Применение экспертных систем в деятельности предприятия (Понятие и сущность экспертных систем и их научно-познавательная деятельность)

Содержание:

ВВЕДЕНИЕ

Современные информационные технологии постепенно проникают во все сферы человеческой жизни. Экономика, финансы, наука, бизнес, политика, повседневная жизнь общества - все эти области используют информационные технологии. Руководство и деятельность компании также постепенно внедряют передовые технологии.

Актуальность данного исследования обусловлена ​​тем, что деятельность человека в любой области постепенно автоматизируется. Внедрение IT-технологий в управление рабочими процессами позволяет предприятиям экономить на состоянии, а также достигать стабильного уровня качества работы. Разработка экспертных систем является следующим шагом в этом направлении. Робототехника и автоматизация - это шаг в будущее. Однако при всех преимуществах компьютерного контроля деятельность предприятия в этой системе имеет и свои недостатки. Любая, даже самая проверенная система может выйти из строя или подвергнуться атаке со стороны так называемых хакеров, что может привести к краху всей системы и негативным последствиям для компании.

Цель данного исследования – изучить использование экспертных систем в процессе деятельности предприятия.

Для достижения поставленной цели необходимо решить следующие задачи:

• раскрыть сущность экспертных систем и их научно-познавательную деятельность;
• рассмотреть структуру, функции и классификацию экспертных систем;
• выявить механизм вывода и систему объяснений в экспертных систем;
• изучить интегрированные информационные системы управления предприятием;
• раскрыть информационные системы для транснациональных корпораций;
• определить применение экспертных систем в логистике.

Для решения поставленных задач были использованы следующие методы: метод сбора, анализа и синтеза информации; методы индукции и дедукции.

Объект исследования – информационные технологии в работе предприятий.

Предмет исследования – применение экспертных систем в деятельности предприятий.

Степень изученности проблемы. В настоящее время степень изученности применения экспертных систем в работе предприятий довольно низкая, потому как применение экспертных систем началось сравнительно недавно – с конца ХХ века. В связи с этим исследований в данной отрасли практически нет. Эмпирическая и теоретическая база состоит из статей, опубликованных в сети Интернет.

Научная значимость исследования заключается в том, что в нем синтезированы теоретические и практические данные по экспертным системам.

Практическая значимость исследования заключается в том, что в работе представлены варианты использования экспертных систем в практической деятельности транснациональных корпораций и в логистике.

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ЭКСПЕРТНЫХ СИСТЕМ

1.1. Понятие и сущность экспертных систем и их научно-познавательная деятельность

Экспертная система (ЭС) – это первый программный продукт, появившийся на рынке программных продуктов, как итог 30-летней работы в области искусственного интеллекта. По смыслу экспертная система воспроизводит процесс решения проблемы экспертным лицом. Интерес к развитию экспертной системы обусловлен тем, что они предоставляют средства для повышения производительности и повышения рентабельности. [11, с.23].^[1]

Считается, что внедрение машинного интеллекта в производство помогает понять наш собственный^[2][6]. На сегодняшний день эволюция экспертной системы прошла два поколения. Сейчас разрабатывается экспертная система второго поколения. Чтобы нарисовать линию между этими экспертными системами, надо учитывать разницу между их основными особенностями: представления знаний, механизмы вывода, получения объяснений и т. д.

У ЭС первого поколения функционирование систем осуществляется только на основе знаний, полученных от эксперта [1, с.325].^[3] Опыт, приобретаемый в процессе эксплуатации, не используется. Для представления знаний используется одна из моделей, наиболее часто – продукционная. Методы представления знаний позволяют описывать только статические предметные области. Отсутствуют знания о границах области компетентности систем. Модели представления знаний ориентированы на простые, хорошо структурированные области^[4] [8, с.256].

Механизм вывода. Реализация вывода ЭС первого поколения осуществляется только при условии полноты данных и знаний. Системы не умеют осуществлять вывод с учетом связи объектов в пространстве и во времени. Системы не могут давать приближенный вывод. Схема вывода в ЭС не соответствует схеме рассуждения эксперта.

Экспертная система первого поколения не имеет средств настройки для конкретного пользователя. Диалог имеет жесткую структуру (ответы пользователей должны быть представлены в строго определенной форме и формате). Чрезмерность набора вопросов экспертной системы, адресованных пользователю, обусловлена ​​отсутствием связей между данными. В последовательности вопросов, задаваемых пользователем системы, логики нет, хотя общая логическая ориентация вполне завершена^[5][6].

В направлении уточнения принимаемых решений. Пользователь получает только банальный аргумент, который покрывает все его потребности и требует от него собственной творческой работы.

Приобретение знаний и обучение. Пополнение знаний о системе и контроль их противоречий осуществляется только «вручную», то есть специалистом. Знания обязательно должны быть преобразованы в соответствующую модель ЕС. Механизмов обучения нет^[6][13, с.13].

Основные области применения ЕС:

• оценка рисков по кредитам, страховым и капитальным вложениям для финансовых учреждений;

• помощь химикам в поиске правильной последовательности реакций для создания новых молекул;

• отладка программного и аппаратного обеспечения компьютера в соответствии с индивидуальными требованиями;

• диагностика и устранение неисправностей телефонной сети на основе тестов;

• выявление и устранение проблем;

• помощь врачам в диагностике;

• получение молекулярной структуры химического вещества на основе экспериментов;

• управление технологическими процессами, агрегатами, как в мирных, так и в военных целях^[7][6].

ЕС представляет собой набор блоков, которые осуществляют хранение знаний предметной области, выполнение выводов, принятие решений на основе текущей информации, выполнение объяснений решений, общение с пользователем и экспертом^[8] [2, с. 425].

Научно-познавательная деятельность включает следующие три этапа:

1. Сбор и обработка выходных эмпирических данных.

2. Математическая и логико-теоретическая обработка данных с целью выявления новых фактов, объективное значение которых имеет как теоретическое, так и эмпирическое обоснование.

3. Обобщение научных фактов и построение новых теорий^[9][4, с.368].

Согласно этих этапов самые большие достижения находятся на первом из них (наиболее освоены для всех наук). Второй и третий этапы применимы для некоторых наук (техническая кибернетика, экономическая кибернетика), но для медицины, биологии, химии деятельность ученых остается низко автоматизированной. Это объясняет популярность создания ЕС [10, с.287].

Интересно отметить некоторые познавательные действия, которые желательно осуществлять в ЕС. Они включают:

1. Накопление знаний.

2. Обобщение знаний.

3. Осведомленность о проблеме.

4. Выполнение суждений и выводов на основе неполной информации.

5. Объяснение поведение.

6. Взаимодействие с другими людьми и системами.

7. Обновление знаний^[10][6].

В настоящее время основным средством передачи знаний является книга. Прежде чем использовать книжные знания, вам нужно найти и интегрировать их, что не всегда точно^[11][15]. Сами книги не являются гибкими, что особенно заметно при перепечатке. В то же время существует проблема перекодировки знаний из книг и знаний специалистов в специальные языковые структуры, которые должны поддерживать ту или иную модель знаний. Таким образом, в настоящее время этот процесс достаточно сложен, что требует его поддержки. Поэтому нанимают специалиста-инженера в области знаний - когнитивной науки.

Основными качествами ЕС следует считать динамизм и интеллект. Динамизм понимается как способность изменять свойства в процессе накопления знаний. Интеллектуальность - это способность решать проблемы в соответствии с имеющимися знаниями^[12][12, с.452].

Учитывая вышесказанное, на функциональном уровне экспертных систем можно обеспечить следующие функции: представление знаний, получение знаний, принятие решений, консультации, объяснение решений, диалог с пользователем.

1.2. Структура, функции и классификация экспертных систем

Решение задач с помощью ЭС имеет следующие особенности. Алгоритм решения задачи заранее не известен и строится по ходу решения на основании эвристических правил. Решения сопровождаются объяснениями, понятными пользователю. Качество решений не хуже, а иногда и лучше тех, которые получают эксперты. Знания, накопленные в ЭС можно анализировать, постепенно накапливать, актуализировать^[13][6]. Источниками знаний являются эксперты, с которыми организовывается дружественный интерфейс. Обеспечить такой интерфейс обязан когнитолог. Под дружественным интерфейсом понимают отсутствие необходимости знаний в области программирования у эксперта, т.е. общение на естественном языке.

Структура экспертных систем представлена на рисунке 1^[14][13, с.13].

При функционировании ЭС можно выделить два этапа: обучение, экспертиза.

В процессе обучения взаимодействие эксперта и когнитолога порождает базу знаний у предметной области. В режиме экспертизы пользователь, взаимодействуя с системой, получает ответ на интересующий его вопрос^[15][9, с.37].

Рисунок 1. – Структура экспертных систем

Методы вывода чаще всего диктуются либо внешней проблемой, либо используемыми инструментами^[16][17]. Генерация методов вывода является результатом совместной работы специалистов с инженерами знаний. Когнитивист планирует свою работу с экспертом таким образом, чтобы получить от него информацию о том, как последний формирует экспертное мнение^[17][3, с.160].

Классификация экспертных систем представлена на рисунке 2.

Конкретизируем приведенные классификационные группировки:

По назначению:

1. Консультационные.
2. Исследовательские.
3. Управляющие.

Экспертные системы

По сложности

По принципу работы

По назначению

По характеру решаемых задач

Рисунок 2. – Классификация экспертных систем

По принципу работы:

1. Классификационные.
2. Синтезирующие
3. Смешанные.

По сложности:

• Простые.
• Сложные.

По характеру решаемых задач:

1. Интерпретирующие.
2. Планирующие.
3. Прогнозирующие.
4. Диагностирующие.
5. Управляющие.
6. Проектирующие.
7. Обучающие^[18][11, с.23].

1.3. Механизм вывода и система объяснений

Механизм вывода реализуется блоком решений, целью которого является получение решения на основе знаний и фактов. Этот механизм может быть построен на основе прямого и обратного понимания.

Сами выводы могут быть выполнены различными методами с использованием оценки степени достоверности нечеткой логики.

Стратегия задается правилами отбора фрагментарных знаний на данный момент. В этом случае может возникнуть конфликтная ситуация (например, применение нескольких правил), которая решается определенной компромиссной моделью.

Методы вывода чаще всего диктуются либо внешней проблемой, либо используемыми инструментами. Генерация методов вывода является результатом совместной работы специалистов с инженерами знаний. Когнитивист планирует свою работу с экспертом таким образом, чтобы получить от него информацию о том, как последний формирует экспертное мнение^[19][12,с.452].

При решении вопросов создания системы объяснений формулируют ряд принципов:

• выдача типового объяснения;
• выдача протокола вывода;
• формирование объяснений по правилам индукции^[20][16].

В первом случае заранее прогнозируются возможные ситуации объяснений и формируются специализированные блоки объяснений. Во втором случае, можно просмотреть весь ход рассуждений. В третьем случае моделируется индуктивное извлечение знаний (от частного к общему).

Интерфейс с пользователем представляют собой сценарий диалога, в который ЭС ведет пользователя, задавая ему вопросы. Одной из проблем при этом является учет интеллекта пользователя. Механизм настройки на пользователя должен быть в интерфейсе^[21][18]. Для этой цели для пользователя возможна выдача информации о предметной области, о возможных запросах к нему, о вопросах, которые может задать пользователь, о продолжении сеанса экспертизы. Особенно велика роль интерфейса при использовании нечетких знаний.

1.4. Интегрированные информационные системы управления предприятием

Быстрый прогресс современных информационных технологий, широкое проникновение в Интернет, широкое использование веб-решений начинают серьезно влиять на промышленный сектор, затрагивая все уровни производственного цикла в целом, включая системы управления производством^[22][15].

Глобальное наступление интернет-технологий начинает прорываться в область промышленной автоматизации^[23][16]. Пришло время объединить достижения современных информационных технологий с возможностями традиционных программных решений и на этой основе повысить эффективность управления промышленными предприятиями в целом.

Ведущие производители средств промышленной автоматизации, которые участвовали в реализации проектов комплексной автоматизации для крупных предприятий и корпораций, отреагировали на это и осознали необходимость тесной интеграции верхнего (бизнес-приложений) и более низкого (технологических) уровней систем, Объявлено о выпуске новых видов программно-технических средств для автоматизированных систем управления, основанных на использовании современных информационных технологий^[24][6].

Активное внедрение вышеуказанных стандартов в систему - это не просто дань моде или желание таким образом отличать ее от конкурентов. Эти технологии появились в качестве инструмента для построения новой стратегии глобальной инфраструктуры предприятия и факта повышения роли информационных технологий в области промышленной автоматизации.

Дело в том, что до недавнего времени основные подсистемы автоматизации промышленных предприятий: АСУП, которая включает в себя систему автоматизации управления финансово-хозяйственной деятельностью и планирования ресурсов предприятия и систему управления (системы автоматизации технологических и производственных процессов), разрабатывались самостоятельно. и независимо друг от друга.

Поэтому исторически каналы обмена информацией, особенно оперативные, между подсистемами были довольно слабыми. Возможно, это будет продолжаться, но необходимость перевода технологических данных на уровень бизнес-приложений, включая операционные, стала очевидной. До сих пор, по большей части, управленческие решения на предприятиях основывались на интуиции и опыте^[25][16]. Тем не менее, заметное присутствие субъективного фактора в процессе принятия решений не всегда гарантирует взвешенное, проверенное решение.

Существует ряд объективных показателей производственного процесса, которые требуют более тесной интеграции систем, представляющих разные уровни управления предприятием. Среди них есть следующие:

• руководство предприятия все больше заинтересовано в получении своевременной и объективной информации о текущих и исторических параметрах технологических и производственных процессов;
• на крупных предприятиях необходимость оперативного управления территориально-распределенными структурами и ресурсами возрастает не только на уровне бизнес-приложений, но и на уровне производства;
• новое поколение бизнес-приложений требует повышения объема и оперативности поступления информации с уровня;
• на многих предприятиях уже создана достаточная сетевая инфраструктура. Существуют сети АСУП, объединенные по Ethernet. Имеется выход в Internet и создание внутренней Intranet-сети составит незначительные капитальные вложения;
• интеграция система АСУП и АСУТП позволяет проводить текущее и оперативное планирование затрат и себестоимости. Обеспечивать их учет в темпе с процессом производства, мгновенное реагирование на отклонения от требуемого уровня^[26][7,с.6].

На основе текущей информации из АСУТП возможно осуществление целевого управления производством по следующим показателям^[27]:

• качеству продукции;
• энергосбережению и экономии ресурсов;
• заданной производительности;
• по воспроизводимости требуемых потребительских свойств продукции и др^[28][20].

Таким образом, формируется реальная экономическая основа интеграции. Возникновение требований - это не просто обмен информацией между подсистемами, но требования сбора оперативных данных. Не в конце года, месяца или рабочего дня, но непосредственно в момент возникновения. В единой взаимосвязанной системе управления, наряду с информацией о стоимости сырья и рабочей силы необходимо знать, сколько воды, пара, электричества, топлива было потрачено на изготовление каждого отдельного компонента. Это важно в первую очередь в тех процессах, где высока вероятность отклонения от нормы. Например, сколько стоит плавка одного и того же сырья у конкретного поставщика руды. По реальному потреблению энергии мы можем это понять.

Не только компания в целом, но и различные внутренние управленческие службы заинтересованы в получении объективных технологических данных^[29][6].

Степень доступа к технологической информации зависит от типа программного обеспечения, используемого в структурах управления предприятием, и категорий работников потребителей этой информации^[30][15]. Какие проблемы обычно решают «управленцы»?

Одной из основных проблем создания интегрированных систем управления на предприятии является проблема совместной работы программного обеспечения, традиционно используемого в системах разных уровней. Поэтому вопросы интеграции в настоящее время рассматриваются разработчиками программного обеспечения как уровень ACUP, так и уровень системы управления^[31][5].

Рассматривая при исследовании пути создания и развития интегрированных систем управления предприятием, можно отметить следующие тенденции:

Ethernet становится все более популярным сетевым решением для систем промышленной автоматизации, интегрированных с офисными сетевыми приложениями.

Простой и легкий доступ к сбору данных по всему предприятию, от датчиков / исполнительных механизмов и до уровня планирования и управления предприятием, лучше всего реализовать при наличии интегрированной сети. Такая сеть становится корпоративной сетью Интранет, построенной по принципу клиент / сервер и обеспечивающей единое информационное пространство.

Перспективные системы будут использовать стандартные и максимально открытые, объектно-ориентированные элементы управления и доступ к информации. В качестве таких активов внедряются встроенные Web-серверы и интерфейс LFS^[32][11].

Традиционные системы ASU обычно превращаются из систем управления сетевыми и системными ресурсами в интеллектуальную платформу для управления предприятием в целом^[33][17]. И в этих условиях объективная информация, поступающая с технологического уровня, позволит принимать лучшие управленческие решения.

Создание и внедрение интегрированных систем позволяет предприятию получить ряд серьезных преимуществ, отметим лишь некоторые из них:

• интеграция подсистем АСУП и АСУТП позволяет обеспечить автоматизированный мониторинг затрат непосредственно в процессе производства, например, с целью определения текущей себестоимости продукции с учетом состояния рынка сырья, темпов инфляции и потерь, связанных с плохой организацией производства;
• появляется возможность значительной экономии средств за счет коллективного использования общей для АСУТП и АСУП сетевой инфраструктуры, включающей в себя кабельные коммуникации, активное сетевое и коммуникационное оборудование, компьютерное оснащение;
• для крупных предприятий, имеющих подразделения и филиалы, расположенные в различных регионах открывается возможность оперативного доступа руководителей высшего звена к технологическим данным c любого уровня системы и географической точки предприятия;
• в ряде случаев использование отмеченных выше технологий может заменить установку дорогостоящих SCADA систем, обеспечивающих визуализацию и просмотр данных^[34][6].

2. ПРИМЕНЕНИЕ ЭКСПЕРТНЫХ СИСТЕМ НА ПРАКТИКЕ

2.1. Информационные системы для транснациональных корпораций

Транснациональные корпорации определяются как корпорации, которые являются национальными с точки зрения капитала и международными в сфере деятельности, осуществляемой за рубежом в соответствии с местными законами и особенностями.

Информационная система как часть системы управления, которая содержит данные, необходима для планирования, мониторинга, оценки и координации производственной деятельности, включая операции за рубежом^[35][9].

Основной задачей системы является обеспечение экономического процветания компании на международном уровне. Решить эту проблему гораздо сложнее, чем сформулировать. В разных странах разные подходы к ее решению. В Японии управленческий персонал разрабатывает стратегию обеспечения долгосрочной прибыльности^[36][17]. Немцы часто строят свою стратегию на основе фактических затрат, швейцарцы ориентируются на рыночные условия, при которых возможны любые затраты, если только они окупятся в будущем, а итальянцы разрабатывают свои планы на основе длительных переговоров со своими агентами из других стран через концессии и контракты. Таким образом, потребность в предоставлении информации существенно различается не только в разных странах, но и между зарубежными филиалами.

Информация, предназначенная для внешних потребителей (акционеров, кредиторов, клиентов), полностью предоставляется в виде годовой отчетности компании^[37][13].

Поэтому предметом нашего дальнейшего внимания будет информация для внутреннего пользователя - управленческий персонал.

Подробная информация требуется для поиска и принятия управленческих решений для управления на всех уровнях. Независимо от того, как информационная система организована в ТНК, все экономические и политические изменения, законодательные ограничения, культурные различия и социальные особенности страны, в которой работает корпорация, должны приниматься во внимание и отражаться в отчетности. Эта информация поступает от руководителей зарубежных филиалов и является рассмотрением изменений, происходящих в ближайшее время в политической ситуации и обменных курсах.

Данные, обрабатываемые в системе TNC, поступают из различных источников и используются менеджерами на всех уровнях для принятия решений, что может повлиять на эффективность транзакции как на внутреннем, так и на внешнем рынках.

Аналитические возможности системы очень велики, поскольку она получает данные от всех дочерних компаний разных типов. Кроме того, система должна постоянно адаптироваться и реагировать на возможные изменения политической ситуации^[38][16].

Каждый ТНК имеет несколько уровней управления, которые различаются с точки зрения полномочий и ответственности. Это определяет количество информации, которая необходима каждому уровню для планирования и контроля его деятельности.

Система управления ТНК предоставляет один из пяти способов организации своей деятельности, в том числе зарубежной:

• создание самостоятельного филиала зарубежных операций;

• разделение деятельности на функциональную основу;

• разделение деятельности по производственно-технологическому направлению;

• разделение деятельности на региональной основе;

• использование матричной организационной структуры управления^[39][14].

Организационная структура, система управления и принципы функционирования сервисов корпорации определяются позицией ее топ-менеджмента в организации бизнеса за рубежом. Сегодня подходы, которые имеют место в зарубежной практике, можно классифицировать следующим образом:

• этноцентрический - обеспечивает для всех дочерних компаний тиражирование принципов организации и ведения бизнеса, принятых в их стране;

• полицентричный - предоставляет зарубежной дочерней компании относительную автономию в выборе форм и организации бизнеса;

• геоцентрический - ориентирован на максимальную унификацию принципов организации и ведения бизнеса, принятых в каждой стране.

Система бухгалтерского учета должна разрабатываться и эксплуатироваться под давлением цепочки внешних показателей, имеющих национальные особенности. Простой экспорт системы учета не позволяет полностью учесть все показатели, что часто приводит к отрицательным результатам. Четыре основные функции финансового контроля - измерение, коммуникация, оценка и мотивация - должны учитывать социально-экономические условия любой страны. Пример: ТНК со штаб-квартирой в США имеют несколько иностранных филиалов. Все их дочерние компании в Соединенных Штатах действуют как отдельные производственные единицы, цель которых - максимизировать чистый доход в долларах США. Ее дочерние компании не имеют полной автономии в принятии решений [19]. Чтобы эффективно планировать и контролировать свои зарубежные операции, штаб-квартире ТНК требуется информация об обменных курсах, требованиях к экспорту и импорту и налоговой политике в разных странах. Эта информация не является обязательной для внутреннего рынка, то есть при взаимодействии с отделами, действующими в США.

Другие критерии необходимы для оценки деятельности иностранных филиалов. Иностранные подразделения должны в первую очередь оцениваться как надежные и эффективные поставщики. Основная цель информационной системы отчетности - предоставить информацию, необходимую для планирования, контроля и оценки деятельности фирмы. Поэтому создатель системы для конкретного ТНК должен четко представить себе: характер его деятельности, особенно его организационную структуру, степень централизации, информационные потребности каждого лидера в принятии решений^[40][12].

Размер и организационная структура компании могут оказывать одинаковое влияние на технологию передачи информации от дочерней компании в штаб-квартиру ТНК. Развитие информационных систем связано с совершенствованием их математического и технического обеспечения. Такие методы, как статистический анализ, линейное программирование, регрессионный анализ значительно повышают эффективность использования информации^[41][14]. Следовательно, использование компьютеров и электронных коммуникаций позволяет создать лучшую информационную систему, которая обеспечит функционирование систем принятия решений более высокого уровня.

Информационная система R3 разработана немецкой фирмой – сфера применения от ИНК до средних предприятий. Она русифицирована, адаптирована в соответствии с российским и украинским законодательством, охватывает весь экономический спектр деятельности предприятия^[42][16].

Как правило, современные предприятия ощущают дефицит не в количестве данных, а в концентрированной информации для управления и контроля. Поэтому важной функцией системы R/3 является информационное обслуживание средних и высших управленческих ступенек предприятий. Вместо массы оперативных данных им необходима подборка информации, которая отображает разные аспекты деятельности предприятия, а так же отчеты о фактическом состоянии рынка. Необходимо и автоматическое отслеживание особенных ситуация, их графическое изображение.

Эти требования приводят к концепции открытости информации, которая предусматривает накопление информации, как от дополнений к системе, так и от внешних систем, адаптацию их к требованиям производственного и управленческого персонала.

Данная система содержит встроенную CASE – систему для собственных внутренних разработок. В ее основу положен язык 4-го поколения, специально ориентированный на создание бизнес-приложений в структуре клиент – сервер.

Доступ к базе данных осуществляется через интегрированный словарь данных, содержащий описание метода (таблицы, структуры данных и другие объекты), общие для всех приложений. Любые изменения в словаре немедленно доступны для всех приложений.

Язык АВАР – 4 может использоваться также для модификации отчетов и для организации интерфейсов с внешними системами и базами данных.

2.2. Применение экспертных систем в логистике

Сложность информации, ее структурные изменения и возрастающая сложность подачи, ее преобразования и многократное увеличение объема порождают новые требования к ее обработке, повышают её эффективность и, как следствие, скорость принятия решений на ее основе [9, с.37].

Вышеуказанные достижения привели к созданию новых информационных технологий, наиболее перспективным из которых является создание искусственного интеллекта, развитие которого началось в 60-х годах XX века. Оно является попыткой создать, моделируя работу человеческого мозга, средство для решения сложных проблем более простыми методами.

Одним из направлений в области искусственного интеллекта являются экспертные системы, в которые входят системы принятия решений, о которых далее пойдет речь. «Экспертная система - это компьютерная программа, предназначенная для выполнения тех действий, которые может выполнять только специалист, например, проектирование, планирование, диагностика, перевод, аудит, выдача рекомендаций», - считают ученые, экспертные системы позволяют заменять экспертов и узких специалистов, тем самым сокращая количество занятых в бизнес-процессах специалистов, и, следовательно, сокращая количество задержек и ошибок, возникающих при взаимодействии между людьми: «Еще один аргумент в пользу эксперта Дело в том, что при любом реинжиниринге (реорганизации) любого предприятия такие системы экономически необходимы, так как позволяют сократить персонал, сэкономить время, снизить уровень бюрократии и бумажную волокиту. Кроме того, большое преимущество экспертных систем является то, что данные, а также правила их получения, относящиеся к конкретной предметной области, хранятся в памяти компьютера и эти хранилища застрахованы от чьего-либо влияния, они не могут потерять или «забыть» информацию.

Экспертные системы и их элементы в настоящее время эффективно используются в бухгалтерском учете, банковском деле и так далее.

Наряду с тем, что современные достижения в экспертных системах обеспечивают много преимуществ в работе, они также могут быть вредными, если их использование не правильно и бездарно спланировано^[43][5]. Например, при покупке нового оборудования и программного обеспечения вы должны сначала подумать, подходят ли они для организации, или лучше потратить немного больше денег и создать эксклюзивную экспертную систему, которая учитывает все функции этой, конкретной организации. Это связано с тем, что универсальная экспертная система не всегда может обеспечить правильное решение, если она не включает в себя специфику конкретной отрасли и, следовательно, может помочь только в решении общих проблем.

По результатам авторского надзора за практическим применением экспертных систем при организации перевозок на железных дорогах России можно выделить следующие причины неэффективности использования экспертных систем:

• Некоторые из применимых экспертных систем могут быть разработаны в нарушение комплексного и системного подхода;

• Не все экспертные системы учитывают потребности конкретных рабочих мест;

• Резкое улучшение одной из подсистем, может привести к сбоям или простою других подсистем, а иногда и нарушить работу организации в целом;

• Большинство экспертных систем не учитывают психологические аспекты совместимости пользователя и компьютера;

• Профессионалов раздражают постоянные напоминания о том, что им и так известно, в то время как при работе с новыми ситуациями экспертная система не всегда предоставляет необходимую информацию^[44][3].

Рассматривая другие области применения экспертных систем, интересно обратить внимание на проблемы автоматизации принятия решений в области управления персоналом, где, несмотря на появление компьютерной обработки, многие рекрутеры все еще используют старые методы работы. Кроме того, некоторые коммерческие фирмы вообще не предоставляют подобных услуг, доверяя эту работу другим службам по совместительству. Однако последние не имеют всех функций, присущих управлению персоналом, и лишь небольшая их часть, в основном, связана с ведением документации. В результате это приводит к тому, что при таком сокращении кадровой работы возникает много ошибок, иногда они противоречат Трудовому кодексу. Примером может служить случай, когда серьезное государственное предприятие в приказе об увольнении указывает неверную статью, и это может быть обжаловано в суде, после чего решением суда в пользу работника предприятие должно будет не только вернуть его, но и заплатить ему значительную компенсацию.

Именно для предотвращения подобных ситуаций необходимо попытаться разработать автоматизированную систему принятия решений в службе управления персоналом, которая могла бы:

• принимать не только соответствующие, но и правильные с точки зрения закона принятия решения;

• контролировать выполнение деятельности;

• собрать всю необходимую выходную (релевантную) информацию по конкретному направлению управления персоналом^[45][17].

Эта система может помочь специалисту широкого профиля в области управленческой работы принять правильные решения с юридической точки зрения в службе управления персоналом, а также разработать специальную программу в этой области. Она также может использоваться сотрудниками других служб для получения информации об их правах и обязанностях.

Эта экспертная система состоит из нескольких взаимосвязанных частей. Первая часть представляет собой информацию, представленную в виде систем меню, перемещение которых позволяет получить необходимую информацию о конкретном направлении деятельности службы управления персоналом.

Вторая часть реализована с использованием производственной модели представления знаний с прямой цепочкой соображений. Здесь, отвечая на вопросы, задаваемые системой, пользователь может получить совет о проблемах, которые могут возникнуть при его работе в службе управления персоналом. Например, эта часть экспертной системы может помочь в принятии дисциплинарных мер и увольнении сотрудников. Очень часто реализация этой конкретной функции управления персоналом влечет за собой конфликты, и экспертная система может порекомендовать, как их избежать и не нарушать закон.

Третья часть нужна для оценки персонала. Она основана на документах, в которые вы можете вводить, редактировать или добавлять записи и просматривать их полностью. Эта часть содержит информацию о документах с истекшим сроком давности или тех, которые еще не были завершены. Сюда также входит программа, которая содержит необходимые формы для службы управления персоналом и правила их заполнения.

Для удобства пользователя в эту систему встроена программа, позволяющая изменять цвет фона и букв меню и рекомендаций, а также помощник, описывающий систему и работу в ней. При желании пользователь может просмотреть тексты основных законодательных актов, регулирующих деятельность службы управления персоналом.

Ученые считают, что будущее именно за такими системами. Сейчас есть несколько областей для улучшения экспертных систем и систем принятия решений. Необходимо обратить внимание на две наиболее интересных из них. Первая связана с разработкой, позволяющей пользователю вести диалог с компьютером на естественном языке, а не на алгоритмическом, поскольку большинство экспертных систем основаны на модели, в которой, отвечая на вопросы (да или нет), по запросу компьютера пользователь получает конкретную рекомендацию. По мнению экспертов, в будущем может возникнуть ситуация, когда пользователю будут заданы вопросы, а компьютер, основываясь на имеющихся данных, выдаст конкретные рекомендации [15].

Второе направление связано с распознаванием речи. Эксперты считают, что можно сэкономить время на принятии решений, если компьютер понимает языковые команды. Было бы гораздо проще диктовать данные, чем вводить их вручную с помощью клавиатуры, тем более что не каждый специалист может быстро вводить информацию. В этом направлении был достигнут некоторый прогресс, о чем свидетельствует появление таких программ, как: Русский Горыныч и Американский Дракон, которые распознают элементы языка и позволяют управлять компьютером. Тем не менее, эксперты считают, что они еще не совершенны, и разработки в этой области продолжают быть многообещающими.

Моделирование в логистике основывается на подобии систем или процессов, которое может быть полным или частичным. Основная цель моделирования - прогноз поведения процесса или системы. Ключевой вопрос моделирования: «Что будет если……?».

Общая классификация моделей представлена на рис. 3^[46][15].

Изоморфные модели – это модели, которые включают все характеристики объекта оригинала, способны заменить оригинал. Если можно создать и наблюдать изоморфную модель, то знание о реальном объекте будет точным.

Гомоморфные модели – в их основе лежит не полная, частичная подобие модели изучающего объекта.

Рисунок 3 - Общая классификация моделей

Некоторые свойства реального объекта не моделируются полностью, но в результате построение модели упрощается, а так же проще интерпретация результатов моделирования.

При моделировании логистических систем абсолютное подобие не бывает, поэтому рассматриваем только гомоморфные модели.

По признаку материальности делятся на: абстрактные и материальные^[47][9, с.37].

Материальные модели воспроизводят основные геометрические, физические, динамические и функциональные характеристики изучаемого объекта.

Абстрактное моделирование часто является единственным возможным в логистике. Она делится на символическую и математическую.

Символические модели включают: лингвистические и символические.

Языковые модели-это вербальные модели, которые основаны на наборе слов, очищенных от двусмысленности, или слово тезаурус – имеет определенное значение.

Знаковые модели - если ввести символы отдельных понятий, т. е. знаки и согласовать операции между этими знаками, то вы получили символическое описание объекта.

Математическое моделирование-это процесс установления соответствия реальному объекту некоторого математического объекта, называемого математической моделью.

Широко применяется 2 вида математического моделирования: аналитическое и имитационного.

Аналитическое моделирование – это математический прием исследования позволяющий получить точные или вероятностные решения. Этапы аналитического моделирования:

• разработка математические модели в виде алгебраических уравнений или дифференциальных уравнений или др.;
• решение уравнений и получение результатов;
• проверка модели на адекватность, т.е. соответствие теоретических результатов практике^[48][1].

Имитационное моделирование – основано на имитации реальных процессов, как правило, с применением процедуры случайного случая. Исследуемый процесс разыгрывается многократно в результате полученный набор реализации процесса, далее этот набор используется как статистический материал.

Основное достоинство имитационной модели – можно моделировать любые системы, процессы, любые закономерности.

Недостатки: Высокая стоимость, требуется высококвалифицированный персонал, эти модели не тиражируются, высока вероятность ложной имитации.

Экспертные системы-это компьютерные программы, помогающие специалистам принимать решения в конкретной предметной области. Экспертные системы могут накапливать знания и опыт специалистов, работающих в различных областях.

Применение экспертных систем позволяет:

• принимать быстрые и качественные решения по управлению материальными потоками;
• готовить опытных специалистов за короткое время;
• сохранять и пополнять «ноу-хау» компании;
• использовать опыт и знания высоко квалифицированных специалистов на не престижных, опасных и скучных рабочих местах^[49][15].

Анализ АВС применяются для сокращения величины запасов, сокращение количества передвижений на складе, общего увеличения прибыли.

Идея метода заключается в том, что из всего множества объектов (товаров) необходимо выбрать наиболее значимые, с точки зрения вклада в конечный результат (прибыль). Как правило, таких объектов относительно мало, и необходимо сосредоточить на них основные усилия и внимание.

В экономике используется широко закон ПАРЕТО (20/80), согласно которому, лишь 20 % объектов (товаров), дают 80 % прибыли, а остальные 80 % объекта – 20% прибыли.

Широко применяемый в логистике метод ABC предусматривает более глубокое разделение — на три части.

Анализ XYZ – позволяет разделять ассортимент на 3 группы в зависимости от степени равномерности спроса и точности прогноза этого спроса.

В группу X включают товары, спрос, на который равномерен или подтвержден незначительными колебаниями. Объем реализации хорошо предсказуем.

В группу Y включают товары, спрос, на который меняется во времени, например с учетом сезона. Возможности прогноза – средние.

В группу Z включают товары, спрос, на который не предсказуем, не подлежит прогнозу.

Задача «сделать или купить» заключается в принятии одного из двух альтернативных решений – делать комплектующее изделие самим, если это в принципе возможно, выполнять самостоятельно какую-либо работу или же покупать комплектующее (услугу) у другого производителя.

Решение в пользу закупок комплектующих и, соответственно, против собственного производства должно быть принято в случае, если:

• потребность в комплектующем изделии невелика;
• отсутствуют необходимые для производства комплектующих мощности;
• отсутствуют кадры необходимой квалификации^[50][15].

Решение против закупок и в пользу собственного производства принимается в том случае, когда:

• потребность в комплектующих изделиях стабильна и достаточно велика;
• комплектующее изделие может быть изготовлено на имеющемся оборудовании.

Решения типа «сделать или купить» принимают при закупках товарных ресурсов (у изготовителя или у посредника), при выборе между услугами перевозчика и созданием собственного парка транспортных средств, при принятии решения по использованию услуг наемного склада, а также в ряде других случаев.

ЗАКЛЮЧЕНИЕ

Экспертная система – это первый программный продукт, появившийся на рынке программных продуктов, как итог 30-летней работы в области искусственного интеллекта. По смыслу ЭС воспроизводят процесс решения проблемы человеком-экспертом. Интерес к разработке ЭС связан с тем, что они дают средства повышения производительности труда и увеличения прибыльности производства.

Основные области применения ЭС:

• оценка рисков займов, страхования и капитальных вложений для финансовых организаций;
• помощь химикам в нахождении верной последовательности реакций для создания новых молекул;
• отладка программного и аппаратного обеспечения ЭВМ в соответствии с индивидуальными требованиями;
• диагностика и обнаружение неисправностей в телефонной сети на основе тестов;
• идентификация и ликвидация неполадок в локомотивах;
• помощь медикам в постановке диагноза;
• получение молекулярной структуры химического вещества на основании опытов;
• управление технологическими процессами, агрегатами, как в мирных, так и в военных целях.

Интерфейс с пользователем представляют собой сценарий диалога, в который ЭС ведет пользователя, задавая ему вопросы. Одной из проблем при этом является учет интеллекта пользователя. Механизм настройки на пользователя должен быть в интерфейсе. Для этой цели для пользователя возможна выдача информации о предметной области, о возможных запросах к нему, о вопросах, которые может задать пользователь, о продолжении сеанса экспертизы. Особенно велика роль интерфейса при использовании нечетких знаний.

Внедрение экспертных систем в работу предприятий позволяет оптимизировать процесс деятельности каждого сотрудника и организации в целом. В связи с этим бурное развитие экспертных систем и их активное внедрение в управление предприятиями и организациями является не просто данью моде, но насущной потребностью руководства. Особенно активно экспертные системы внедряются в транснациональные корпорации, где объем деятельности является очень большим, а также в логистику, где необходима оперативность и точность информации.

1. СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

2. Братко И. Программирование на языке Пролог для искусственного интеллекта.- М.: Мир, 2017.
3. Васильев, В.И. Распознающие системы / В.И. Васильев. - К.: Наукова думка; Издание 2-е, перераб. и доп., 2015. - 425 c.
4. Веденов, А.А. Моделирование элементов мышления / А.А. Веденов. - М.: Наука, 2015. - 160 c.
5. Вейценбаум, Дж. Возможности вычислительных машин и человеческий разум / Дж. Вейценбаум. - М.: Радио и связь, 2016. - 368 c.
6. Глушков, В.М. Машина доказывает / В.М. Глушков. - М.: Знание, 2015. - 372 c.
7. Долин Г. Что такое ЭС.- Компьютер Пресс, 2016.
8. Малпасс Д. Р. Реляционный язык Пролог и его применение. - М.: Финансы и статистика, 2015, с.6.
9. Марселлус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 2015, с.256.
10. Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015, с.37.
11. Нейлор К. Как построить свою экспертную систему.- М.: Энергоатомиздат, 2016, с. 287.
12. Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015, с.23.
13. Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016, с.452.
14. Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016, с.13.
15. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ.- М.: Финансы и статистика, 2016.
16. Убейко В. Н. Экспертные системы.- М.: МАИ, 2015.
17. Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016.
18. Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. - 410 c.
19. Хайкин С. Нейронные сети: полный курс / Хайкин, Саймон. - М.: Вильямс, 2017. - 115
20. Элти Д., Экспертные системы: концепции и примеры.- М.: Финансы и статистика, 2016, с.18.
21. Экспертные системы: Определения и классификация. – Портал «Интернет-Университет Информационных Технологий». Режим доступа: http://www.intuit.ru/department/human/isrob/6/isrob_6.html

1. 11 Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015, с.23. ↑

2. 6 Долин Г. Что такое Экспертные системы.- Компьютер Пресс, 2016. ↑

3. 1 Братко И. Программирование на языке Пролог для искусственного интеллекта.- М.: Мир, 2017. – 325 с. ↑

4. 8 Марселлус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 2015, с.256. ↑

5. 6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑

6. 13 Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016, с.13.

   ↑

7. 6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑

8. 2 Васильев, В.И. Распознающие системы / В.И. Васильев. - К.: Наукова думка; Издание 2-е, перераб. и доп., 2015. - 425 c. ↑

9. 4 Вейценбаум, Дж. Возможности вычислительных машин и человеческий разум / Дж. Вейценбаум. - М.: Радио и связь, 2016. - 368 c.

   ↑

10. 6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑

11. 15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑

12. Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016, с.452. ↑

13. 6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑

14. 13 Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016, с.13. ↑

15. 9 Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015, с.37. ↑

16. 17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. - 410 c. ↑

17. 3 Веденов, А.А. Моделирование элементов мышления / А.А. Веденов. - М.: Наука, 2015. - 160 c. ↑

18. 11 Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015, с.23. ↑

19. 12 Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016, с.452. ↑

20. 16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑

21. 18 Хайкин С. Нейронные сети: полный курс / Хайкин, Саймон. - М.: Вильямс, 2017. ↑

22. 15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑

23. 16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016.

    ↑

24. 6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑

25. 16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑

26. 7 Малпасс Д. Р. Реляционный язык Пролог и его применение. - М.: Финансы и статистика, 2015, с.6. ↑

27. ↑

28. 20 Экспертные системы: Определения и классификация. – Портал «Интернет-Университет Информационных Технологий». Режим доступа: http://www.intuit.ru/department/human/isrob/6/isrob_6.html ↑

29. 6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016. ↑

30. 15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑

31. 5 Глушков, В.М. Машина доказывает / В.М. Глушков. - М.: Знание, 2015. ↑

32. 11 Нильсон Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 2015. ↑

33. 17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. ↑

34. 6 Долин Г. Что такое ЭС.- Компьютер Пресс, 2016.

    ↑

35. 9 Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015. ↑

36. 17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. ↑

37. 13 Сафонов В. О. Экспертные системы- интеллектуальные помощники специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знания” России, 2016. ↑

38. 16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑

39. 14 Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ.- М.: Финансы и статистика, 2016.

    ↑

40. 12 Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнес - процессов. - М.: Аудит, Юнити, 2016. ↑

41. 14 Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ.- М.: Финансы и статистика, 2016. ↑

42. 16 Уотермен Д. Руководство по экспертным системам.- М.: Мир, 2016. ↑

43. 5 Глушков, В.М. Машина доказывает / В.М. Глушков. - М.: Знание, 2015. ↑

44. 3 Веденов, А.А. Моделирование элементов мышления / А.А. Веденов. - М.: Наука, 2015. ↑

45. 17 Фетисов, В.С. Интеллектуальные средства измерений и HART-протокол / В.С. Фетисов. - М.: Уфа: Уфимский государственный авиационный технический университет, 2015. ↑

46. 15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015.

    ↑

47. 9 Марселлус. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 2015, с.37.

    ↑

48. 1 Братко И. Программирование на языке Пролог для искусственного интеллекта.- М.: Мир, 2017 ↑

49. 15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑

50. 15 Убейко В. Н. Экспертные системы.- М.: МАИ, 2015. ↑