Байесовская интегрирующая технология оценки состояния сложных объектов

что не позволяет интегрировать различные методологии и информационные технологии в единый измерительно-аналитический процесс.

Методология регуляризирующего байесовского подхода (РБП), байесовских интеллектуальных измерений (БИИ) и байесовских интегрирующих технологий (БИТ) [1-6] представляет собой новое научное направление в создании высокопроизводительных информационно-аналитических систем в условиях значительной неопределенности и распределенности источников информации.

Данная методология обеспечивает [3, 4]:

q интеграцию разноаспектной информации и отдельных информационных технологий с целью оптимальной организации единого измерительно-аналитического процесса и средств его реализации для получения высокоэффективного решения прикладных задач;

q управление качеством и риском получаемых решений, метрологическое обоснование информационных потоков, метрологический синтез информационных технологий;

q динамическую структуру системы, генерацию развивающихся и самоорганизующихся моделей, информационных технологий и средств решения указанных выше задач на основе непрерывного познания свойств сложных объектов, процессов и ситуаций.

Способность БИИ-технологий гибко и просто реконфигурироваться и развиваться на основе получения новых знаний чрезвычайно полезна и актуальна для создания методической и информационно-технологической базы средств их реализации.

В течение ряда лет на принципах РБП и БИТ с использованием программной среды «Инфоаналитик» были разработаны системы для управления охраной окружающей среды и экологической безопасностью для ФГУП «Адмиралтейские верфи» [11], системы управления экологическими объектами на Селигерской природной территории [12, 13], системы управления коммунальным комплексом хозяйствования в Томской области и др. [14, 15].

Все показатели аспектов деятельности предприятия в среде «Инфоаналитик» представляются в виде иерархического дерева факторов, причем четыре главные ветви находятся на одном уровне иерархии (рис.1). Для оценки выполнения показателей, содержащихся в дереве факторов, можно выбрать процентные и балльные шкалы, по которым эксперты выставляют свои оценки, отражающие степень выполнения конкретного показателя (фактора).

После выставления оценок и просчета интегральных факторов на панели (в левой ее части) экрана монитора компьютера отображаются состояния показателей в виде разноцветных кружков разной величины (рис.2).

Цвета кружков соответствуют цветам составляющих показателей оценки на диаграмме результатов по каждому фактору, а размеры кружков тем больше, чем больше значение показателя в лингвистической шкале оценок (рис.2).

Сводная карта результатов оценки состояния в наглядной форме показывает лицу, принимающему решение (ЛПР), места приложения внимания и усилий в планировании корректирующих и предупреждающих действий по улучшению состояния показателей деятельности. Этому же способствуют комментарии и замечания к выставленным оценкам, содержащимся в разделе рекомендаций (рис.3).

Рассмотренные в данной статье возможные представления показателей деятельности не являются неизменным шаблоном. В процессе развития компании и при изменении приоритетов некоторые показатели теряют актуальность и от них можно отказаться, а другие добавлять в дерево факторов. Главный признак удачно подобранных показателей – прозрачность системы управления предприятием. В этом случае показатели являются диагностическими признаками состояния системы. Их оценка в программной среде «Инфоаналитик» позволяет с требуемой периодичностью выявлять слабые элементы в системе управления и своевременно вводить в действие корректирующие и предупреждающие мероприятия, направленные на улучшение качества и эффективности деятельности предприятия.

1. Горохов В.Л. Байесовский подход: последние достижения и будущее систем интеллектуальной поддержки принятия решений. // В сб. докладов Первой междунар. конф. ЮНИ-ИНТЕЛ 2010 «СЕЛИГЕР», 25–29 июня 2010, с. 16 - 23.

2. Недосекин Д.Д., Прокопчина С.В., Чернявский Е.А. Информационные технологии интеллектуализации измерительных процесов.- СПб.: Энергоатомиздат, 1995. - 178 с.

3. Прокопчина С. В. Концепция байесовской интеллектуализации измерений в задачах мониторинга сложных объектов // Новости искусственного интеллекта. -1997.- №3.- С.7 – 56.

4. Прокопчина С. В. Байесовские интеллектуальные технологии для аудита и управления сложными объектами в условиях значительной неопределённости // В сб. докладов Первой междунар. конф. ЮНИ-ИНТЕЛ 2010 «СЕЛИГЕР», 25–29 июня 2010, с. 81-85.

5. Прокопчина С.В. Тенденции и перспективы развития интеллектуальных технологий (по материалам конференции «SCM») // В сб. докладов Первой междунар. конф. ЮНИ-ИНТЕЛ 2010 «СЕЛИГЕР», 25–29 июня 2010, с. 24 – 32.

6. Котельников В.Г., Прокопчина С.В. Системный анализ в управлении: поддержка разработки, принятия и обоснования управленческих решений// В сб. материалов IX Международной научно-практической конф. (научном журнале) «Научная индустрия европейского континента – 2013» (27 ноября – 05 декабря 2013 г.). Том 13. Экономические науки. Макроэкономика. - Прага: Издательский дом «Education and Science» s.r.o. – 2013. С. 27 – 39.

7. Котельников В.Г., Гусева Е.В., Грушинский С.В. Аудит документов СМК в программной среде «ИНФОАНАЛИТИК» Сб. докладов Междунар. конф. по мягким вычислениям и измерениям "SCM-2006", Санкт-Петербург, 27-29 июня 2006.- Т.1.

8. Прокопчина С.В., Федичкин А.И. Применение байесовских интеллектуальных технологий (БИТ) для оценки интегральных показателей. / Сб. докладов Междунар. конф. по мягким вычислениям и измерениям "SCM-2006", Санкт-Петербург, 27-29 июня 2006.- Т.2.- С.20-22.

9. Прокопчина С.В., Федичкин А.И. Прогнозирование характеристик сложных объектов на основе байесовских интеллектуальных технологий./Сб. докладов Междунар. конф. по мягким вычислениям и измерениям "SCM-2006", Санкт-Петербург, 27-29 июня 2006.- Т.2.- С.22-25.

10. Котельников В.Г., Моисеенкова Д.А. Управление деятельностью предприятий сервиса грузовых контейнерных перевозок на основе прогнозов событий / В научно-технич. журнале «Технико-технологические проблемы сервиса». Вып.2(8). - СПб.: Изд-во СПбГУСЭ. 2009, с. 72 – 75.

11. Леонова Г.И., Шифрин С.И. Экспертно-аналитическая система обеспечения экологической безопасности при строительстве судов. Опыт внедрения (к материалам круглого стола). //Сб. докладов Междунар. конф. по мягким вычислениям и измерениям «SCM-2005», Санкт-Петербург, 27-29 июня 2005.- Т.1.- С.106-110.

12. Клинков С.В., Скрынник С.В., Федулин В.А.. Создание аналитической системы управления для Селигерской природной территории на основе БИТ / Сб. докладов Междунар. конф. по мягким вычислениям и измерениям "SCM-2006", Санкт-Петербург, 27-29 июня 2006.- Т.1

13. Клинков С.В., Кайгородов Д.А., Федулин В.А. Информационно-аналитичская система для создания программы устойчивого развития и обустройства территории в районе озера Селигер и Верхневолжских озёр (к материалам круглого стола) / Сб. докладов Междунар. конф. по мягким вычислениям и измерениям "SCM-2005", Санкт-Петербург, 27-29 июня 2005.- Т.1. – с. 79 – 87.

14. Шумский А.А., Чернов А.Г., Ротарь В.Г., Ерофеев Е.Л. Поддержка принятия решений в управлении коммунальным комплексом региона // Сб. докладов Междунар. конф. по мягким вычислениям и измерениям «SCM-2005», Санкт-Петербург, 27-29 июня 2005.- Т.2.- С.151 – 154.

15. Лукьянец А.А., Прокопчина С.В. Методология поддержки решений в управлении энергоснабжающими организациями на основе регуляризирующего байесовского подхода: научно-практическое пособие. - Томск: Некоммерческий фонд развития региональной энергетики, 2006.- 196 с.