2014-02-02
552
На высшем уровне структуры управления – стратегическом, используются сис-темы поддержки руководства (ESS). Эти системы ориентированные в основном на работу с внешними, по отношению к предприятию, данными, характеризую-щимися нечеткостью, неполнотой, противоречивостью. Примером здесь может служить информация о конкурентах, ситуациях на рынке, перспективы измене-ния тех или иных цен на продукцию, энергоносители, изменение таможенных тарифов и т.д. Сегодня уже разработаны специальные средства для борьбы с не-четкостью в данных.
В классе ESS-технологий можно выделить два наиболее распространенных под-класса: технологии интеллектуального анализа данных (DM: Data Mining) и сис-темы обработки знаний (СОЗ).
DM-технологии, относятся к средствам предназначенным для обработки не-структурированной информации, поступающей в основном текстами на естест-венном языке. Актуальными эти технологии становятся в случае необходимости поиска закономерностей или связей между различными событиями, явлениями или процессами. Например, для принятия решения на уровне предприятия важно знать существует ли связь между миграцией населения в конкретном регионе, продажами некоторого товара и ценами на дизельное топливо. Причем досто-верная статистика может отсутствовать. Информация, как правило, поступает в виде текстов сообщений из газет, журналов, бюллетеней, из сети Интернет и т.д. Задачи, решаемые с помощью DM-технологий, следующие:
|
|
|
- классификации – позволяют выявить признаки, характерные для некоторой группы объектов. Наличие таких признаков позволяет вновь появившийся объ-ект отнести к одному из классов;
- кластеризация – в результате решения данной задачи исходные объекты разбиваются на однородные группы (кластеры). Наличие таких групп позволяет принять решение по отношению одной из них;
- выявление ассоциаций, то есть закономерностей, отраженных в данных, фиксирующих наступление каких-либо событий;
- выявление последовательностей, то есть закономерностей, фиксирующих наступление событий с некоторым разрывом во времени.
Создаются средства для решения перечисленных задач, среди которых можно выделить технологию нечетких систем. Появилась она как реакция на то, что традиционные компьютерные вычисления являются слишком жесткими для от-ражения реального мира. Существует огромное количество проблем, для реше-ния которых невозможно получить полную и точную информацию. В результате появилось понятие «мягкие вычисления», которые были положены в основу об-
работки нечетких высказываний (FuzziCalk, CubiCalk, FuzziSoft).
Широкую популярность приобрели системы, предназначенные для воспроизве-дения неосознанных мыслительных усилий человека в форме нейросетей (Neu-roShell, NeuralWorks, Neuro Solution). Нейросети, в отличие от обычных про-граммных систем, не требуют программирования, что ставит их в ряд перспек-тивных средств принятия решений.
|
|
|
Следующий класс информационных технологий - системы обработки знаний, включает, прежде всего, экспертные системы, базирующиеся на таких моделях знаний как деревья вывода, деревья целей, семантические сети и т.д. Особое ме-сто здесь занимают знания, позволяющие решать обратные задачи. Если прямые задачи решаются в том случае, если необходимо знать результаты деятельности предприятия в предыдущем периоде, то для решения обратных задач необходи-мо знание тех значений экономических показателей или перечня действий ис-полнителей, которые приведут к достижению поставленных целей в будущем. Каким образом решаются подобные задачи изложено в [1]. Пример отличия баз данных и баз знаний приведен на рис.5.6.1.
Рассмотренные технологии являются типовыми, так как используются в процес-се управления объектами в различных областях экономической деятельности: промышленности, связи, транспорте, добывающей отрасли, торговле, банков-ской и других сферах.
База данных База знаний
Поставщик Производитель
|  |  |  |
|  |  |
