И. Ю. Петрова. - Астрахань: Издательский дом «Астраханский университет», 2007. - Ч. 2. - С. 162 - 164.

35. Квятковская, И. Ю. Концепция формирования информационно-коммуникационной инфраструктуры управления Астраханским транспортным узлом / И. Ю. Квятковская // Инновационные технологии в управлении, образовании, промышленности «АСТИНТЕХ-2007» : матер. Всерос. науч. конф. 18 - 20 апреля 2007 г. в 2 ч. / Сост. И. Ю. Петрова - Астрахань: Издательский дом «Астраханский университет», 2007: - Ч. 2. - С. 164 - 166.

36. Квятковская, И. Ю. Информационная система управления портово-складскими операциями. / И. Ю, Квятковская, Н. П. Петров // Вестник Норильского индустриального института - Норильск: Изд-во ГОУ ВПО «Норильский индустриальный институт», 2008. - № 2. - С. 46 - 49.

37. Квятковская, И. Ю. Автоматизированная система оценки инвестиционных проектов / И. Ю. Квятковская, К. М. Попова // Матер. VI Междунар. науч.-практ. конф. «Информационные технологии и математическое моделирование» (ИТММ-2007). - Томск: Изд-во Том. ун-та, 2007. -Ч. 1. - С. 71 - 73.

38. Квятковская, И. Ю. Объектно-ориентированная методология формирования единого информационного пространства / И. Ю. Квятковская, В. В. Колосов, И. В. Шаповалов // Сб. матер. Междунар. науч.-практ. конф. «Эволюция системы научных коммуникаций Ассоциации университетов Прикаспийских государств». - Астрахань: РГНФ, АГТУ, 2008. - С. 71 - 75.

39. Квятковская, И. Ю. Единое информационное пространство вузов, построенное на знаниях о бизнес-процессах / И. Ю. Квятковская, С. Н. Пуртов, И. П. Емцов // Сб. матер. Междунар. науч.-практ. конф. «Эволюция системы научных коммуникаций Ассоциации университетов Прикаспийских государств». - Астрахань: РГНФ, АГТУ, 2008.-С. 92-94.

40. Квятковская, И. Ю. Формирование системы комплексных показателей оценки компетентности электронных информационных ресурсов / И. 10. Квятковская // Математические методы в технике и технологиях (ММГТ-21): сб. тр. XXI Междунар. науч. конф. : в 8 т. / Под общ. ред. В. С. Балакирева - Саратов: Сарат. гос. техн. ун-т, 2008. - Т. 8. - Секция 8. - С. 218 - 220.

41. Еременко, О. О. Концепция управления информационными рисками региональных экономических кластеров / О. О. Еременко, И.Ю. Квятковская // Магема-

¡n

■w

конф.: в 8 т. / Под общ. ред. В. С. Балакирева. - Саратов: Сарат. гос. техн. ун-т, 2008. - Т. 8. - Секция 8. - С. 92 - 94.

42. Жолобова, О. И. Геоинформационная система как среда формирования управленческих решений / О. И. Жолобова, И. Ю. Квятковская // Математические методы в технике и технологиях (ММТТ-21) : сб. тр. XXI Междунар. науч. конф.: в 8 т. / Под общ. ред. В. С. Балакирева. - Саратов: Сарат. гос. техн. ун-т, 2008. - Т. 8. - Секция 8.-С. 102-104.

43. Седова, Я. А. Архитектура автоматизированной системы построения предметных онтологий. / Я. А. Седова, И. Ю. Квятковская // Математические методы в технике и технологиях (ММТТ-21): сб. тр. XXI Междунар. науч. конф. : в 8 т. / Под общ. ред, В. С. Балакирева. - Саратов: Сарат. гос. техн. ун-т, 2008. - Т. 7. - Секция 8. -С. 134-135.

Свидетельства об официальной регистрации программ для ЭВМ:

44. Инструментальная среда принятия оптимальных решений: Св. об офиц. per. прогр. для ЭВМ № 2006612817, Россия, ФГОУ ВПО «Астраханский государственный технический университет» / И. Ю. Квятковская, JI. Б. Аминул. Зарег. 09.08.2006.

45. Геоинформационная система моделирования развития региона. Св. об офиц. per. прогр. для ЭВМ № 2006612793. / И. Ю. Квятковская, P. X. Ягудин. Зарег. 01.08.2006.

46. Информационная система оценки качества на основе когнитивных технологий. Св. об офиц. per. прогр. для ЭВМ № 2007000703. / Квятковская И. Ю., Барми-на Е. А. Зарег. 22.01.2007.

47. Программа мониторинга качества на основе когнитивного моделирования. Св. об офиц. per. прогр. для ЭВМ № 2007610654. / Квятковская И. Ю„ Бармина Е. А. Зарег. 09.02.2007.

48. Автоматизированная система финансового мониторинга инвестиционных проектов. Св. об офиц. per. прогр. для ЭВМ №20086111885. / Квятковская И. Ю., Попова К. М. Зарег. 16.04.2008.

49. Географическая информационная система социально-экономического развития региона Св. об офиц. per. прогр. для ЭВМ № 2008613955. / Квятковская И. Ю., Хортонен А. А. Зарег. 20.05.2008.

50. Автоматизированная система «Информационно-аналитическая система интеллектуального анализа текстовых электронных ресурсов». Св. об офиц. per. прогр. для ЭВМ № 2009610640. / Квятковская И. Ю., Седова Я. А., Филандыш Н. И. Зарег. 28.01.2009.

Подписано в печать 05 . 08 -09.

Тираж 150 экз. Заказ ^8? Типография издательства А! ТУ. 414025, Астрахань, Татищева, 16.

СОДЕРЖАНИЕ.

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

Глава 1 АНАЛИТИЧЕСКИЙ ОБЗОР.

1.1 ХАРАКТЕРИСТИКА ОБЪЕКТА ИССЛЕДОВАНИЯ.

1.2 БИЗНЕС-ПРОЦЕССЫ.

1.3 ФОРМИРОВАНИЕ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ.

1.3.1 Классификация управленческих решений.

1.3.2 Классификация факторов'.'.'.

1.3.3 Критерии эффективности" систем управления.

1.3.4 Анализ подходов к формированию цели.

1.4 УПРАВЛЕНИЕ БИЗНЕС-ПРОЦЕССАМИ.

1.4.1 Оценка качества услуг и товаров.

1.5 СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.

1.5.1 Инженерия знаний.

1.5.2 Онтология предметной области.

1.6 ВЫВОДЫ.

Глава 2 РЕГИОНАЛЬНЫЙ КЛАСТЕР И ЕГО СВОЙСТВА.

2.1 РЕГИОНАЛЬНЫЙ КЛАСТЕР КАК СЛОЖНАЯ СИСТЕМА.

2.2 БИЗНЕС-ПРОЦЕССЫ РЕГИОНАЛЬНОГО КЛАСТЕРА.

2.3 ОЦЕНКА ЭФФЕКТИВНОСТИ БИЗНЕС-СИСТЕМ КЛАСТЕРА.

2.4 ОНТОЛОГИЧЕСКИЙ ПОДХОД К ОПИСАНИЮ РЕГИОНАЛЬНОГО КЛАСТЕРА.

2.5 СЕМАНТИЧЕСКАЯ НЕОПРЕДЕЛЕННОСТЬ.

2.5.1 Неопределенность, возникающая, в информационном домене.

2.5.2 Неопределенность, возникающая в когнитивном домене.

216 ВЫВОДЫ.

Глава 3 ИНФОРМАЦИОННОЕ ПРОСТРАНСТВО РЕГИОНАЛЬНОГО КЛАСТЕРА.

3.1 КОНЦЕПТУАЛЬНАЯ' ИНФОРМАЦИОННАЯ МОДЕЛЬ РЕГИОНАЛЬНОГО КЛАСТЕРА.

3.1.1 Виртуальный кластер.

3.1.2 Физический домен.

3.1.3 Информационный домен.

3.1.4 Когнитивный домен.

3.1.5 Оценка адекватности информационной модели в соответствии со стандартами MDA, ODP.

3.2 ФОРМИРОВАНИЕ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В ВИРТУАЛЬНОМ КЛАСТЕРЕ.

3.2.1 Оценка неопределенности в процессах жизненного цикла.

3.3 ПРОЦЕДУРЫ И АЛГОРИТМЫ ПРИНЯТИЯ РЕШЕНИЙ.

3.3.1 Алгоритм кооперативного ранжирования альтернатив.

3.3.2 Выбор рационального состава для обеспечения сквозного бизнес-процесса в виртуальном кластере.

3.3.3 Нечеткая рейтинговая оценка альтернатив.

3.3.4 Алгоритмы классификации альтернатив.

3.4 ВЫВОДЫ.

Глава 4 ПРОБЛЕМНО-ОРИЕНТИРОВАННАЯ МЕТОДОЛОГИЯ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ДЛЯ СЛАБОСТРУКТУРИРОВАННЫХ ПРОБЛЕМ.

4.1 ЭТАПЫ ПРОБЛЕМНО-ОРИЕНТИРОВАННОЙ'МЕТОДОЛОГИИ.

4.2 АГРЕГИРОВАНИЕ ПОКАЗАТЕЛЕЙ.

4.2.1 Методика формирования интегральных показателей при сетевом представлении проблемы.

4.2.2 Методика анализа когнитивной карты.

4.2.3 Алгоритм агрегирования данных в направлении дуг графа древовидной иерархии.

4.3 УСТРАНЕНИЕ ИНФОРМАЦИОННОЙ ИЗБЫТОЧНОСТИ ПОКАЗАТЕЛЕЙ

4.3.1 Методика анализа информационного содержания системы показателей.

4.312 Устранение иерархической избыточности.

4.4 ВЫВОДЫ.'.

Глава 5 МОДЕЛЬ МОНИТОРИНГА КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ БИЗНЕС-СИСТЕМ РЕГИОНАЛЬНОГО КЛАСТЕРА.

5.1 СЕМАНТИЧЕСКИЙ АНАЛИЗ ПРОБЛЕМЫ-.!

5.2 ПОСТРОЕНИЕ ТЕОРЕТИКО-МНОЖЕСТВЕННОЙ МОДЕЛИ.

5.3 ОПРЕДЕЛЕНИЕ УРОВНЕЙ ТЕОРЕТИКО-МНОЖЕСТВЕННОЙ МОДЕЛИ ДЛЯ. КОНКРЕТНОЙ ПРЕДМЕТНОЙ ОБЛАСТИ.

5.3.1 Определение объектов оценивания для мониторинга качества.

5.3.2" Определение структуры показателей.

5.4 АЛГОРИТМ ПРОВЕДЕНИЯ МОНИТОРИНГА.

5.5 ОПРЕДЕЛЕНИЕ НАБОРА ИЗМЕРЯЕМЫХ ПОКАЗАТЕЛЕЙ.

5.6 МОНИТОРИНГ ПОКАЗАТЕЛЕЙ КАЧЕСТВА НИЖНЕГО УРОВНЯ.

5.7 АГРЕГИРОВАНИЕ ПОКАЗАТЕЛЕЙ КАЧЕСТВА.

5.8* АНАЛИЗ ПОЛУЧЕННЫХ ДАННЫХ НА,ОСНОВЕ ТЕХНОЛОГИИ ОБРАТНЫХ ВЫЧИСЛЕНИЙ.:.

5.9 ОЦЕНКА АДЕКВАТНОСТИ МОДЕЛИ.

5.10 ВЫВОДЫ.

Глава 6- ФОРМИРОВАНИЕ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В ЗАДАЧАХ РЕГУЛИРОВАНИЯ ВЗАИМОДЕЙСТВИЯ КЛАСТЕРА С ВНЕШНЕЙ СРЕДОЙ.

6.1 МОДЕЛИ ВЗАИМОДЕЙСТВИЯ С ВНЕШНЕЙ СРЕДОЙ.

6.1.1 Оценка качества событий.

6.1.2 Представление знаний.и правила вывода.

6.1.3 Фреймовая модель представления знаний.

6.2 МОДЕЛЬ ВЗАИМОДЕЙСТВИЯ С РЫНКОМ ЦЕННЫХ БУМАГ.

6.3 РЕГУЛИРОВАНИЕ ВЗАИМОДЕЙСТВИЯ С ВНЕШНЕЙ СРЕДОЙ ПУТЕМ ИНТЕГРАЦИИ ИНФОРМАЦИОННЫХ СИСТЕМ.

6.4 выводы.:.:.21з

Глава 7 КОНЦЕПЦИЯ ИНФОРМАЦИОННО-КОММУНИКАЦИОННОЙ АРХИТЕКТУРЫ РЕГИОНАЛЬНОГО ТРАНСПОРТНОГО КЛАСТЕРА.

7.1 ПРЕДПОСЫЛКИ ФОРМИРОВАНИЯ ТРАНСПОРТНОГО КЛАСТЕРА В АСТРАХАНСКОМ РЕГИОНЕ.

7.2 СТРУКТУРА ПРОГРАММНО-ТЕХНИЧЕСКОГО КОМПЛЕКСА.

7.3 КООРДИНАЦИОННЫЙ ЦЕНТР.

7.4 СИСТЕМА УПРАВЛЕНИЯ ЗНАНИЯМИ ТРАНСПОРТНОГО КЛАСТЕРА.

7.5 ФУНКЦИОНАЛЬНЫЕ МОДУЛИ.

7.5.1 Функциональный модуль «Мониторинг».

7.5.2 Функциональный модуль «Организация и управление цепями поставок».

7.5.3 Функциональный модуль «Электронный документооборот».

7.5:4 Функциональный модуль управления финансово-страховыми операциями 237 7.5.5 Функциональный модуль взаимодействия с государственными контролирующими органами.

7.6 ОБЕСПЕЧИВАЮЩИЕ ПОДСИСТЕМЫ.

7.7 ОРГАНИЗАЦИЯ ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ.

7.7.1 Интеграция пользователей.

7.8 ГЕОИНФОРМАЦИОННАЯ СИСТЕМА ТРАНСПОРТНОГО КЛАСТЕРА.

7.9 ЭТАПЫ РЕАЛИЗАЦИИ ПРОЕКТА.

7.9.1 Создание мегаоператора.

7.9.2 Создание оператора связи для работы с государственными контролирующими органами.

7.9.3 Подключение к корпоративным, региональным и международным макросистемам.259'

7.10 ИЗМЕНЕНИЕ ИНФОРМАЦИОННОЙ НЕОПРЕДЕЛЕННОСТИ:.

7.11 ВЫВОДЫ.

Функционирование различных элементов систем управления социально-экономическими системами во многом зависит от степени их интеграции путем создания эффективной инфокоммуникационной среды. Стратегия развития информационного общества в Российской Федерации, утвержденная 7.02.2008 Президентом РФ, говорит о том, что «Увеличение добавленной стоимости в экономике происходит сегодня в значительной мере за счет интеллектуальной деятельности, повышения технологического уровня производства и распространения современных информационных и телекоммуникационных технологий. Существующие хозяйственные системы интегрируются в экономику знаний. Переход от индустриального к постиндустриальному обществу существенно усиливает роль интеллектуальных факторов производства».

Современные методы повышения конкурентоспособности региональной и отраслевой экономики вызывают необходимость структурирования производственного сектора новыми способами, одним из которых является создание региональных кластеров, основанных на межотраслевой кооперации предприятий различных сфер деятельности. Кластеры облегчают и стимулируют формирование нового бизнеса с учетом интересов регионального развития на основе укрепления социальных и других неформальных связей, совершенствования информационных потоков.

Укрепление связей внутри кластера с использованием современных логистических и информационных технологий способствует появлению новых способов производства продукции или услуг, основанных на взаимодополняющих навыках по поддержке основного и сопутствующих бизнес-процессов. Стратегия развития кластера связана с созданием условий для его функционирования, одним из которых является создание мощной.инфраструктуры, как производственной, так и инфокоммуникационной. Конкурентоспособность кластера достигается синергетическим эффектом от внедрения унифицированного подхода в сфере качества, логистики, инжиниринга, информационных технологий.

В отечественной и зарубежной науке и практике широко представлены различные аспекты создания корпоративных информационных систем- по* обеспечению единого информационного поля промышленного предприятия, являющегося ключевым механизмом управления. Изучены механизмы управления распределенными информационными потоками, принципы взаимодействия открытых систем, разработаны стандарты проектирования автоматизированных систем, позволяющие также продуктивно декларировать и реализовывать процессы и функции, свойственные организационным системам. Современный рынок программного обеспечения, прогрессирует в создании проблемно-ориентированных информационных систем, информационных систем контроллинга, интеллектуального анализа данных, управления знаниями. Вопросам моделирования знаний в различных предметных облас- • тях посвящены труды Д.А. Поспелова, Т.А. Гавриловой, В.Ф. Хорошевского, А.И. Башмакова, М. Минского, С. Осуга, Г.С. Осипова, проблемам принятия-решений при нечеткой-информации - работы»JI. Заде, С.А. Орловского, В.Н. Вагина, А.Н. Борисова.

Однако отсутствуют исследования по созданию информационно-управляющих систем для кластера, процесс информатизации которого сводится к технологическому обеспечению единого информационного окна, поддерживающего логистическую координацию основного бизнес-процесса. Наличие слабоструктурированных связей экономического характера, увеличение сложности и новизны задач управления в условиях недостаточности информации, стохастичность воздействия окружающей среды увеличивают фактор неопределенности в принятии управленческих решений. Стратегии управления кластером требуют создания интегрированных механизмов информационной поддержки процессов принятия решений.

Недостаточная изученность научной проблемы формирования и поддержки принятия управленческих решений, реализующих стратегию развития регионального кластера на всех этапах жизненного цикла в едином семантически-операбельном информационном пространстве, интегрирующем знания об объектах, процессах, средах, процедурах принятия решений, обусловливает необходимость проведения научных исследований» в этом» направлении:

Основные разделы диссертации выполнялись в рамках тематики госбюджетных научно-исследовательских работ ФГОУ ВПО «Астраханский, государственный, технический университет» «Теоретический анализ и математическое моделирование информационных систем» в. 2003 - 2008 гг. Их содержание соответствует «Стратегии развития информационного* общества в Российской Федерации», Федеральной целевой программе «Электронная Россия* (2002 — 2010 гг.)», Перечню критических технологий, определяемых политикой РФ в области науки, технологий и техники на период до 2010 г. — «Искусственный интеллект», «Компьютерное моделирование».

Целью диссертационной- работы является совершенствование механизмов поддержки принятия решений для регионального кластера на комплексной математической, алгоритмической-и инструментальной основе.

Для достижения данной цели необходимо решить следующие задачи: выделить свойства нового класса социально-экономических систем — региональных кластеров, на основе жизненного цикла сформулировать взаимосвязанные стадии эволюции его экономического, информационного, и когнитивного уровней; разработать информационные механизмы поддержки стратегических управленческих решений для развития кластера в-корпоративном, эволюционном, институциональном и когнитивном аспектах; сформулировать концепцию информационного пространства регионального кластера, построенного на принципах семантического однообразия, как инструментальной среды поддержки принятия управленческих решений; построить интегрированную концептуальную информационную модель регионального кластера в форме виртуального кластера с учетом объектной, процессной, проектной, институциональной составляющих; разработать проблемно-ориентированную методологию поддержки принятия управленческих решений для слабоструктурированных и неструктурированных задач, основанную на моделях знаний; произвести апробацию предложенных методов для> конкретных бизнес-систем регионального транспортного кластера.

Методы'исследований. Для решения, поставленных задач использовались методы системного анализа, теории принятия решений, теории корпоративного управления, искусственного интеллекта и математического моделирования, теории активных систем, информации, нечетких множеств.

Достоверность и обоснованность диссертационного исследования определяется корректным применением методов исследования и подтверждается результатами программного моделирования, успешным внедрением, результатов работы в органах государственной власти, организациях и предприятиях.

На защиту выносятся: методологическая и технологическая концепция формирования-информационного пространства регионального кластера как комплексной среды поддержки принятия управленческих решений, имеющей междисциплинарный характер; интегрированная концептуальная информационная модель. регионального кластера, объединяющая на основе семантического» однообразия декларативные и процедурные знания, используемые для поддержки управленческих решений; проблемно-ориентированная методология поддержки формирования управленческих решений для слабоструктурированных и неструктурированных проблем, позволяющая решать множество целевых задач на инвариантном представлении проблемы в форме модели знаний; новая информационная- технология формирования управленческих решений в едином информационном пространстве кластера на основе кооперации информации, знаний, методов; результаты реализации концепции и методологии в виде проекта архитектуры информационно-коммуникационной системы регионального транспортного кластера и конкретных приложений по интеллектуальной поддержке принятия управленческих решений для бизнес-систем кластера.

Научная, новизна. Сформулирована концепция поддержки принятия управленческих решений в информационном пространстве регионального-кластера, в рамках которой: определены стадии генезиса регионального кластера, отражающие эволюцию его экономического, информационного, когнитивного уровней вдоль траектории жизненного цикла, позволяющие реализовать,комплексные стратегии управления кластером; сформулированы этапы* создания информационного пространства кластера, включающие аспекты образования' институциональной среды формирования и поддержки принятия управленческих решений; предложена концептуальная информационная доменная модель реального кластера в форме виртуального кластера, интегрирующего свойства составляющих его объектов, процессов, проектов, сред, отличающегося наличием когнитивного домена, представления декларативных и процедурных знаний; разработана информационная технология» формирования управленческих решений в виртуальном кластере, отличающаяся наличием принципов консолидации процедур принятия решения, информации, знаний различных предметных областей; обусловлены процедуры, принятия решений для задач классификации и ранжирования информационных объектов; использующие оценки отраслевых экспертов, выполненные в неоднородных метрических шкалах.

Разработана проблемно-ориентированная методология поддержки принятия управленческих решений для слабоструктурированных и неструктурированных проблем, возникающих в задачах управления! бизнес-процессами кластера, включающая: метод построения теоретико-множественных моделей проблемы в форме иерархии, сети, когнитивной карты; метод построения ситуационно-сценарных моделей взаимодействия с внешней средой; методику определения информационной избыточности системы показателей, описывающей проблему; совокупность алгоритмов расчета и анализа интегрального показателя.

Практическая значимость заключается в совершенствовании функционирования, интегрированных организационно-технических систем на основе механизмов * поддержки принятия управленческих решений в едином информационном поле: разработанная концепция^ формирования информационного пространства как механизма поддержки принятия решений в задачах стратегического, тактического, оперативного управления транспортным кластером, реализована в госбюджетных научно-исследовательских работах; результаты исследования приняты к внедрению в органах исполнительной власти, стивидорных, судостроительных и транспортных предприятиях Астраханской области; разработанное программное обеспечение используется в вузах при обучении студентов * по дисциплинам, связанным с исследованием систем управления, исследованием операций, теорией принятия решений, корпоративными информационными системами, компьютерным моделированием; интеллектуальными информационными системами.

На основе разработанной концепции и методологии поставлены и решены задачи: создания проекта единого информационного пространства регионального транспортного кластера; управления конкретными бизнес-системами в процессах мониторинга качества услуг, а также регулирования взаимодействия субъектов кластера с внешней средой - глобальными электронными рынками.

Реализация результатов работы. Результаты исследований использованы в работах ««Разработка технического задания на формирование информационно — коммуникационной структуры транспортного коридора «Север — Юг» (Астраханский транспортный узел и порт «Оля») и «Анализ и выработка рекомендаций по совершенствованию информационно-коммуникационной, технологической структуры Астраханского транспортного узла», выполненных по заказу Правительства Астраханской области по государственным

12 контрактам; внедрены в Министерстве экономического развития, Министерстве строительствами дорожного^ хозяйства, Агентстве по-печати и информационным коммуникациям Астраханской области, государственном-предприятии Астраханской области «Центр1 социально-экономического мониторинга и аналитики», ООО «Бузан-порт», ООО «ДАФ», ООО «Транспортно-экспедиционная судоходная компания «Алброс»».

Учебный вариант разработанного программного обеспечения используется в Астраханском, и Саратовском государственных технических университетах для подготовки научных и инженерных кадров;

Апробация^ научных результатов: Результаты работы докладывались на Международных конференциях «Информационные технологии в1 образовании, технике и медицине» (Волгоград, 2004 - 2006), XYIII<- XXILМеждународных научных конференциях «Математические методы в технике и технологиях» (Казань, 2005; Воронеж, 2006; Ярославль, 2007; Саратов, 2008; Псков, 2009), Международной - научно-практической конференции' «Проблемы развития менеджмента, логистики,и коммерции'в условиях'новой-экономики» (Астрахань, 2006); IV Всероссийской научно-практической конференции «Информационные технологии и математическое моделирование» (Анжеро-Судженск, 2005), VIII Международной конференции из- серии «Нелинейный мир» «Образование. Экология. Экономика. Информатика» (Астрахань, 2003), VII Международной; научно-практической конференции* «Экономико-организационные проблемы проектирования и применения информационных систем» (Ростов-на-Дону, 2003), IV Всероссийской научно-практической конференции «Информационные технологии в экономике, науке и образовании» (Бийск, 2004), Международной' научно-практической конференции «Электронный университет как условие устойчивого развития региона» (Астрахань, 2005), Всероссийской научной конференции «Инновационные технологии в управлении, образовании, промышленности» (Астрахань, 2007), Международной научно-практической конференции «Современные проблемы прикладной информатики» (Санкт-Петербург, 2007), Международной научно-практической конференции «Эволюция системы научных коммуникаций Ассоциации университетов Прикаспийских государств»

13

Астрахань, 2008), Международной научно-практической интернет-конференции «Информационные системы и технологии в социально-экономических и правовых процессах» (Ставрополь, 2008), на научных конференциях профессорско-преподавательского состава Астраханского государственного технического университета в 2000 — 2008 гг. и опубликованы в сборниках трудов и материалов научных конференций.

Публикации. Основные положения диссертации отражены в 71 публикации, в том числе в 2 монографиях, 14 статьях в периодических научных и научно-технических журналах, в которых ВАК рекомендует публикацию основных результатов докторской диссертации, 42 статьях в сборниках материалов международных, всероссийских научных конференций, 7 свидетельствах Роспатента на программы для ЭВМ. Без соавторов опубликовано 16 работ.

В работах, опубликованных в соавторстве, личный вклад автора состо- ' ит в формулировании проблемы, постановке задач, создании теоретических основ для их решения, а также р участии в процессе исследования на всех этапах.

Структура и объем диссертации. Диссертационная работа состоит из введения, 7 глав, заключения, библиографического списка и приложений. Основная часть диссертации излржена на 287 страницах.

7.11 ВЫВОДЫ

1. В данной главе рассмотрено существующее положение в сфере информатизации объектов регионального транспортного кластера. Проведенное исследование его участников позволило выявить основные проблемы, перспективы развития информационной инфраструктуры в целом, сдерживающие и ускоряющие факторы. Свойства участников типовых организаций, позволяют определить возможности организации информационного взаимодействия.

2. Ядром вновь создаваемой на условиях государственно-частного . партнерства информационной- инфраструктуры должен являтьсяt координационный центр - мегаоператор региональных перевозок. Перечисленные функциональные характеристики координационного центра ТК Астраханской области обеспечивают решение стратегических, тактических и опера- ' тивных задач управления.

3. Технологическая^ концепция разработки представляет собой, трехуровневую структуру, объединяющую мегаоператора перевозки с функциональными и обеспечивающими подсистемами. Определена функциональная структура отдельных звеньев, структура сетевых средств, описаны функции ' отдельных модулей.

4. Эскизный проект структуры программного обеспечения программно-технического комплекса, включающей систему управления знаниями РК, разработан в соответствие с концепцией виртуального кластера. Для атрибутивной и пространственной информации, включенной в механизм поддержки принятия управленческих решений, необходимо создание распределенных хранилищ информации с использованием средств ГИС.

5. Прогнозирование развития кластера с использованием разработанной методики отражает снижение неопределенности в процессе создания информационного пространства кластера. •

Основные положения главы опубликованы в следующих работах автора: [2, 34,35, 56, 71, 74, 75, 80, 82, 85, 89,90, 93, 95, 96; 98, 101, 103, 104, 105, 106, 107].

ЗАКЛЮЧЕНИЕ

Главным результатом работы является научно-обоснованное решение проблемы формирования и поддержки принятия управленческих решений на всех этапах жизненного цикла регионального кластера на комплексной информационной, алгоритмической и инструментальной основе. При решении этой проблемы получены следующие основные результаты:

1. На основе исследования генезиса регионального кластера разработана концепция формирования его единого информационного пространства, включающая методологические принципы и этапы построения единого информационного пространства, отличающегося наличием информационных механизмов поддержки стратегии развития кластера в корпоративном, эволюционном, институциональном и когнитивном аспектах.

2. На основании разработанных принципов создана интегрированная информационная доменная модель регионального кластера в форме виртуального кластера, построенного на семантическом однообразии путем использования метаонтологии предметной области, онтологии задач и методов и онтологии предметных областей, включающая:

- стадии эволюции виртуального кластера, соответствующие жизненному циклу регионального кластера, взаимосвязанные с развитием его экономического, информационного и когнитивного уровней;

- совокупность методов ранжирования и классификации информационных объектов, в числе которых однородные объекты и бизнес-процессы кластера, с использованием экспертных оценок различных метрических шкал.

3. Разработана проблемно-ориентированная методология поддержки принятия управленческих решений для слабоструктурированных и неструктурированных проблем, включающая:

- модели знаний как основу для представления проблемы в форме теоретико-множественных и ситуационно-сценарных моделей;

- методики анализа информационной избыточности состава и структуры системы показателей оценивания проблемы, возникающей вследствие субъективизма экспертов по отраслевым знаниям; совокупность алгоритмов агрегирования системы показателей, измеренных в различных метрических шкалах, имеющей как иерархическую, так и сетевую структуру.

4. Разработана новая «информационная технология поддержки принятия управленческих решений, содержащая процедуры накопления^ информации и знаний, необходимых для формирования управленческих решений в виртуальном кластере и передачи их в физический кластер для реализации, апробированная для, конкретных бизнес-систем» кластера в процессах мониторинга качества бизнес-процессов невзаимодействия с глобальными электронными рынками субъектов кластера.

5. Результаты- работы внедрены! в органах исполнительной власти региона, государственных организациях, коммерческих предприятиях, использованы при выполнении научно-исследовательских* работ, выполненных по заказу Правительства Астраханской области. Разработанная* и апробированная совокупность программных комплексов позволила решить большой спектр задач по-управлению экономическими системами. Учебный' вариант программного обеспечения используется в Астраханском государственном, техническом университете, Саратовском государственном техническом университете. Автором опубликованы два учебных пособия по теме диссертации, имеющие гриф учебно-методического объединения по образованию в области прикладной* информатики, используемые для < подготовки специалистов и научных кадров."

1. Автоматизированная система «Информационно-аналитическая система интеллектуального анализа текстовых электронных ресурсов». Св. об офиц. per. прогр. для ЭВМ №2009610640. / Квятковская И.Ю., Седова Я.А., Филандыш Н.И. Зарег. 28.01.2009.

2. Автоматизированная система финансового мониторинга инвестиционных проектов. Св. об офиц. per. прогр. для ЭВМ №20086111885. / Квятковская И.Ю., Попова К.М. Зарег. 16.04.2008.

3. Алексеев А. В. Интерпретация и определение функций принадлежности нечетких множеств // Методы и системы принятия решений: Сб. тр. / Под ред. А. Н. Борисова. Рига: РПИ, 1979.

4. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике: Учебник. — 2-е изд., доп. и перераб. — М.: Финансы и статистика, 2004. 464 е.: ил. (ISBN 5-279-02901-7).

5. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник. М.: Финансы и статистика, 2004. - 424 с.

6. Андрейчиков А. В., Андрейчикова О. Н. Компьютерная поддержка изобретательства (методы, системы, примеры применения). — М.: Машиностроение, 1998.-476 е.: ил. ISBN 5-217-02886-6.

7. Андрейчикова О.А. Принятие решений в условиях взаимной зависимости критериев и альтернатив сложных технических систем// Информационные технологии, 2001, №11. — с. 14-19.

8. Антошина И.В., Домрачев В.Г., Ретинская И.В. Методика составления системы характеристик качества для программных средств.// Качество, инновации, образование, №3, 2002. — с.57-60.

9. Антонов А.В. Системный анализ. Учеб.для вузов. М.: Высш.шк., 2006.-454 с.

10. Арсеньев Ю.Н., Шелобаев С.И., Давыдова Т.Ю. Принятие решений. Интегрированные интеллектуальные системы. М. ЮНИТИ-ДАНА, 2003.-270 с.

11. Банки на развивающихся рынках: В 2-х т. Т.1. Укрепление руководства и повышение чувствительности к переменам. - Т.2. Интерпретирование финансовой отчетности. - М.: Финансы и статистика, 1994.

12. Баркалов С.А., Бакунец О.Н., Гуреева И.В., Колпачев В.Н., Руссман И.Б. Оптимизационные модели "распределения инвестиций на предприятии по видам деятельности. М.: ИПУ РАН, 2002. — 68с.

13. Басовский Л.Е., Протасьев В.Б. Управление качеством: Учебник — М.: ИНФРА-М, 2005 212 с. - (Высшее образование).

14. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учеб. пособие. — М.: Изд-во МГТУ им. Н.Э.Баумана, 2005. 304 с. ISBN 5-7038-2544-Х.

15. Баутов А. Н. Оценка факторов качества программных продуктов методом регрессионного анализа. Программно-методическое обеспечение. М., 2001.

16. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях // В кн.: Вопросы анализа и процедуры принятия решений. М.: Мир, 1976.

17. Берестнева О.Г. Моделирование интеллектуальной компетентности студентов // Известия Томского политехнического университета. Т. 308. — №2.-2005.-С. 152-156.

18. Берестнева О.Г., Дубинина И.А. Уровни сформированное™ интеллектуальной компетентности: технология оценки, методы измерения и интерпретации // Известия Томского политехнического университета. — Т. 309. № 6. - 2006. - С.227—231.

19. Бурков В.Н., Новиков Д.А. Модели и механизмы систем управления качеством. М.: 1998.

20. Бусленко Н.П. и др. Лекции по теории сложных систем / Н.П.Бусленко, В.В. Калашников, И.Н: Коваленко. -М.: Сов. Радио, 1979.

21. Бялецкая Е.М., Квятковская И.Ю О принципах когнитивного с моделирования сложных систем // Вестник АГТУ. 2006^ - №1(30). -С. 116-120.

22. Вагин В.Н., Михайлов И.С. Разработка метода интеграции информационных систем на основе метамоделирования и онтологии предметной области. // Программные продукты и системы. №1 2008. С. 22-26.

23. Васильева Ю.П. Повышение конкурентоспособности страны как необходимое условие вхождения в глобальную экономику / Ю.П: Васильева // Современные тенденции развития экономической науки: Материалы конференции ученых-экономистов. Уфа, 2004. — С. 349-354.

24. Введение в разработку онтологий 101: руководство по-созданию Вашей первой онтологии; Наталья Ф. Ной и Дэбора JI. МакГиннес. Стэнд-форский Университет, Стэндфорд, Калифорния^ 2001.

25. Внедрение сбалансированной системы- показателей / Horvath & ! Partners; Пер. с нем. М.: Альпина Бизнес Букс, 2005. — 478 с. - (Серия «Модели менеджмента ведущих корпораций») ISBN 5-9614-0211-8

26. Воронин А.А., Губко М.В., Мишин, С.П., Новиков Д.А. Математи- • ческие модели организаций: Учебное пособие. — М. ЛЕНАНД, 2008. 360с.

27. Гаврилова Т. А. Базы, знаний! интеллектуальных* систем / Т. А. Гаврилова, В. Ф. Хорошевский. Спб.: Питер, 2000. - 384 с.

28. Галкин Г. Мифы и парадигмы интеграции приложений Электронный ресурс. / Г. Галкин // журнал «Intelligent Enterprise» №12-13 2004, http://www.iemag.ru/analitics/detail.php?ID=16050

29. Географическая информационная система социально-экономического развития региона. Св. об офиц. per. прогр. для ЭВМ №2008613955. / Квятковская И.Ю., Хортонен А.А. Зарег. 20.05.2008.

30. Геоинформационная система моделирования развития региона. Св. об офиц. per. прогр. для ЭВМ №2006612793. / И.Ю. Квятковская, Р.Х. Ягу-дин. Зарег. 01.08.2006.

31. Геоинформатика: в 2 кн.: учебник / Е.Г.Капралов, А.В.Кошкарев, В.С.Тикунов и др.; под ред. В.С.Тикунова. 2-е изд.'перераб. и доп. - М.: Издательский центр «Академия», 2008.-3 84с.

32. Горетов, И.Н. Кластеры как источник экономического роста региона/ Марийский государственный университет, г. Йошкар-ола http://www.tisbi.ru/science/vestnik/20Q8/issue4/Goretov.htm (с экрана 10.12.2008).

33. ГОСТ Р ИСО 9000-2001 Системы менеджмента качества. Основные положения и словарь. М.: Изд-во стандартов, 200139: ГОСТ Р ИСО 9001-2001 Системы,менеджмента качества. Требования. М.: Изд-во стандартов, 2001

34. ГОСТ Р ИСО 9004-2001 Системы менеджмента качества. Рекомендации по улучшению деятельности. М.: Изд-во стандартов, 2001.

35. ГОСТ Р 52113—2003. Услуги населению. Номенклатура показателей качества. М.: Изд-во стандартов, 2003.

36. ГОСТ Р 50691-94. Модель обеспечения*качества услуг. Ml: Изд-во стандартов, 1995.

37. ГОСТ 28195 89. Оценка качества программных средств. Общие положения. М.: Изд-во стандартов, 1989.

38. ГОСТ 28806-90. Качество программных средств. Термины и определения. М- Изд-во стандартов, 1990.

39. ГОСТ Р ИСО МЭК 9126-1-4. Информационная технология характеристики и метрики качества программного обеспечения: 4.1. Характеристики и субхарактеристики качества.

40. ГОСТ Р ИСО/МЭК 9126-93. Государственный стандарт Российской Федерации. Оценка программной продукции. Характеристики качества и руководства по их применению.

41. Гухман В.Б. Философия информационного подхода. Монография, Тверь: ТГТУ, 2000. 10,5 п.л.

42. Дик В.В. Методология формирования решений в экономических системах и инструментальные среды их поддержки. — М: Финансы и статистика, 2000. 300с.

43. Дилигенский Н.В., Дымова Л.Г., Севастьянов П.В. Нечеткое моделирование и многокритериальная оптимизация производственных систем вусловиях неопределенности. М.: «Издательство Машиностроение- 1»,270

44. Добровольский А. Интеграция приложений: методы взаимодействия, топология, инструменты Электронный ресурс. / А. Добровольский // http://www.osp.ru/os/2006/09/3776464

45. Дружинин Г. В., Сергеева И. В. Качество информации. М.: Радио и связь, 1990.

46. Дубров A.M. Компонентный анализ и эффективность в экономике.-М.: Финансы и статистика, 2002. — 352 с.

47. Евстегнеев Д.В., Ледащева Т.Н. Использование когнитивных моделей при построении комплексной оценки состояния территории, Электронный журнал «Исследовано в России», 2003.

48. Емельянов С.В., Дудин Е.Б., Ларичев А.К. и др. Подготовка и принятие решений в организационных системах. Итоги науки и техники. Техническая кибернетика. Т.4. М.: ВИНИТИ, 1971. - 315 с.

49. Жилин Д.М. Теория систем: опыт построения курса. Изд. 3-е, стереотипное. М.: КОмКнига, 2006 184 с.

50. Заде JI. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.: Мир, 1976.

51. Ивлев В., Каменова М., Попова Т. Методологический подход к реорганизации деятельности предприятия. // Открытые системы, № 02, 1996.

52. Инструментальная среда принятия оптимальных решений: Св. об офиц. per. прогр. для ЭВМ №2006612817, Россия, ФГОУВПО «Астраханский государственный технический университет» / И.Ю. Квятковская, Л.Б. Аминул. Зарег. 09.08.2006.

53. Информационная система оценки качества на основе когнитивных технологий. Св. об офиц. per. прогр. для ЭВМ №2007000703. / Квятковская И.Ю., Бармина Е.А. Зарег. 22.01.2007.

54. Исмайлов С. Ф., Караев Р. А., Сурков Г. Д. Формирование корпоративной политики предприятия с помощью когнитивных карт. Известия Национальной академии наук Азербайджана. Серия физико-технических и математических наук, 2004, №2.

55. Калейчик М.М. Квалиметрия: Учебное пособие. 4-е изд., стереотипное. М.: МГИУ, 2006. - 200 с.

56. Калянов Г.Н. Консалтинг при автоматизации предприятий: подходы, методы, средства. — М.: СИНТЕГ, 1997.

57. Катулев, А.Н. Математические методы в системах поддержки принятия решений: Учеб. пособие/ А.Н.Катулев, Н.А.Северцев. М.: Высш. шк., 2005. —311с. :ил.

58. Кибзун А.И., Кузнецов Е.А. Оптимальное управление портфелем ценных бумаг. //Автоматика и телемеханика. Вып. 9. 2001, с. 101 — 113.

59. Квятковская И.Ю., Бармина Е.А. Информационно-логическая модель оценки качества работы IT компании // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. — 2006. — Специальный выпуск. с. 103-105. - ISSN 0321-2653.

60. Квятковская И.К)£ Использование онтологий для.создания баз общих знаний при классификации'информации о предметной'области. Вестник АГТУ, научный журнал 4(39)/2007 (июль-август) Астрахань: Изд-во АГТУ. - С. 225-227.

61. Квятковская И.Ю. Линейное расслоение классов альтернатив с использованием логической формы функции выбора. Вестник АГТУ. 2007. №1 (36).-С. 116-119.

62. Квятковская И.Ю. Теория принятия решений: методическое посо273бие. Астрахань.: ЦНТЭП, 2002. - 100 с. - ISBN 5-89388-042-0.

63. Квятковская И.Ю. Формирование профиля информационной инфраструктуры регионального транспортного кластера. Вестник АГТУ, научный журнал 4(39)/2007 (июль-август) Астрахань: Изд-во АГТУ. - С. 57-60.

64. Квятковская И.Ю. Информационная модель экосистемы Астраханского региона / Квятковская И.Ю., Аминул Л.Б. Южно-Российский вестник геологии, географии и глобальной энергии. 2006, №10, с.83-86

65. Квятковская, И.Ю. Система управления региональным транспортным кластером / И.Ю. Квятковская // Датчики и системы. 2009. - №5. - С. 7-11.

66. Квятковская, И.Ю. Информационная модель экосистемы Астраханского региона / Квятковская И.Ю., Аминул Л.Б. // Южно-Российский вестник геологии, географии и глобальной энергии. 2006. - №10 (23). - С. 83-86

67. Квятковская И.Ю., Аминул Л.Б. Свидетельство об официальной регистрации программы для ЭВМ №2006612817. Инструментальная среда принятия оптимальных решений. Зарегистрировано 9.08:2006.

68. Квятковская И.Ю., Аминул Л.Б., Еременко О.А. ГИС в административной деятельности университета. Информационные технологии в образовании, технике и медицине: Материалы Международной конференции. / ВолгГТУ.- г.Волгоград, 2006. С. 113-115.

69. Квятковская И.Ю:, Бармина Е.А. Информационно-логическая модель оценки качества работы IT компании // Журнал «Известия вузов: Северо-Кавказский, регион. Технические науки.» — Специальный выпуск. - Новочеркасск.-2006.-С. 103-105.

70. Квятковская И.Ю., Жолобова О.И: Картографическая модель транспортного коридора. Сборник материалов Международной научно-практической конференции «Электронный университет как условие устойчивого развития региона». г.Астрахань: АФ МЭСИ. 2005.-С. 226-227.

71. Квятковская И.Ю., Еременко О.О. Использование геотехнологий в управлении региональным транспортным кластером. Вестник Астраханского государственного технического университета. 2006. №4 (33). С. 105-108.

72. Квятковская И.Ю., Петров Н.П. Информационная система управления портово — складскими операциями. Вестник Норильского индустриального института, научный журнал 2/2008, г.Норильск: Изд. ГОУВПО «Норильский индустриальный институт» С. 46-49.

73. Квятковская И.Ю., Френкель М.Б. Обеспечение-корпоративного взаимодействия субъектов распределенной информационной системы управления транспортными перевозками. Вестник Астраханского государственного технического университета. №2(25). 2005. С. 21-22.

74. Квятковская И.Ю., Френкель-М.Б. Формирование информационно-коммуникационной структуры регионального- транспортного кластера: монография. Астрахань: изд-во АГТУ, 2007. 124 с.

75. Квятковская И. Ю., Шуршев В.Ф. Организация информационных хранилищ данных для морфологических матриц технических устройств. Образование. Экология. Экономика. Информатика. Сборник научных трудов

76. VIII Международной конференции из серии «Нелинейной мир» / Под ред.277

77. Н.В. Амосовой, И.Б. Коваленко, А.Б. Ольневой. Астрахань: ИПЦ «Факел». 2004. - С. 277-279.

78. Клейнер Г.Б. От теории предприятия к теории стратегического управления. Российский.журнал менеджмента, т. 1, № 1, 2003.

79. Клейнер Г.Б. Эволюция-институциональных систем. М.: Наука,2004.

80. Клейнер Г.Б., Качалов P.Mf, Нагрудная Н.Б. Формирование страте- •1 гии функционирования инновационно-промышленных кластеров. / Препринт

81. WP/2007/216. — М.: ЦЭМИРАН, 2007.

82. Клейнер Г.Б., Синтез стратегии кластера на основе системно-интеграционной теории // Клейнер Г.Б., Качалов P.M., Нагрудная Н.Б. журнал "Отраслевые рынки" №5-6 (18) (Сентябрь-Декабрь) 2008.

83. Клейнер Г., Качалов Р., Сушко Е. Экономическое состояние и институциональное окружение российских промышленных предприятий: эмпирический анализ взаимосвязей. Вопросы экономики, 2005, № 9.

84. Клейнер Г., Петросян Д., Беченов А. Еще раз о роли государства и государственного сектора в экономике. Вопросы экономики, 2004, № 4.

85. Клейнер Г.Б., Тамбовцев B.JL, Качалов P.M. Предприятие в условиях неопределенности: риски, стратегии, безопасность. М.: Экономика, 1997.

86. Ковалевская Е.В. Метрология, качество и сертификация программного обеспечения/ Московский международный институт эконометрики, информатики, финансов и права. — М., 2002. — 69с.

87. Компьютерная поддержка сложных организационно-технических систем/ В. В. Борисов, И*. А. Бычков, А. В!. Дементьев, А. П. Соловьев, А. С. Федулов. М.: Горячая линия.- Телеком, 20021 - 154 е., ISBN 5-93517-111-2.

88. Коновальчук Е.В., Новиков'Д.А. Модели-и методы оперативного управления проектами. Ml: ИЛУ РАН, 2004. 63 с.

89. Корнаи Я. Системная парадигма. Вопросы экономики, 2002^ № 5.

90. Кулинич А.А. Когнитивная система поддержки принятия.решений-«Канва»// Программные продукты и системы. №3, 2002 г.

91. Ларичев О.И. Некоторые проблемы искусственного интеллекта. Сборник, труд овВНИИСИ. 1990. №10. с.3-9:

92. Ларичев О.И., Мошкович Е.М. Качественные методы- принятияtрешений.-М.: «Наука», 1996.1

93. Леоненков А.В: Нечеткое моделирование в среде MathLab и FuzzyTech. СПб.: БХВ-Петербург, 2005. - 736 с.: ил.

94. Литвак Б.Г. Экспертные технологии в управлении: учеб.пособие. — 2-е издание, испр. и доп. М.: Дело, 2004/ - 400 с. (ISBN 5-7749-0347-8):I

95. Липаев В.В. Выбор-и оценивание характеристик программных Л средств. — М.: СИНТЕГ, 2001. — 224 с.

96. Мазур И.И: Управление качеством: учеб.пособие для студентов вузов, обучающихся по специальности «Упр: качеством». — М.: Омега-Л, 2005.— 400'с.

97. Максимов В.И. Структурно-целевой анализ развития^ социально-экономических ситуаций: Автореферат докт. дис. М.: ИПУ РАН, 2002.

98. Малая энциклопедия трейдера/ Эрик Л.Найман. 7-е изд. - М.: Альпина Бизнес Букс, 2006. - 403 с.

99. Малюгин В.И. Рынок ценных бумаг. Количественные методы анализа, М.: Дело, 2003.

100. Марков Л.С. Кластерная политика: региональный аспект /Марков Л.С. // Совет директоров Сибири. 2007. - № 5. - С. 6-7.

101. Методы и модели оценивания качества программного обеспечения. Воробьев В. И., Копыльцов А. В., Пальчун Б. П., Юсупов Р. М. С-Пб.:СПИИРАН.1992.-ЗЗс.

102. Методы квалиметрии в машиностроении: Учебное пособие/ под ред. В.Я. Кершенбаума, P.M. Хвастунова. М.: Технонефтегаз, 1999. - 210 с.

103. Микони С.В. Методы и алгоритмы принятия решений: учебное пособие. Часть 1. СПб.: ПГУПС, 1994 - 55 с.

104. Миркин Я.М. Ценные бумаги и фондовый рынок. Учебник. М.: Изд-во «Перспектива», 1995.

105. Мишин В.М. Исследование систем управления: Учебник. — М.: ЮНИТИ-ДАНА, 2003.

106. Мишин В.М. Управление качеством: Учебник для студентов вузов, обучающихся по специальности «Менеджмент организаций» (061100)/ В.М. Мишин 2-е изд. перераб. и доп. - М.: ЮНИТИ-ДАНА, 2005. - 463 с. ISBN 5-238-00857-0.

107. Модели принятия решений на основе лингвистической переменной/ А.Н.Борисов и др. — Рига: Зинатне, 1982 .

108. Моделирование принятия решений в условиях неопределенности: Метод, указания/ Сост. Б.Х. Санжапов, Д.А. Давыдов, Волгоград, гос. техн. ун-т. Волгоград, 1997. — 24 с.

109. Моисеев Н.Н. Предисловие к книге Орловского С.А. Проблемы, принятия решений при нечеткой информации.- М.: Наука, 1981.

110. Недосекин А.О. Оценка риска бизнеса на основе нечетких данных.

111. Никитин В.А., Филончева В.В. Управление качеством на базе стандартов ИСО 9000:2000. 2-е изд. СПб.: Питер, 2005. - 127 е.: ил. ISBN 5-94723-567-6.

112. Новиков Д.А. Введение в теорию управления образовательными системами. М.: Эгвес, 2009. - 156 с.

113. Новиков Д.А. Теория управления организационными системами. 2-е изд. М.: Физматлит, 2007.

114. Новиков Д.А., Петраков С.Н. Курс теории активных систем. М.: СИНТЕГ, 1999-104 с.

115. Новиков Д.А. Сетевые структуры и организационные системы. М.: ИПУ РАН (научное издание), 2003. 102 с.

116. О программометрическом подходе к оценкам программного обеспечения. Апостолова Н. А., Гольдштейн Б. С., Зайдман Р. А./ Изв. Вузов. Программирование, 1995, №4, с. -38-44.

117. Одинцов Б.Е. Обратные вычисления в формировании экономических решений: учеб. пособие. М.: Финансы и статистика, 2004. - 192 е.: ил.2801.BN 5-279-02902-5.

118. Оптнер С.JI. Системный анализ для решения деловых и промышленных проблем. — М.: Сов. Радио, 1969.

119. Орлов А.И. Задачи оптимизации и нечеткие переменные. М.: Знание, 1980.

120. Орловский С.А. Проблемы принятия решений при нечеткой информации.-М.: Наука, 1981.

121. Острейковский В.А. Теория систем. М: Высшая школа, 1997.

122. Осуга С. Обработка знаний: Пер. с япон. М.: Мир, 1989. - 293с.

123. Паринов С.И., Яковлева Т.И. Экономика XXI века на базе Интернет - технологии// Экономика XXI века. - 2000. - №1. - с.19-45.

124. Петрова И.Ю., Квятковская И.Ю., и др. Разработка методических основ и инструментальных средств для создания интегрированных баз знаний. Отчет о НИР (промежуточный) АГТУ/ ВНТИЦентр-№ГР 01.99.0004754; инв. №02.99.0003274. г.Астрахань. 1998. 143 стр.

125. Показатели устойчивого развития: теория, метод, практическое использование. Отчет, представленный на рассмотрение Балатонской группы /Авт. X. Боссель: Пер. с англ. Тюмень: Изд-во ИПОС СО РАН, 2001. - 123 с.

126. Полбицына Л.Г. Формирование кластеров в АПК как эффективный инструмент регионального развития. Научный вестник УрАГС, выпуск № 2(3), июнь 2008г., стр. 72-74

127. Поспелов Д.С. «Серые» и/или «черно-белые» шкалы.// Прикладная эргономика. Специальный выпуск «Рефлексивные процессы». 1994. -№1.

128. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука. — Гл. ред. Физ.-мат. Лит., 1986. — 268 с.

129. Поттосин Ш В. «Хорошая программа»: попытка.точного определения понятия/ Программирование, 1997, №2, с. 3-17168; Представление и использование знаний: Пер. с япон. Под ред. X. Уэно, М. Исидзука- М.: Мир, 1989.

130. Репин? В .В. Базовые термины процессного; noflxofla&RAQUO. Электронный ресурс.:http://www.raexpert.ru/ Загл. с экрана.

131. Репин В .В . Субъективная реальность сквозных бизнес-процессов. Электронный ресурс. http://www.raexpert.ru/ Загл. с экрана.

132. Романов В.П. Интеллектуальные информационные системы в экономике: Учебное пособие/ Под ред. д.э.н., проф. Н.П.Тихомирова. М.: Издательство «Экзамен», 2003 - 496с.

133. Рысаев И. Менеджмент XXI века: сможет ли человечество преодолеть управленческое отчуждение?// Экономика и управление. 2000; - №1. — с.20-51.

134. Рубцов С .В; Целевое управление корпорациями. 2001.

135. Рынок ценных бумаг/Под ред. В.А. Галанова, А.И. Басова 2-е изд., - Mi: Финансы и статистика, 2002. - 448 с.:ил.

136. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. -М.: Радио и связь, 1989.

137. Си лов В. Б. Оптимизация многокритериальных систем нечетко-целевого управления// Известия PAHl Техническая кибернетика, №4, 19921

138. Силов В. Б. Принятие стратегических решений в нечеткой обстановке.-М.:ИНПРО-РЕС, 1995. •

139. Смирнов В; Н. Системное исследование показателей качества из282делий. Л.: Машиностроение, 1981. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. М.: Наука, 1986.

140. Сомик К.В. Связные структуры экономических событий. Учеб. пособие. М.: Финансы и статистика, 2005. — 176 е.: ил.

141. Сотников А.Д. Инфокоммуникации. Информационное взаимодействие и модели телемедицинских систем», 2008.

142. Стрелец И.А. Сетевая экономика: учебник / И.А. Стрелец. М.: Эксмо, 2006. - 208 с. - (Высшее экономическое образование). ISBN 5-69916964-4.

143. Тарасов B.C. Послесловие к круглым столам // Новости искусственного интеллекта, №2-3, 2001.

144. Тельнов Ю.Ф. Реинжиниринг бизнес-процессов. Компонентная методология. 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2005. -320 е.: ил. ISBN 5-279-02912-2

145. Теория выбора и принятия решений: Учебное пособие // Макаров И.М., Виноградская Т.М., и др. — М.: Наука, Главная редакция физико-математической литературы, 1982. 328 с.

146. Теория и практика торговли на фондовом рынке: курс лекций / под общей ред. В.В. Твардовского 2-е изд., - М: Омега-Л, 2006 - 296 с.

147. Тертышный С.А. Рынок ценных бумаг и методы его анализа -СПб.: Питер, 2004г.

148. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.

149. Трахтенгерц Э.А. Компьютерная поддержка формирования целей и стратегий. М.: СИНТЕГ, 2005. 224 с. ISBN 5-89638-084-4.

150. Трухаев Р.И. Модели принятия решений в условиях неопределенности. М.: Наука, 1981.

151. Управление качеством/ Е.И. Семенова, В.Д. Коротнев и др.; Под ред. Е.И. Семеновой. М.: КолосС, 2003. - 184 с.

152. Финн В.К. Интеллектуальные информационные системы. //Итоги науки и техники. Сер. Информатика. Т. 15. М.: ВИНИТИ. 1991.

153. Фишберн П. Теория-полезности для принятия решений. М.: Наука, 1978.

154. Френкель М.Б., Квятковская И.Ю. Использование сценариев при построении интеллектуальной торговой системы для торговли на бирже //Вестник АГТУ, приложение 2006г. с. 18-21

155. Френкель М.Б., Квятковская И.Ю. Методика оценки результатов -технического анализа на рынке ценных бумаг. Вестник АГТУ, научный-журнал (ноябрь-декабрь) №6 (35)/2006. Изд-во АГТУ С. 258-265.

156. Френкель М.Б., Квятковская И.Ю:, Моделирование процесса управления портфелем ценных бумаг в условиях неопределенности: монография Астрахань: Изд-во АГТУ, 2008. 119 с.

157. Френкель М.Б., Квятковская И.Ю. Нечетко-множественный подход к сравнительной рейтинговой оценке акций //Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2006.-Прил. №7. с. И1-113

158. Френкель М.Б., Квятковская И.Ю. Система поддержки принятия284решений для обеспечения* процесса формирования портфеля ценных бумаг. Сборник трудов V Международной научно-практический конференции. г. Астрахань. 2006. - С. 240-242.

159. Федюкин В.К., Дурнев В.Д., Лебедев В.Г. Методы оценки и управления качеством промышленной'продукции: Учебник. М.: Филин, 2000. — 328 с.

160. Фейгенбаум А. Контроль качества продукции. — М.: Экономика, 1986.-472 с.

161. Хаммер М. Реинжиниринг: не автоматизируйте — уничтожайте // www.interface.ru, 1995.

162. Хаммер М., Чампи Дж. Реинжиниринг корпорации: Манифест революции в бизнесе: Пер. с англ. — Спб.: Изд-во С.-Петербургского университета, 1997.-332 с.

163. Харрингтон Д.Х. Управление качеством в американских корпорациях: сокр.пер.с англ. / под.ред. Л.А. Конарева. М.: Экономика, 1990. 272 с.

164. Хубаев Г. Н. Экономическая^ оценка потребительского качества программных средств: Текст лекций/ РГЭА. Ростов н/Д., 1997 - 104с.

165. Ценные бумаги, /под ред. В.И. Колесникова, B.C. Торкановский. -2-е изд., перераб. И'доп. М.: Финансы и статистика, 2003. — 448 с.:ил.

166. Черняк Ю.И. Системный анализ в управлении экономикой. М.: Экономика, 1971.

167. Чикишева Н. М., Проскурякова Л. А. Разработка методики выбора программного обеспечения бухгалтерского учета для строительных организаций. С-Пб.:Изд-во СПбГУЭФ, 1999. -88с.

168. Шалютин С.М. "Искусственный интеллект". М.: Мысль, 1985.

169. Шарп У.Ф., Александер Г.Дж., Бейли Дж. В. Инвестиции. М.: Ин-фра-М, 1997.

170. Эддоус М., Стенфилд Р! Методы принятия решений. — М.: ЮНИ-ТИ; 1997.-590с.

171. Bender Ch., Harms R., Rinderman G. Du clusters matter? Empirical evidence from Germany. Vniv. of Muenster, 1999.

172. Bergman E.M: Industriali and^ Regional Clusters: Concepts andt Comparative Applications.—www.rri.wvu.edu/WebBook/Bergman-Fese

173. Brown Rl Cluster dynamics in theory and practice with application to Scotland: Glasgow, 2000.

174. Feser E.J; and Bergman E. M;. National industry cluster templates: A framework for applied regional cluster analysis.// Regional Studies, Vol. 34.1.2000.P. i-i9. ;.

175. Efraim T. et al. Decision Support Systems and Intelligent Systems (7thi Edition) / Efrainr Turban; . Jay E. Aronson, TingrPeng/Eiang — New . Jersey : Prentice Hall; 2004U—P: 960:,

176. Hammer M., Champy J. Reengineering the corporation::a manifesto for business revolution. — N.Y.: Harper Business, 1993:

177. IDEF5 Method Report/ Knowledge Base System, Inc. College Station, Texas: KBS, 1994.-187p.

178. Guarino N., Guaretta P. Ontologies and Knowledge Bases. Towards a Technological Clarification// Towards Very Large Knowledge Bases. — Amsterdam: IOS Press, 1995.

179. Gruber T.R. A translation approach to portable ontologies// Knowledge Acquisition. 1993. №5(2). - P. 199-200.

180. Hohpe G., Woolf Bi Enterprise Integration Patterns: Designing, Building, and Оёр1оу^ Messaging Solutions. Addison-Wesley, 2004.

181. Kaufmann A., Gupta M. Introduction to Fuzzy Arithmetic: Theory and Applications. Van Nostrand Reinhold,1991. ASIN: 0442008996.

182. Juran J, Quality Planning & Analysis, New York McCraw-Hill, 1983.

183. Marenbach P. Using prior knowledge and obtaining process insight in data based modelling of bioprocesses / Syst. Anal. Model. Simul. vol. 31, n. 1-2, ■pp. 39-59. Gordon and Breach Science Publishers, 1998.

184. Porter M. Competitive Strategy. London, 1980.

185. Reinert E. Competitiveness and its predecessors-a 500-year cross-national perspective. Oslo, 1994.

186. Rene J. J. Fuzzy logic in control: Ph. D. thesis / J. J. Rene. Delft University of Techology, The Netherlands, 1995.

187. Rosenfeld S. A. Industrial Strength Strategies: Regional Business Cluster and Public Policy. Washington, DC. The Aspen Institute. 1995.

188. Sampler S. Redefining industry structure for the information-age // Strategic management Journal, 1992.

189. Shumpeter Ei.A. Capitalism, Socialism and Democracy. Transl. from English/ Introduction and ed. V.S. Avtonomov. M, "Economika". 1995. 540 pp.

190. Stefanuk V. L. Expert systems and its applications / V. L. Stefanuk // The lectures of Union's workshop on the main problems of artificial intillegence and intellectual systems. Minsk, 1990. - Part 2. - P. 36-55.

191. Swann P. and Prevezer M. A comparison of the dynamics of industrial clustering in computing and biotechnology// Research Policy 25. 1996. P. 11391157.

192. Turban F. Decision support and expert systems. Maxwell Macmilian. New York. 1990, p.50.

193. Yager R. Families of OWA Operators // Fuzzy Sets and Systems, 59,1993.

194. Weber A. Theory of the location of industries. Chicago, 1929.248. http://www.raexpert.ru/

195. Данные на сайте информационно-аналитического и учебного центра НАУФОР. На сайте: http ://www. skrin.ru/Default. asp?Part=2&URL=Search.asp.1. АКТЫ ВНЕДРЕНИЯ1. УТВЕРЖДАЮ»1. Заместитель председателя

196. Правитедвсшаа^Астраханской области о Рлзе^-^ &тщсщовд^еского развитиявгМхцер^ков2008 г

197. Результаты внедряемой научной работы позволяют повысить конкурентоспособность формирующихся в Астрахани региональных экономических кластеров.

198. Первый заместитель министра Представитель ФГОУ ВПОэкономического развития «Астраханский государственный

199. Астраханской области технический университет»1. О^/— И.Ю. КВЯТКОВСКАЯ1. УТВЕРЖДАЮ» «УТВЕРЖДАЮ»

200. Заместитель председателя ПйдШкто^хйшаучной работе иправи1®|шсшй^гаюаханскои области /'идаОвациям^ЩУ ВПО «Астраханский

201. Данная научная разработка позволит повысить:- эффективность информационного взаимодействия между участниками строительного кластера,- оперативность принятия управленческих решений в логистических процессах управления поставками.

202. Результаты внедряемой научной работы позволяют повысить конкурентоспособность Астраханского строительного кластера на российском рынке строительных услуг.

203. Заместитель министра Представитель ФГОУ ВПО1. X-s Х\ гу, хозяйства,Астраханской областиггроитсльствачи дорожного

204. Астраханский государственный технический университет»fp. 3. УМЕРОВс^А1. И.Ю. КВЯТКОВСКАЯ«УТВЕРЖДАЮ» Руководитель.агентства по печати и информационным коммуник^ша^^страханской;■ • I;, " *йШш:.

205. Астраханского транспортного узла». л

206. Определены этапы создания программно технического комплекса, требования к' программному, техническому, сетевому обеспечению. Сформулированы организационные предложения по мотивации участников транспортного кластера к информационному взаимодействию

207. Данные научные разработки направлены на совершенствование механизмов взаимодействия участников грузоперевалки в Астраханском регионе, ускорение стратегического развития региона в рамках приоритетных экономических направлений.

208. Результаты научно исследовательской работы приняты к внедрению как основа для разработки целевых программ по развитию региональной системы информационных коммуникаций.

209. От;■ ГП 'АОЦ 'е н т р й с о ц и а л Б н о -£•>■ экономического мониторинга и1. М.Б. БЛИЕР2Г-» A^eJ/Ц iQtyp

210. От,. ФГ-ОУ}. ВПО :«Астраханс кий*^5;: : го суда ретвен ный технический у ниверс итет»: Проректор по научной j инновациям=5 вЦСёР^1. ЙЙ-^ШШ. |!КВЯ/ГКОВСКАЯю тттж»**г.

211. ООО «Бузан-порт» приняты к внедрению:

212. Разработанные механизмы информационного взаимодействия предприятий Астраханской области участников транспортного кластера с государственными контролирующими органами.

213. Архитектура построения информационного шлюза между корпоративной системой предприятия и региональным координационным центром, обеспечивающего интероперабельность компонентов информационно-коммуникационной архитектуры.

214. Принципы организации информационной поддержки взаимодействия участников транспортного кластера при таможенном оформлении импортно-экспортных операций с использованием электронного обмена данными по согласованной технологии.

215. От ООО «БУЗАН-ПОРТ»: Исполнительный директор1. Г.Ю. ГРИШИНА-vi-r ь jf2006г.•V'' U -: О

216. От ФГОУ ВПО «Астраханский государственный технический университет»:

217. Проректор по научной работе и инновациям1. Н.Т. БЕРБЕРОВАкафедры «Прикладная ^(^Щ^тика в экономике»1. И.Ю. КВЯТКОВСКАЯ1. ТУ т1» 200/г.

218. О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ НАУЧНЫХ РАЗРАБОТОК сотрудников ФГОУ ВПО «Астраханский государственный технический университет»1. Мы, нижеподписавшиеся:

219. Внедрение научно исследовательских результатов на предприятии ООО КФ «ДАФ» позволит:

220. Вырабатывать рациональные логистические решения по управлению цепями поставок.

221. Упростить процедуры оформления. перевозочных, таможенных и других документов, ускорить превентивную подготовку документов для таможенного оформления.

222. Повысить эффективность планирования грузоперевалки, комплектации заказов.

223. От ООО КФ «ДАФ»: От ФГОУ ВПО «Астраханский

224. Зам.Ген. директора ' государственный технический

225. О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ НАУЧНЫХ РАЗРАБОТОК сотрудников ФГОУ ВПО «Астраханский государственный техническийуниверситет»1. Мы, нижеподписавшиеся

226. ООО «ТЭСК «Алброс» приняты к внедрению:

227. Концепция проектирования автоматизированных информационных систем, связанных с управлением терминальной деятельностью.

228. Рекомендации по внедрению системы электронного документооборота в технологических процессах грузоперевозки.

229. Механизмы интеграции услуг таможенного брокера в рамках единого технологического и информационного пространства с участниками грузоперевозки.

230. От ООО «ТЭСК «Алброс»: Генеральный дир<р

231. От ФГОУ ВПО «Астраханский государственный технический университет»:

232. Проректо.^®^ Ц?шботе и иннова!» /xueJM 200сЯг.1. ОБА1. ОВСКАЯ1. УТВЕРЖДАТЬ»

233. Первый проректор ГО/ ВПО «Саратовский государственныйтехнически!! у:1. УТВЕРЖДАЮ»

234. Проректор по научной работе и инновациям ФЩ^ШПОff If . '-У^ f.2008 г.об использовании результатов диссертационной работы

235. Квятковской Ирины Юрьевны «Методологические основы поддержки принятия управленческих решений в информационном пространстве регионального кластера», представленной на соискание ученой степени доктора технических наук

236. Заведующий кафедрой «Системы искусственного интеллекта» ГОУ ВПО «Саратовский государственный технический университет»1. J^ В .П. ГЛАЗКОВ

237. Представитель ФГОУ ВПО «Астраханский государственный технический университет»1. И.Ю. КВЯТКОВСКАЯ

238. УТВЕРЖДАЮ» Проректор по научной работе иоб использовании результатов диссертационной работы

239. Квятковской Ирины Юрьевны «Методологические основы поддержки принятия управленческих решений в информационном пространстве регионального кластера», представленной на соискание ученой степени доктора технических наук

240. Пример работы алгоритма пятиуровневой классификации

241. Для носителяХ=0, 25455. определяем: Хер. = 10142, су = 5785. Зададим м=1, т.е. все зоны (уверенности пониженной уверенности — неуверенности) равными.

242. Таким образом, интервалы 100% зон уверенности, исходя из предпосылки, что и= 1, таковы:

243. О 5000 10000 15000 20000 25000

244. Рис. П2.1. Пятиуровневый классификатор

245. Пример работы алгоритма кооперативного ранжирования бизнеспроцессов

246. Рассмотрим пример, в котором на основе экспертной информации была получена таблица предпочтений 3-х экспертов об основных характеристиках 4-х альтернативных бизнес-системах;. претендующих на. выполнение некоторого бизнес-процесса: