double arrow

Введение. Таблица 4.2 – Источники знаний лучшей практики

Таблица 4.2 – Источники знаний лучшей практики.

Таблица 4.1 – Структуризация источников знаний корпоративной памяти по видам бизнес-процессов

Модель цепочки ценности М.Портера Arthur Andersen – Knowledge Space Ernst&Young – Leading Practices K-Base (>6000 записей) Price Waterhouse – Knoeledge View (4000 записей)
Основные процессы создания ценности для потребления
  Исследование рынка и сегментов покупателей Разработка нового бизнеса (430 записей) Разработка продуктов и услуг
Разработка видения компании и стратегии
Разработка продуктов и услуг
Входная логистика Производство и поставки для производственных организаций/сервисных организаций Производство и поставки услуг (421 запись) Управление цепочками поставок (1172 записи) Производство продукции и услуг Управление логистикой и дистрибуцией
Операции
Выходная логистика
Маркетинг и продажи Рынок и продажи Управление заказами Маркетинг и продажи
Обслуживание Счета и обслуживание потребителей Поддержка и распределенное обслуживание (945 записей) Обслуживание потребителей
Поддерживающие процессы
Управление человеческими ресурсами Управление человеческими ресурсами   Управление человеческими ресурсами
Разработка технологии Управление информацией Управление знаниями (222 записи) Разработка и поддержание систем и технологий
  Управление финансовыми и человеческими ресурсами Финансы (1488 записей) Управление финансам
Снабжение   Управление снабжением
Инфраструктура фирмы Выполнение программ управление окружающей средой   Управление окружающей средой
Управление внешними отношениями   Управление внешними отношениями
Управление улучшениями и изменениями   Улучшение бизнеса
  Процессы и исполнения (1163 записей) Планирование и управление
    Управление корпоративным обслуживанием
    Обеспечение юридического обслуживания

Обычно в состав баз знаний СУЗ консалтинговых компаний входят следующие источники знаний:

· база знаний проектов, выполненных для конкретных предприятий;

· база знаний коммерческих предложений для различных предприятий;

· база знаний лучшей практики, обобщающая опыт проведения реинжиниринга бизнес-проектов;

· база знаний новостей, отражающая опыт реорганизации бизнес-процессов другими компаниями, который содержится в публикациях;

· база знаний экспертов, которые могут быть привлечены к выполнению проектов РБП.

Наибольший интерес среди перечисленных баз знаний представляют базы знаний лучшей практики, поскольку они отражают опыт реинжиниринга бизнес-процесса в рафинированном (очищенном) виде, который может непосредственно использоваться в проектах путем адаптации к конкретным условиям без большой предварительной обработки.

Как правило, базы знаний лучшей практики содержат (табл. 4.2):

· метрики (показатели) эффективности организации бизнес-процессов и их значения для предприятий-лидеров;

· определение методов организации бизнес-процессов в разрезах типов производства (единичное, серийное, массовое, дискретное, непрерывное и т.д.), отраслевой принадлежности (промышленность, торговля, сельское хозяйство, обслуживание с дальнейшей градацией) и технологической реализации (электронные коммуникации, организационные концепции и т.д.);

· описание успешных и неуспешных прецедентов внедрения методов организции бизнес-процессов;

· справочные материалы: подборки презентаций, ученых курсов, статей.

Базы статистических данных и информационные хранилища предназначены для отображения метрик оценки эффективности деятельности предприятий, которые представляют официальные статистические данные или специально собранные данные в разрезе различных предприятий.

Для автоматизации задачи конфигурирования бизнес-процессов большое значение имеет представление определений бизнес-процессов в различных аспектах. С этой точки зрения представляет интерес структурированное представление бизнес-процессов в виде графических референтных моделей с отображением в репозиториях проектной метаинформации. Например, в репозитории системы R/3 SAP содержится около 100 внедренных организационно-экономических сценариев и моделей для различных отраслей. Референтные модели с помощью экспертных правил могут быть преобразованы в конкретные модели организации бизнес-процессов предприятий.

Arthur Andersen – Knowledge Space (для внутреннего и внешнего использования) Ernst&Young – Leading Practices K-Base (для внутреннего использования) Price Waterhouse Knowledge View (для внутреннего использования)
Показатели эффективности Показатели оценки в отрасли и компаниях Показатели эффективности
Определения процессов Возможности методов организации и процессов Возможности методов организации процессов
- Особенности отраслевой организации процессов Особенности отраслевой организации процессов
- Описание возможностей технологий Описание возможностей технологий
Примеры компаний, применяющих процессы Описание опыта отдельных компаний -
Описание практики лидеров Описание практики лидеров -
Презентации, учебные курсы и статьи Справочные материалы -

Среди других разработок, поддерживающих референтные модели, следует отметить проекты IBM San Francisco и Microsoft MR. Проект IBM San Francisco реализует библиотеку общих проектов для различных типов бизнес-процессов(по оценкам IBM, на общие бизнес-объекты и базовые инфраструктуры бизнес-процессов приходится примерно 40% любого приложения). Проект Microsoft MR поддерживает репозиторий компонентов, моделей и объектов наряду с их описаниями и отношениями, обеспечивающий многократное использование и инструментальную поддержку.

В системе управления знаниями прецеденты использования бизнес-процессов имеют форму проаннотированных документов, которые могут быть востребованы для неформального обоснования проектных решении. Например, известнее опыт ведения прецедентов лучшей практики в компании Huges Electronics, входящей в состав General Motors, которая ведет базу данных лучших проектов реконструкции предприятий. С каждым проектом связываются краткое описание и информация для контакта с ответственными лицами.

Подборки текстов подключаются с СУЗ с помощью технологии фильтрации анализируемых в источнике знаний текстовых сообщений на основе списка тем, определяющих иерархию таксономии терминов конкретной предметной области. Как правило, фильтрация проводится АО категориям и приоритетам важности. Например, система ODIE (On Demand Information Extractor) каждую ночь сканирует около 1000 статей с последними новостями для извлечения знаний о тенденциях в менеджменте. ODIE, разработанная для американских и европейских обозревателей новостей, использует распознавание стилистических фраз в статьях деловых новостей и знания о синтаксических правилах для распознавания соответствующих событий в сфере бизнеса.

Опыт специалистов предприятия или внешних экспертов представляет основной источник знаний для формирования проектных групп (команд реинжиниринга бизнес-процессов), а также для проведения отдельны консультаций и может быть представлен в нескольких формах:

· в документальной форме, например в базе данных прецедентов, отражающей отчеты из реальной практики работы экспертов;

· в структурированной форме путем непосредственного подключения специалистов и экспертов к вычислительной сети посредством описания их профиля знаний.

Концептуальный уровень структуры знаний корпоративной памяти

Концептуальный уровень корпоративной памяти обеспечивает семантическую интерпретацию запросов к СУЗ, которая реализует унифицированный интеллектуальный доступ к множеству источни­ков знаний. В основе концептуального уровня структуры знаний ле­жит таксономия используемых понятий, или онтология, предназна­ченная для идентификации различных компонентов знания. Назначение онтологий сводится к обеспечению следующих возможностей:

1. Повышение интеллектуальности систем управления знаниями на основе представления того, что часто остается неявным. Во всех видах человеческой деятельности находятся знания, которые обычно остаются неявными. Базы знаний традиционных экспертных систем основываются на реализации концептуальной модели, которая оста­ется скрытой для пользователя и потому трудно понимаемой. В от­личие от экспертных систем онтология формализует неявные зави­симости и концептуализацию.

2. Стандартизация на основе описания целевого мира в виде сло­варя, согласованного среди людей. Таким образом, возможны специ­фикация компонентов функциональности, понимание и сравнение различных систем в виде общего словаря. Также с помощью онтоло­гии решается задача разделения знаний между различными пользо­вателями и/или компьютерными системами (совместного использо­вания), а также их повторного использования для новых ситуаций.

3. Систематизация знаний, которая позволяет интегрировать разнородные источники знаний на основе единой многоаспектной таксономии, представляемой в общем словаре.

4. Реализация метамодельной функциональности для конструи­рования. Онтология снабжает необходимыми понятиями, отноше­ниями и ограничениями, которые используются как строительные блоки для построения конкретной модели решения задачи. Далее модели, построенные на основе онтологии, выполняются с использованием модулей, привязанных к выбранным понятиям.

5. Создание теории содержания. Онтология дает теорию содержания, позволяя постепенно обобщать понятия конкретной про­блемной области.

Сложность отображения моделей проблемной области, представленных в различных методологиях, обусловлена сильной при­вязкой в существующих подходах содержания модели к формализ­му. В разрабатываемых в последнее время системах управления зна­ниями акцент делается как раз не на форму, а на суть отображаемых явлений или концептуализацию знаний о проблемной области в онтологиях. В связи с этим разработка подхода к моделированию про­блемной области на основе онтологии, в которой стандартизуется метамодель мира, т.е. такие понятия, как «объект», «функция», «со­бытие», «ресурс» и их взаимодействия, представляется основой для решения поставленной задачи интеграции применения различных стандартов в моделировании проблемной области.

В результате создания онтологии достигаются следующие клю­чевые преимущества СУЗ:

· точный и эффективный доступ СУЗ к источникам знаний, релевантным контексту задачи (конкретной ситуации);

· лучшее понимание и интерпретация пользователем полученных знаний в данном контексте с возможностью дополнительных справочных обращений к корпоративной памяти;

· обеспечение информационного моделирования, т.е. итерационное уточнение информационных потребностей в процессе решения задачи.

Разработка и поддержка онтологии в масштабе целого предпри­ятия требуют постоянных усилий для ее развития. Так как предпри­ятия часто вовлечены в различные виды деятельности, то для одной СУЗ может потребоваться несколько онтологий. Для сокращения затрат на разработку онтологии целесообразно использовать онтоло­гии, разработанные специализированными проектными организа­циями, которые могут использоваться на принципах тиражирования (разделения доступа) и повторного использования в форме подписки на централизованное обслуживание.

К проектированию онтологии знаний предъявляются следующие требования:

· ясность – четкая передача смысла введенных терминов (концептов);

· согласованность – логическая непротиворечивость определений;

· расширяемость – возможность монотонного расширения и (или) специализации без необходимости пересмотра уже существующих понятий;

· минимум влияния кодирования – инвариантность к методам представления знаний;

· минимум онтологических обязательств – отражение только наиболее существенных предположений о моделируемом мире.

Структура знаний, представляемая в онтологии, должна отображать постоянные парадигматические отношения понятий, не зависимые от контекста решения задачи, и правила формирования переменных синтагматических отношений понятий, возникающих в некотором контексте решения задачи.

Уровень приложений

На основе системы управления знаниями обычно решаются следующие задачи организационно-экономического проектировании предприятия:

· выбор целей развития фирмы;

· выбор видов деятельности, направленных на достижение целей;

· обоснование структуры бизнес-процессов;

· обоснование организационной структуры предприятия, обслуживающей бизнес-процессы;

· конфигурированные информационные системы.

Перечисленные задачи относятся к классу интеллектуальных задач, которые отличаются слабой формализованностью, предполагающей нечеткость поставки целей и описания условий решения задачи. Кроме того, уровень знаний и система критериев оценки решения у различных пользователей могут отличаться.

Обычно типичное решение интеллектуальной задачи сводится к следующим шагам.

1. Формулировка поставки задачи.

2. Отборка релевантных задаче источников знаний.

3. Понимание отобранного материала (обучение, консультация).

4. Решение задачи (выработки, конфигурация решения).

5. Проверка допустимости решения задачи (оценка решения задачи, консультация с экспертами, экспертными системами.

6. Приятие решения и мониторинг его реализации.

7. Запоминание результатов решения задачи в корпоративной памяти.

Сложность применения СУЗ в РБП обуславливается итерационностью процесса разработки проекта, связанной с постепенной детализацией получаемых проектных решений и конкретизацией используемых понятий, отображаемых в репозитории.

На каждом шаге решения интеллектуальной задачи может использоваться СУЗ, работа которой сводится к итерационной серии поисков в корпоративной памяти, обеспечивающей точность достижения цели каждого этапа.

Например, на предприятии решается задачи выбора стратегии повышения эффективности производства, которая относится к классу слабоформализованных задач. Для начала необходимо запросить информацию о возможных целях, критериях и методах повышения эффективности производства. Далее следует описать свое предприятие. На основе сформулированной задачи система произведет отбор источников знаний. Изучение материала может вызвать уточняющий или объясняющий диалог. Принятое решение может быть отправлено выбранным с помощью СУЗ специалистам на экспертизу. В процессе реализации решения информация об отдельных шагах заносится в базу знаний для корректировки стратегии на основе выявленных отклонений и для использования при решении аналогичных задач в будущем.

На каждом этапе решения интеллектуальной задачи определяются требования по входу и выходу, используемым методам и средствам, а также используемым ресурсам (конкретным исполнителям, временным, материальным и стоимостным ограничениям), и чисто внешне это выглядит как заполнение некоторой экранной формы, в которой фиксируются:

· общая цель активности;

· контекстная информация, известная из состояния процесса или задаваемая вручную на данном шаге.

Экранная форма, как правило, заполняется с помощью списков ключевых слов, связанных с рубриками онтологии. Таким образом, экранная форма запроса отражает текущий локальный контекст поиска, который определяет особенности выполнения следующего шага решения задачи.

Повышение интеллектуальных способностей СУЗ по поиску, навигации пользователя в информационном пространстве, организация взаимодействия пользователей на каждом шаге решения задачи обеспечиваются в результате интерпретации онтологического знания.

Улучшение поисковых возможностей. Существующие поисковые системы обеспечивают только полно текстовый поиск, например, в системах Altavista (WWW), Verity (Intranet). В результате возникают проблемы нерелевантности результатов поиска.

Онтология улучшает релевантность поиска по запросу за счет семантического контроля, анализа контекста и механизма расширения содержания.

Обеспечение навигации доступа к источникам знаний. Существующие системы, поддерживающие информационные порталы (например, Yahoo), обладают следующими недостатками средств навигации пользователя:

· жесткой системой категорий (рубрик), не позволяющей пользователю самостоятельно формировать маршрут просмотра источников знаний на основе собственной рубрикации;

· отсутствием или слабым справочным руководством по категориям, которое раскрывало бы понятийную сущность рубрик;

· отсутствием визуализации иерархии рубрик, которая давала бы целостное представление о структуризации источников знаний.

Коллективный обмен знаниями. Существующие системы поддержки дискуссионных форумов (Knowlity), средств группового взаимодействия (Lotus Notes) отличаются отсутствием или слабой персонализацией участников коллективного обмена знаниями. Простейшие доски объявлений, которыми, по сути, являются дискуссионные форумы, приводят к случайности формирования участников обсуждения на основе только названия темы.

В противовес применяемым средствам группового взаимодействия СУЗ, основанные на онтологии, обеспечивают следующие возможности:

· целенаправленный выбор партнера по решению проблемы на основе более точной ее формулировки в категориях онтологии;

· онтологическое профилирование потенциальных участников группового взаимодействия, когда профили знаний экспертов описываются в категориях онтологии.

Помимо решения коммуникационно-поисковых задач СУЗ способна решать более сложные конфигурационные задачи. Так, создание онтологии задачи позволяет автоматически разбивать задачу на подзадачи, для каждой подзадачи выбирать метод решения задачи, а для каждого метода отбирать необходимые единицы предметных знаний. Такая СУЗ является не просто интеллектуальной информационно-поисковой системой, но и системой, которая планирует и генерирует решение задачи. В этом аспекте СУЗ должна обладать развитым механизмом вывода и по своей реализации сближаться с классом экспертных систем, но на более развитой семантической основе. В монографии в дальнейшем дается описание разработанной под руководством автора СУЗ, предназначенной для решения задачи конфигурирования бизнес-процессов.

Объектная часть СУЗ конфигурирования бизнес-процессов представляет собой репозиторий, в котором содержатся графические референтные модели, параметрические определения программных модулей, документация, а также описание опыта внедрения различных компонентов КИС.

Онтология предметной области поддерживается в формате языка RDF(S) и создается с помощью редактора онтологий OntoEdit 2.6 или Protege. Сценарий конфигурирования бизнес-процессов задается в формализме языка фреймовой логики F-Logic, поддерживающем иерархию классов объектов и построение логических правил в исчислении предикатов первого порядка. Для упрощения процесса создания правил разработан специализированный редактор правил.

Интерфейс пользователя предназначен для организации взаимодействия пользователя с СУЗ конфигурирования бизнес-процессов, в ходе которого определяются параметры предприятия, цели и критерии их достижения. Формирование запроса на конфигурирование бизнес-процессов осуществляется в результате последовательного выбора и заполнения проектировщиком семантических шаблонов. После выполнения запроса проводится отображение результатов в удобном для пользователя виде.

Машина вывода, получив запрос от программы интерфейса, формирует конкретную концептуальную модель предприятия путем выделения необходимого подмножества онтологии и определения значений требуемых параметров. В процессе формирования конкретной концептуальной модели выполняются семантический контроль вводимых пользователем данных, автоматическое расширение запросов и заполнение значений искомых параметров. В качестве машины выводы используется инструментальное программное средство SilRI, обрабатывающее предметное знание в формате RDF(S) с использованием правил построения сценария конфигурации, написанных на языке фреймовой логики F-Logic. При этом может быть получено несколько вариантов конфигурации.

С помощью программы «Имитатор» выполняется оценка сформированных машиной вывода вармантов. При этом могут использоваться методы математического, имитационного и эвристического моделирования.

Программа «Конфигуратор» на основе параметров репозитория выполняет настройку программных модулей информационной системы и подготовку организационной документации, генерацию автоматизированных рабочих мест.



Настоящий свод правил составлен с целью повышения уровня безопасности людей в зданиях и сооружениях и сохранности материальных ценностей в соответствии с Федеральным законом от 30 декабря 2009 г. N 384-ФЗ "Технический регламент о безопасности зданий и сооружений", выполнения требований Федерального закона от 23 ноября 2009 г. N 261-ФЗ "Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации", повышения уровня гармонизации нормативных требований с европейскими нормативными документами, применения единых методов определения эксплуатационных характеристик и методов оценки. Учитывались также требования Федерального закона от 22 июля 2008 г. N 123-ФЗ "Технический регламент о требованиях пожарной безопасности" и сводов правил системы противопожарной защиты.

Работа выполнена авторским коллективом: руководитель темы - П.Н.Давиденко, канд. архит., чл.-корр. РААСН; Л.Я.Герцберг, д-р техн. наук, чл.-корр. РААСН; Б.В.Черепанов; канд. техн. наук, советник РААСН; Н.С.Краснощекова, канд. с/х наук, советник РААСН; Н.Б.Воронина; Г.Н.Воронова, советник РААСН; В.А.Гутников, канд. техн. наук, советник РААСН; Э.В.Сарнацкий, чл.-корр. РААСН; З.К.Петрова, канд. архит.; С.К.Регаме, О.С.Семенова, канд. техн. наук, советник РААСН; С.Б.Чистякова, академик РААСН; с участием ОАО "Институт общественных зданий": A.M.Базилевич, канд. архит.; A.M.Гарнец, канд. архит.; ГИПРОНИЗДРАВ: Л.Ф.Сидоркова, канд. архит., М.В.Толмачева; ОАО "Гипрогор": А.С.Кривов, канд. архит.; И.М.Шнайдер.



Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



Сейчас читают про: