close

Вход

Забыли?

вход по аккаунту

?

Гибридная система поддержки принятия решений в задачах управления интегрированными производственными структурами.

код для вставкиСкачать
На правах рукописи
АРТЮХИНА Вероника Анатольевна
ГИБРИДНАЯ СИСТЕМА
ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
В ЗАДАЧАХ УПРАВЛЕНИЯ
ИНТЕГРИРОВАННЫМИ ПРОИЗВОДСТВЕННЫМИ
СТРУКТУРАМИ
Специальности:
05.13.01 – Системный анализ, управление
и обработка информации (в промышленности)
05.13.10 – Управление в социальных
и экономических системах
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
кандидата технических наук
Уфа – 2013
Работа выполнена на кафедре электроники и биомедицинских технологий
ФГБОУ ВПО «Уфимский государственный авиационный технический университет»
Научный руководитель
д-р техн. наук, проф.
Ефанов Владимир Николаевич
Официальные оппоненты
д-р техн. наук, проф.
Крымский Виктор Григорьевич,
заведующий кафедрой информационноуправляющих систем ФГБОУ ВПО «Уфимский государственный университет экономики и сервиса»
канд. техн. наук, доцент
Федорова Наталья Ивановна,
доцент кафедры автоматизации проектирования информационных систем ФГБОУ
ВПО «Уфимский государственный авиационный технический университет»
Ведущая организация
ФГБУН «Институт социально экономических исследований Уфимского научного
центра РАН»
Защита диссертации состоится 17 мая 2013 г. в 10 часов
на заседании диссертационного совета Д-212.288.03
при Уфимском государственном авиационном техническом университете
по адресу: 450000, г. Уфа-центр, ул. К. Маркса, д. 12
С диссертацией можно ознакомиться в библиотеке университета
Автореферат разослан
Ученый секретарь
диссертационного совета
д-р техн. наук, проф.
«12» апреля 2013 г.
В. В. Миронов
1
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования
Процесс перевода крупных производственных объединений в высокотехнологичных секторах промышленности на путь инновационного развития требует качественного улучшения в использовании интеллектуального и материально-технического потенциала предприятий. В связи с этим особое значение
приобретает проблема организации эффективного управления производственно-хозяйственной деятельностью интегрированных структур на основе разработки и встраивания в действующее информационное пространство предприятий систем поддержки принятия решений, использующих научно обоснованные методы формирования решений, основанные на современном математическом аппарате и средствах вычислительной техники. Системы поддержки принятия решений, возникшие как естественное развитие и продолжение управленческих информационных систем (Management Information Systems – MIS),
представляют собой сегодня обширный и чрезвычайно разнообразный класс
интеллектуальных систем. При этом следует отметить, что в течение длительного времени конструкция систем поддержки принятия решений определялась
видом задач, для решения которых она разрабатывалась.
Однако в современных условиях подобные системы поддержки принятия
решений, ориентированные на решение управленческих задач конкретного вида, становятся неэффективными. Указанное обстоятельство обуславливает актуальность сформулированной темы диссертационной работы, направленной на
разработку гибридной системы поддержки принятия решений, объединяющей
преимущества систем, ориентированных на знания, и модельноориентированных систем.
Степень разработанности темы
Значительный вклад в решение проблемы поддержки принятия решений в
задачах управления интегрированными производственными структурами внесли отечественные и зарубежные ученые В. М. Глушков, О. И. Ларичев,
А. В. Петровский, Д. А. Поспелов, А. Д. Шеремет, Б. Г. Ильясов, Л. А. Исмагилова, В. Г. Крымский, Г. Г. Куликов, Л. Р. Черняховская, Н. И. Юсупова,
P. G. W. Keen, M. S. Scott Morton, R. Sprague, E. Carlson, D. J. Power, E. F. Codd,
N. Wiener. Вопросы интеграции предприятий высокотехнологичных отраслей
производства в разных аспектах рассматриваются в трудах Л. И. Абалкина,
С. Д. Бодрунова, С. Ю. Глазьева, А. П. Захаревича, Г. Б. Клейнера, Ю. А. Ковалькова, А. Г. Кузнецова, Б. П. Кузыка, A. M. Смулова, Д. С. Львова,
А. А. Турчака, А. Е. Тюлина, С. В. Чемезова.
Однако позитивный эффект от создания крупных производственных объединений может быть утрачен из-за невозможности оперативного принятия
обоснованных управленческих решений в условиях риска и нестабильности текущей экономической ситуации. Причем в последнее время наряду с традиционными рисками, характеризующимися высокой частотой наступления и низкой степенью воздействия, все большее значение приобретают новые виды
риска, имеющие глобальный характер и по силе своего влияния значительно
превосходящие возможности любой интегрированной структуры.
В результате возникают значительные колебания рыночной конъюнктуры, цен, валютных курсов, а, следовательно, происходит рост неопределенности в целях, интересах и поведении участников, снижаются полнота и досто-
2
верность информации об их производственном потенциале и деловой репутации. В связи с этим управленческие решения приходится разрабатывать и принимать в среде неструктурированных и слабоструктурированных многокритериальных задач. Это обуславливает необходимость в интеллектуальной поддержке принятия решений с использованием интерактивных компьютерных
систем, способных генерировать и оценивать альтернативы, направленные на
достижение заданной управленческой цели, прогнозировать последствия предполагаемых решений, осуществлять выбор лучшего варианта и согласовывать
групповые решения.
Цель работы состоит в повышении эффективности принятия решений
при управлении крупными производственными структурами в условиях возрастающего риска и неопределенности с использованием гибридной системы поддержки принятия решений, основанной на объединении модулей управления
знаниями и моделями.
Задачи исследования. Для достижения поставленной цели в диссертационной работе сформулированы и решены следующие задачи:
1. Разработка гибридной системы поддержки принятия решений, позволяющей принимать решения в среде неструктурированных и слабоструктурированных управленческих задач за счет объединения возможностей модулей
управления знаниями и моделями.
2. Разработка совмещенного алгоритма поддержки принятия решений,
основанного на механизме управления знаниями и исследовании математических моделей крупных производственных объединений.
3. Разработка универсальной многофакторной модели, позволяющей оценивать состояние исследуемого производственного объединения с учетом неопределенных факторов внешней и внутренней среды.
4. Разработка метода непараметрической идентификации моделей производственных объединений, основанного на разложении показателей состояния
в ортогональные ряды по совокупности экспоненциальных функций.
5. Оценка эффективности разработанной гибридной системы поддержки
принятия решений на примере решения задачи об инвестировании предприятий
ОАО «Концерн «Авионика».
Методология и методы исследования. При решении поставленных задач использованы методы и принципы теории принятия решений, системного
анализа, методы решения систем интервальных линейных и нелинейных уравнений и компьютерного моделирования.
Объектом исследования являются крупные производственные объединения авиапромышленного комплекса.
Предмет исследования: теоретические и прикладные вопросы принятия
решений при управлении сложными интегрированными производственными
системами с целью повышения эффективности функционирования за счет использования методов идентификации.
Положения, выносимые на защиту
1. Двухкомпонентная гибридная система поддержки принятия решений,
основанная на объединении модулей управления знаниями и моделями с целью
повышения эффективности функционирования крупных производственных
объединений в среде неструктурированных и слабоструктурированных управленческих задач.
3
2. Совмещенный алгоритм поддержки принятия решений, позволяющий в
рамках единой оптимизационной процедуры формировать план исследований,
направленных на структуризацию априорной информации, и принимать на этой
основе управленческие решения, оптимальные с точки зрения критерия ожидаемой полезности фон Неймана–Моргенштерна.
3. Универсальная, аналитическая, многофакторная модель, обеспечивающая детерминированную оценку состояния исследуемого производственного
объединения на основе ретроспективного анализа показателей его деятельности
с учетом неопределенных факторов внешней и внутренней среды.
4. Метод непараметрической идентификации моделей, базирующийся на
аппроксимации дискретными ортогональными многочленами типа Хана показателей производственно-хозяйственной деятельности предприятий, представленных соответствующими временными рядами.
5. Оценка эффективности предложенной системы поддержки принятия
решений с использованием программных модулей «Гибридная система поддержки принятия решений» и «Идентификация параметров экономикоматематических моделей».
Научная новизна
1. Двухкомпонентная гибридная система поддержки принятия решений
отличается тем, что в рамках ее структуры организован способ взаимодействия
модулей управления знаниями и моделями, при котором происходит структуризация исходной информации на основе анализа возможных исходов экспериментов с тем, чтобы выявить объективную природу предпочтений лица, принимающего решение, и расширить на этой основе возможности в достоверной
оценке предлагаемых стратегий управления.
2. Совмещенный алгоритм поддержки принятия решений, отличающийся
тем, что выбор решения, для которого ожидаемое значение критерия эффективности будет максимальным, происходит после математической обработки априорных характеристик с учетом информации, полученной в результате осуществления оптимального эксперимента.
3. Аналитическая модель производственного объединения отличается
тем, что показатели состояния, управляющие воздействия и выходные переменные каждого предприятия, входящего в состав объединения, описываются
системами разностных уравнений, а целостность производственной структуры
задается совокупностью уравнений связи, отражающих взаимодействия между
предприятиями.
4. Метод непараметрической идентификации моделей отличается тем, что
за счет использования равномерно сходящихся ортогональных рядов обеспечивается регуляризация процедуры идентификации.
5. Новизна программных модулей «Гибридная система поддержки принятия решений» и «Идентификация параметров экономико-математических моделей», использованных при оценке эффективности гибридной системы поддержки принятия решений и зарегистрированных в Реестре программ для ЭВМ
(свидетельства № 2011619045 и 2011619047) обусловлена тем, что они реализованы на базе методов и алгоритмов, разработанных в рамках данной диссертационной работы.
4
Теоретическая и практическая значимость работы заключается в следующем.
1. В основу полученных теоретических результатов положена идея согласованного взаимодействия разнородных подсистем в составе многокомпонентной гибридной системы поддержки принятия решений с целью выработки оптимальных управленческих решений, которая базируется на концепции открытого пространства знаний, что расширяет возможности использования различных интеллектуальных технологий.
2. Гибридная система поддержки принятия решений позволяет повысить
эффективность управления интегрированными структурами за счет согласования производственных и финансово-экономических процессов, протекающих в
разных хозяйствующих субъектах, с целью обеспечения приоритетных показателей деятельности всего объединения в целом. В результате эффективность
оптимального решения оказывается выше, в среднем, на 45–60 % по сравнению
с альтернативными вариантами.
3. Полученный в работе совмещенный алгоритм снижает неопределенность решений до уровня, позволяющего осуществить обоснованный выбор оптимального решения, повышая тем самым оперативность принятия решений.
4. Практическая значимость математической модели интегрированной
структуры, учитывающей влияние неопределенных факторов внешней и внутрипроизводственной среды, заключается в сокращении на 20–30 % временных
затрат на проведение экспериментальных исследований с целью снижения
уровня неопределенности в оценке проектных альтернатив.
5. Специальный аппарат непараметрической идентификации моделей на
основе ортогональных рядов экспоненциального вида обеспечивает равномерную сходимость аппроксимирующих рядов к исходным функциям, что особенно важно в условиях неполноты и неточности исходной информации, используемой при построении математической модели производственного объединения. При этом погрешность прогнозирования на основе полученных моделей не
превышает 10–15 %.
6. Практическая значимость программных комплексов «Гибридная система поддержки принятия решений» и «Идентификация параметров экономикоматематических моделей» заключается в том, что они позволяют автоматизировать основные этапы принятия управленческих решений.
Практическая значимость результатов диссертационной работы подтверждается внедрением в деятельность ОАО УППО (г. Уфа).
Степень достоверности и апробация результатов. Достоверность полученных результатов и выводов обосновывается тем, что в теоретических построениях использовались законы и подходы, справедливость которых общепризнанна, а также известный и корректный математический аппарат; вводимые допущения мотивировались фактами, известными из практики. Достоверность теоретических результатов работы подтверждается обширным фактическим материалом, полученным при моделировании производственнохозяйственной деятельности ОАО «Концерн «Авионика».
Основные положения и научные результаты диссертационной работы доложены и обсуждены на следующих конференциях и семинарах:
– XXXVI Международной молодежной научной конференции «Гагаринские чтения» (г. Москва, 6–10 апреля 2010 г.).
5
– Всероссийской молодежной научной конференции «Мавлютовские чтения» (г. Уфа, 26–27 октября 2010 г.).
– XVIII Международной молодежной научной конференции «Туполевские чтения» (г. Казань, КГТУ, 26–28 мая 2010 г.).
– XXXVII Международной молодежной научной конференции «Гагаринские чтения» (г. Москва, 5–8 апреля 2011 г.).
– Всероссийской молодежной научной конференции «Мавлютовские чтения» (г. Уфа, 25–27 октября 2011 г.).
Публикации. Основные результаты исследований по теме диссертации
опубликованы в 14 работах, в том числе 5 в рецензируемых журналах, входящих в список ВАК; 7 публикаций в центральных журналах, сборниках, трудах
и материалах конференций; 2 свидетельства об официальной регистрации программ для ЭВМ по теме диссертации.
Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и библиографического списка. Основное содержание работы изложено на 160 страницах машинописного текста, включая 25
рисунков и 5 таблиц. Библиографический список включает 169 наименований и
занимает 15 страниц.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обосновывается актуальность темы, формулируются цель и
задачи исследования, излагаются результаты, выносимые на защиту, их новизна
и практическая значимость.
В первой главе проводится анализ особенностей современных крупных
производственных систем, существующих способов управления их деятельностью и методов повышения его эффективности, исследуются информационные
системы, способные повысить результативность управленческой деятельности
в интегрированных структурах.
Во второй главе предлагается объединенная система поддержки принятия решений, сочетающая преимущества систем, ориентированных на знания, и
модельно-ориентированных систем, с возможностями технологий искусственного интеллекта. Механизм формирования структуры такой гибридной системы
поддержки принятия решений (ГСППР) предусматривает объединение комбинированной двухкомпонентной гибридной системы поддержки принятия решений (КГСППР), в состав которой входят подсистемы управления знаниями и
моделями, и гибридной интеллектуальной системы (ГиИС) (рис. 1).
ГСППР
Двухкомпонентная
КГСППР
Интегратор
интеллектуальных
технологий
Концепция
открытого
пространства
знаний
Совмещенный
алгоритм
Модельноориентированная
СППР
СППР,
ориентированная
на знания
ГиИС
Логическая
модель
Семантическая
сеть
Продукционная
модель
Рисунок 1 – Механизм формирования структуры объединенной
двухкомпонентной гибридной системы поддержки принятия решений
Для организации согласованного взаимодействия разнородных интеллектуальных подсистем, обладающих собственной функциональностью, в единой
6
информационной среде гибридной интеллектуальной системы в работе используется концепция открытого пространства знаний.
Суть этой концепции сводится к следующему:
 изменчивость структуры исходных данных и набора правил перехода
из одного состояния гибридной системы поддержки принятия решений в другое при управлении процессом принятия решений;
 ориентация на обобщенные модели знаний, реализующие максимально возможное однородное представление таких моделей, как семантические сети, фреймовые модели, продукционные системы и логические модели;
 использование комбинаций некоторых элементов логических правил
вывода и сетевых способов представления знаний, обеспечивающих трансформацию семантической сети за счет смены ее фрагментов, наращивания сети, и
формирования выводов, основанных на продукциях.
Модель системы поддержки принятия решений, отвечающая указанной
концепции, задается в виде следующей формальной системы:
; ;  ,
(1)
где  – множество исходных данных, включающих элементы различной природы,  – множество правил вывода – процедур, с помощью которых за конечное число шагов можно получить решение;  – множество объектов, полученных в результате применения правил вывода к соответствующим исходным
данным.
Детализация модели (1) позволила сформировать следующую совокупность процедур, выполнение которых возлагается на гибридную систему поддержки принятия решений:
 управление знаниями в процессе разработки и принятия решений;
 управление моделями для повышения достоверности информации, на
основе которой разрабатываются и принимаются решения;
 организация согласованного взаимодействия подсистем управления
знаниями и моделями.
Процедура управления знаниями включает в себя:
– задачу структуризации исходной информации о проблеме путем выявления, отбора, синтеза, обобщения, хранения и распространения знаний:
(2)
 инф ; инф ; инф ,
где  инф   – исходная информация, инф – правила преобразования исходной информации, инф   A0 ,U ,   ,   – требуемая информация, в состав которой входит  А0 – информация о цели А0, для достижения которой принимается управленческое решение, U – информация о множестве U стратегий, которыми может руководствоваться лицо, принимающее решение (ЛПР),   – информация о типе и характеристиках множества  неопределенных факторов,
влияющих на эффективность принимаемых решений и  – информация о
предпочтениях ЛПР;
– задачу анализа неопределенностей, в рамках которой на основе информации о цели операции производится классификация факторов по характеру неопределенности и формируется информация о типе и характеристиках
множества неопределенных факторов:
(3)
 неопр; неопр; неопр ,


7
 
где  неопр   А0 , неопр  неопр  , неопр   ;
– задачу моделирования проблемной ситуации, суть которой состоит в
том, что исходя из информации о цели  A0 , с учетом существующих стратегий
U и неопределенных факторов  , на основе моделей предпочтения  , 
возможных исходов Γ и их характеристик ε с помощью доступной совокупности правил формируется иерархически упорядоченное множество моделей Н 
проблемной ситуации:
(4)
 пробл; пробл; пробл ,
где  пробл   A0 ,U ,  ,  H ,  ,  , пробл  пробл , пробл  H ;
– задачу моделирования цели разработки и принятия решений, позволяющую отобразить цель и задачи деятельности производственного объединения в систему показателей их достижения W с использованием соответствующего критерия эффективности К:
 цель ; цель ; цель ,
(5)




где  цель   A0 ,U ,  , TP , ,W , K , цель – правила расчета показателей деятельности объединения исходя из выбранных критериев, цель  W , K , (наличие компонента εТР в (5) отражает то обстоятельство, что в некоторых случаях
цель А0 задается вышестоящим органом в виде параметров целеполагания);
– задачу моделирования предпочтений ЛПР, которую надо понимать следующим образом: на основе имеющейся информации  и результатов контрольного предъявления объектов, входящих в подмножество множества D,
выявить систему предпочтений  ЛПР:
(6)
 пред ; пред ; пред ,
где  пред  D,, D  U , , , ,W , K , пред  пред D  , пред   D .
Процедура управления моделями для повышения достоверности информации, на основе которой разрабатываются и принимаются решения, объединяет следующие задачи:
– задачу проектирования информационного обеспечения;
– задачу формирования математической модели производственно-хозяйственной деятельности исследуемых интегрированных структур;
– задачу непараметрической идентификации модели с использованием
показателей производственно-хозяйственной деятельности предприятий.
Процедура организации согласованного взаимодействия подсистем
управления знаниями и моделями обеспечивает корректную работу такой двухкомпонентной системы поддержки принятия решений при различных конфигурациях входящих в нее модулей с целью повышения эффективности работы
системы в целом за счет объединения возможностей разнородных модулей в
процессе выработки оптимальных управленческих решений. Реализация этой
процедуры потребовала разработать совмещенный алгоритм поддержки принятия решений, позволяющий формировать оптимальный план исследований, направленных на структуризацию априорной информации, и принимать на этой
основе оптимальные управленческие решения.
Алгоритм базируется на теории полезности фон Неймана–Моргенштерна
и включает три основных этапа:
8
1. Структуризация исходной информации о возможных исходах каждого
альтернативного решения.
2. Оценка предпочтительности возможных исходов.
3. Выбор оптимальной стратегии управления и оптимальной последовательности экспериментов, направленных на изучение свойств возможных стратегий.
Этап структуризации исходной информации представляет собой исследовательский процесс, в результате которого на основе продукционной модели (2) формируются основные элементы математического описания:

A0
 А0 

 Z – формирование множества заданий Z  Z1 , Z 2 , , Z r , которые определяют направления деятельности исследуемого объединения, его
функциональное предназначение и многообразие условий, в которых оно
функционирует;
U
U 

X – формирование совокупности детализированных до определенного уровня управленческих решений X  X1 , X 2 , , X n , которые удовлетворяют ограничениям и рассматриваются как возможные способы выполнения заданий;

  
 – формирование совокупности  1,  2,,  s  неопределенных внешних условий, непосредственно влияющих на эффективность
управления.

 
пробл
пробл 
Y – формирование множества исследовательских процедур (экспериментов) Y  Y1 , Y2 , ,Ym , направленных на устранение неопределенности в оценке управленческих решений;

Y 
 – формирование множества   1 ,  2 ,,  m возможных результатов (исходов) проведенных экспериментов;
цель
цель 
  – формирование оценочной функции, отражающей субъективное мнение ЛПР о соответствии стратегий управления предъявляемым к
ним требованиям, которое образовалось в результате анализа возможных исходов экспериментов при учете неопределенных факторов.
В качестве такой оценочной функции предлагается использовать функцию полезности фон Неймана—Моргенштерна
 Z , X i ,,,Y j , i  1, n; j  1, m .
(7)
Согласно аксиомам теории полезности, более предпочтительной альтернативе соответствует более высокое значение математического ожидания
функции полезности (7).
Этап оценки предпочтительности возможных исходов включает в себя математическую обработку априорных характеристик с целью получения
апостериорных зависимостей. В качестве априорных характеристик используются дискретные и интервальные характеристики, которые задаются в виде аддитивных, субаддитивных и супераддитивных мер введенных оценок. При этом
перечисленные меры имеют смысл, соответственно, субъективных вероятностей, а также нижних и верхних границ интервальных функций принадлежности. Так для описания неопределенных факторов используются функции распределения f k ,  , представляющие суждения ЛПР об относительном правдо-

9

подобии значений элементов     1, s множества  при выборе соответствующего решения X k k  1, n . В свою очередь, множеству  ставится в соответствие априорная оценка возможности их наступления в виде совокупности
условных функций распределения g k , i, l , , выражающих суждения ЛПР о
возможности получения данного результата l l  1, m в процессе осуществления эксперимента Yi i  1, m , при условии, что неопределенные внешние воздействия приняли значение   . Для описания нечетко заданных неопределенных параметров вводятся аналогичные априорные и условные функции принадлежности.
Этап выбора оптимальной стратегии управления и оптимальной последовательности экспериментов, направленных на изучение свойств возможных стратегий, является завершающей стадией процедуры принятия решения. При этом процедура принятия решений позволяет совмещать прямой и обратный вывод, включающий последовательность интеллектуальных действий,
приводящих к достижению цели. Отправной точкой прямого вывода служит
система правил (2) – (6), которые отражают субъективное мнение ЛПР о соответствии стратегий управления предъявляемым к ним требованиям с учетом
возможных исходов экспериментов при наличии неопределенных факторов.
Далее осуществляется процесс последовательного уточнения ожидаемых значений функции полезности на основе новых знаний, полученных в ходе выполнения исследовательских процедур (экспериментов). Обратный вывод подразумевает возвращение к этапу формирования приоритетного множества стратегий управления, но уже с учетом результата осуществления найденного оптимального эксперимента.
С учетом изложенных соображений была разработана унифицированная
структура семантической сети, отвечающая концепции открытого пространства
знаний, которая является общей для всех операций выбора, осуществляемых в
процессе принятия управленческих решений (рис. 2).
Концепция открытого пространства знаний трансформирует классическую семантическую сеть за счет изменения ее фрагментов, наращивания сети
и использования выводов, основанных на предложенных ранее моделях знаний.
Семантическая сеть данного вида описывает операцию выбора оптимальной
альтернативы, являющейся основным элементом каждой процедуры принятия
решений. Такая сеть должна учитывать изменчивость структуры исходных
данных и набора правил перехода из одного состояния гибридной системы
поддержки принятия решений в другое при управлении процессом принятия
решений. Существенное отличие данной семантической сети от традиционного
«дерева целей» заключается в логической увязке процедуры декомпозиции цели управления с композицией – синтезом оптимальной стратегии управления. С
точки зрения арности и количества типов отношений между объектами (меронимами и холонимами) эта сеть является N-арной, неоднородной сетью.
На базе предложенного алгоритма разработана гибридной системы поддержки принятия решений, структурная схема которой представлена на рис. 3.
Представленная структура гибридной системы поддержки принятия решений состоит из подсистем управления данными, знаниями, моделями и пользовательского интерфейса. Подсистема управления данными формируется базой данных, структурирующей поступающие исходные данные.






10
Подсистема управления моделями состоит из банка моделей и процессора, который осуществляет реализации на модели, интегрирует модели и осуществляет руководство процессом моделирования. Подсистема управления знаниями включает в себя базу знаний, а также блоки управления знаниями с использованием дискретной и интервальной шкал. Пользовательский интерфейс
реализует все аспекты коммуникации между пользователем (ЛПР) и гибридной
системы поддержки принятия решений.
1
Цель A0
Правила преобразования исходной информации инф
2 Множество
заданий Z
Правила выявления системы предпочтений  пред
3
Функция
полезности 
Генерация стратегий управления
4
4
Функция
полезности   x 1 
Функция
полезности   xk 
4
Функция
полезности   x n 
5
Функция
полезности  xk , ym 
Анализ возможных экспериментов

5
6
Функция
полезности   xk , y1 
5
Функция
полезности  xk , yi 
Прогноз возможных результатов экспериментов
6
Функция
полезности   xk , yi ,  1 
6
Функция
полезности   xk , yi ,  l 
Функция
полезности  xk , yi ,  m 
Анализ неопределенных факторов
7
Функция
полезности  xk , yi ,  l , 1 
7
Функция
полезности  xk , yi ,  l ,  

7

Функция
полезности  xk , yi ,  l ,  s 
Определение ожидаемых функций полезности
8 Априорная функция
распределения f xk ,  
8 Априорная функция
распределения f  x1 , 1 

8 Априорная функция
распределения f  xn ,  s 

9 Априорная функция
распределения g  x1 , y1 ,  1 , 1 
9 Априорная функция
распределения g xk , yi ,  l ,  

9 Априорная функция
распределения g  xn , ym ,  m ,  s 
10 Апостериорная функция
распределения   x1 , y1 ,  1 , 1 
10 Апостериорная функция
распределения  xk , yi ,  l ,  

10 Апостериорная функция
распределения   xn , ym ,  m ,  s 


11 Ожидаемая функция
полезности   x1 , y1 ,  1 
11 Ожидаемая функция
полезности   xn , ym ,  m 
11 Ожидаемая функция
полезности  xk , yi ,  l 
Выбор предпочтительной стратегии для пары «эксперимент-результат»
12 Ожидаемая функция
полезности   y 1 ,  1 
13 Априорная функция
распределения f x q ,  1

12 Ожидаемая функция
полезности   yi ,  l 
13 Априорная функция
распределения f xq ,  


14 Апостериорная функция
распределения x q , y 1 ,  1 ,  1

15 Функция
распределения F  y1 ,  1 

12 Ожидаемая функция
полезности   ym ,  m 
13 Априорная функция
распределения f xq ,  s


14 Апостериорная функция
распределения x q , y i ,  l ,  

15 Функция
распределения F  yi ,  l 


14 Апостериорная функция
распределения  xq , ym ,  m , s


15 Функция
распределения F  ym ,  m 
Определение ожидаемых функций полезности
16 Ожидаемая функция
полезности  y 1 
16 Ожидаемая функция
полезности   yi 
Выбор оптимального эксперимента
16 Ожидаемая функция
полезности   ym 
17 Оптимальный*
эксперимент y i
Учет результата
оптимального эксперимента
Выбор оптимального решения

18 Оптимальное
*
решение x k
Рисунок 2 – Семантическая сеть декомпозиции и оптимальной композиции
операции выбора
11
В третьей главе обосновывается методика построения математической
модели производственного объединения, основанная на использовании дискретных ортогональных многочленов для непараметрической идентификации,
предусматривающей разложение показателей производственно-хозяйственной
деятельности предприятий в равномерно сходящийся ортогональный ряд.
Другие КИС
Исходные
данные
Подсистема
управления данными
Подсистема
управления моделями
Модель цели
деятельности корпорации
База данных
Z - множество целей деятельности
производственного объединения
- множество неопределенных
внешних воздействий
Y - множество экспериментов
Г - множество результатов
экспериментов
Модель предпочтений
Подсистема
управления знаниями
X - множество стратегий
управления
R - множество предпочтений ЛПР
Блок управления знаниями с
использованием дискретных
шкал
Блок управления знаниями с
использованием
интервальных шкал
Блок структурирования
исходной информации
Блок структурирования
исходной информации
Блок формирования
предпочтений ЛПР на основе
ожидаемой полезности
Блок формирования
предпочтений ЛПР на основе
абсолютного, безусловного
и условного критериев
Блок анализа стохастических
неопределенностей
Блок анализа интервальных
неопределенностей
Блок выработки
рекомендаций по принятию
решений
Блок выработки
рекомендаций по принятию
решений
Математическая модель
предприятий
Математическая модель
производственного
объединения
Банк моделей
Интерфейс
База знаний
ЛПР
Рисунок 3 – Структура гибридной системы поддержки принятия решений
Сложный характер процессов, протекающих в интегрированных производственных структурах в условиях высокого уровня неопределенности, приводит к тому, что параметрическая зависимость между переменными состояния
xk  , входными g k  и выходными yk  переменными, а также возмущающими
воздействиями f k  оказывается неизвестной полностью или частично. В этих
условиях в работе предлагается решение задачи непараметрической идентификации, общая схема которой представлена на рис. 4. На этом рисунке приняты
следующие обозначения: g f k  , y f k  - неопределенные помехи при оценке
управляющих воздействий и выходных переменных; g * k  , y * k  – обучающие выборки; y  м  k  – выход модели; y  м  k   F x , g , f  – искомая непараметрическая, универсальная, аналитическая, многофакторная модель, обеспечивающая детерминированную оценку состояния исследуемой производственной системы на основе ретроспективного анализа ее показателей состояния.
f(t)
g(k)

gf(k)
+
Производственная
система
yf(k)
y(k)
ŷ k 
y*(k)
+
Модель ŷ k   F  x , g , f

g*(k)
Рисунок 4 – Схема решения задачи непараметрической идентификации
12
Критерий идентификации имеет следующей вид
m
Iden   sup yi* k   yi м  k  , где m  dim yk .
(8)
i 1 k
Постановка задачи непараметрической идентификации формулируется
следующим образом: Необходимо найти такую модель y  м  k   F x, g , f  , которая обеспечит выполнение условия Iden   , где ε > 0 – наперед заданное
число.
Полученная таким образом модель должна отражать нетривиальность
связей управленческих решений с переменными состояния, а последних - с выходными переменными производственной системы. В первую очередь это зависит от полноты и достоверности исходных данных, а также корректности первичной обработки этих данных с целью получения адекватных аналитических
зависимостей. С этой целью в работе были рассмотрены вопросы проектирования информационного обеспечения математической модели производственного
объединения, включающего формирование комплекса исходных данных, которые характеризуют текущее состояние предприятий и задают их начальное состояние, а также являются прогностическими параметрами при оценке финансово-экономических результатов осуществления предприятиями их производственно-хозяйственной деятельности.
Для регуляризации задачи непараметрической идентификации в работе
использован метод, основанный на разложении временных характеристик модели в ортогональные ряды по совокупности дискретных экспоненциальных
функций типа Хана
l
l kT0    li i kT0  l  1,2,....
(9)
i 1
здесь li – коэффициенты ортогональных многочленов.
В работе показано, что ортогональные функции (9) обеспечивают равномерную сходимость при аппроксимации временных характеристик, если их
огибающие относятся к классу кусочно-гладких функций. В результате искомая
непараметрическая модель y  м  k   F x , g , f  может быть представлена в виде
равномерно сходящегося ряда
q
y  м  k    Ql  x , g , f l kT0 ,
l 1
(10)
где Ql x, g , f  – искомые ортогональные коэффициенты, q – число членов ортогонального ряда.
Для расчета ортогональных коэффициентов ряда (10) был использован
метод площадей, который характеризуется высокой точностью и устойчивостью по отношению к помехам g f k  и y f k  . Суть этого метода сводится к
следующему. На основе показателей производственно-хозяйственной деятельности предприятий, представленных соответствующими временными рядами
y*i(k) (i=1,2,…,N), формируются суммы, эквивалентные площадям, ограниченным этими кривыми. Эти площади на некотором интервале наблюдения 0kn
могут быть приближенно вычислены по методу трапеции
13
 y*i 0  y*i n  n1 * 
(11)

  yi k T0 .
2
k

1


С другой стороны, эти площади могут быть получены с помощью рядов
(10). Тогда
q
q q
  0l nT0  n1

Si0 ,n   Qli  x , g , f  l
  l kT0 T0   Qli  x , g , f  lr  nrT0 ,
2
l 1
k 1
l 1 r 1








1

exp

r

1

T
0
где  nr 
1exp r1nT0 , при r1 и  nr = n, при r=1.
21exp  r1T0 
В матричной форме записи Si0 ,n  можно представить в следующем виде
Si0 ,n   Qi x , g , f nT0 ,
(12)
Si*0 ,n 


где Qi x , g , f   Qli  x , g , f  1q , Λ=||λij||q×q, Θn=||  nr ||q×1.
На основе отчетных показателей, характеризующих финансовоэкономическую деятельность предприятий, входящих в исследуемое объедине-
0 ,n j 
ние, формируются матрицы SiT   Si
1 R
и T    n j
1 R
, которые позво-
ляют получить систему линейных алгебраических уравнений относительно искомых ортогональных коэффициентов
Qi x , g , f T T0  SiT  .
(13)
Решение этой системы завершает процедуру непараметрической идентификации математической модели производственного объединения.
В работе показано, что изложенный алгоритм идентификации позволяет
получать более совершенные динамические модели производственных объединений в виде совокупности разностных уравнений, устанавливающих связь между показателями состояния, управляющими воздействиями и выходными переменными каждого предприятия, входящего в состав объединения.
Эффективность метода идентификации продемонстрирована на примере
математической модели производственного объединения ОАО «Концерн
«Авионика». Показано, что погрешность прогнозных показателей производственно-хозяйственной деятельности предприятий Концерна, рассчитанных с помощью полученных моделей, не превышает 13%.
В четвертой главе проводится исследование эффективности разработанной системы поддержки принятия решений с использованием программных
модулей «Гибридная система поддержки принятия решений» и «Идентификация параметров экономико-математических моделей».
Программа «Гибридная система поддержки принятия решений» (рис. 5)
содержит интерфейсный и алгоритмический блоки, объединенные модулем
Main.pas. В состав интерфейсного блока входит три модуля: UModal.pas,
UData.pas, UMethod.pas. Модуль UModal.pas включает в себя только две процедуры, осуществляющие закрытие модальной формы (окна-заставки). Модуль
UData.pas содержит процедуры, позволяющие пользователю задавать число вариантов, экспериментов, их результатов и случайных факторов, изменять названия, присвоенные по умолчанию и заносить эти данные в окно вывода отчёта. В модуле UMethod.pas запрограммирована возможность выбора пользователем метода расчёта и передача информации о методе в окно вывода отчёта.
14
В свою очередь, в состав алгоритмического блока входит два модуля:
UP1.pas и UEstimate.pas. Модуль UP1.pas включает в себя программный код,
производящий построение двухуровнего иерархического дерева, определение
номеров варианта и случайного фактора для выделенного узла дерева, формирование двумерных массивов исходных данных и вывод этих сведений в окно
вывода отчёта. В модуле также задана возможность контроля правильности
вводимой информации.
ИНТЕРФЕЙСНЫЙ БЛОК
Модуль
UModal.pas
Модуль
UData.pas
Модуль
UMethod.pas
Модуль Main.pas
АЛГОРИТМИЧЕСКИЙ БЛОК
Модуль UP1.pas
Модуль
UEstimate.pas
Рисунок 5 – Структура программы «Гибридная система поддержки принятия
решений»
Назначение модуля UEstimate.pas аналогично описанному выше модулю
UP1.pas, за исключением того, что строится четырёхуровневое иерархическое
дерево и производится определение индексов для четырёхмерных массивов
оценок эффективности вариантов и вероятности результатов экспериментов.
Модуль Main.pas является основным модулем программы и содержит
код, обрабатывающий события, связанные с выбором пользователем тех или
иных пунктов меню, в нем также реализован эвристический алгоритм оптимизации.
Изложенные в работе принципы и алгоритмы построения математических
моделей производственных объединений реализованы в виде программной системы «Идентификация параметров экономико-математических моделей».
Структура программы содержит два основных блока: программный и вычислительный. Программный блок обеспечивает взаимодействие пользователя с программой, а также взаимодействие между основными органами управления и
элементами алгоритмического блока. Вычислительный блок, в свою очередь,
реализует алгоритмы идентификации, описанные выше в третьей главе.
Для оценки эффективности предложенной в диссертации системы поддержки принятия решений, а также программных модулей «Гибридная система
поддержки принятия решений» и «Идентификация параметров экономикоматематических моделей», был рассмотрен сценарий принятия решения по инвестиционному кредитованию дочерних обществ корпорации ОАО «Концерн
«Авионика». В состав корпорации входят: управляющая компания, производственное предприятие ОАО «Раменский приборостроительный завод», научнопроизводственный комплекс ОАО «Элара» и научное предприятие ОАО «Техприбор». Целью принимаемого решения являлся выбор предприятия, кредитование которого обеспечит максимальный выигрыш для всей корпорации в неблагоприятных внешних условиях, связанных с последствиями финансового
кризиса.
Основываясь на данных о хозяйственной деятельности дочерних предприятий, предоставленных в официальных годовых отчетах, с помощью программного модуля «Идентификация параметров экономико-математических
моделей» была построена математическая модель Концерна.
15
С использованием этой модели в работе выполнен ряд исследований, направленных на оценку эффективности стратегий инвестирования. В ходе этих
исследований было изучено влияние неблагоприятных внешних воздействий на
поведение таких показателей деятельности предприятий, как выручка от продаж и чистая прибыль. В качестве интегральной оценки эффективности инвестиций в различных условиях внешней обстановки использовалась величина
рентабельности Концерна. Полученные в ходе исследований данные были обработаны с помощью программного модуля «Гибридная система поддержки
принятия решений», в результате чего была получена рекомендация по инвестированию предприятия ОАО «Элара».
ЗАКЛЮЧЕНИЕ
В диссертационной работе сформулированы и решены задачи построения
гибридной системы поддержки принятия решений, позволяющей повысить эффективность управления крупными производственными структурами за счет
объединения модулей управления знаниями и моделями.
1. Разработана двухкомпонентная гибридная система поддержки принятия решений, объединяющая модули управления знаниями и моделями с целью
структуризации исходной информации на основе анализа возможных исходов
экспериментов с моделями, что позволяет выявить объективную природу предпочтений лица, принимающего решение, и расширить на этой основе возможности в достоверной оценке предлагаемых стратегий управления.
2. Предложен совмещенный алгоритм поддержки принятия решений, позволяющий в рамках единой оптимизационной процедуры формировать план
исследований, направленных на структуризацию априорной информации, и
принимать на этой основе управленческие решения, оптимальные с точки зрения критерия ожидаемой полезности фон Неймана–Моргенштерна.
3. Разработана универсальная, аналитическая, многофакторная модель,
обеспечивающая детерминированную оценку состояния исследуемого производственного объединения на основе ретроспективного анализа показателей его
деятельности с учетом неопределенных факторов внешней и внутренней среды.
4. Предложен метод непараметрической идентификации моделей, базирующийся на аппроксимации дискретными ортогональными многочленами типа Хана показателей производственно-хозяйственной деятельности предприятий, представленных соответствующими временными рядами.
5. Проведена оценка эффективности предложенной системы поддержки
принятия решений с использованием программных модулей «Гибридная система поддержки принятия решений» и «Идентификация параметров экономикоматематических моделей».
6. Использованная в работе концепция открытого пространства знаний
создает хорошие перспективы для дальнейшего использования гибридных интеллектуальных технологий в задачах поддержки принятия управленческих
решений в экономических и социальных системах.
ПУБЛИКАЦИИ ПО МАТЕРИАЛАМ ДИССЕРТАЦИИ
В рецензируемых журналах из перечня ВАК
1. Регуляризация процедуры идентификации параметров математических
моделей производственных систем / В. А. Артюхина, В. Н. Ефанов // Системы
управления и информационные технологии. 2011. № 3 (45). С. 4–8.
2. Информационные технологии в задаче анализа и прогнозирования организационно-экономического состояния корпоративных объединений /
16
В. А. Артюхина, В. Н. Ефанов // Информационно-управляющие системы. 2011.
№ 5 (54). С. 66–75.
3. Экономико-математическая модель в задаче корпоратизации предприятий авиаприборостроительного профиля / В. А. Артюхина, В. Н. Ефанов // Известия высших учебных заведений. Серия «Экономика, финансы и управление
производством». 2011. № 03 (09). С. 58–64.
4. Информационная поддержка принятия решений: гибридная система /
В. А. Артюхина, В. Н. Ефанов // Проблемы теории и практики управления.
2012. № 4. С 64–73.
5. Гибридная система поддержки принятия решений при управлении
крупными корпоративными структурами / В. А. Артюхина, В. Н. Ефанов //
Вестник УГАТУ: науч. журнал Уфимск. гос. авиац. техн. ун-та. 2012. Т. 16, № 3
(48). С. 205–216.
В других изданиях
6. Координирующее управление крупными корпоративными структурами
/В. А. Артюхина, В. Н. Ефанов // XXXVI Гагаринские чтения: науч. тр. междунар. молодежн. науч. конф. в 8 т. М.: МАТИ, 2010. Т. 4. С. 61–63.
7. Идентификация интегрированных моделей бизнес-процессов на предприятиях авиакосмического профиля / В. А. Артюхина, В. Н. Ефанов // Мавлютовские чтения: Всеросс. молодежн. науч. конф.: сб. тр. в 5 т. Уфа: УГАТУ,
2010. Т. 3. С. 272–274.
8. Организация корпоративного управления в производственных объединениях авиапромышленного комплекса / В. А. Артюхина, В. Н. Ефанов // XVIII
Туполевские чтения: матер. междунар. молодежн. науч. конф. Казань: Изд-во
Казанск. гос. техн. ун-та, 2010. Т. IV. С. 261–262.
9. Стратегическое управление крупными корпоративными структурами с
использованием экономико-математических моделей / В. А. Артюхина,
В. Н. Ефанов // XXXVII Гагаринские чтения: науч. тр. междунар. молодежн.
науч. конф. в 8 т. М.: МАТИ, 2011. Т. 4. С. 34–35.
10. Метод идентификации экономико-математических моделей корпоративных структур / В. А. Артюхина, В. Н. Ефанов // Мавлютовские чтения: Всеросс. молодежн. науч. конф.: сб. тр. в 5 т. Уфа: УГАТУ, 2011. Т. 3. С. 154–156.
11. Принципы координирующего управления корпоративными структурами авиапромышленного комплекса / В. А. Артюхина, В. Н. Ефанов // Актуальные проблемы науки и техники. Машиностроение, электроника, приборостроение. Управление и экономика: сб. тр. 6-й Всеросс. зимн. шк.-сем. аспирантов и молодых ученых. Уфа: УГАТУ, 2011. Т. 2. С. 243–246.
12. Информационная технология идентификации параметров математических моделей производственных систем / В. А. Артюхина, В. Н. Ефанов // Информационные технологии моделирования и управления. Воронеж, 2011. № 3
(68). С. 298–306.
13. Свид. о гос. рег. программы для ЭВМ № 2011619045. Идентификация
параметров экономико-математических моделей / В. А. Артюхина, В. Н. Ефанов. Заявл. 19.09.2011. М: Роспатент, 2011.
14. Свид. о гос. рег. программы для ЭВМ № 2011619047. Гибридная система поддержки принятия решений / В. А. Артюхина, В. Н. Ефанов. Заявл.
19.09.2011. М: Роспатент, 2011.
Диссертант
В. А. Артюхина
АРТЮХИНА Вероника Анатольевна
ГИБРИДНАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
В ЗАДАЧАХ УПРАВЛЕНИЯ ИНТЕГРИРОВАННЫМИ
ПРОИЗВОДСТВЕННЫМИ СТРУКТУРАМИ
Специальности:
05.13.01 – Системный анализ, управление
и обработка информации (в промышленности)
05.13.10 – Управление в социальных
и экономических системах
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
кандидата технических наук
Подписано к печати 12.04.2013 г. Формат 60х84 1/16
Бумага офсетная. Печать плоская. Гарнитура Times New Roman.
Усл. печ. л. 1,0. Уч. – изд. 1,0.
Тираж 100 экз. Заказ № 223
ФГБОУ ВПО Уфимский государственный авиационный
технический университет
Центр оперативной полиграфии УГАТУ
450000, Уфа-центр, ул.К. Маркса, 12
1/--страниц
Пожаловаться на содержимое документа