ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

Бояркина Оксана Олеговна1, Шкаликова Алена Александровна1
1Мордовский государственный университет им. Н.П. Огарёва, студентка экономического факультета, кафедра статистики, эконометрики и информационных технологий в управлении

Аннотация
В данной статье рассматривается и обосновывается необходимость интеллектуализации информационных и организационных процессов в управлении социально-экономическими системами, а также потребность в построении и внедрения теории, методов и систем искусственного интеллекта (ИИ) и интеллектуальных технологий поддержки принятия решений. Описаны цели и задачи, которые ставятся перед теорией ИИ, основные подсистемы, входящие в систему ИИ. Приведены основные принципы построения нечетких интеллектуальных систем поддержки принятия управленческих решений.

Ключевые слова: интеллектуальные системы учета, интеллектуальные технологии, информационные технологии, искусственный интеллект, нечёткие системы, системы поддержки принятия решений, управление знаниями


INTELLIGENT DECISION SUPPORT SYSTEM

Boyarkina Oksana Olegovna1, Shkalikova Alena Aleksandrovna1
1Mordovian State University, student, faculty of Economics, chair of statistics, econometrics and information technology in management

Abstract
In this article discusses the necessity and intellectualization of information and organizational processes in the management of socio-economic systems, and the need for the construction and implementation of the theory, methods and systems of artificial intelligence (AI) and intelligent decision support technology. We describe the goals and objectives that are put before the AI theory, basic subsystems included in the AI system. The basic principles of fuzzy intelligent systems support management decision-making.

Рубрика: 05.00.00 ТЕХНИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Бояркина О.О., Шкаликова А.А. Интеллектуальные системы поддержки принятия решений // Современные научные исследования и инновации. 2016. № 12 [Электронный ресурс]. URL: https://web.snauka.ru/issues/2016/12/75361 (дата обращения: 13.03.2024).

Любое предприятие осуществляет свою деятельность в условиях риска и неопределенности, поэтому перед ним постоянно стоит проблема выживания и обеспечения непрерывности функционирования и развития [1]. Анализ функционирования крупных предприятий и управление ими составляет основное содержание работы управленцев, аналитиков, специалистов в области обработки информации [2]. Чтобы решить эту проблему руководителям приходится принимать управленческие решения по выбору направления развития предприятия, по сохранению и увеличению своей позиции на рынке и рыночной доли, по предотвращению потерь и снижению издержек, а также по поддержанию и повышению конкурентоспособности. Обоснованность и профессиональный уровень принимаемых решений определяет, в конце концов, эффективность деятельности предприятия.

В современных условиях всё возрастающую роль играет информация. Однако необходимость учета при принятии управленческих решений большого количества экономических, политических, социальных, правовых факторов существенно усложняет процесс выбора правильного варианта решения. Как правило, это связано со сложностями, возникающими в процессе сбора актуальной, достоверной и полной информации по интересующему вопросу. Стремительное увеличение объемов поступающей и перерабатываемой информации приводит к значительным изменениям в способах и методах анализа информации и требует не только автоматизации процесса обработки и изучения данных, но и интеллектуализации информационных и организационных процессов, построения и внедрения эффективных методов и интеллектуальных технологий поддержки принятия решений (ППР).

За последние десятилетия информационные технологии достигли высокого уровня развития. В связи с этим большинство развивающихся компаний используют автоматизированные средства, позволяющие эффективно хранить, обрабатывать и распределять накопленные данные [3]. Современные системы поддержки принятия решений (СППР) появились благодаря развитию управленческих информационных систем и систем управления базами данных (СУБД) и представляют собой системы, приспособленные к решению текущих задач, возникающих в управленческой деятельности. Это мощный инструмент, позволяющий помочь лицам, принимающим решения (ЛПР), решить сложные неструктурированные задачи. Как правило, системы поддержки принятия решений являются результатом мультидисциплинарного исследования, которое включает в себя теории баз данных, методов имитационного моделирования, искусственного интеллекта, нейронных сетей, ситуационного анализа и интерактивных компьютерных систем. В настоящее время нет единого общепринятого определения СППР, т. к. строение системы напрямую зависит от тех задач, для решения которых она используется, а также от доступных знаний, данных и информации, на основе которых принимаются решения.

Для решения слабоструктурированных или неструктурированных управленческих задач, с которыми достаточно сложно справиться естественному интеллекту, возникает необходимость в создании и использовании систем искусственного интеллекта для принятия решений, т. е. интегрированных интеллектуальных систем управления, в состав основных компонентов которых включаются базы данных и знаний, блок решения и логического вывода, хранилище моделей и т.п. Создание подобных систем стало возможным благодаря развитию и достижениям интеллектуального управления, основанным на разработках в области искусственного интеллекта, инженерии знаний, обработки данных и математического моделирования.

Во многих отечественных и зарубежных публикациях рассматриваются различные аспекты интеллектуальной деятельности человека, в частности, способность получать, использовать, анализировать и воспроизводить знания, целенаправленность деятельности, умение ставить задачи и находить пути их решения, возможность предвидеть исход события, обобщать накопленные знания, применять аналогичные методы решения подобных задач и проч. Интеллектуальная деятельность ЛПР связана с поиском решений сложных управленческих задач, точный метод решения которых заранее неизвестен. К когнитивным (интеллектуальным) функциям человека относятся: восприятие, интуиция, индукция, дедукция, прогнозирование, прогнозирование, вычисление, творчество, классификация, поиск, сравнение, выбор, ассоциация и т. п. На данный момент проанализированы, изучены и формализованы такие функции как поиск, вычисление, дедукция, выбор и сопоставление. Попытки наделить компьютерную технику интеллектуальными способностями более высокого уровня (вероятностными методами рассуждения, логикой, индуктивным выводом, доказательством по аналогии и проч.) до сих пор не дали ощутимого результата. К известным методам и способам автоматизации решения задач управления путем применения интеллектуальных функций относятся:

  •  использование нейронных сетей и нейрокомпьютеров на уровне распознавания (классификации) и обобщения объектов и ситуаций;
  • использование диалоговой системы, с помощью которой ЛПР манипулирует построенной компьютерной моделью, а система, включающая базу знаний и дедуктивный механизм ввода, помогает в этой работе.

Существует три основные цели, которые ставятся перед теорией искусственного интеллекта [4]. Во-первых, главной фундаментальной стратегической целью теории ИИ является обоснование и научное объяснение интеллектуального мыслительного процесса человека, а также анализ и прогнозирование возможности наделения технических и компьютерных систем мыслительными функциями. Во-вторых, теоретическая естественно-научная цель заключается в познании механизмов и способов осуществления различных функций мозга, анализа и обработки информации, а также построение моделей этих функций. В-третьих, практическая, техническая цель состоит в решении неотложных задач, которые характеризуются высокой степенью сложности и не структурированности, с которыми человеческий интеллект не может справиться без помощи технических и компьютерных средств.

Результатом достижения этих целей является автоматизация деятельности ЛПР, которая позволит расширить возможности человеческого мышления и усилить его способности.

С точки зрения искусственного интеллекта любая система, претендующая на название «система искусственного интеллекта», обязательно должна включать в себя следующие подсистемы [5]:

  • подсистема ввода и распознавания информации;
  • подсистема обучения, позволяющая получить новую информацию внутри системы;
  • подсистема представления знаний, которая используется для накопления и хранения информации;
  •  подсистему целеполагания, т.е. выработки целей и принятия решений;
  • подсистему поддержания целостности системы;
  • подсистему взаимодействия и общения;
  • подсистему осуществления принятых решений.

Для того что существующие в настоящее время системы поддержки принятия решений могли смоделировать ППР, осуществляемый человеком, им необходимо придать свойства интеллектуальности, т.е. включить в их состав перечисленные выше подсистемы. Интеллектуальность СППР предполагает наличие в системе собственной внутренней модели мира [6]. Данная модель обеспечивает самостоятельность системы при оценке задачи и принятии решения, индивидуальность в выводах, способность семантически интерпретировать входящий запрос в соответствии с собственной базой знаний, умение в кротчайшие сроки выработать ответ.

Одним из главных свойств интеллектуальности является способность к генерации, анализу, выводу, поиску и конструированию решения, которое в явном и готовом виде не содержится в системе. В этом свойстве проявляется способность системы к дедуктивному выводу («мышлению»). С информационной точки зрения данное свойство, как правило, трактуется как способность системы анализировать, консолидировать и выдавать качественно новую интеллектуальную информацию, которая не заложена в явном виде в систему, т.е. интеллектуальная система должна быть своего рода генератором новых идей и путей решения.

Еще одной особенностью интеллектуальных систем поддержки принятия решений является проблема размытости, нечеткости и не структурированности процесса принятия решений. В теории ИИ существует два взаимосвязанных направления, характеризующих процесс принятия решений. Согласно ортодоксальному эвристическому направлению, процесс принятия решений рассматривается как набор правил, приемов, методов, системы догадок и предположений, способов анализа и изучения, которые не составляют единую дедуктивную систему. Следовательно, процесс принятия решений не может быть строго формализован. С другой точки зрения считается, что при принятии решений человек действует логически, т. е. процесс принятия решений можно описать с помощью алгоритма – формальной схемы последовательности действий и операций. Однако, зачастую ЛПР не могут описать и формально представить свой процесс принятия решений, что объясняется самой природой неопределенности данного процесса.

В работах В.А. Рыжова, И.З. Батыршина, Т.М. Леденевой и др. ученых описаны различные подходы к созданию интеллектуальных систем поддержки принятия решений (ИСППР), интеллектуальных систем управления (ИСУ) и гибридных систем, в том числе использующих аппарат теории нечетких множеств и нечеткой логики. Данные ИСППР предназначены для помощи лицам, принимающим решения, в управлении и решении сложных неструктурированных задач в условиях жестких временных ограничений и наличия различного рода неопределенности: неполноты, неактуальности, противоречивости, нечеткости исходной информации, недетерминизма стратегий управления и проч. Такие ИСППР относятся к классу интегрированных интеллектуальных систем, сочетающих строгие математические модели и методы поиска решения с нестрогими (логико-лингвистическими) моделями и методами, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений и накопленном опыте.

Особенностями задач, решаемых с помощью нечетких ИСППР, в том числе ИСППР реального времени, являются [7]:

  • сложность, а порой даже невозможность, получить полную и объективную информацию, необходимой для принятия решения, что приводит к использованию субъективной информации;
  • многовариантность поиска наиболее эффективного решения поставленной задачи, необходимость применения методов правдоподобного (нечеткого) поиска решения и активного участия в нем ЛПР;
  • необходимость введения новой, дополнительной информации в базу знаний, а также их коррекции при поиске решения.

Следует отметить, что использование интеллектуальных систем учета, в отличие от интеллектуальных систем принятия решений, не предполагает участие человека в процессе принятия решений. Базой для построения нечеткой интеллектуальной системы учета является система учета с участием эксперта, который основываясь на собственных знаниях и опыте об исследуемом объекте формирует описание процесса управления. После этого описание объекта преобразуется в базу нечетких правил, которые в дальнейшем используются в интеллектуальной системе учета уже без участия эксперта. Идея подобного нечеткого управления объектом заключается в подражании действиям опытного эксперта. Нечеткие правила – это нечеткие продукционные правила, которые при фиксированной цели управления описывают стратегии управления на качественном уровне. Нечеткие интеллектуальные системы учета используются в тех областях, где традиционные системы управления неэффективны и неприменимы, а именно в случае нелинейности системы управления, в условиях неопределенности, а также в системах управления, основанных на использовании экспертной информации. В нечетких ИСУ входные и выходные переменные являются лингвистическими, а функция управления приближенно описывается совокупностью нечетких продукционных правил.

Итак, можно определить базовые принципы построения нечетких ИСППР и ИСУ реального времени [8]:

  1. Принцип открытости и динамичности – интеллектуальные системы учета ориентированы на открытые и динамические предметные области;
  2. Принцип семиотичности предполагает, что интеллектуальная система поддержки принятия решений реального времени – это система распределенного интеллекта семиотического типа, включающая помимо традиционных для экспертных систем модулей (базы данных и знаний, модуль ввода информации, подсистему вывода (поиска) решения), также базу моделей, интеллектуальные модули моделирования и прогнозирования проблемной ситуации, модули организации интерфейса: текстового, образного, речевого и в виде различных диаграмм и графиков;
  3. Принцип адаптивности моделей представления данных и знаний, а также поиска решения, который подразумевает сохранение способности к обучению, пополнению и накоплению знаний, поддержание высокой работоспособности даже в условиях неожиданного и непредвиденного изменения свойств объекта, целей управления и т. п.;
  4. Принцип распределенной и параллельной обработки информации, за счет которого обеспечивается возможность проведения быстрого и качественного анализа огромного объема информации и поиска приемлемого решения в условиях жестких временных ограничений;
  5. Принцип максимизации удобства и упрощения процесса взаимодействия лица, принимающего решения, с ИСППР, что достигается благодаря использованию технологии когнитивной графики и гипертекста.

Таким образом, можно сделать вывод о том, что для полного осуществления интеллектуальных способностей, связанных с анализом, прогнозированием, обобщением исходной информации по сложной управленческой проблеме и, в конечном итоге, принятии верного решения современные и будущие интеллектуальные системы поддержки принятия решений и интеллектуальные системы учета должны быть реализованы с использованием новейших прогрессивных технологий, которые основаны на динамических моделях данных, способных адаптироваться к конкретной ситуации и задаче, концепциях распределенного искусственного интеллекта, параллельной обработки огромных объемов данных в процессе решения, а также методов правдоподобного вывода результатов. Поэтому одним из наиболее перспективных путей построения интеллектуальных систем поддержки принятия решений, систем интеллектуального анализа данных, систем управления и прогнозирования является использование современные научные разработки в теории и практике нейронных сетей, нечёткие модели и методы многокритериального выбора и нечёткого логического вывода.


Библиографический список
  1. Каширина Е.А. Роль информационных технологий в достижении конкурентного преимущества [Электронный ресурс] / Электронное научное периодическое издание «Системное управление» – Выпуск 1 (30). – 2016. – Режим доступа: http://sisupr.mrsu.ru/2016-1/PDF/Kashirina(2)_2016-1.pdf
  2. Пискунов Р.А., Аббакумов А.А. Проблемы автоматизации деятельности менеджера по продажам // Традиционная и инновационная наука: история, современное состояние, перспективы сборник статей Международной научно-практической конференции. 2016. С. 74-76.
  3. Аббакумов А.А., Суслова Е.В. Применение MATLAB для реализации системы анализа финансового состояния предприятия // Огарев-online. Раздел «Технические науки». – 2015. – №20. – URL: http://journal.mrsu.ru/arts/primenenie-matlab-dlya-realizacii-sistemy-analiza-finansovogo-sostoyaniya-predpriyatiya
  4. Карелин В.П. Интеллектуальные технологии и системы искусственного интеллекта для поддержки принятия решений // Вестник ТИУиЭ. – 2011. – №2 – С.79-84.
  5. Энгель Е.А. Модели и методы интеллектуальной поддержки при принятии управленческих решений // Вестник СибГАУ. – 2011. – №4 – С.106-112.
  6. Каширина Е.А., Курганов А.Н. Нейронные сети как инструмент прогнозирования динамики рыночных цен // Science Time. – 2015. – №12 (24).
  7. Сыркин И.С., Прокатень Д.Г., Раменев Д.Е., Протодьяконов А.В. Аппаратная реализация интеллектуальных систем управления // Вестник КузГТУ. – 2011. – №6 – С.76-78.
  8. Стадниченко С.Ю. Интеллектуальные системы поддержки принятия решения // Молодой ученый. – 2010. – №6. – С. 61-63.


Количество просмотров публикации: Please wait

Все статьи автора «Каширина Евгения Александровна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация