автореферат диссертации по документальной информации, 05.25.05, диссертация на тему:Разработка системы поддержки принятия решений в чрезвычайных информационных условиях

На правах рукописи

Евграфов Иван Павлович

Разработка системы поддержки принятия решений в чрезвычайных информационных условиях

003458526

Специальность: 05.25.05 - «Информационные системы и процессы, правовые аспекты информатики»

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва-2008

003458526

Работа выполнена во Всероссийском институте научной и технической информации РАН.

Научный руководитель: доктор технических наук, профессор

Резер Семён Моисеевич

Официальные оппоненты:

доктор технических наук Корольченко Александр Яковлевич

кандидат технических наук Гречиков Михаил Игоревич

Ведущая организация:

Академия Государственной противопожарной службы МЧС России

Защита состоится 28 января 2009 г. в 13.30 часов на заседании диссертационного совета Д 002.026.01 при Всероссийском институте научной и технической информации РАН по адресу:

125190, г. Москва, ул. Усиевича, д. 20.

С диссертацией можно ознакомиться в библиотеке Всероссийского института научной и технической информации РАН.

Автореферат разослан 22 декабря 2008 г.

Учёный секретарь диссертационного совета доктор технических наук,

профессор

В.А. Цветкова

Общая характеристика работы.

Актуальность темы.

Насущной проблемой является повышение качества принимаемых управленческих решений слабоструктурированных и неструктурированных задач лицами, принимающими решения (ЛПР). Эти задачи характеризуются тем, что большинство параметров или все параметры задач, влияющие на решение, могут бьггь описаны и оценены только качественно, на логическом уровне. Примером таких задач могут быть задачи, стоящие перед службами МЧС и сотрудниками различных организаций при пожарах, авариях и катастрофах. Задачи осложняются тем, что зачастую должны решаться в чрезвычайных информационных условиях, т.е. в условиях ограниченного времени, чрезвычайной быстротечности и информационной насыщенности протекающих процессов, недостаточности и недостоверности информации, в условиях сильного психологического стресса. Кроме этого, заранее нельзя предсказать, как сложатся факторы, влияющие на развитие чрезвычайной ситуации (ЧС) и ликвидацию последствий от ЧС. Цена неверных действий в этих условиях весьма высока и может выражаться в уничтожении и повреждении дорогостоящего имущества, загрязнении окружающей среды, гибели людей, как это было при Чернобыльской аварии, недавнем пожаре во Владивостоке и во многих других ЧС.

Повышение качества решений подобных задач возможно при их интеллектуальной поддержке, выражающейся в различных формах интеллектуально-технических мероприятий, например, экспертном анализе, совещаниях, моделировании процесса ликвидации ЧС. В решении проблемы зачастую целесообразно применять автоматизированные системы информационной поддержки принятия решений, в которых гибко сочетаются возможности ЭВМ по скоростной обработке формализованной информации

и лучшие качества человеческого интеллекта по обработке нечёткой и противоречивой информации.

Однако современный уровень науки и техники в области решения данных задач не достаточен для оказания действенной поддержки на стадии протекания быстротечной и информационно сложной ЧС. Ограничение времени на выработку и принятие решений в ряде задач диктует необходимость разработки систем поддержки принятия решений (СППР), применяющихся на фазе подготовки к принятию решения, когда нет таких жёстких ограничений по времени.

Возможностью поднять качество решений является подготовка ЛПР к принятию решений. Под этим можно понимать, как непосредственное обучение, так и анализ уже принятых решений вместе с планированием новых решений. Поэтому, целесообразно ставить задачу оказания поддержки принятия решений на стадии, предшествующей возникновению ЧС, с помощью соответствующей системы, в которой поддержка принятия решения должна осуществляться в двух формах — обучении управленческого персонала и планировании предстоящих решений.

Актуальность такой постановки проблемы подтверждается требованиями многих норм действующего Российского законодательства. Так, например, в соответствии со ст. 10 ФЗ «О промышленной безопасности опасных производственных объектов» №116-ФЗ: «В целях обеспечения готовности к действиям по локализации и ликвидации последствий аварии организация, эксплуатирующая опасный производственный объект, обязана: планировать и осуществлять мероприятия по локализации и ликвидации последствий аварий на опасном производственном объекте; ... обучать работников действиям в случае аварии или инцидента на опасном производственном объекте... ».

Проблемам принятия решения в разнообразных формах посвящена многочисленная литература. Известны работы Арского Ю.М., Резера С.М.,

Гиляревского P.C., Финна В.К., Абдрахимова Д.А., Иоффина А.И., Трахтенгерца Э.А., Брушлинского Н. Н., Топольского Н.Г. и др. авторов.

В силу сложности рассматриваемых задач, многие аспекты проблемы поддержки принятия решений остаются ещё изученными не полностью, а известные методы поддержки по ряду причин не всегда применимы и не всегда удовлетворяют требованиям объективности описания и оценивания эффективности решений. Наиболее удовлетворительные результаты оценивания эффективности решений, принимаемых в чрезвычайных информационных условиях, были получены в работах Евграфова П.М., отдельные положения которых были заимствованы диссертантом в защищаемой работе. В этих положениях содержатся теоретические основания, необходимые для построения требуемой СППР, которыми являются метод психологического моделирования сложных знаний (МПМ) и теория их вероятностного оценивания (ТВО). Но для создания компьютерных систем поддержки принятия решений эти положения нуждаются в конкретизации и в дополнительном научном и прикладном развитии.

Объектом исследования являются информационные процессы принятия решений и направления повышения качества решений с помощью СППР.

Предметом исследования являются методы и системы поддержки принятия решений слабоструктурированных задач по управлению информационно-насыщенными процессами, принятие решений в которых происходит в условиях ограниченного времени.

Целью работы является разработка системы поддержки принятия решений в чрезвычайных информационных условиях в форме подготовки ЛПР к принятию решения и планирования решений как средства повышения эффективности принимаемых решений для исследуемых задач, а также

разработка технологии создания подобных систем для различных объектов управления.

Для достижения поставленной цели в диссертационном исследовании определены следующие основные задача:

1. Провести исследование и критический анализ известных систем и методов поддержки принятия решений в исследуемой и схожих областях принятия управленческих решений.

2. Выработать концепцию построения новой СППР, позволяющую оказать действенную поддержку принятия решений на стадии, предшествующей возникновению управленческой ситуации. В соответствии с концепцией разработать общую структуру СППР.

3. Разработать СППР организации при пожаре.

4. В процессе разработки программного обеспечения СППР выработать технологию создания подобных систем для различных объектов управления.

Методы исследования включают методы теории управления и принятия решений, искусственного интеллекта, теории множеств, теории вероятности, методы экспертного анализа, информатики.

Научная новизна работы заключается в следующем:

Разработана структура и алгоритмы функционирования СППР в чрезвычайных информационных условиях с новыми совокупностями признаков, а именно:

1. Новой является общая структура СППР в чрезвычайных информационных условиях, в том числе, за счёт впервые применённых в этих целях метода психологического моделирования сложных знаний (решений) и метода вероятностного оценивания сложных знаний, а также нового программного блока анализа и решения характерных модельных ситуаций при чрезвычайных ситуациях.

2. Новой является СППР организации при пожарах

3. Новой является автоматизированная технология создания СППР в чрезвычайных информационных условиях для различных объектов управления.

Практическая значимость работы заключается в возможности использования её результатов для более качественной подготовки управленческого персонала государственных оперативных служб и персонала организаций по ликвидации ЧС и их последствий.

Практическая реализация результатов работы выражается в использовании разработанных деловых игр и задачах по конкретным ситуациям пожаров на тактических занятиях в учебных заведениях МЧС России.

Внедрение результатов работы подтверждено актом.

Публикации. По теме работы автором опубликовано 9 печатных работ, в т.ч. 3 в журналах, включённых в Перечень ВАК.

Апробация работы осуществлялась в форме докладов на 5-й международной специализированной выставке «Пожарная безопасность XXI века» в рамках научной конференции 2006 года «Современные средства и способы обеспечения пожарной безопасности»; ХУ1-Й Международной конференции-выставке «Информационные технологии в образовании» 2006 года.

На защиту выносятся: структура и алгоритмы функционирования системы поддержки принятия решений в чрезвычайных информационных условиях; общие принципы построения СППР организации при чрезвычайных ситуациях; алгоритмы функционирования программного обеспечения СППР; принципы технологии разработки СППР.

Структура и объем работы.

Диссертационная работа состоит из введения, трёх глав, заключения, списка литературы и приложений. Работа содержит 214 страниц текста с рисунками и таблицами, библиография включает 88 источников.

Основное содержание работы

Во введении обоснована актуальность темы диссертации, определена цель и охарактеризованы общие направления её реализации.

В главе 1 анализируются принципы построения и алгоритмы функционирования известных СППР, модели описания и оценивания решений, являющиеся частью СППР. Алгоритмы, на которых основываются наиболее удачные разработки в этой области, имеют, как правило, узкопрофессиональную направленность и анализ их не очень показателен. Особенное внимание уделено СППР и существующим методам поддержки принятия решений применительно к ЧС. Большинство систем и методов рассматривают относительно медленные информационные процессы и не могут эффективно применяться в условиях дефицита времени на принятие решения.

Составными частями СППР, имеющими самостоятельное значение, являются модели описания и оценивания решений. Известные универсальные алгоритмы оценивания принимаемых решений, основанные на многокритериальном ранжировании, не полно оценивают возможные элементы решения: неправильные части решения (ЧР) и ЧР, придающие решению нечёткость и противоречивость. Численное ранжирование нечётких параметров в некоторых случаях возможно только с помощью экспертных оценок, в которых велик элемент субъективизма. В случаях, когда оцениваемые параметры решения имеют различный качественный эффект, численное их ранжирование затруднительно, а в некоторых случаях невозможно.

На базе теоретических положений МПМ и ТВО нами выработана концепция оказания поддержки принятия решений в виде подготовки управленческого персонала и при планировании им предстоящих решений в форме деловых игр (ДИ), проводимых на компьютере.

Общее решение задачи (деловой игры) разбивается на частные этапы. МПМ представляет частные решение в виде логико-комбинаторных сборок из неких смысловых частей, соответствующих определённым «сложным знаниям» (Таблицы 1,2).

Таблица 1. - Перечень моделей знаний (решений) МПМ

Модель Описание

ПУ перечень условий для достижения цели-понятия

ПА перечень альтернатив достижения цели-понятия

ЦД последовательность действий для достижения цели-понятия

А-ПУ альтернативные перечни условий

А-ПВ альтернативы достижения цели-понятия, указанные в решении в порядке предпочтительности их выбора

А-ЦЦ альтернативные последовательности действий

А-ПУ-ПВ Альтернативные перечни условий, указанные в решении в порядке предпочтительности выбора

А-ЦД-ПВ Альтернативные последовательности действий, указанные в решении в порядке предпочтительности их выбора

Таблица 2. - Краткая характеристика моделей знания (решения)

Модель Характеристика

ПА Близкий аналог двоичного «ИЛИ», имеет безразличные состояния, свойства могут сближаться с формой «ПУ» (противоречивость)

ПУ Близкий аналог двоичного «И», учитывает элементы нечётких решений и противоречивые элементы

Описывает последовательное во время выполнение операций с учётом нечётких и противоречивых элементов решения

А-ПВ Моделирует интуитивный выбор альтернатив и их взвешивание

А-ПУ-ПВ Комбинация А-ПВ, наложенного на ПУ

А-ПД-ПВ Комбинация А-ПВ, наложенного на ПД

А-ПУ Комбинация ПА, наложенного на ПУ

А-ЦЦ Комбинация ПА, наложенного на ПД

В методе используется несколько моделей «сложного знания», основными в которых являются формы, понятийно близкие к логике «И», логике «ИЛИ», а также комбинаторная форма сложного знания, называемая в

МПМ «последовательностью действий». Моделируя реальное решение, МПМ допускает наличие в решении не только «правильных частей знаний», но и «неправильных частей знаний», а также частей знаний (43), вносящих в решение нечёткость («нечёткие 43»), Совокупностью представленных в МПМ моделей возможно описать практически любое управленческое решение. Привлекает в МПМ также адаптированность моделей к уровню восприятия ЛПР.

Каждой частной задаче соответствует определённая информация, описывающая параметры задания, вопрос к этому заданию и пронумерованный перечень частей решения, в который включены правильные и неправильные ЧР. Из предлагаемого перечня пользователь формирует решение, состоящее, в общем случае из нескольких ЧР, которое затем оценивается системой. Экспертиза решения, предложенного пользователем, состоит из оценивания частного решения и оценивания решения всей задачи в целом. Экспертиза включает в себя оценивание на логическом и численном уровне и заключается в сравнении решения, предложенного пользователем, с неким эталонным решением, выработанным экспертом или группой экспертов.

Численное оценивание учитывает наличие/отсутствие в решении правильных и неправильных ЧР. В комбинаторных решениях учитывается также порядок указания ЧР. Оценка решения пропорциональна сложности задачи, которая вычисляется по формулам с параметрами, значения которых свободны от субъективизма. Используется общая вероятностная модель численного оценивания сложных знаний-решений {1}, где ценность решения выражается через вероятности указания правильной и неправильной частей решения и зависит от сложности задачи:

Рп(т) Р„(к) = к Рн{к) Ри(0)' Рп( 0 РА О

Здесь Б - оценка решения в баллах; в - сложность задачи (вычисляется как максимальное число возможных правильных, частично правильных и неправильных вариантов решения); ц - степень полноты и правильности решения; Рп и Рн - вероятности указания в решении, соответственно, правильной части решения, состоящей из I правильных элементарных ЧР, и неправильной части, состоящей из к неправильных ЧР (т - максимальное число правильных ЧР). Каса - относительный коэффициент привязки по сложности.

Как частные случаи общей модели оценивания в СППР используются математические модели оценивания знаний (решений) восьми форм мышления, рассмотренных выше.

Глава 2 посвящена разработке структуры и алгоритмов функционирования СППР в чрезвычайных информационных условиях. Для повышения эффективности процесса подготовки управленческого персонала в СППР используются методы активного обучения: деловые игры и метод анализа конкретных ситуаций. Предлагается следующая общая структура СППР (Рисунок 1).

Информационно-ознакомительный блок

Блок анализа и

решения характерных модельных ситуаций

Блок планирования предстоящих решений

А

I

Рисунок 1 - Общая структура СППР в чрезвычайных информационных

условиях

Предложенная общая структура СППР позволяет соблюсти важный принцип постепенного усложнения знаний в процессе подготовки. Сначала -усвоение необходимого объёма информации, без решения задач - наиболее

простой этап информационного процесса; затем - выработка понимания основных процессов, протекающих в исследуемом объекте управления, с помощью анализа и решения относительно простых модельных ситуаций в блоке анализа и решения характерных модельных ситуаций (БАРС) -применяется метод анализа конкретных ситуаций. Последний, наиболее информационно сложный этап - планирование предстоящих многоэтапных решений, с вовлечением в них различных исполнителей. Этот этап оформляется в блоке планирования предстоящих решений (БППР) в виде деловых игр, разработанных с учётом особенностей конкретного объекта.

Информационно-ознакомительный блок (ИОБ) предназначен для ознакомления управляющего персонала конкретной организации с исходной информацией, имеющей отношение к решаемым им задачам управления (со структурой организации, функциональными обязанностями, техническим и программным обеспечениями, с правилами по охране труда, справочной информацией и др.). Содержимое этого блока является базой для последующего решения задач управления. Активизация процесса усвоения информации достигается через структурирование информации, представление информации не только в текстовом или табличном виде, но и в видео-формате. Специальный раздел ИОБ отведён для описания возможных последствий неправильных решений и для ознакомления с правовой ответственностью, которая может наступить для персонала в случае его виновности в неверных действиях (решениях) или в бездействии. Информация должна, по возможности, носить яркий, наглядный характер, демонстрировать реальные последствия и примеры реальных наказаний. Этот раздел, оказывая серьёзное психо-эмоциональное воздействие на обучаемых, способствует повышению активности и ответственности персонала при выполнении своих обязанностей, в том числе, и при обучении.

БАРС и БППР используют единые принципы представления решения (с помощью МПМ) и его оценки (на логическом уровне - с помощью логических моделей МПМ, на численном уровне - с помощью частных вероятностных моделей ТВО). Поэтому, во многом, алгоритмы работы обоих этих блоков сходны, однако, имеются и существенные отличия.

В информационный состав БАРС входит набор нескольких характерных модельных ситуаций, в которых отображаются общие закономерности в решении задач управления определённого класса. Эти ситуации, как правило, не привязаны к объекту управления обучающегося персонала. Пользователь может выбрать интересующие его ситуации и сформировать из них общее тестовое задание. Оценка за решенные конкретные ситуации (КС) складывается из суммы оценок за каждую КС.

БППР имеет в своём составе, как минимум, одну игру, ориентированную на особенности объекта управления организации, в которой работает обучаемый персонал. Желательно иметь несколько игр, т.к. невозможно, как правило, спланировать всю совокупность решений, принимаемых в организации, в рамках одной игры.

На Рисунке 2 представлены структуры и алгоритмы функционирования БАРС и БППР в режиме отработки задания, состоящего из набора КС или одной деловой игры (ДИ). Игру можно представить в виде совокупности КС, но в отличии от КС БАРС, эти КС БППР логически связаны друг с другом и для успешного достижения общей цели игры (правильного решения общей задачи), необходимо решить каждый её 1-ый этап. В ходе деловой игры решение каждого ¡-го этапа оценивается логически и численно аналогично ¡-ой КС в БАРС. Если логическое оценивание Ьго этапа игры имеет неудовлетворительный результат, то игра прекращается, т.е. логическое оценивание решения в БППР имеет не только информативный характер, как в БАРС, но и управляющий характер. Общие этапы отработки задания в БАРС и БППР помечены на схеме цифрами.

Рисунок 2 - Структура и алгоритм функционирования БАРС и БПГТР

Имеются существенные отличия в численной оценке всей игры. Исходя из понимания сложности задачи в в рамках ТВО как максимального количества возможных (правильных и неправильных) вариантов решения,

сложность общего решения в деловой игры равна произведению сложностей в! составляющих его частных решений отдельных этапов игры. Поэтому, численная оценка за прохождение всей деловой игры Б в БППР определяется в блоке равной произведению оценок за каждый 1-ый этап игры Б!.

Определение полноты и правильности ответа Ц) для решения ¡-ой КС или 1-го этапа игры осуществляется, исходя из выражения {1}, в блоке 4. Сложность определяется по формулам, имеющим только исключительно чёткие параметры. Так, для решения задачи, имеющего форму ПУ с числом ЧР, равным п, её сложность = 2°. По окончании тестирования в системе имеется возможность просмотра комментария к решению каждой из КС (игры). К тексту КС (отдельному этапу игры) может быть приложена информация в мультимедийном формате, дополнительно описывающая условия КС (этапа игры).

Таким образом, обучение в СППР осуществляется с помощью информационного блока, а также блока анализа и решения конкретных ситуаций, содержащего ряд типовых задач, решение которых позволяет изучить основные закономерности принятия решений по соответствующему объекту управления. После этого обучения переходят к планированию посредством интеллектуального моделирования управленческой ситуации, применения расчётных моделей информационного блока, отражающих характеристики ситуации, её динамику, моделирования решения с помощью моделей метода психологического моделирования сложных знаний (решений), получения экспертных оценок результатов отдельных этапов принятия решения, последующего построения на этой основе деловых игр. Каждая деловая игра уникальна, т.к. она привязана к неповторимым особенностям конкретного объекта. Дополнительная интенсификация планирования осуществляется с помощью программных средств, реализующих технологию разработки СППР.

Разработка СППР как программного продукта для каждой отдельной организации при большом числе существенно отличающихся друг от друга организаций является трудоёмким интеллектуальным процессом. Поэтому, актуальна проблема разработки технологии создания подобных систем для различных объектов управления. Несмотря на то, что имеются автоматизированные средства разработки ИОБ, технология создания этого блока в отношении научной новизны не представляет особого интереса и нам следует рассмотреть лишь технологию разработки БАРС и БППР.

Отдельным требованием к СППР, поставленным нами, была возможность описания решаемых задач текстовой и мультимедийной информацией произвольного (в разумных пределах) размера при обеспечении удобного автоматического доступа к этой информации. Традиционным средством такого хранения и доступа к информации являются многочисленные системы управления базами данных (СУБД). В нашей СППР нельзя заранее определить объём информации определённого типа для многочисленных решаемых задач. Это порождает проблему эффективного и единообразного в рамках технологии создания СППР использования полей базы данных. Проблема эта решена нами следующим образом.

Создаются текстовые файлы, в которых записывается необходимая информация о КС и ДИ. Текстовые файлы в случае увеличения числа решаемых задач могут дописываться. Длина файла жёстко не определяется. Самостоятельные части смысловой информации в файлах отделяются одна от другой соответствующими разделителями. Местоположение нужной информации хранится в специальной таблице базы данных, размеры полей которой строго фиксированы и компактны. Через эту таблицу осуществляется доступ к любой информации СППР, хранящейся в текстовых файлах.

Основные этапы технологии создания БАРС и БППР следующие.

1) Создание сценариев конкретных ситуаций или этапов деловых игр

Сценарии имеют текстовое описание, фото-видео поясняющую информацию, текст вопроса, перечень 4P, эталонное решение, построенное по одной из моделей решения МПМ, описание правильных и неправильных 4P согласно МПМ. Физически данная информация хранится в файлах с расширениями ".txt" , ".jpg", ".avi". Сам процесс составления сценариев довольно длителен, т.к. носит во многом творческий характер и требует привлечения к работе нескольких специалистов в конкретной предметной области. В совместной работе специалистов, координируемой разработчиком системы, осуществляется составление заданий и эталонных решений к ним.

2) Создание матриц образов решения (МОР) для каждой конкретной ситуации или этапа деловой игры.

После создания сценариев деловых игр и конкретных ситуаций разработчик должен описать эталонные решения и семантические связи между 4P в виде математических моделей матриц образов решений.

Процесс занесения информации в матрицы во многом автоматизирован, т.к. происходит программным путём в диалоговом режиме через специальную служебную утилиту. Информация о МОР хранится в специальных бинарных файлах.

3) Создание таблиц базы данных тестового задания и информационного модуля.

Программным путём осуществляется создание таблиц базы данных, в поля которых заносится информация о параметрах и характеристиках каждого вопроса деловой игры или конкретной ситуации. В таблице вопросов содержится следующая информация: номер вопроса или его позиция в деловой игре, форма решения вопроса, количество частей решения, позиции расположения текстовой информации для данного вопроса в текстовом файле для всего тестового задания.

Также хранится правильный ответ на вопрос, расположение МОР в бинарном файле матриц теста, номера рисунков, максимальная оценка за вопрос.

Таблица рисунков содержит в себе перечень рисунков или видеороликов для этого теста с текстовым комментарием каждого из них. Фактически, в поля таблицы заносится ссылка на местоположение нужной информации в файловой системе СППР. Тем самым осуществляется привязка данных каждой конкретной ситуации (КС) или этапа деловой игры к общей структуре тестового задания. Для деловых игр БППР в таблицу вопросов заносится дополнительная смысловая программная и текстовая информация, описывающая общий ход игры и появляющаяся на её отдельных этапах.

В итоге создаётся информационный модуль, состоящий из таблиц базы данных и прилагающейся информации, хранящейся в виде текстовых, видео, графических файлов. Следует уточнить, что таблицы баз данных содержат в себе исключительно служебную информацию о КС, являются информационно автономными и не связанными с базой данных самой СППР, в которой архивируется информация, полученная в ходе работе системы применительно к БАРС и БППР.

4) Подключение сформированного информационного модуля

Сформированный ранее автономный информационный модуль необходимо подключить к универсальной тестовой программной оболочке. Стандартными средствами СППР выполняется регистрация нового информационного модуля (нового тестового задания) в реестре данных существующих заданий.

Программная структура СППР представлена на рис.3. Как видно из схемы блок ИОБ представляет собой независимый программный продукт, информационно связанный с блоками БАРС и БППР, интегрированными в единую программную оболочку, в которой «Меню-каталог» является

корневым элементом, через который пользователем осуществляется доступ к остальным блокам. При работе СППР в режиме создания новых деловых игр используется «Конструктор новых заданий», связанный с «Конструктором вопросов» в котором происходит создание новой КС, вопроса и эталонного решения к ней. В «Конструкторе заданий» происходит объединение КС в единую структуру деловой игры или объединение их в набор независимых КС. При создании новых игр и заданий создаются сопутствующие им данные и модели, хранящиеся в виде бинарных, текстовых и графических файлов в «Хранилище данных».

ИОБ

ЭЛЕКТРОННЫЙ УЧЕБНИК

РЕДАКТОР БЛОК

БАЗЫ СТАТИСТИКИ

ДАННЫХ

V п

БАЗА ДАННЫХ

БАРС и БППР

МЕНЮ-КАТАЛОГ СППР

РЕЕСТР ТЕСТОВЫХ ЗАДАНИЙ

КОНСТРУКТОР

НОВЫХ ЗАДАНИЙ (ДИ)

БЛОК ОТРАБОТКИ ДИ и КС

КОНСТРУКТОР ВОПРОСОВ «КС

ХРАНИЛИЩЕ ДАННЫХн МОДЕЛЕЙ ДИ и КС

БЛОК ЭКСПЕРТИЗЫ РЕШЕНИЯ

БЛОК ПРЕДСТАВЛЕНИЯ и АНАЛИЗА РЕЗУЛЬТАТОВ

Рисунок 3 - Программная структура СППР в чрезвычайных информационных условиях

Созданное новое задание проходит регистрацию в «Реестре тестовых заданий», после чего становиться доступным для отработки пользователем в СППР. Доступ к нему осуществляется пользователем из центрального «Меню-каталога», а сама отработка осуществляется в «Блоке отработки

заданий», в котором программными средствами осуществляется генерация новой КС в псевдослучайной последовательности для блока БАРС и очередной КС в соответствии с логикой построения ДИ. Перед входом в «Блок отработки» пользователь проходит процедуру идентификации на основе списка зарегистрированных пользователей из «Базы данных». Заполнение этого списка осуществляется через «Редактор базы данных» и происходит на этапе, предшествующем отработке КС и ДИ. Возможен режим работы без идентификации, но в этом результаты тестирования не сохраняются в «Базе данных». Данные каждой КС поступают в «Блок отработки» из «Хранилища данных».

В «Блоке отработки» помимо текста вопроса и предлагаемого перечня ЧР приводится дополнительная текстовая и видео информация, пользователю выделяется заданное время на анализ КС и конструирование решения. Сформированное пользователем решение текущей КС передаётся в «Блок экспертизы», где сначала транспонируется в соответствующий математический вид и затем сравнивается с «эталонным» решением, данные и параметры которого «Блок экспертизы» запрашивает из «Хранилища данных». «Блок экспертизы» численно оценивает предложенное решение, для блока БППР в случае «отрицательного» логического оценивания ДИ завершается на текущем этапе. Результаты по каждой КС поступают в «Блок представления и анализа результатов», в котором при завершении прохождения всего тестового задания подсчитывается итоговая оценка, отображаются полученные результаты с возможностью просмотра комментария к решению каждой из КС.

Результаты экспертизы фиксируются в «Базе данных» СППР, и в следующие сеансы работы становятся доступными оттуда через блок «Блок статистики», где формируются отчёты о результатах с возможностью вывода на принтер.

Глава 3 посвящена применению разработанных алгоритмов СППР. Основным применением наших разработок является СППР гражданских организаций при пожаре, реализующая в полном объёме структуру, изображённую на Рисунке 1.

Другим из применений разработки является планирование предстоящих боевых действий подразделений пожарной охраны (ПО) МЧС России при тушении пожаров. Участниками планирования являются квалифицированные специалисты ПО, поэтому уровень их знаний не требует наличия в СППР ИОБ и БАРС. Достаточным является описание объектов в деловых играх БППР.

Ниже приводится вид пользовательского программного интерфейса СППР блоков БАРС и БППР на примере деловой игры «Тушение пожара на складе промтоваров» и КС «Пожар в гостинице «Океан»» (Рисунок 4).

Осталось ерекбни: :02

Ил/*ссгаии<к »сгроо)

ЗЛвтомобияь'

4 Поцгоговкв к боевому развйртьв»»«.

5.Поавп» ствол "Д." с» сгоро** севцмого в

6.Поовп» стаод "8" со ставом* семрихо в

7.Поаать ствол "А" аз стоваъ' о 8 Подать сто """

9.Коматк> отпело«« и пеовв»' ажаьш-юзлиШмоа службы |ГД30 к разведке..

10.Сгволыцжлм эгисгъ свои лоэищ« и пркстуить * туюю. 11 .Стволы, [Краев сложить у рюеетвле»«

12.Прмсое11в»«т> своп пеою*

Поле для ввода ответа

I—

Оврозец ввода: 5.?„.3

Просмотр пройденных этапов

Рисунок 4 - интерфейс БАРС и БППР

Основные результаты и выводы

1) Проведён анализ проблемы нахождения методов и средств повышения эффективности управленческих решений. Сделан вывод, об актуальности данной задачи, особенно при решении слабоструюурированных задач по управлению информационно-насыщенными процессами, принятие решений в которых происходит в условиях ограниченного времени и сопровождающихся наличием психологического стресса.

2) Проведён анализ систем и методов поддержки принятия решений, известных по публикациям. Сделан вывод о наибольшей пригодности для решения проблемы методов, предлагающих оказание информационной поддержки на стадии, предшествующей возникновению управленческой ситуации, в форме обучения персонала и планирования им решений, осуществляемых с помощью компьютеризированных методов активного обучения: метода анализа конкретных ситуаций и деловых игр.

3) Предложена структура СППР организации при пожарах, содержащая кроме блока планирования предстоящих решений (БППР) в форме деловых игр, также информационно-ознакомительный блок (ИОБ) и блок анализа и решения характерных модельных ситуаций (БАРС), с помощью которого методом анализа конкретных ситуаций персонал знакомится с основными закономерностями процесса управления, присущими управляемому объекту.

4) Разработаны структуры ИОБ, БАРС и БППР, а также алгоритмы функционирования БАРС и БППР, использующих для описания решений метод психологического моделирования сложных знаний-решений и теорию их вероятностного оценивания.

5) Разработана технология создания СППР в чрезвычайных информационных условиях для различных объектов управления.

6) Проведён анализ областей применимости данных разработок. Сделан вывод о наибольшей целесообразности применения разработок в областях, где принятие неправильного решения может повести к возникновению чрезвычайных ситуаций техногенного характера или связано с ликвидацией подобных чрезвычайных ситуаций.

7) Результаты разработок использованы в области обеспечения пожарной

безопасности.

Публикации по теме диссертации

1. П.М. Евграфов, И.П. Евграфов. Психологическое моделирование и вероятностное оценивание сложных знаний в области пожарной безопасности. // Пожаровзрывобезопасность. - 2006. - № 3. - с. 21 - 29.

2. Евграфов П.М., Евграфов И.П. Система интеллектуальной поддержки принятия решений организации при пожаре. П Пожаровзрывобезопасность. - 2006. - № 4. - с. 10-18.

3. Евграфов П.М., Евграфов И.П. Система интеллектуальной поддержки принятия решений организаций при чрезвычайных ситуациях на предварительной стадии. // Сборник трудов 5-й международной специализированной выставки «Пожарная безопасность XXI века». // Научная конференция «Современные средства и способы обеспечения пожарной безопасности». - М-Эксподизайн - ПожКнига.-с. 116- 117.

4. Евграфов И.П. Один йз путей компьютеризации метода анализа конкретных ситуаций. // Научно-техническая информация. Серия 2. Издательство ВИНИТИ. 2007 г. № 3. с. 37-41.

5. Евграфов П.М., Евграфов И.П. Компьютеризация метода анализа конкретных ситуаций и деловых игр в профессиональном образовании. // XVI Международная конференция-выставка «Информационные технологии в образовании». Сборник трудов участников конференции. Часть. Ш.-М.: «БИТ про», 2006 - с. 147 -148.

6. Евграфов И.П. Компьютерная обучающая система с деловыми играми. // Информационные технологии. №3. 2007 г., стр. 49-52.

7. Евграфов П.М., Евграфов И.П. Система интеллектуальной поддержки принятия решений путём планирования-обучения. // Научно-техническая информация. Серия 1. Издательство ВИНИТИ. 2007 г. № 7, с. 12-14.

8. Евграфов И.П. Разработка системы интеллектуальной поддержки принятия решений при чрезвычайных ситуациях на предварительной стадии. // Научно-техническая информация. Серия 1. Издательство ВИНИТИ. 2007 г. № 9, с. 7-12.

9. Евграфов П.М., Евграфов И.П. Программное обеспечение для подготовки персонала объектов к действиям при пожарах. // Материалы 16-й Научно-технической конференции «Системы безопасности» - СБ-2007 Международного форума информатизации. -М: Академия ГПС МЧС России, 2007. - с. 220 - 221.

Подписано к печати 01.12.2008 г.

Тираж 100 экз. Заказ /з"2 Объем 1,0 уч.-изд.л

ВИНИТИ РАН 125190, г. Москва, ул. Усиевича, д.20

ВВЕДЕНИЕ

ГЛАВА 1. Анализ известных методов и систем поддержки принимаемых решений (СППР)

1.1. Известные системы поддержки принятия решений

1.2. Отдельные аспекты оказания интеллектуальной поддержки в принятии решений

1.2.1. Моделирование процесса принятия решений

1.2.2. Компьютерные методы обучения

1.2.3. Обзор моделей численного оценивания сложных знаний-решений

1.3 Выводы по главе

ГЛАВА 2. Разработка СППР в чрезвычайных информационных условиях

2.1 Основные направления разработки

2.1.1 Общие положения концепции разработки СППР

2.1.2 Общие принципы построения деловых игр и анализа конкретных ситуаций

2.1.3 Метод представления решений

2.1.4 Метод численного оценивания решений 78 2.2. Разработка общей структуры СППР и её блоков

2.2.1. Обобщающая формализация задачи, структура СППР

2.2.2. Разработка основных принципов построения программного интерфейса СППР

2.2.3. Блоки БАРС и БППР

2.2.3.1 Структуры учёта информационных потоков системы.

База данных СППР

2.2.3.2 Пользовательский интерфейс и программная логика функционирования

2.2.3.3 Оценивание и представление результатов

2.2.4. Интегральное оценивание и представление результатов

2.3. Технология создания деловых игр и независимых тестовых заданий СППР

2.4. Общая программная структура СППР

2.5. Схемы проведения деловых игр

2.6. Выводы по главе

ГЛАВА 3. Применение разработанной СППР в чрезвычайных информационных условиях

3.1 СППР организаций для планирования их действий при пожарах

3.2 СППР подразделений пожарной охраны для планирования боевых действий

3.3 Возможное применение разработок в наиболее ответственных областях принятия решений

Данная работа посвящена проблемам повышения качества решений, принимаемых ЛПР {лицо, принимающее решение), при решении ими информационно сложных управленческих задач, когда вероятность ошибочных решений и цена этих ошибок велики.

К данной группе проблем с полным правом относят слабоструктурированные и неструктурированные задачи, характерные тем, что большинство параметров или все параметры этих задач, влияющие на решение, могут быть описаны и оценены только качественно, на логическом уровне.

Не только качественный характер параметров вызывает затруднения при решении управленческих задач. Также трудности вызывают задачи с большим количеством параметров, с недостаточностью нужной или избыточностью посторонней информации, с большой степенью недостоверности информации, с недостатком времени на принятие решения в условиях реального времени.

Известно множество управленческих ситуаций, в которых решение носит простой или даже элементарный характер, однако, тем не менее, в этих ситуациях совершаются ошибки, которые невозможно объяснить ни сложностью задачи, ни отсутствием необходимых знаний у ЛПР. Эти ошибки носят не случайный характер, они проистекают из не идеальности ЛПР, рассматриваемого в качестве некой машины для решений. Фактором, отрицательно влияющим на качество принятия решения ЛПР, является и сама управленческая ситуация, которая несёт в себе некую угрозу ЛПР. Управленческая ситуация способна вызвать у него волнение или сильный стресс и привести к неспособности ЛПР полностью адекватно в этих условиях оценить ситуацию и принять правильное решение.

Максимальные трудности в принятии адекватных ситуации управленческих решений возникают при совпадении перечисленных выше негативных факторов, совокупность которых мы будем называть чрезвычайными информационными условиями.

Под информационно сложными управленческими задачами мы будем понимать задачи, на качество решения которых влияет негативным образом любая совокупность из упомянутых факторов.

Наиболее ярким примером таких задач могут быть задачи, стоящие перед службами МЧС и сотрудниками организаций при пожарах, авариях и катастрофах. Во многих задачах, решаемых при ЧС, проявляются сразу все перечисленные выше негативные факторы. Кроме этого, заранее нельзя предсказать, как сложатся параметры, влияющие на развитие чрезвычайной ситуации (ЧС) и ликвидацию последствий от ЧС.

Класс управленческих задач, повышения качества решений которых мы добиваемся в нашей работе, шире задач по ликвидации чрезвычайных ситуаций (ЧС) и их последствий. В этот класс могут входить и вполне структурированные задачи и задачи, решение которых известно ЛПР заранее, но, тем не менее, сопровождающееся ошибками по тем или иным означенным выше причинам. Наиболее показательны всё же задачи, связанные с ЧС, к которым мы и будем по этой причине обращаться в нашей работе преимущественным образом.

Очевидно, что в современном усложнившемся мире, насыщенном техногенной деятельностью человека, невозможно свести к нулю возможность возникновения, как природных, так и техногенных катастроф, возможность возникновения ЧС.

Поэтому, если нельзя устранить возможность возникновения ЧС, представляется закономерной постановка вопроса о том, чтобы научится быть готовым к борьбе с ЧС, с ликвидацией их последствий. Данная задача не будет эффективно выполняться без решения проблемы принятия правильных и адекватных решений при ЧС.

Проблема предотвращения возникновения чрезвычайных ситуаций, борьбы с ними, принятия мер по ликвидации их последствий является весьма актуальной и злободневной в нашу эпоху техногенных катастроф.

Цена неправильных действий при ЧС весьма высока и может выражаться в уничтожении и повреждении дорогостоящего имущества, загрязнении окружающей среды, гибели людей, как это было при Чернобыльской аварии или относительно недавнем пожаре во Владивостоке и многих других ЧС.

Ошибки в процессе принятия решений совершаются, как по причинам человеческого фактора, так и по причинам сложности решаемой проблемы.

Попытаемся проанализировать основные факторы, негативно влияющие на качество принимаемых решений лицами, ответственными за принятие решений при ликвидации ЧС - управляющим персоналом и сотрудниками спасательных служб.

Многие ЧС являются стихийными процессами, которые протекают непредсказуемо, быстротечно и информационно насыщенно. ЧС во многом относятся к слабоструктурированным и неструктурированным задачам. В ЧС существует элемент случайности, они носят вероятностный характер, и поэтому трудно предсказуемы.

Решения при ЧС зачастую должны приниматься при дефиците времени, в состоянии психологического стресса, в котором находятся пострадавшие граждане и сотрудники спасательных служб, что также не может не сказываться на качестве принимаемых решений.

ЧС - по своему определению событие экстраординарное, не часто встречающееся в жизни обычного человека, попадая в которую, он теряется и теряет способность к выработке адекватных решений. У обычного человека, как правило, отсутствует опыт действий в подобных ситуациях. В таких сложных и ответственных задачах, как принятие решений во время ЧС, цена ошибочных действий не только чрезвычайно велика, но может быть даже фатальна. Поэтому самостоятельное значение при решении таких задач приобретает задача планирования решений во время ЧС на определённом объекте.

Систематическим проведением учебных спасательных мероприятий, мероприятий по планированию действий во время ЧС можно добиться выработки навыков действий во время ЧС у людей, задействованных в этих акциях.

Принимая те или иные решения, необходимо тщательно изучить объект управления, определить и оценить возможные альтернативные пути решения. Задача планирования решений представляет собой систему принятия решения без обратной связи, т.к. предполагается отсутствие реальных действий по принятию решений над реальным объектом. Она представляет собой чистый продукт интеллектуальной деятельности. Предполагается также отсутствие реальных результатов воздействий на объект и отсутствие оценивания этих результатов с коррекцией решения в зависимости от этих результатов.

Кроме этого, существуют такие объекты принятия решений, которые опасны для жизни или очень дорогостоящие. Для таких объектов недопустимо в исследовательских целях проводить натурные испытания с целью выявить пути решения задачи управления. Например, такими объектами являются атомные электростанции или военные объекты.

Решение управленческих задач с такими объектами возможно только путём планирования. Но при таком планировании возникает проблема необъективности решения, его неадекватности проблеме в условиях отсутствия оценки результатов в системах без обратной связи.

На различных этапах принятия решения, как в системах без обратной связи, так и в системах с обратной связью осуществляется оценка и отдельных этапов, и окончательного решения в целом. Оценка является необходимым элементом принятия решения. В принципе, после каждого этапа оценивания может возникнуть обратная связь, корректирующая ранее пройденные этапы. Необходимо обратить внимание на то, что на завершающих этапах принятия решения при планировании, а именно, при оценке конечных результатов используется, во-первых, не сам объект, а его модель и, во-вторых, принятые решения не выполняются, а имитируются на модели объекта. И в этом главное отличие принятия решений с обратной связью и без неё. Средствами повышения эффективности решения являются детализация отдельных этапов, их моделирование и объективная их оценка. И чем более объективно моделирование и оценка, тем более объективным будет и окончательное решение. С определённостью можно сказать, что жёсткость требований к моделям и оценкам результатов в системах без обратной связи выше, чем в системах с обратной связью. Отдельно взятое моделирование и оценивание результатов представляет собой сложную проблему.

Исходя из вышесказанного, можно сказать, что задача создания эффективных механизмов предупреждения возникновения ЧС, принятия верных решений во время ЧС и ликвидации их последствий является важнейшей задачей, которая стоит перед обществом в настоящее время. Создание таких механизмов в значительной степени позволит снизить количество материальных и человеческих потерь.

Одним из способов, призванным повысить качество принимаемых решений, является внедрение и активное освоение систем поддержки принятия решений при ЧС (СППР ЧС).

Системы поддержки принятия решений существуют уже на достаточно протяжённом отрезке человеческой истории. К ним можно отнести военные советы, всевозможные совещания и коллегии, аналитические центры. Следует заметить, что работа подобных организационных структур никогда не была достаточно чёткой и до конца формализованной вследствие субъективизма, отсутствия математического аппарата представления данных и ограниченности человеческого мозга по скорости обработки информации. Отчасти эти недостатки может исправить использование вычислительных машин, что позволит повысить эффективность систем поддержки принятия решений. I

Повышение качества решений, принимаемых при ЧС, возможно при их интеллектуальной поддержке, выражающейся в различных формах интеллектуально технических мероприятий, например, экспертном анализе, совещаниях, моделировании процесса ликвидации ЧС. При существующем уровне техники для повышения качества решений наиболее целесообразно применять автоматизированные системы информационной поддержки принятия решений, в которых гибко сочетаются возможности ЭВМ по скоростной обработке формализованной информации и лучшие качества человеческого интеллекта по обработке нечёткой и противоречивой информации.

Проблемам оказания интеллектуальной поддержки решений (ИПР) в разнообразных формах посвящена многочисленная литература. Известны, например, работы Арского Ю.М.[1], Резера С.М.[2], Гиляревского Р.С.[3], Финна В.К.[1,4], Абдрахимова Д.А., Иоффина А.И. [5], Трахтенгерца Э.А. [68], Черноруцкого И.Г. [9], Шамиса Л.А. [10], Ларичева О.Щ11Д2], Т.Саати [13], Э.Наумана [14], П.Фишберна [15] и др. авторов.

Среди работ по проблемам оказания ИПР при ЧС следует выделить работы Брушлинского Н.Н.[16], Пранова Б.М. [17], Мешалкина Е.А.[18], Денисова А.Н.[19], Ноженковой Л.Ф. [20] и др. авторов.

Наличие существенного человеческого фактора в применении ИПР ставит задачу адаптации ИПР к уровню восприятия ЛПР, вплоть до создания интерфейса ИПР, использующего естественные языки человеческого общения. Ограничение времени на выработку и принятие решений в ряде задач диктует необходимость разработки СППР, применяющихся на фазе подготовки к принятию решения, когда нет таких жёстких ограничений по времени.

В последнее время начинает появляться понимание, что в случаях, когда невозможна непосредственная интеллектуальная поддержка в момент принятия решения, и качество решения зависит исключительно от интеллектуальных возможностей ЛПР, единственной возможностью поднять качество решений является обучение ЛПР принятию решений. Под этим можно понимать, как непосредственное обучение, так и анализ уже принятых решений вместе с планированием новых решений.

Таким образом, для рассматриваемого круга управленческих задач поддержка принятия решения осуществляться в двух формах — обучении управленческого персонала и планировании предстоящих решений.

Составными частями СППР, имеющими самостоятельное значение, являются модели описания и оценивания решений.

Наиболее традиционным является рассмотрение процесса принятия решения на уровне описания и оценивания свойств управляемого материального объекта: физического, экономического, социального и т.п. Вторым подходом, естественным в СППР, использующих лучшие качества человеческого интеллекта, является рассмотрение решения на уровне интеллектуальных процессов ЛПР. Такой подход не является альтернативой, исключающей первый подход, он расширяет процесс описания и оценивания решений на ЛПР, как на необходимый элемент в цепочке принятия решений. Данный подход к разработке моделей описания и оценивания решений предполагает применение методов искусственного интеллекта.

В силу сложности задач по разработке СППР, многие аспекты их решения остаются ещё рассмотренными не полностью. Известные алгоритмы СППР по ряду причин не всегда применимы и не всегда удовлетворяют требованиям объективности описания и оценивания эффективности решений. Существует также проблема создания достаточно универсальных и адаптированных к восприятию ЛПР алгоритмов СППР. Учитывая чрезвычайно широкий спектр возможных управленческих ситуаций, которые можно отнести к ЧС, их сложность, присущую им индивидуальную специфичность, проблема планирования каждой из них и, в особенности, проблема планирования группы возможных ЧС приобретает крайне трудоёмкий, а по причине творческого характера процесса планирования, даже трудно прогнозируемый во времени характер.

В этих условиях, для интенсификации и повышения качества процесса планирования большое значение приобретает разработка и автоматизация технологии планирования.

Вследствие вышеозначенных причин задача разработки более эффективных алгоритмов СППР в чрезвычайных информационных условиях к принятию решений является актуальной.

Объектом исследования являются информационные процессы принятия решений и направления повышения качества решений с помощью СППР.

Предметом исследования являются методы и системы поддержки принятия решений слабоструктурированных задач по управлению информационно-насыщенными процессами, принятие решений в которых происходит в условиях ограниченного времени.

Целью работы является разработка системы поддержки принятия решений в чрезвычайных информационных условиях в форме подготовки ЛПР к принятию решения и планирования решений как средства повышения эффективности принимаемых решений для исследуемых задач, а также разработка технологии создания подобных систем для различных объектов управления.

Для достижения поставленной цели в диссертационном исследовании определены следующие основные задачи:

1. Провести исследование и критический анализ известных систем и методов поддержки принятия решений в исследуемой и схожих областях принятия управленческих решений.

2. Выработать концепцию построения новой СППР, позволяющую оказать действенную поддержку принятия решений на стадии, предшествующей возникновению управленческой ситуации. В соответствии с концепцией разработать общую структуру СППР.

3. Разработать СППР организации при пожаре.

4. В процессе разработки программного обеспечения СППР выработать технологию создания подобных систем для различных объектов управления.

Методы исследования включают методы теории управления и принятия решений, искусственного интеллекта, теории вероятности, методы экспертного анализа, информатики.

Научная новизна работы заключается в следующем:

Разработана структура и алгоритмы функционирования СППР в чрезвычайных информационных условиях с новыми совокупностями признаков, а именно:

1. Новой является общая структура СППР в чрезвычайных информационных условиях, в том числе, за счёт впервые применённых в этих целях метода психологического моделирования сложных знаний (решений) и метода вероятностного оценивания сложных знаний, а также нового программного блока анализа и решения характерных модельных ситуаций при чрезвычайных ситуациях.

2. Новой является СППР организации при пожарах

3. Новой является автоматизированная технология создания СППР в чрезвычайных информационных условиях для различных объектов управления.

Практическая значимость работы заключается в возможности использования её результатов для более качественной подготовки управленческого персонала государственных оперативных служб и персонала организаций по ликвидации ЧС и их последствий.

Практическая реализация результатов работы выражается в использовании разработанных деловых игр и задачах по конкретным ситуациям пожаров на тактических занятиях в учебных заведениях МЧС России.

Внедрение результатов работы подтверждено актом.

Публикации. По теме работы автором опубликовано 9 печатных работ.

Апробация работы осуществлялась в форме докладов на 5-й международной специализированной выставке «Пожарная безопасность XXI века» в рамках научной конференции 2006 года «Современные средства и способы обеспечения пожарной безопасности»; ХУ1-Й Международной конференции-выставке «Информационные технологии в образовании» 2006 года.

На защиту выносятся: структура и алгоритмы функционирования системы поддержки принятия решений в чрезвычайных информационных условиях; общие принципы построения СППР организации при чрезвычайных ситуациях; алгоритмы функционирования программного обеспечения СППР; принципы технологии разработки СППР.

Структура и объем работы.

Диссертационная работа состоит из введения, трёх глав, заключения, списка литературы и приложений. Работа содержит 214 страницы текста с рисунками и таблицами, библиография включает 88 источников.

Основные выводы и результаты

1) Проведён анализ известных СППР на предмет определения основных направлений разработки для оказания интеллектуальной поддержки принятию решений в информационно-сложных и быстротечных управленческих ситуациях. Особенное внимание уделено существующим системам интеллектуальной поддержки принятия решений при чрезвычайных ситуациях (ЧС), как системам, предназначенным для повышения качества решений наиболее информационно сложных управленческих ситуаций. Проведён анализ известных методов представления решений и соответствующих моделей описания решений (сложных знаний). Проведён анализ известных методов оценивания сложных знаний (решений).

2) Разработана общая концепция построения СППР для информационно сложных, быстродействующих управленческих ситуаций. Согласно этой концепции интеллектуальная поддержка осуществляется на предварительной стадии к принятию решения в форме процесса планирования, объединённого с процессом обучения. Планирование-обучение использует для представления решений метод психологического моделирования сложных знаний (решений), для численного оценивания решений - метод вероятностного оценивания сложных знаний (решений), а наиболее эффективными формами планирования-обучения в СППР являются анализ конкретных ситуаций и деловые игры. Концепция предусматривает построение СППР из трёх относительно независимых блоков, характеризующихся постепенно возрастающей информационной сложностью: информационно — ознакомительный блок, блок анализа и решения конкретных ситуаций, блок планирования предстоящих действий.

3) Разработаны принципы программной реализации СППР, механизм взаимодействия пользователя и системы, механизм проведения экспертизы знаний пользователя. Предложены общие принципы программного интерфейса СППР в чрезвычайных условиях, выработано руководство по стилю.

4) Разработана и рассмотрена технология создания деловых игр и независимых тестовых заданий.

5) Разработаны СППР организаций для планирования их действий при пожарах и СППР подразделений пожарной охраны для планирования боевых действий. Рассмотрен и обоснован правовой аспект актуальности создания подобных СППР. Структура и алгоритмы функционирования СППР являются новыми и обеспечивают повышения качества решений, принимаемых руководителями организаций, должностными лицами, ответственными за пожарную безопасность, сотрудниками организаций при возникновении пожаров в их организациях, руководителями тушения пожаров из числа сотрудников МЧС. Разработанная СППР организации даёт возможность постепенной, глубокой проработки задач, возникающих при пожаре в конкретной организации, и обеспечивает наилучшую из возможного психологическую подготовку персонала организаций к действиям в экстремальных условиях пожара. СППР обеспечивает объективную экспертизу готовности сотрудников организации и должностных лиц пожарной охраны, что также ведёт к повышению качества принимаемых решений.

6) Проанализированы направления возможного применения разработок в наиболее ответственных областях принятия решений. К таким областям можно отнести юриспруденцию, менеджмент, дистанционное обучение, психометрические исследования интеллекта, другие направления, характеризующиеся сложной интеллектуальной деятельностью, например, операторы транспортных потоков, операторы атомных станций и т.п.

7) Результаты разработок использованы в различных организациях.

1.М., Финн В.К. «Принципы конструирования интеллектуальных систем». Информационные технологии и вычислительные системы №4, 2008

2. Резер С.М., Осипов В.Т. «Информационно-управляющие системы на железнодорожном и промышленном транспорте за рубеэюом». М., Наука 1979.

3. Гиляревский P.C. «Информатика как наука об информации», Москва, 2006.

4. Финн В.К. «Интеллектуальные системы: проблемы их развития и социальные последствия» // Будущее искусственного интеллекта». М., 1991. С. 157-177.

5. Д. Абдрахимов, А. Иоффин. «Универсальная информационно-аналитическая система (ИАС) поддержки принятия решений "ОЦЕНКА и ВЫБОР"».II Softel: 100 компьютерных программ для бизнеса, издательство "ХАМТЕК ПАБЛИШЕР".

6. Трахтенгерц Э.А., «Современные компьютерные технологии управления информационно-аналитической деятельностью». Москва, 2007.

7. Трахтенгерц Э. А. «Компьютерная поддержка переговоров при согласовании управленческих решений». Москва, 2003.

8. Трахтенгерц Э.А. «Компьютерный анализ в динамике принятия решений». Приборы и системы управления. # 1, 1997.

9. Черноруцкий И.Г. «Методы принятия решений». С.-П, 2005.

10. Шамис А.Л. «Пути моделирования мышления». Москва, 2006.

11. Ларичев О.И. «Объективные модели и субъективные решения». М., Наука. 1987.

12. Ларичев О.И., Мошкович Е.М. «Качественные методы принятия решений». М., Наука. Физматлит. 1996.

13. Т.Саати «Принятие решений. Метод анализа анархий». М., Радио и связь. 1993.

14. Э.Науман. «Принятьрешение, но как?» М.: Мир, 1987.

15. П. Фишберн. «Теория полезности для принятия решений». — М, Наука, 1978.

16. Брушлинский H.H. «Моделирование оперативной деятельности пожарной службы». М. Стройиздат, 1981 г.

17. Пранов Б.М. «О моделях оптимального распределения ресурсов пожарной охраны.// Опасные факторы пожара и противопожарная защита». Сборник науч. трудов. М, ВИПТШ МВД СССР, 1989.

18. Е.А. Мешалкин, В.Т. Олейников, А.П. Абрамов. «Структура программно-аппаратного комплекса поддержки принятия решений РТП».Н Крупные пожары: предупреждение и тушение. Материалы XVI научно-практической конференции. ФГУ ВНИИПО МВД РФ. Часть 2, М„ 2001.

19. Денисов А.Н. «Моделирование сосредоточения и введения сил и средств для планирования боевых действий пожарных подразделений при пожарах в резервуарных парках». Диссертация на соискание учёной степени к.т.н., Академия ГПС МВД России, 2001 г.

20. Ноженкова Л.Ф. «Интеллектуальная поддержка прогнозирования и ликвидации чрезвычайных ситуаций» / Интеллектуальные системы. Красноярск, изд. КГТУ, 1997.

21. С. Рассел, П. Норвиг «Искусственный интеллект. Современный подход», Москва С.Петербург - Киев, 2007.

22. Баргесян A.A., Куприянов М.С., Степаненко В.В., Холод И.И. «Технологии анализа данных». С.-П. 2007

23. Юрченко В. В. «Методы искусственного интеллекта и экспертные системы». М. 1992.

24. Б.В.Костров, В.Н.Ручкин, В.А.Фулин. «Основы искусственного интеллекта». Москва, Десс, 2007.

25. Интернет сайт http://www.softmart.ru

26. Интернет сайт http://www.forecsys.ru

27. Интернет сайт http://www.intalev.ru

28. Интернет сайт http://www.ibm.com

29. Интернет сайт http://www.mrcb.ru

30. Ясницкий Л.Н. «Введение в искусственный интеллект», Москва, «Академия», 2005

31. Д. Уотермен. «Руководство по экспертным системам». М.Мир,1989

32. Д.Джарратано, Г.Райли. «Экспертные системы. Принципы разработки и программирование». Издательсикй дом «Вильяме», 2007.

33. Т.А.Гаврилова, В.Ф.Хорошевский. «Базы знаний интеллектуальных систем». СПб, Питер, 2001

34. Геловани В. А., Башлыков А. А., Бритков В. Б., Вязилов Е.Д. «Интеллектуальные системы поддержки принятия решений в внештатных ситуациях с использованием информации о состоянии природной среды». М.: Эдиториал УРСС, 2001.

35. Открытый электронный журнал «Химическое разоружение», Интернет сайт http://www.chemicaldisarmament.ru

36. Интернет сайт http://www.mchs.gov.ru

37. Интернет сайт www.daytrading.com.ua

38. Справочник по искусственному интеллекту. В 3-х т. Под редакцией Э.В.Попова и Д.А.Поспелова М.Радио и связь, 1990

39. Нильсон Н. «Принципы искусственного интеллекта». М. Радио и Связь. 1985

40. Минский М. «Структура для представления знаний». М.Мир, 1978

41. Евграфов П.М., Глуховенко Ю.М. «Ноу-хау обучающих программ и деловых игр». Издательство «АРС», Москва 2004.

42. Евграфов П. М. «Анализ объективности методов оценивания сложных знаний. О вероятностной методике оценивания знаний психологически понятийной структуры». !! Информационные технологии. №5. 2002 г

43. Евграфов П. М. «Основания вероятностного подхода к процессу приобретения и оцениванию сложных знаний». // Научно-техническая информация. Серия 2. Издательство ВИНИТИ. 2002 г. № 5. с. 1-5.

44. Евграфов П. М., «Способ оценки знаний и интеллектуальных возможностей». Решение о выдаче патента на изобретение от 14.01.03 по заявке на изобретение России № 2001115884 от 15.06.01.

45. Кручинин В. В. «Разработка компьютерных учебных программ». Томск. Издательство Томского государственного университета. 1998.

46. Лущеев В. И. «Конструктор обучающих программ КОП. Инструкция по эксплуатации». Омский юридический институт. 1996.53. «Диалоговая информационно обучающая адаптивная система

47. Лазарева Г. В., Турковская М. Б. «Повышение эффективности компьютерных обучающих программ. //Деловые игры и методы активного обучения». Межвузовский сборник научных трудов. Челябинский государственный технический университет. Челябинск. 4.1. 1993.

48. Геронимус Ю.В. «Игра, модель, экономика». — М.: Знание, 1989.208 с.

49. Грэм Р., Грэй Р. «Руководство по операционным играм». — М.: Советское радио, 1977. 376 с.

50. Гидрович С.Р., Сыроежкин И.М. «Игровое моделирование экономических процессов (деловые игры)». — М.: Экономика, 1976.

51. Платов В.Я., Подиновский В.В., Бельский А.А. «Деловые игры по охране труда в строительстве». М.: Стройиздат, 1987.

52. Лифшиц А. Л. «Деловые игры в управлении».—Л.: Лениздат, 1989.

53. Бешелев С. Д., Гурвич Ф.Г. «Экспертные оценки в принятии плановых решений». — М.: Экономика, 1976.

54. Орлов А.И. «Экспертные оценки». Ж-л "Заводская лаборатория". 1996. Т. 62. №1.

55. Заде Л. А. «Понятие лингвинистической переменной и его применение к принятию приближённых решений». М. МИР. 1976.

56. Панфилов С. А. «Контроль знаний на ЭВМ». Саранск. Мордовский университет. 1989.

57. Свиридов А. П. «Основы статистической теории обучения и контроля знаний». М. Высшая школа. 1981.

58. Д.Н.Колисниченко. «Самоучитель Linux. Установка, настройка, использование», С.-П. 2004.

59. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. «Статистические и динамические экспертные системы». М., Финансы и статистика. 1996.

60. Р.Саймон. «Microsoft Windows API. Справочник системного программиста». Издательство «Диасофт», Киев, 2004

61. Д.Кузан, В.Шапоров, «Программирование Win32 API в Delphi». СПб, 2005.

62. В.Фаронов, «Программирование баз данных в Delphi 7», СПб, 2003

63. Дж. Грофф, П.Вайнберг. «Энциклопедия SQL», СПб, 2003

64. Ю.Ревич. «Нестандартные приёмы программирования на Delphi». СПб, 2005

65. Ольга Кокорева. «Реестр Windows ХР». СПб, 2007

66. А.Шкрыль. «Разработка клиент серверных приложений в Delphi», СПб, 2006

67. Марко Кэнту. «Delphi 7 для профессионалов». СПб, 2005.

68. Мартин Грабер. «SQL справочное руководство». Москва, 2001

69. П.М. Евграфов, И.П. Евграфов. «Психологическое моделирование и вероятностное оценивание сложных знаний в области пожарной безопасности». II Пожаровзрывобезопасность. 2006. - № 3. - с. 21 - 29.

70. Евграфов П.М., Евграфов И.П. «Система интеллектуальной поддержки принятия решений организации при пожаре». II Пожаровзрывобезопасность. 2006. - № 4. - с. 10 - 18.

71. Евграфов И.П. «Один из путей компьютеризации метода анализа конкретных ситуаций». // Научно-техническая информация. Серия 2. Издательство ВИНИТИ. 2007 г. № 3. с. 37-41 (материал принят к опубликованию 16.05.06 рекомендация ВАК до 01.01.07).

72. Евграфов И.П. «Компьютерная обучающая система с деловыми играми». II Информационные технологии. №3. 2007 г., стр. 49-52.

73. Евграфов И.П. «Разработка системы интеллектуальной поддержки принятия решений при чрезвычайных ситуациях на предварительной стадии». II Научно-техническая информация. Серия 1. Издательство ВИНИТИ. 2007 г. № 9, с. 7-12.

74. Начальник Государственного образовательного учреждения „ дополнительного профессионального образования ¿Р'/Л- ч\ «Подольский учебный центр

75. Федеральной противопожарной службы»1. Щ службы1. Ю.М. Кривальцевич» 2008 г.1. У.'