Филиппович А.Ю. - Интеграция и конвергенция методов моделирования информационно-аналитических систем для решения задач УЗ

CLAIM – научно-образовательный кластер

Статья подготовлена при поддержке гранта Президента РФ № МК-5341.2007.9

ИНТЕГРАЦИЯ И КОНВЕРГЕНЦИЯ МЕТОДОВ МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ СИСТЕМ ДЛЯ РЕШЕНИЯ ЗАДАЧ УПРАВЛЕНИЯ ЗНАНИЯМИ

В докладе рассматриваются вопросы использования информационно-аналитических систем и СЦ для решения задач управления знаниями и повышения уровня зрелости ключевых процессов в крупных организациях на базе компетентностного подхода и People CMM . Определяется место систем компьютерного моделирования в структуре СЦ, формулируются существующие тенденции в области моделирования технологических и деловых процессов, описывается концепция и методы интегрированного SIE -моделирования, а также подходы к интеграции и конвергенции систем ситуационного, имитационного, экспертного, нечеткого, нейрогенетического, мультиагентного и семиотического моделирования.

Во всем мире активное развитие ИТ и глобализация оказывают значительное влияние на деятельность организаций и экономику в целом. Тенденция к сокращению продолжительности жизненного цикла изделий требует повышения уровня автоматизации производственных процессов, а открытость рынков услуг и товаров приводит к росту конкуренции и значительному увеличению роли инноваций и способности организации быстро адаптироваться и обучаться. В сложившейся ситуации знания и новые идеи становятся не просто ключевым фактором успеха, а наиболее важным, доминирующим активом организаций.

Исторически основным носителем знаний предприятия является его персонал, однако современные технологии все больше увеличивают значимость информационных ресурсов, которые при определенных условиях могут выступать в качестве источников знаний. Именно на создание этих условий и эффективного их использования направлены задачи построения экономики, ориентированной на знания.

Для иллюстрации места и роли указанных аспектов рассмотрим современную парадигму управления, основанную на системе сбалансированных показателей BSC и которую активно используют лучшие предприятия мира.

Типовые ракурсы системы BSC направлены на стратегическое и оперативное управление различными аспектами деятельности организации. Как правило, ключевой задачей коммерческого предприятия является улучшение группы финансовых показателей, которые во многом определяются качеством взаимодействия с потребителями продукции и услуг. Повысить эффективность работы с клиентами можно только за счет изменения внутренних процессов и внедрения новых принципов деятельности. В свою очередь изменение процессов осуществимо при надлежащем повышении квалификации персонала и развитии инфраструктуры. Реализация вышеуказанных задач требует от организации соответствующих вложений, что приводит к замыканию контура управленческих решений и дает возможность формирования критериев для оценки целесообразности процессов развития персонала и инфраструктуры, подсчета возврата инвестиций ( ROI ) и т.д.

Рис.1 Взаимосвязь ракурсов BSC

Для управления персоналом и развитием его компетенций разработано множество методик и технологий, однако их совместное применение требует особых подходов, одним их которых является People CMM . Он основан на принципах постепенного повышения уровня зрелости предприятия и его бизнес-процессов, а также на использовании компетентностного подхода. С точки зрения управления знаниями People CMM позволяет решить следующие важные задачи:

Идентифицировать потребности в знаниях и выразить их с помощью компетенций;
Осуществить ранжирование компетенций в зависимости от их критичности и важности для производственной деятельности;
Перейти от задач обучения сотрудников к практикам создания и использования «знаниевых активов»;
Увязать задачи управления знаниями с существующими бизнес-процессами организации и соответствующими показателями.

Эффективное управление знаниями подразумевает активное использование различных информационных систем. В зависимости от масштабов и направленности деятельности могут применяться специализированные HR-модули и KM-системы, web -порталы, системы управления информацией, дедуктивные базы данных, системы дистанционного и электронного обучения ( e - learning ), системы управления обучением ( LMS ) и другие. При широком использовании технологий управления знаниями в организации должны быть реализованы дополнительные бизнес-процессы, а в уже имеющихся процессах - выделены новые функции и показатели. В связи с этим возникает целый ряд специфичных задач:

Моделирование процессов управления знаниями;
Мониторинг бизнес-функций и активностей, отвечающих за реализацию задач управления знаниями;
Оперативное управление задачами приобретения знаний сотрудниками (обучение и развитие), создания и использования «знаниевых активов»;
Анализ текущей ситуации и перспектив развития организации, выявление потребностей и стратегическое планирование задач управления знаниями.

Для крупных организаций, имеющих разветвленную структуру и широкий спектр деятельности, вышеуказанные задачи требуют использования информационно-аналитических систем, а в отдельных случаях – ситуационных центров.

В качестве примера можно привести задачу создания ситуационного центра стратегического и оперативного управления системой обучения ФТС России [3], которая имеет около 20-ти схем реализации обучения, десятки провайдеров обучения, сотни образовательных программ и нормативную потребность в обучении не менее 20000 человек ежегодно. Асинхронность поступления средств, территориальное перемещение большого количества сотрудников, децентрализованность управления, активное изменение таможенных и информационных технологий приводит к высокой динамике изменения состояния предметной области и необходимости использования ситуационного подхода к управлению и мониторингу. Подробное рассмотрение вопросов проектирования СЦ в обучении и системе образования представлено в публикациях [1-9].

При создании большинства СЦ используются системы на базе OLAP -технологий, реализующие управление по ключевым показателям и возможность анализа данных с помощью инструментов BI . Повышение эффективности работы СЦ требует применения более сложных технологий и методик. В частности должны быть решены задачи создания и ведения комплексной модели предметной области, которая позволяет:

имитировать и прогнозировать контролируемые процессы;
абстрагировать текущее состояние всех элементов системы до уровня краткого описания ситуаций;
накапливать экспертный опыт принятия решений;
формализовать и обработать широкий спектр НЕ-факторов;
обеспечить высокую адаптивность и производительность расчетов с помощью методов ИИ;
интегрировать информацию с системами бизнес-моделирования и управления эффективностью бизнеса ( BPM -системами);
обеспечить эффективную систему визуализации процессов, ситуаций и решений;
обеспечить анализ разнородной текстовой, графической и другой информации.

Создание подобной модели возможно за счет интеграции и конвергенции подходов, используемых в системах ситуационного, имитационного, экспертного, нечеткого, нейрогенетического, мультиагентного и семиотического моделирования.

Интеграция и конвергенция систем имеют общие цели, но различаются по своим подходам. В первом случае системы объединяются, сохраняя свою самостоятельность, а во втором – они как бы сливаются и становятся неразделимым целым. Интеграция, как правило, бывает двух типов: взаимодополняющая, когда системы не имеют общих функций, и взаимозаменяющая, когда системы могут решать одни и те же задачи. На практике интеграция носит смешанный характер, т.е. имеются как дополняющие, так и заменяющие друг друга модули или задачи. При интеграции систем необходимо реализовать логику и интерфейс взаимодействия, а также разработать процедуру выбора среди конкурирующих систем, сервисов или в случае параллельного решения ? полученных результатов.

Конвергенция систем подразумевает их универсализацию за счет объединения общих компонент, расширения их функций и возможной интерпретации. Конвергенция исключает возможность выполнения компонентами системы одних и тех же задач различными способами, но допускает распараллеливание работы по единому принципу или этапам обработки информации.

В настоящее время в области информационных систем достигнуты серьезные результаты по интеграции и конвергенции систем. Наиболее передовыми из них можно считать разработку сервисно-ориентированной архитектуры SOA и модели асинхронного взаимодействия на базе событий EDA [9]. Эти два подхода представляют реализацию двух известных парадигм – процессного и событийно-ориентированного имитационного моделирования. Можно предположить, что следующим этапом станет реализация концепции ситуационного моделирования, предназначенной для управления сложными и разнородными информационными системами. Их прототипами могут выступать системы класса BAM (Business Activity Management) и BPM (Business Performance Management). Внедрение технологий управления знаниями в ИС в свою очередь является реализацией концепций экспертного моделирования (технологий экспертных систем и других систем, основанных на знаниях).

При создании информационно-аналитической системы (ситуационного центра) необходимо решить вопрос интеграции-конвергенции подсистем моделирования. В качестве научно-методической базы для этого можно взять методику SIE -моделирования, которая конвергирует общие и интегрирует разнородные элементы ключевых подходов в области ситуационного, имитационного и экспертного моделирования.

SIE-модель содержит структурный, событийный, ситуационный и экспертный уровни. Общие элементы различных моделей конвергированы и проецируются на каждом уровне в различном представлении. Первый уровень модели предназначен для описания структуры системы и наиболее близок транзактному представлению таких систем, как GPSS, SLAM II, ARENA .

Рис.2. Уровни SIE- модели

На структурном уровне нет возможности задания произвольных событий, сцепленных процессов, условных операторов и программ по изменению структуры модели. Для выполнения условных операторов используется специальный блок селектор который осуществляет обращение к базе знаний правил экспертного уровня.

Для описания событий, которые могут возникать в результате обработки транзактов, изменения состояний объектов и поступления внешней информации используется второй уровень SIE-модели, называемый событийным. Пространство состояний объектов может быть полностью определено на структурном уровне. На событийном уровне задаются только некоторые (выделенные) состояния или макросостояния, которые называются микроситуациями. На этом уровне также задаются дополнительные события и процессы.

Событийный уровень может быть преобразован в сеть Петри, Е-сеть, алгебру процессов или другую аналогичную модель. Возможности по ветвлению и сцеплению процессов определяются их представлением в виде последовательности состояний и событий. Для реализации условных операторов используется блок селектора, который обращается к базе знаний правил. События могут инициировать изменения на структурном уровне.

При программной реализации модели возможно последовательное или параллельное использование уровней для моделирования. Например, при возникновении типовых ситуаций, событийный уровень может прервать имитацию на структурном уровне, выполнить ее самостоятельно, и продолжить работу, изменив при этом параметры (и структуру) модели.

Третьим уровнем SIE-модели является ситуационный уровень. Он предназначен для укрупненного моделирования системы. Каждому объекту на структурном уровне сопоставляется микроситуация, а некоторые из них объединяются в один объект более высокого порядка, для которого определяются возможные ситуации. Ситуационное моделирование заключается в задании некоторых характеристик, отдельных ситуаций и определение с помощью ЭС оказываемых влияний. Ситуационный уровень может также служить укрупненным отображением процессов имитации на нижних уровнях. Переход от этого уровня к событийному или структурному неоднозначен, поэтому он может использоваться только для ограничения количества имитаций и выбора отдельных имитационных компонент в системах с большой размерностью.

Особняком стоит экспертный уровень, который представляет собой базу знаний, хранящую всю информацию об остальных уровнях и дополнительные знания ЭС. Более подробно элементы SIE-модели рассматриваются в [1].

Для представления НЕ-факторов (неопределенности, нечеткости, неизвестности, неверности данных) модель необходимо расширить за счет использования аппарата теории нечетких множеств не только на экспертном, но и на других уровнях SIE -модели. Обучаемость и высокая степень адаптации системы моделирования может быть достигнута за счет использований нейросетевых моделей. Интерес также представляет агентный подход [10], который позволяет моделировать поведение субъектов и сложных объектов по распределению материальных и информационных ресурсов (в том числе и знаний).

Литература:

Филиппович А.Ю. Интеграция систем ситуационного, имитационного и экспертного моделирования. – М.: Изд-во "ООО Эликс+", 2003. – 300 с.
Филиппович А.Ю. Ситуационные центры в образовании // Проблемы теории и практики управления — 2007. - №1.
Филиппович А.Ю. Ситуационный центр стратегического и оперативного управления системой обучения ФТС России // Ситуационные центры: Модели, технологии, опыт практической реализации М.: Изд-во РАГС, 2007.
Филиппович А.Ю. Использование ситуационных центров в сфере образования // Информационно-аналитические средства поддержки принятия решений и ситуационные центры: Материалы научно-практической конференции, состоявшейся в РАГС 28-29 марта 2005 г./ Под общ. ред. А.Н.Данчула - М.: Изд-во РАГС, 2006 — с. 70-75.
Филиппович А.Ю. Ситуационные центры: определения, структура и классификация // PCWeek / RE N 26(392), М., 15-21 июля 2003 г. с.21-22.
Филиппович А.Ю. Обучающие ситуационные центры // Системный администратор. №4. Май, 2003.
Филиппович А.Ю. Ситуационные центры в сфере образования // Вестник информационных технологий в образовании. Выпуск 1. — М.: УМК по специальности ИТО, 2005. — с. 161-169.
Филиппович А.Ю. Кредитные системы в образовании: аспект автоматизации. — М.: УМК по специальности ИТО, 2005. — 204 с.
Голосов А.О., Полотнюк И.С. Филиппович А.Ю. Информационные технологии в образовании: преимущества интеграционного подхода // Проблемы теории и практики управления — 2006. - №8. — с.64-68.
Аксенов К.А., Гончарова Н.В. Динамическое моделирование мультиагентных процессов преобразования ресурсов // Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2006. 303 с.