Особенности реализации динамических экспертных систем управления бизнес-процессами

Современные технологии бизнеса характеризуются высокой динамичностью, связанной с постоянно изменяющимися потребностями рынка, ориентацией производства товаров и услуг на индивидуальные потребности заказчиков и клиентов, непрерывным совершенствованием технических возможностей и сильной конкуренцией. В этих условиях требуется разработка информационных систем, которые, с одной стороны, должны оперативно поддерживать функционирование существующих бизнес-процессов, а, с другой стороны, давать прогнозы на долговременной основе об эффективности организации бизнес-процессов и рекомендации по их реорганизации. Первой цели соответствуют динамические экспертные системы оперативного управления бизнес-процессами, второй цели – интеллектуальные системы моделирования бизнес-процессов. В том и другом случае под бизнес-процессом будем понимать взаимосвязанную совокупность материальных, информационных, финансовых потоков или рабочих потоков (workflow), проходящих через взаимодействующие подразделения предприятия и направленных на удовлетворение потребностей клиента (изготовление товара или оказание услуги).

К динамическим бизнес-процессам на предприятии относят:

а) управление заказами; б) управление запасами; в)оперативно-календарное планирование и управление производством.

Организация перечисленных бизнес-процессов определяется целями и задачами предприятия и зависит от конкретных видов выпускаемой продукции и оказываемых услуг. Вместе с тем, перечисленные бизнес-процессы в современных системах управления настолько сильно взаимосвязаны, как, например, в системах реализации заказов «Точно в срок» или «Канбан» [4-6,10], что процессы обработки заказов клиентов, производства, закупок и сбыта рассматриваются фактически как единый бизнес-процесс.

В отличие от описания предприятия на основе иерархической функциональной структуры, которую трудно объективно оценить, описание процессов позволяет точно представить цели, исследуемые характеристики (в том числе динамические) и конечные результаты каждого вида деятельности. Бизнес-процессы определяют прохождение потоков работ независимо от иерархии и границ подразделений, которые их выполняют, и представляют последовательность взаимосвязанных операций. Модель бизнес-процесса должна отражать как направление рабочих потоков, так и Особенности реализации динамических экспертных систем управления бизнес-процессами - student2.ru
бизнес-правила обработки событий, в зависимости от которых выполняются операции. Пример модели реализации заказов клиента показан на рис. 4 [20].

Рис. 4. Модель бизнес-процесса реализации заказа клиента

На представленной модели бизнес-процесса в прямоугольниках показываются операции и подразделения, которые их осуществляют; в овальных прямоугольниках – события; слева и справа от операций – соответственно входные и выходные материальные, информационные и финансовые или рабочие объекты; в кружках снизу от операций –используемые постоянные ресурсы; простыми стрелками – рабочие потоки; утолщенными стрелками – потоки управления. Таким образом, представленная модель бизнес-процесса отражает динамические потоки событий (управления) и рабочих объектов (данных).

Типичными задачами, которые решаются динамическими экспертными системами оперативного управления бизнес-процессами, являются [3]:

а) Мониторинг бизнес-процессов и оперативное информирование лиц, принимающих решение, об отклонениях;

б) Упреждающая диагностика, прогнозирование отклонений в параметрах операций бизнес-процессов;

в) Динамическое распределение ресурсов в соответствии с изменяющейся обстановкой;

г) Планирование действий, диспетчирование и составление сетевых графиков работ;

д) Моделирование последствий принимаемых решений по изменению процессов.

В основные задачи интеллектуальных систем динамического моделирования для реинжиниринга (реорганизации) бизнес-процессов входят:

a) Определение оптимальной последовательности выполняемых операций, которая приводит к сокращению длительности цикла изготовления и продажи товаров и услуг, обслуживания клиентов. Следствие оптимизации – повышение оборачиваемости капитала и рост всех экономических показателей фирмы.

b) Оптимизация использования ресурсов в различных бизнес-процессах, которая приводит к минимизизации издержек производства и обращения.

c) Построение адаптивных бизнес-процессов, нацеленных на быструю адаптацию к изменениям потребностей конечных потребителей продукции, производственных технологий, поведения конкурентов на рынке и, как следствие, повышение качества обслуживания клиентов в условиях динамичности внешней среды.

d) Отработка рациональных схем взаимодействия с партнерами, сочетания бизнес-процессов, которые оптимизируют финансовые потоки, обеспечение равномерности поступления и использования денежных средств.

Для обоих классов интеллектуальных систем характерны общие особенности реализации:

1) Объектно-ориентированный характер модели проблемной области;

2) Динамическое создание и уничтожение временных (рабочих) объектов;

3) Динамическое поведение как постоянных объектов (ресурсов), так и временных (рабочих) объектов;

4) Многоальтернативность выполнения бизнес-процесса в зависимости от возникающих событий;

5) Анализ и обработка временных характеристик бизнес-процессов.

Перечисленные особенности динамических систем управления бизнес-процессами предопределяют выбор инструментальных программных средств компании Gensym. Полный перечень программных продуктов представлен в Приложении А.

Заключение

Экспертные системы на сегодняшний день являются одними из наиболее успешных систем искусственного интеллекта.

В современном обществе неструктурированные и слабоструктурированные задачи управления и контроля сложных производственных процессов и объектов часто встречаются в таких областях, как авиация, энергетика, машиностроение, медицина, микроэлектроника и др. Поэтому появление экспертных систем, позволяющих быстро и эффективно решать подобные проблемы, считается большим научным достижением.

Кроме того, экспертные системы предлагают ряд качеств, которые доказывают их успешность и полезность. Преимущество экспертных систем перед человеком-экспертом неоспоримо. Например, передача знаний от одного человека другому – долгий и дорогой процесс. Передача искусственной информации – это простой процесс копирования программы или файла данных. Экспертные системы устойчивы к «помехам», в отличии от человека, который легко поддается влиянию внешних факторов, непосредственно не связанных с решаемой задачей. Эксперт-человек может принимать в тождественных ситуациях разные решения из-за эмоциональных факторов. Результаты экспертной системы – стабильны.

Эксперты, особенно высококвалифицированные обходятся очень дорого. Экспертные системы, наоборот, сравнительно недороги. Их разработка дорога, но они дёшевы в эксплуатации.

Поэтому экспертные системы продолжают развиваться с ускоренными темпами. Если на рубеже 60-х и 70-х годов прошлого века количество ЭС насчитывалось единицами, к концу ХХ века их было порядка тысячи, то сегодня количество существующих экспертных систем сосчитать практически невозможно. Число экспертных систем растет, совершенствуются методы и алгоритмы вывода решений, увеличивается количество фактов и правил в базах знаний. Учитывая рост их интеллектуальных способностей, можно предположить, что перспективными отраслями разработки экспертных систем станут точное машиностроение и даже политика. Например такие системы, которые получили развитее в последнее время, как перспективные или интеллектуальные гибридные экспертные системы, главной отличительной функцией которых является умение давать правильные предсказания, рекомендации на основе обработки поступающих данных и выявления устойчивых (закономерных) связей между характеристиками данных. Что было бы актуально на фоне непрекращающихся локальных военных конфликтов (Ирак, сектор Газа и т.д.).

Список литературы

1. Буч Г. Объектно-ориентированное проектирование с примерами применения: Пер. с англ. – М.: Конкорд, 1992. – 519с.

2. Вендров А.М. Проектирование программного обеспечения экономических информационных систем: Учебник. – М.: Финансы и статистика, 2000.

3. Данилов А.В., Григорьев С.В., Тельнов Ю.Ф. Имитационное моделирование процессов управления запасами. / Шестая национальная конференция с международным участием «Искусственный интеллект – 98». Сб. научных трудов. – Пущино, РАИИ, 1998, т.3.

4. Емельянов А.А., Власова Е.А., Дума Р.В.. Имитационное моделирование экономических процессов. / Под ред. А.А. Емельянова. – М.: Финансы и статистика, 2002.

5. Ин Ц., Соломон Д. Использование Турбо-Пролога. Пер. с англ. – М.: Мир, 1993. – 608с.

6. Марселлус Д. Программирование экспертных систем на ТУРБО ПРОЛОГЕ. Пер. с англ. – М.: Финансы и статистика, 1994. -256с.

7. Нечеткие множества в моделях управления и искусственного интеллекта/ Под ред. Поспелова Д.А. – М.: Наука, 1986 – 312 стр.

8. Попов Э.В., Шапот М.Д., Кисель Е.Б., Фоминых И.Б. Статические и динамические экспертные системы. – М: Финансы и статистика, 1996. -320с.

9. Построение экспертных систем / Под ред. Ф. Хейес-Рот, Д.Уотерман, Д.Ленат /Пер. с англ. – М.: Мир, 1987. – 441 с.

10. Представление и использование знаний / Пер. с япон.; Под ред. Х.Уэнo, М.Исидзука. – М.: Мир, 1989. – 220 c.

11. Рыбина Г.В. Особенности современных подходов к построению экспертных систем // Труды международного конгресса «Искусственный интеллект в XXI веке». – М.: Физматлит, 2001, том 1. –383 – 390с.

12. Системы управления базами данных и знаний: Справочное издание/ НаумовА.Н., Вендров А.М., Иванов В.К. и др./ Под ред. Наумова А.Н. – М.: Финансы и статистика, 1991 – 180 стр.

13. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертныхсистем на персональных ЭВМ. Пер. с англ. – М.: Финансы и статистика, 1990.- 319с.

14. Тельнов Ю.Ф., Скорова А.А., Андреева Н.В. Проектирование баз знаний. Учебное пособие. – М.: МЭСИ, 1992. – 100с.

15. Тельнов Ю.Ф., Диго С.М., Полякова Т.М. Интеллектуальные системы обработки данных. Учебное пособие. – М.: МЭСИ, 1989. – 102с.

16. Уотерман Д. Руководство по экспертным системам. / Пер. с англ.; Под. ред. Стефанюка В.Л. – М.: Мир, 1989. – 388 с.

17. Форсайт Р. Экспертные системы: принципы и примеры. / Пер. с англ – М.: Радио и связь, 1987.

18. Цикритзис Д., Лоховски Ф. Модели данных. /Пер. с англ. – М.: Финансы и статистика, 1985. – 344с.

19. Шлеер С., Меллор С. Объектно-ориентированный анализ: Моделирование мира в состояниях. Пер. с англ. – Киев: Диалектика, 1993. – 240с.

20. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры /Пер. с англ. – М.: Финансы и статистика, 1987. – 191 с.

21. Decision support systems. Putting theory into practice. Edited by R.H. Sprague, H. Watson. Prentice-Hall, 1993. -437p.

22. Gevarter W.B.. The Nature and Evaluation of Commertial Expert Systems. Building Tools.- Computer, May, 1987. p 24-41.

23. Martinson, F.R. Schindler. Organizational visions for technology assimilation: the strategic road to knowledge-based systems success. IEEE Transactions on engineering management, 1995, Vol 42, No 1, p 10-18.

24. Talebzadeh, Mandutianu S., Winner C.F. Countrywide Loan-Underwriting Expert System. AI Magazine, 1995, april, p. 51-64.

ПРИЛОЖЕНИЕ А

Таблица 1. Программные продукты компании Gensym

Продукт Назначение
G2 Среда визуальной разработки интеллектуальных систем реального времени (ядро, открытое для всех остальных программных продуктов)
ReThink   Универсальный инструмент дискретного имитационного моделирования деловых и производственных процессов  
G2 Diagnostic Assistent (GDA) Инструмент создания и поддержки систем управления технологическими процессами в реальном масштабе времени с диагностикой
eSCOR Специализированный инструмент имитационного моделирования и поддержки процессов управления цепочками поставок
NeurOn-Line Studio Инструмент поддержки процессов анализа и прогнозирования на основе нейронных сетей в реальном масштабе времени и off-line по собранным историческим данным
Operations Expert (Integrity) Инструмент для разработки и поддержки приложений, связанных с управлением сетями
G2 Agent Development Environment (G2 ADE) Среда разработки многоагентных приложений в распределеннойсети
Intelligent Transaction Monitoring (ITM) Агентная технология для отбора транзакций заданного профиля в сети, напр., финансовых транзакций
G2 Gateware, Telewindows G2 Weblink, G2 Javalink G2 ActiveXLink, G2 CORBALink G2 SAP Bridge Набор интерфейсов с внешней средой для G2 – приложений (баз данных, web-приложений, ERP-систем и т.д.)

Наши рекомендации