Интеллектуальные информационные технологии в организационном управлении производственными процессами тема диссертации и автореферата по ВАК РФ 05.13.01, доктор технических наук Парфенова, Мария Яковлевна

• Парфенова, Мария Яковлевна
• доктор технических наук
• 2003

Оглавление диссертации доктор технических наук Парфенова, Мария Яковлевна

ВВЕДЕНИЕ

ОСНОВНЫЕ НАУЧНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ,

ПОЛУЧЕННЫЕ ЛИЧНО СОИСКАТЕЛЕМ И ВЫНОСИМЫЕ

НА ЗАЩИТУ

ГЛАВА I. ИНТЕЛЛЕКТУАЛЬНОСТЬ'

АВТОМАТИЗИРОВАННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ

1.1. Автоматизация принятия управленческих решений

1.2. Интеллектуальная деятельность ЛПР по организационному управлению производственными процессами

1.3. Программно-аппаратный базис интеллектуальности автоматизированных информационных систем

1.4. Вопросы создания интегрированной информационной системы дистанционных бизнес-процессов

Выводы по первой главе

ГЛАВА II. ИНФОРМАЦИОННОЕ ПРОСТРАНСТВО

ОРГАНИЗАЦИОННОГО УПРАВЛЕНИЯ

ПРОИЗВОДСТВЕННЫМИ ПРОЦЕССАМИ

2.1. Некоторые аспекты построения Хранилища Данных

2.2. Эффективность обработки организационно-распорядительных документов

2.3. Решение многокритериальной задачи по выбору исполнителей работ

2.4. Межуровневая трансформация ситуаций в организационном управлении производственными процессами

2.5. Автоматизированное рабочее место специалиста промышленной безопасности и охраны труда

Выводы по второй главе

ГЛАВА III. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПРОЦЕДУР

ПРИНЯТИЯ РЕШЕНИЙ

3.1. Параметрическая настройка автоматизированной системы принятия решений

3.2. Дискретные геометрическое и пуассоновское Р-преобразо-вания в процедурах принятия решений

3.3. Экспоненциальное непрерывное Р-преобразование в процедурах принятия решений

3.4. Область существования дискретно-непрерывных Р-преобра-зований

3.5. Принцип координирующих воздействий в организационном управлении производственными процессами

Выводы по третьей главе

ГЛАВА IV. ФОРМИРОВАНИЕ УПРАВЛЯЮЩИХ

ВОЗДЕЙСТВИЙ ПРИ СКРЫТЫХ ЗАКОНОМЕРНОСТЯХ В

ИНФОРМАЦИОННЫХ ОБЪЕКТАХ

4.1. Фибоначчиевое представление формирования управляющих воздействий

4.2. Метод цепных дробей в ассоциативных отношениях между информационными объектами

4.3. Взаимодействие искусственного и естественного интеллекта в процедурах принятия решений

4.4. Итерационный процесс принятия управленческих решений

4.5. Информационное моделирование автоматизированной системы принятия решений

4.6. Методология построения интеллектуальных информационных технологий

Выводы по четвертой главе

Введение диссертации (часть автореферата) на тему «Интеллектуальные информационные технологии в организационном управлении производственными процессами»

Информационные потоки в современном мире настолько велики, что общество рискует оказаться жертвой «числовой эпидемии», если в полной мере не воспользуется компьютерными технологиями. Информационные технологии в организационном управлении производственными процессами -это эффективное средство экономического развития и новый фактор оперативно- тактического и стратегического управления боевыми действиями.

Организационное управление направлено на эффективную организацию производственных процессов путем управления всеми видами ресурсов - материальными, финансовыми, энергетическими, трудовыми, информационными. Производственный процесс - это определенные воздействия на определенный вид ресурса в соответствии с пцставленными целями. Как результат воздействия на ресурсы возникают производственные ситуации, составляющие совокупность различных отклонений в ресурсах от заданных значений. Управляющие воздействия в организационном управлении составляют выделенный ресурс. Предприятия, использующие современные программно-технические средства для управления информационными потоками, достигают более высоких производственных показателей [59].

Существенный вклад в исследованиях по искусственному интеллекту и автоматизации процессов принятия решений внесли видные ученые и специалисты П.А.Бондарев, М.Г.Гаазе-Рапопорт, В.М.Глушков, А.Л.Горелик, Р.Х.Зарипов, С.В.Емельянов, С.К.Колганов, О.И.Ларичев, И.М.Макаров, А.Г.Мамиконов, Н.Н.Моисеев, Б.Н.Петров, Г.С.Поспелов, Д.А.Поспелов, И.В.Прангишвили, Э.В.Попов, В.Л.Стефанюк, Р.М.Юсупов, И.Ю.Юсупов и многие другие известные ученые. Среди зарубежных ученых выделяются своими трудами Г.Вагнер, А.Дж.Вильсон, Н.Винер, М.Ф.Даринг, М.Месарович, Н.Нильсон, Т.Саати, П.Уинстон, другие видные ученые.

По классификации академика РАН Г.С.Поспелова в области искусственного интеллекта сформировались следующие направления: системы, моделирующие отдельные творческие процессы; интеллектуальные системы, основанные на знаниях; архитектура ЭВМ; интеллектуальные роботы [60]. В качестве примера интеллектуальной системы, моделирующей отдельные творческие процессы, можно назвать автоматический перевод текстов с одного естественного языка на другой естественный язык [57]. К системам, основанным на знаниях, относятся экспертные системы, содержащие в качестве основных компонентов базу знаний и базу данных (хранилище данных) [58]. Примером новой архитектуры ЭВМ служит гибкая архитектура - логическая организация ЭВМ или системы обработки данных, допускающие многократную перестройку по составу и назначению функциональных элементов, принципу кодирования информации, возможности изменения содержания микрокоманд, макропрограмм или команд [64]. Наконец, разработка интеллектуальных роботов находится на стадии теоретических исследований экспериментальных образцов, внедрения упрощенных моделей, существенно уступающих способностям человека [65,66].

В организационном управлении производственными процессами дальнейшим развитием интеллектуальных систем стали автоматизированные системы принятия решений для автоматического формирования управляющих воздействий на основе формализованных экспертных знаний и методов искусственного интеллекта, математического и алгоритмического моделирования. АСПР осуществляют совместное функционирование естественного интеллекта ЛПР (лица, принимающего решения) как качества мышления и искусственного интеллекта (автоматизированной системы) как возможности генерировать итерационный процесс принятия решений. В типовых производственных ситуациях, возникающих при управлении потоками ресурсов, происходит автоматическое формирование управляющих воздействий на количественной основе. В новых ситуациях принятие решений производится ЛПР при информационной и интеллектуальной поддержке АСПР в интерактивном режиме функционирования системы. В АСПР значительный по объему и скорости поступления информационный поток обрабатывается непосредственно программно-техническими средствами (до 90 процентов) и автоматически генерируется итерационный процесс принятия решений. В хорошо обученной автоматизированной системе с принятием решений за ЛПР остается незначительный объем информационного потока, по которому управляющие воздействия формируются в интерактивном режиме функционирования [1,47].

Уровень интеллектуальности АСПР повышается в результате взаимодействия с естественным интеллектом ЛПР в ППР - процедурах принятия решений. ППР представляют собой итерационный процесс формирования управляющих воздействий, обеспечивающих достижение заданных целей. В своей программно - технической реализации они базируются на современных информационных технологиях, которые создаются на основе достижений в области информатики, вычислительной техники и средств связи [9,19,29,34,40,44,59,61,63,66,69,72]. Новые информационные технологии воплощаются и доходят до потребителя в виде современных видов информационного обслуживания, реализуемых техническими и программными средствами с применением стандартного программного обеспечения, а также специализированных пакетов прикладных программ для управления производственными процессами. Интеллектуальные информационные технологии в организационном управлении производственными процессами в форме АСПР используют достижения в области искусственного интеллекта. Они рассматриваются как совокупность методов и способов хранения, обработки, передачи и отображения информации, обеспечивающих автоматическое и автоматизированное формирование управленческих решений на разных уровнях иерархической системы управления.

Информационные технологии формируются как прикладная наука фундаментальных теоретических основ информатики и направлены на повышение эффективности информационного производства на базе методов технологического применения программных и технических средств (рис. В.1). Нарастающие объемы и темпы информационного производства остро поставили теоретическую и практическую проблему информационного обеспечения ППР на основе интеллектуальных информационных технологий. Информационное обеспечение ППР рассматривается как инициализация информационных объектов в пространстве логико-семантического базиса АСПР, оценка

Рис. 13.1. Информационные технологии как интеграция достижений науки и техники значений их параметров, распознавание и обработка ситуаций в интерактивном режиме взаимодействия ЛПР с ЛСПР. Информационными объектами являются: доступные источники информации; объектные данные, необходимые для выработки управляющих воздействий; организационно-распорядительные документы (ОРД), связанные с ППР. I

Эффективное информационное обеспечение ППР повышает уровень интеллектуальности АСПР, под которой понимается способность системы автоматически формировать управляющие воздействия и обучаться. Уровень интеллектуальности АСПР на количественной основе определяется по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат или последствий от неправильно принятых решений. Выполнение указанных критериев эффективности АСПР связано с необходимостью формализации используемых интеллектуальных информационных технологий на каждом этапе процесса I принятия решений. Информационные потоки, поступающие на вход АСПР, имеют следующие характерные особенности: большие по объему, случайные по времени поступления, являются разнородными по форме представления и содержанию, характеризуются количественными и качественными показателями, содержат скрытые закономерности.

В значительной мере эффективность информационного обеспечения ППР достигается выявлением скрытых закономерностей на множестве информационных объектов. Методы Data Mining (интеллектуального анализа данных) определяют следующие типы закономерностей: ассоциация (взаиI мосвязанные события), последовательность (цепочка действий), классификация (выявление характерных признаков групп), кластеризация (выделение однородных групп данных), прогнозирование (поведение системы в будущем). Ассоциация возникает при наличии нескольких связанных друг с другом событий, из которых при наступлении одних появляются другие. Если существует логическая цепочка связанных во времени событий, то говорят о последовательности их наступления и последовательности принимаемых решений. Классификацией выявляются характеризующие группу признаки, а кластеризацией выделяются различные однородные группы данных. Основой для прогнозирования являются хронологические данные, отражающие динамику поведения объекта управления (ОУ).

Как мультидисциплинарная область Data Mining развивается на базе прикладной статистики, распознавания образов, методов искусственного интеллекта, теории баз данных, что предопределяет обилие используемых методов и алгоритмов в действующих системах. К ключевым их компонентам относятся: предметно-ориентированные аналитические системы, статистические пакеты, нейронные сети, системы рассуждений на основе аналогичных случаев, деревья решений (decision trees), эволюционное программирование, генетические алгоритмы, алгоритмы ограниченного перебора, системы визуализации многомерных данных. Кратко остановимся на характеристике ключевых компонент Data Mining.

Предметно-ориентированные аналитические системы достаточно разнообразны и нашли распространение в финансовом рынке. Наиболее распространенный «технический анализ» состоит из нескольких десятков методов прогноза динамики цен и определения оптимальной структуры инвестиционного портфеля. При несложности статистического аппарата максимально учитывается сложившаяся в своей области специфика (профессиональный язык, системы различных индексов). Основное внимание в статистических пакетах уделяется классическим методикам - корреляционному, регрессионному, факторному анализу и другим. Они являются слишком тяжелыми для массового применения в финансах и бизнесе, дорогими и используют усредненные характеристики выборки, которые часто являются фиктивными величинами при исследовании сложных ситуаций.

Главным недостатком нейросетевой парадигмы является необходимость иметь достаточно большой объем обучающей выборки. Причем, знания, зафиксированные как веса нескольких сотен межнейронных связей, совершенно не поддаются анализу и интерпретации со стороны ЛПР. Системы рассуждений на основе аналогичных случаев нЬходят в прошлом аналоги наличной ситуации и выбирают правильные для них ответы. Они не создают каких либо моделей или правил, обобщающих предыдущий опыт, а основываются на всем массиве доступных исторических данных, и невозможно определить, на основе каких конкретно факторов строятся ответы. Кроме того, допускается произвол в выборе аналогов, меры «близости» к ним, от которой зависит объем множества прецедентов, хранимых в памяти для достижения удовлетворительной классификации.

Деревья решений (decision trees) относятся к одному из популярных подходов в Data Mining. Они образуют иерархическую структуру, классифицирующих правила типа «если.то.» (if-then), имеющую вид дерева. Популярность подхода связана с наглядностью и понятностью, но деревья реализуют наивный принцип последовательности просмотра признаков. Они собирают фактически осколки настоящих закономерностей, создавая иллюзию логического вывода. В эволюционном программировании на рынке Data Mining признание получила система PolyAnalyst отечественной разработки. Процесс создания программ строится как эволюция в мире программ, чем похож в какой то мере на генетические алгоритмы. Система строит несколько генетических линий программ, которые конкурируют между собою в точности выражения искомой зависимости. Другое направление в эволюционном программировании связано с поиском зависимости целевых переменных в форме функций определенного вида.

Для генетических алгоритмов Data Mining не основная область их применения. Тем не менее, они рассматриваются как мощное средство решения разнообразных комбинаторных и оптимизационных задач и вошли в стандартный инструментарий методов Data Mining. Генетические алгоритмы удобны тем, что можно разбить поколение на несколько групп и работать с каждой из них независимо, обмениваясь время от времени несколькими хромосомами. Недостатком является то, что критерии отбора хромосом и используемые процедуры являются эвристическими и не гарантируют лучших решений. Алгоритмы ограниченного перебора используются для установления ассоциации в данных, классификации, прогнозирования определением I частоты комбинаций простых логических событий в подгруппах данных. Для графического отображения данных по цвету, форме, ориентации относительно собственной оси, размерам и другим свойствам примером может служить программа DataMiner словацкой фирмы Dimension (5-е измерение).

Системы Data Mining применяются по двум основным направлениям: в бизнес-приложениях как типовое программное обеспечение и как инструментарий в проведении уникальных исследований в генетике, медицине, химии и других научных областях. Их дальнейшее развитие связывается с использованием в качестве интеллектуальных приложений к корпоративным I

Хранилищам Данных (ХД). Наиболее приоритетными методами моделирования становятся логические алгоритмы поиска в данных if-then правил, с помощью которых осуществляются: прогнозирование, классификация, распознавание образов, сегментация баз данных (БД), извлечение из данных скрытых знаний, интерпретация данных, установление ассоциаций в БД. Одновременно главной проблемой их применения остается перебор вариантов за приемлемое время, поэтому ограничивается перебор путем построения специальных алгоритмов (алгоритмы КОРА, WizWhy) или деревьев решений (алгоритмы САРТ, CHAID, ID3, SeeS, Sipina), чем, в свою очередь, принциI пиально ограничивается эффективность поиска if-then правил.

Другие проблемы связаны с тем, что известные методы поиска логических правил не поддерживают функцию обобщения найденных правил и функцию поиска оптимальных композиций таких правил. Отмеченные недостатки делают существующие методы Data Mining недостаточно эффективными в информационном обеспечении ППР со значительными по объемам и темпам изменения информационными потоками. Например, база данных функциональной АСПР по управлению материальным потоком запасных частей к машинам (была разработана в 1986 году) может содержать более 150 тысяч наименований товаров с более чем трех тысяч заводов-поставщиков. Видимо, не случайно поэтому ничего не сообщается о применении Data Mining в организационном управлении производственными процессами с использованием интеллектуальных информационных технологий.

Интеллектуальные информационные ( технологий в организационном управлении производственными процессами требуют наиболее глубокого подхода к Data Mining. Задачи принятия решений в организационном управлении производственными процессами имеют значительную размерность, неопределенность и неоднозначность способов выработки управляющих воздействий. В связи с этим требуется разработка новых подходов к Data Mining. Данная теоретическая позиция интегрируется со взглядами основателей Data Mining, для которых их направление представляется обнаружением в данных ранее неизвестных и полезных знаний, необходимых для принятия решений. Она объективно приводит к необходимости выявления скрытых закономерностей в информационных объектах организационного управления с помощью математических и алгоритмических моделей ППР с функциями обобщения ситуационных параметров по уровням управления, выбора оптимальной композиции информационных объектов. Для этого известные типы закономерностей Data Mining дополняются новым типом закономерностей, основанным на дискретно-непрерывных Р-преобразованиях и названным трансформацией данных по уровням обобщения.

Исходными моделями задач принятия решений в ППР являются: счетные множества, цепные дроби, матрицы, возвратные и невозвратные последовательности, сочетания, шаги траекторий. В автоматизированных системах с принятием решений, использующих одновременно дискретные и непрерывные модели, обеспечивается трансформация производственных ситуаций по уровням управления, результаты анализа данных, характеризующих ситуации, представляются в едином непрерывном пространстве изображений с учетом вероятностных законов изменения входных параметров системы. Это делает анализ данных для принятия решений комплексным и разносторонним, более наглядным и точным. Трансформация ситуаций по уровням управления позволяет выявить скрытые закономерности в поведении производственной системы, в развитии производственных ситуаций по горизонтали и вертикали иерархической системы управления, в функциях последствий от сформированных управляющих воздействий. Этот механизм оптимизирует алгоритмы задач принятия решений и сводит их к комбинаторному перебору нескольких допустимых вариантов с учетом вероятностных законов изменения аргументов, обеспечивает высокую эффективность информационного обеспечения ППР и соответственно высокий уровень интеллектуальности АСПР [47].

Исследование взаимосвязи информации и причинности в АСПР связано с рассмотрением процессов выявления новых закономерностей на основе оперативных данных и представления агрегированных данных в ХД [52]. Оно приводит к понятию информационной причинности как особой формы обратной связи, когда запросы и решения АСПР моделируются на информационном уровне, а результаты трансформации данных регистрируются в ХД, определяя тем самым опережающее поведение АСПР. Механизм поддержки принятия решений через способы представления данных и способы получения информации составляет алгоритмическую основу взаимодействия естественного (ЛПР) и искусственного (АСПР) интеллекта в автоматической выработке управляющих воздействий. Формализованное представление ситуационного пространства АСПР и трансформация ситуаций по уровням управления рассматриваются как способы определения информационной причинности. Вектор параметров каждого из объектов управления может быть представлен как свертка в форме одного обобщенного параметра, передаваемого с нижнего иерархического уровня на верхний уровень организационного управления, на котором множество обобщенных показателей нижнего уровня составляют его метаситуацию.

В широком смысле интеллектуальные информационные технологии представляют собой эволюционную систему, имитирующую естественную систему. В них естественный интеллект ЛПР и искусственный интеллект АСПР взаимодействуют, взаимообучаются и взаимосовершенствуются как непрерывная цепь вложенных друг в друга вибраций на пути увеличения объема получаемой информации и совершенствования ее переработки при минимизации непроизводительных затрат. Эволюционная система интеллектуальных информационных технологий представляется тремя вложенными друг в друга с общим центром кругами, которые в терминах теории множеств называются кругами Эйлера, применившего их для наглядной иллюстрации операций над множествами [20]. Начиная от общего центра, в первом круге Эйлера управляющие воздействия автоматически формируются АСПР на основе знаний о производственных процессах (контур программного управления). Во втором круге Эйлера управленческие решения вырабатываются в автоматизированном режиме с использованием обобщенного опыта интеллектуальной деятельности ЛПР в организационном управлении производственными процессами (контур адаптивного управления). Во внешнем круге Эйлера управляющие воздействия формируются ЛПР совместно с АСПР (контур обучения). Внешним кругом Эйлера обозначается область изменения естественного интеллекта ЛПР в определенной предметной деятельности. Внутренние круги выражают изменения искусственного интеллекта АСПР, имитирующего естественный интеллект ЛПР в его формализованной части. Эта часть образуется информационным моделированием интеллектуальной деятельности ЛПР в организационном управлении.

Информационное моделирование естественных систем рассматривается как формализованное представление взаимосвязей между информационными объектами в автоматизированной информационной системе. Информационные объекты представляются элементами множества в кругах Эйлера, отображаются целыми точками (точками с целыми координатами) и комплексными числами с действительной и мнимой частями, отражающими соответственно активные (обоснованные планом) и реактивные (непроизводительные) затраты. Операциями их сложения и умножения определено формирование управляющих воздействий в поле комплексных чисел. Количество информационных объектов в кругах Эйлерг! пропорционально их площади и всегда максимально, так как максимально число обозначающих их целых точек в кругах, и соответственно максимален объем получаемой информации. Радиусы кругов определены элементами цепных дробей, состоящих из единиц, которые отражают классический ряд Фибоначчи или максимальное быстродействие в обработке информации. Ассоциативные отношения между информационными объектами строятся по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат, определяемых применением чисел Фибоначчи и ценных дробей. Функции ассоциативных 'отношений между информационными объектами формируются в кругах Эйлера на основе ассоциативной памяти и ассоциативной логики, межуровневых преобразований ситуаций на основе обобщенных параметров, информационной причинности. Указанные функции определяют уровень формализации информационного пространства АСПР и повышают эффективность информационного обеспечения ППР.

Производственные ситуации представляются в кругах Эйлера как взаимосвязанные информационные объекты треугольниками или многоугольниками. Графическое изображение интеллектуальной деятельности ЛПР на примере выбора исполнителей работ по критериям надежности, стоимости, качества выполнения работ представляется в виде треугольника с парными предпочтениями на его сторонах - соотношениями длин двух отрезков. Они изменяются в зависимости от координат внутренней подвижной точки относительно точек «надежность», «стоимость», «качество» в вершинах треI угольника, а следовательно, от значений весовых коэффициентов критериев при выборе исполнителей. Автоматизируется выполнение условия взвешенности оценок по количественным и качественным признакам, что делает ненужной трудоемкую процедуру верификации экспертных оценок. Интегрированный показатель информационных объектов на примере ОРД характеризует количественные и качественные признаки объекта и определяется на основе экспертных оценок с использованием теории нечетких множеств.

Для информационного моделирования интеллектуальной деятельности

ЛПР и автоматизации процессов принятия'решений на количественной осно ве производственные микроситуации, макроситуации и метаситуации трансформируются по уровням управления на основе сверток в форме обобщенных параметров (чисел). Обобщенные параметры обозначают величину необходимых ресурсов для устранения возникающих отклонений в производственных ситуациях. Так как любое число может быть представлено несократимой рациональной дробью, то отсюда следует, что любая производственная ситуация может быть выражена несократимой рациональной дробью. Несократимыми рациональными дробями выражаются бинарные отношения между информационными объектами. Они отражают отношения между чисI лителем и знаменателем этих дробей, при делении которых друг па друга получаются цепные дроби, позволяющие строить адекватные модели с минимальными затратами. Множество бинарных отношений между информационными объектами в виде цепных дробей отображается на множество ППР в виде подходящих дробей, адекватных возникающим производственным ситуациям. При этом ППР обеспечивают формирование управляющих воздействий в соответствии с итерационным процессом принятия решений в информационном пространстве АСПР, обозначенном кругами Эйлера.

Методологическую основу эволюционного развития интеллектуальных I информационных технологий в форме АСПР составляют алгоритмические принципы автоматизированного управления ситуациями [54,55]. Алгоритмический принцип автоматизированного управления ситуациями по отклонениям утверждает: без автоматизации планирования (эталонная модель) невозможна автоматизация организационного управления. Управление по отклонениям в АСПР реализуется как последовательность выполнения ППР: выявление отклонений текущих значений параметров ОУ от плановых (эталонных) значений, оценка отклонений, распознавание ситуаций, выбор способа формирования управляющих воздействий.

Автоматизация планирования - это необходимое условие для осуществления алгоритмического принципа автоматизированного управления ситуациями с переменной структурой АСПР, обеспечивающей разные режимы управления. По результатам оценки отклонений значений параметров ОУ и распознавания ситуаций классификатор АСПР на структурном уровне определяет закон управления: программный, адаптивный, обучения. В соответствии с законами управления выбирается контур управления АСПР для формирования управляющих воздействий. Принцип управления с переменной структурой утверждает: интеллектуальная деятельность ЛПР в организационном управлении производственными процессами взаимно-однозначно отображается системой подстраиваемых моделей в виде интеллектуального модуля в цепи обратной связи и подключения модулей для трех способов формирования управляющих воздействий - на основе формализованных знаний о поведении ОУ, на основе совместного использования знаний и обобщенного опыта интеллектуальной деятельности ЛПР, в интерактивном режиме функционирования АСПР.

В теории и практике автоматизированного управления дается применение обратной связи как основы жизнедеятельности организованных систем. В интеллектуальных информационных технологиях в форме АСПР обратная связь используется для информационного моделирования интеллектуальной деятельности ЛПР, осуществления взаимодействия естественного и искусственного интеллекта в ППР. Достигаются единство организационного управления и производственных процессов, постоянство информационного моделирования, эффективное использование интеллектуальных информационных технологий [49-53]. На применение положений теории автоматического управления в исследованиях по искусственному интеллекту на Международном конгрессе «Искусственный интеллект в XXI веке» отмечал академик РАН О.И.Ларичев. ,

В связи с изложенным в настоящей работе решается актуальная научная проблема обработки больших объемов информации с получением новых знаний в организационном управлении производственными процессами на основе интеллектуальных информационных технологий, которая требует теоретического обобщения и решения и имеет важное народнохозяйственное и оборонное значение.

Диссертация является результатом исследований, проведенных в ОАО «Конструкторское бюро - 1» (Москва) по НИР «Железка», «Обводка» на фундаментальном научном направлении РАН «Информационные технологии и электроника». По наименованиям «Искусственный интеллект», «Компьютерное моделирование», «Информационная интеграция» тема диссертационной работы входит в перечень критических технологий Российской Федерации, который в марте 2002 года утвержден Президентом страны. Объект исследования - интеллектуальные информационные технологии в организационном управлении производственными процессами. Предмет исследования -информационное обеспечение ППР на базе АСПР, обеспечивающей взаимодействие естественного и искусственного, интеллекта. В четырех главах работы (интеллектуальность автоматизированных систем, информационное пространство организационного управления, математические модели ППР, формирование управляющих воздействий при скрытых закономерностях в информационных объектах) рассматриваются изложенные выше научные положения.

Целью работы является создание теорЬтических и методологических основ интеллектуальных информационных технологий в организационном управлении производственными процессами для информационного обеспечения ППР по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат.

Для достижения указанной цели решается следующий комплекс взаимосвязанных научных и практических задач:

• создание структурных и алгоритмических принципов построения интеллектуальных информационных технологий на основе формализованных знаний и обобщенного опыта управляющей деятельности ЛПР для эффективного взаимодействия естественного и искусственного интеллекта;

• разработка информационного принципа эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем;

• создание механизмов поддержки принятия решений через способы получения и обработки информации на основе информационной причинности как особой формы алгоритмической обратной связи в АСПР, преобразования ситуаций в форме обобщенных параметров и трансформации данных по иерархическим уровням управления;

• повышение уровня формализации ППР и интеллектуальности АСПР на основе математических моделей, определяющих оптимальное соотношение параметров и признаков свойств объекта управления (ОУ), моменты времени для формирования управляющих воздействий с учетом количества информации и ее содержания;

• разработка методологии информационного обеспечения ППР на базе интеллектуальной информационной технологии в форме АСПР в организационном управлении производственными'процессами по критериям максиI мума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат.

Основные научные и практические результаты работы докладывались и обсуждались: на Всесоюзной конференции "Управление большим городом" (Москва, 1989); республиканской межотраслевой научно - технической конференции "Теория и практика разработки и внедрения средств автоматизации и роботизации технологических и производственных процессов" (Уфа, 1989); Всесоюзной научно-технической конференции "Математические и программные методы проектирования управляющих и информационных систем" (Пенза, 1990); региональном постоянно действующем семинаре "Методы использования искусственного интеллекта в автоматизированных системах" (Куйбышев, 1990); IX всесоюзном симпозиуме "Эффективность, качество и надежность систем "человек-техника" (Воронеж, 1990); 1 Совещании "Новые направления в теории систем с обратной связью" (Уфа, 1993); Международной конференции "Проблемы преобразования электроэнергии" (Москва, 1993); семинарах научно-технического журнала "Электродинамика и техника СВЧ и КВЧ" (Москва, 1993-1994); 1 Международной конференции по электромеханике и электротехнологии (Суздаль, 1994); V Международной научно-технической конференции "Математическое моделирование и САПР систем сверхбыстрой обработки информации на объемных интегральных схемах СВЧ и КВЧ" (Сергиев Посад, 1995); V Всероссийской научно-технической конференции "Повышение эффективности методов и средств обработки информации" (Тамбов, 1997); IX Международной школе-семинаре "Электродинамика и техника СВЧ и КВЧ'1' (Самара, 1997); Международном Конгрессе "Нелинейный анализ и его приложения" (Москва, 1998); Третьем Сибирском Конгрессе по прикладной и индустриальной математике (Новосибирск, 1998); II Всероссийской научно-технической конференции «Компьютерные технологии в науке, проектировании и производстве» (Нижний Новгород, 2000); Международном симпозиуме «Компьютерные системы и информационные технологии» (Уфа,2000); Международном симпозиуме «Компьютерные системы и информационные технологии» (Уфа, 2001); Meждународном семинаре "Европейское сотрудничество в области развития мобильной персональной связи" (Москва, 2002).

Научные и практические результаты диссертации отражены в 50 печатных работах автора, среди которых одна монография, два патента России.

ОСНОВНЫЕ НАУЧНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ I

На защиту выносится:

1. Информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР в организационном управлении производственными процессами по критериям эффективности развития естественных систем;

2. Технологическая модель формализованного представления информационно-функционального пространства ЛПР, обозначенного тремя кругами Эйлера, на основе дискретно-непрерывных Р-преобразований для построения программного и адаптивного контуров управления и контура обуI чения;

3. Концепция автоматизации процессов координирующих воздействий в АСГ1Р на основе логико-семантического базиса интегрированных АРМ (автоматизированных рабочих мест) специалистов и функции полезности, представляющей собой вектор индивидуальных предпочтений, с учетом принципа группового согласования;

4. Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем, представляющая начальную, дополнительную I и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру обучения и количество информации, обеспечивающее получение новых знаний о поведении ОУ;

5. Математическая модель оценки оптимального момента времени для принятия управленческих решений с минимизацией непроизводительных затрат в организационном управлении производственными процессами на основе дифференциальных уравнений Бесселя и Колмогорова, дискретно-непрерывных Р-преобразований и с учетом энтропии системы;

6. Методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР;

7. Необходимое условие максимальной эффективности практического применения методологии информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР.

Научная новизна. Созданные теоретические и методологические основы информационного обеспечения ППР в организационном управлении производственными процессами базируются на концептуальной модели преобразования управленческой информации в формализованном пространстве АСПР с тремя кругами Эйлера (контуры программного и адаптивного управления и контур обучения).

Информационное обеспечение ППР реализуется последовательным использованием алгоритмических принципов управления по отклонению и с переменной структурой АСПР и принципа информационной причинности, которые в функциональной взаимосвязи осуществляют информационный принцип эволюционного развития интеллектуальных информационных технологий.

Информационный принцип эволюционного развития интеллектуальных информационных технологий отражает изоморфизм в развитии искусственных и организованных естественных систем по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат па базе чисел Фибоначчи и золотого сечения.

Интеллектуальные информационные технологии в форме АСПР создают алгоритмическую основу системы искусственного интеллекта с принятием решений и включают следующие методы ацализа и обработки данных:

• информационную причинность как особую форму обратной связи в АСПР, которая базируется на алгоритмических принципах управления по отклонению и с переменной структурой системы;

• межуровневое преобразование микроситуаций, макроситуаций и ме-таситуаций на основе сверток в форме обобщенных параметров;

• трансформацию данных по уровням обобщения, основанную на использовании дискретно-непрерывных Р-преобразовапий, для обнаружения скрытых закономерностей в информационных объектах.

Технологическая модель формализованного представления информационно-функционального пространства ЛПР с тремя кругами Эйлера определяет контуры программного, адаптивного управления и контур обучения по оптимальному соотношению параметров и признаков свойств ОУ при значении коэффициента параметрической настройки АСПР, равном 1,62 (отношение соседних, элементов классического ряда Фибоначчи), обеспечивающем выполнение критериев максимальной эффективности в обработке информации.

Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР реализует по критериям эффективности развития естественных систем поступление дополнительной и новой информации как разности энтропий системы до и после ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий. При этом количество информации - вероятность того, что множество инициализированных информационных объектов отображает по заданным параметрам текущее состояние ОУ и целесообразно для формирования управляющих воздействий. Новые знания составляют скрытые закономерности на множестве информационных объектов в трех кругах Эйлера. .

Математическая модель оценки оптимального момента времени для принятия управленческих решений с минимизацией непроизводительных затрат отражает взаимодействие ОУ и управляющей структуры в формализованном пространстве АСПР и определяет выбор способа формирования управляющих воздействий в зависимости от степени критичности текущих ситуаций по трем кругам Эйлера.

Методология информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР позволяет создать операционную интеллектуальную среду для ЛПР, которая включает информационное пространство из множества информационных объектов и аппаратно-программное обеспечение для эффективного взаимодействия в ППР естественного и искусственного интеллекта.

Максимальная эффективность практического применения методологии информационного обеспечения ППР в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату степени критичности возникающих ситуаций в ОУ.

Научная новизна теоретических исследований в диссертационной работе подтверждена патентами России 1314305, 1367741.

Основные научные выводы и результаты: 1. Разработан информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР в организационном управлении производственными процессами по критериям эффективности развития естественных систем. Показано, что в эволюционном развитии естественных и искусственных систем по критериям максимума объема получаемой информации и быстродействия ее обработки при минимизации непроизводительных затрат изоморфизм достигается на базе чисел Фибоначчи и золотого сечения.

Разработанный информационный принцип реализует фибоначчиевое представление о формировании управляющих воздействий с переменной структурой АСПР, включающей необходимое и достаточное число алгоритмических обратных связей (программное и адаптивное управление, контур обучения). Формирование управляющих воздействий в среде АСПР с применением чисел Фибоначчи и золотого сечения уменьшает время поиска эффективных решений при ограниченных временных ресурсах.

2. Сформулирован принцип информационной причинности как особой формы обратной связи в АСПР, когда запросы и решения системы моделируются на информационном уровне, а результаты их выполнения отображаются в ХД, определяя тем самым упреждающую реакцию АСПР на скрытые закономерности в данных.

Принцип информационной причинности базируется на алгоритмических принципах управления по отклонению и с переменной структурой АСПР с интеллектуальным модулем в цепи обратной связи в виде системы подстраиваемых моделей. В совокупности с информационной причинностью они реаI лизуют информационный принцип эволюционного развития интеллектуальных информационных технологий в форме АСПР.

3. Разработана технологическая модель формализованного представления информационно-функционального пространства ЛПР, обозначенного тремя кругами Эйлера, на основе дискретно-непрерывных Р-преобразований для построения программного и адаптивного контура управления и контура обучения.

Множество бинарных отношений между информационными объектами отображается на множество ППР, адекватных возникающим ситуациям. i

Комбинаторные задачи значительной размерности сводятся к выбору нескольких вариантов в области допустимых решений. Подобный подход позволяет заранее рассчитать оптимальные режимы функционирования АСПР и учесть их в программном обеспечении при максимальном быстродействии в формировании управляющих воздействий.

Зависимость объема получаемой информации в ППР от быстродействия ее обработки при минимизации непроизводительных затрат выражается классическим рядом Фибоначчи. В нем объемы получаемой информации пропорциональны численным значениям элементов, быстродействие ее обработки адекватно порядковым номерам элементов, а минимизация непроизводительных затрат обозначена наличием первых двух элементов, равных единице.

Модель оценки эффективности информационного обеспечения ППР на основе классического ряда Фибоначчи представляет концепцию эволюционного развития интеллектуальных информационных технологий в организационном управлении производственными процессами.

4. Разработана концепция автоматизации процессов координирующих воздействий в АСПР на основе логико-семантического базиса интегрированных АРМ специалистов и функции полезности, представляющей собой вектор индивидуальных предпочтений, с учетом принципа группового согласования и иерархически организованного дерева решений.

Автоматизация процессов координирующих воздействий на базе интегрированных АРМ позволяет повысить эффективность информационного обеспечения ППР и уровень интеллектуальности АСПР.

5. Создана структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем, представляющая начальную, дополнительную и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру обучения и количества информации, обеспечивающее получение новых знаний о поведении ОУ.

По критериям эффективности развития высокоорганизованных естественных систем реализуется поступление дополнительной и новой информации как разности энтропий системы до и после ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий.

6. Получена математическая модель' информационного обеспечения ППР в организационном управлении производственными процессами на основе дифференциальных уравнений Бесселя и Колмогорова, дискретно-непрерывных Р-преобразований и с учетом энтропии системы.

Данная модель определяет методы обработки информации в ППР, оптимальное время формирования управляющих воздействий, способы формирования управляющих воздействий. Она отражает концепцию функционирования интеллектуальных информационных технологий в организационном управлении производственными процессами.

7. Создана методология информационного обеспечения процедур принятия решений в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме АСПР, включающая концептуальную модель преобразования управленческой информации, формализованное представление информационно-функционального пространства ЛПР, математическую модель оценки оптимального момента времени для формирования управляющих воздействий с минимизацией непроизводительных затрат.

Методология информационного обеспечения ППР на базе интеллектуальных информационных технологий в фо|эме АСПР позволяет: создать операционную интеллектуальную среду для ЛПР; повысить роль искусственного интеллекта во взаимодействии с естественным интеллектом в ППР за счет повышения уровня формализации интеллектуальной деятельности ЛПР; увеличить уровень интеллектуальности АСПР в организационном управлении производственными процессами.

8. Сформулировано необходимое условие максимальной эффективности практического применения методологии информационного обеспечения ПГ1Р в организационном управлении производственными процессами на основе интеллектуальных информационных технологий в форме ЛСПР.

Максимальная эффективность практического применения методологии информационного обеспечения ППР на базе интеллектуальных информационных технологий в форме ЛСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату I степени критичности возникающих ситуаций в ОУ.

На основе результатов исследования разрабатываются АСПР, которые моделируют интеллектуальную деятельность специалистов в разных предметных областях.

В 1986 году для сельского хозяйства России сдана в промышленную эксплуатацию интеллектуальная система по управлению материальным потоком запасных частей к машинам с базой данных, включающей около 150 тысяч наименований товаров с более чем трех тысячи заводов-поставщиков. Повышение уровня интеллектуальности АСПР достигнуто построением проI граммной обратной связи. Она обеспечила подключение процедур анализа, корректировки автоматически выработанных решений, обучение системы на базе предыдущих этапов принятия решений и обработку новых ситуаций.

В начале 90-х годов прошлого века разработаны АРМы диспетчера подвижного состава и старшего оператора для управления железнодорожным транспортом нефтеперерабатывающего завода «Уфанефтехим», доставляющим продукцию за тысячи километров. Отсутствие противоречий между формализованными знаниями и представлениями экспертов в области интеллектуальной деятельности, способность системы к обучению и развитию I обеспечило ее устойчивое функционирование, несмотря на изменения в организационной структуре управления и динамику развития информационных технологий.

В 2000 году создан программный комплекс системы мониторинга охраны труда на региональном уровне с взаимосвязанными подсистемами АРМов государственного инспектора, специалиста по охране труда и экспертизы условий труда па рабочем месте. База знаний автоматизированных подсистем основана на использовании продукционных правил, прописанных в нормативных и регламентирующих документах по охране труда.

В 2002 году сдана в промышленную эксплуатацию WEB -технология для взаимодействия производственных информационных систем с дистанционными бизнес-процессами. Интерактивные сетевые приложения, которые разработаны на основе современных программных средств, функционально совместимы с любой операционной средой, обеспечивают развитие WEB - технологии для взаимодействия производственных информационных систем с разными типами баз данных и базовыми платформами.

Полученные научные результаты используются в научно-исследовательских работах ОАО «Конструкторское бюро - 1» «Железка», «Обводка». Обеспечивается взаимодействие естественного и искусственного интеллекта в организационном управлении интеллектуальной собственностью РФ. Управляющие воздействия формируются в автоматическом режиме на основе формализованных знаний и опыта ЛПР и в интерактивном режиме при интеллектуальной и информационной поддержке ЛПР аппаратно1 программной системой.

Многолетний опыт практического применения интеллектуальных информационных технологий в форме АСПР показывает следующее. Максимальное количество автоматически выполняемых ППР от их общего числа достигает 70,0 и более процентов. Среднеквадратическое отклонение текущих от заданных значений параметров производственных процессов уменьшается в два - три раза, а время формирования управляющих воздействий становится на порядок ниже по сравнению с существующими информационными технологиями.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Парфенова, Мария Яковлевна

Выводы по четвертой главе

Фибоначчиевое представление формирования управляющих воздействий реализует информационный принцип эволюционного развития интеллектуальных информационных технологий в кругах Эйлера и зависимость между объемом получаемой информации и быстродействием ее обработки при минимизации непроизводительных затрат в соответствии с классическим рядом Фибоначчи. Реализуя выработку управляющих воздействий по критериям эффективности, фибоначчиевое представление формирования управляющих воздействий обеспечивает вычислительную основу интеллектуальности новых информационных технологий в организационном управлении производственными процессами.

Привлечение дополнительных ресурсов с верхнего иерархического уровня в организационном управлении производственными процессами и наличие непроизводительных затрат приводят к запаздыванию в формировании управляющих воздействий для различных типов производственных ситуаций (нормальных, конфликтных, критических, аварийных). Максимальное быстродействие в формировании управляющих воздействий достигается по убывающей экспоненте в нормальных производственных ситуациях с классификационным номером, равным нулю, а запаздывания происходят на величину равенства классификационных номеров ситуаций и времени обновления информации.

Математическая модель процесса принятия решений моделирует информационное обеспечение ППР в разных производственных ситуациях и позволяет определить по критериям эффективности оптимальные режимы формирования управляющих воздействий. Эта модель находит практическую реализацию в технологии взаимодействия производственных информационных систем с использованием глобальной вычислительной сети.

Структурная модель эволюционного развития интеллектуальных информационных технологий в форме АСПР по критериям эффективности развития естественных систем представляет начальную, дополнительную и новую информацию соответственно по алгоритмическим контурам программного, адаптивного управлений и контуру (Обучения и количество информации, обеспечивающее получение новых знаний о поведении ОУ.

По критериям эффективности развития высокоорганизованных естественных систем реализуется поступление дополнительной и новой информации как разности энтропий системы до и Ьосле ее получения для снижения неопределенности в анализе и оценке текущего состояния ОУ и выбора способа формирования управляющих воздействий.

Формализованное представление информационно - функционального пространства АСПР позволяет выделить уровни декомпозиции функциональной системной модели, сформировать множество ППР, определить контуры программного и адаптивного управления и контур обучения в оптимальном соотношении их функционирования.

Методология информационного обеспечения ППР позволяет создать операционную интеллектуальную среду дЛя ЛПР, эффективно взаимодействовать с АСПР и формирует логико-семантический базис для автоматизированного управления производственными процессами.

Максимальная эффективность практического применения методологии информационного обеспечения ППР на базе интеллектуальных информационных технологий в форме АСПР достигается во взаимодействии ОУ и управляющей структуры при равенстве текущей энтропии системы квадрату степени критичности возникающих ситуаций в ОУ.

Список литературы диссертационного исследования доктор технических наук Парфенова, Мария Яковлевна, 2003 год

1. Автоматизированная система принятия решений: Информ. Листок №131-87/Р.Р.Мавлютов, И.Ю.Юсупов, М.Я.Парфенова и др. ; Башкир, меж-отр. Центр н.-т. инф.и проп. Уфа, 1987. 7с.

2. Автоматизированное проектирование информационно-управляющих систем. Системное моделирование предметной области: Учебное пособие/ Г.Г.Куликов, А.Н.Набатов, А,В.Речкалов; УГАТУ.- Уфа, 1998.- 104с.

3. Автоматизированное проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования/ Г.Г.Куликов, А.Н.Набатов, А.В.Речкалов и др. ; УГАТУ .-У фа, 1999.-223с.

4. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова.-М.:Наука, 1986.-312с.

5. Аврамчук Е.Ф., Вавилов А.А., Емельянов С.В. и др. Технология системного моделирования.-М.: Машиностроение; Берлин:Техник, 1988.-519с.

6. Амосов Н.М., Касаткин A.M., Касаткина A.M. и др. Автоматы и разумное поведение.-Киев: Наукова думка, 1973.-375с.

7. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования,- М.: Наука, 1988.-384с.

8. Бородюк В.П., Лецкий Э.К. Статистическое описание промышленных объектов.-М.:Энергия, 1971.-111с.

9. Вагин В.Н., Емельянов В.В., Еремееев А.П.", Рыбина Г.В., Попов Э.В., Тельнов Ю.Ф., Фоминых И.Б. Использование методов и средств искусственного интеллекта в учебном процессе //Новости искусственного интеллекта.-2001.-№1.-С.32-38.

10. Вагин В.Н., Загорянская А.А. Организация абдуктивного вывода средствами теории аргументации // Труды Международного конгресса «Искусственный интеллект в XXI веке». -М.: Физматлит, 2001.-С. 13-20.

11. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики: Учеб. пособие.- Уфа: УГАТУ, 1995.-80с.

12. Виноградов И.М. Основы теории чисел.-М.: Наука, 1981 .-176с.

13. Воробьев Н.Н. Числа Фибоначчи.-М.: Наука, 1978.-144с.

14. Вощинин А.П., Сотиров Г.Г. Оптимизация в условиях неопределенности.- М.: Изд-во МЖ: София: Техника, 1989.-224с.

15. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения.-М.: Наука, 1987.-285с.I

16. Гладков J1.A., Курейчик В.М. Основные положения теории генетического поиска и ее прикладные аспекты: Учебное пособие.- Таганрог: ТГРУ, 2001.-68с.

17. Глушков В.Н. Основы безбумажной информатики.-М.: Наука, 1987.-552с.

18. Емельянов С.В., Ларичев О.И. Многокритериальные методы принятия решений.- М.: Знание, 1985.-32с. (Новое в жизнь, науке, технике. Сер. «Математика, кибернетика»; №10).

19. Ежов И.И., Скороход А.В., Ядренко М.И. Элементы комбинаторики,- М.: Наука, 1977.-80с.

20. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня: Сб. статей/ Пер. с англ. -М.: Знание, 1994.-С.5-49.

21. Ильясов Б.Г., Исмагилова J1.A., Валеева Р.Г. и др. Методологические аспекты управления динамическими' производственными системами вIконкурентных условиях рынка // 60-летию УАИ посвящается: Сб. трудов УАИ. Ч.2.-Уфа, 1992.-С. 107-115.

22. Искусственный интеллект: Кн. 1.Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова.-М.: Радио и связь, 1990.

23. Искусственный интеллект: Кн.2.Модели и методы: Справочник /Под ред. Д.А.Поспелова.-М.: Радио и связь, 1990.

24. Корнеев В.В.,Гареев А.Ф., Васютин С.В., Райк В.В. Базы данных. Интеллектуальная обработка ипформации.-М.: «Нолидж», 2000.-352с.

25. Корн Г., Корн Т. Справочник по математике.для научных работников и инженеров.- М.: Наука, 1977.-832с.

26. Кузнецов О.П., Марковский А.В. Шипилина Л.Б. Методы распределенной обработки образной информации / Труды Междунар. конгресса «Искусственный интеллект в XXI веке».- М.: Физматлит, 2001.-Т.1.-С.120-133.

27. КурейчикВ.М., Лебедев Б.К., Нужнов Е.В. Применение экспертных систем в инженерной практике: Учеб. пособие.- Таганрог: ТГРУ, 1996,-135с.

28. Курейчик В.М. Генетические алгоритмы. Состояние. Проблемы, Перспективы // Известия Академии наук. Теория и системы управления. М.: наука, МАИК «Наука/ Интерпериодика», №1, 1999.-С.144-160.I

29. Ладенко И.С. Интеллектуальные системы в целевом управлении.-Новосибирск: Наука. Сиб. отд., 1987.-195с.

30. Ларичев О.И. Объективные модели и субъективные решения.-М.: Мир, 1987.

31. Ларичев О.И., Машкович Е.М. Качественные методы принятия решений.-М.: Физматлит, 1996.

32. Ларичев О.И. Новое направление в теории принятия решений: вербальный анализ решений // Новости искусственного интеллекта.- 2001.-№1.-С.26-31.

33. Левин В.И. Структурно-логические методы исследования сложных систем с применением ЭВМ.-М.: Наука, 1987.-304с.

34. Макаров И.М., Виноградская Т.М., Рубчинский А.А., Соколов В.В. Теория выбора и принятия решений: Учебное пособие для вузов по спец. «Прикл матем.» , «Эконом. Кибер.»-М.: Наука, 1982.-327с.

35. Мамиконов А.Г. Принятие решений и информация.-М.: Наука, 1983.-183с.

36. Мамиконов А.Г., Кульба В.В. Синтез оптимальных модульных систем обработки данных.-М.: Наука, 1986.-276с.

37. Мамиконов А.Г. Проектирование АСУ: Учебное пособие для вузов по спец. «Автоматизир. Системы упр-я».-М.: Высш. шк., 1987.- 302 с.

38. Мамиконов А.Г., Кульба В.В., Косяченко С.А. Типизация разработки модульных систем обработки данных.-М.: Наука, 1989.-163с.

39. Месарович М., Я.Токахара. Общая теория систем: Математические основы.- М.: Мир, 1978.-312с.

40. Митропольский А.К. Техника статистических исследований.-М.: Наука, 1971.-576с.

41. Моисеев Н.Н. Математические задачи системного анализа: Учебное пособие для вузов по спец. «Прикл. математика» .-М.: Наука, 1981.-487с.

42. Осипов Г.С. Искусственный интеллект: состояние исследований и несколько слов о будущем // Новости искусственного интеллекта.- 2001.-№1.-C.3-13.

43. Парфенова М.Я., Старцев М.А., Гдинкин В,И! и др. Анализ и синтез автоматизированной системы принятия решений с использованием Рпреобразований // Управление в сложных системах: Межвуз. науч. сб.-Уфа, 1996.-С.24-27.

44. Парфенов И.И., Парфенова М.Я., Глинкии В.И. Интеллектуальные системы управления на числах Фибоначчи.-Уфа: Гилем, 1997.-293 с.

45. Парфенова М.Я., Старцев М.А., Глинкин В.И. и др. Формирование управляющих воздействий АСПР в поле комплексных чисел // Тез. Докл. V Всероссийской н.-т. конф. «Повышение эффективности методов и средств обработки информации».-Тамбов, 1997.-С.237-240.

46. Парфенова М.Я., Старцев М.А., Глинкин В.И. и др. Искусственный интеллект в управлении организационными системами // Вопросы управления и проектирования в информационных и кибернетических системах: Межвуз. науч. сб. -Уфа, 1997.- С.30-40.

47. Парфенова М.Я., Колесников А.А., Ханнанова Р.В. Построение HTML-интерфейса для продукционной системы охраны труда на предприятии //Упр. в слож. сист.: Межвуз. научн. сб. УГАТУ.-Уфа, 2001.-С.233-236.

48. Парфенова М.Я., Старцев М.А. Информационное обеспечение процедур принятия решений по управлению процессом капитального строительства // Управл. в сложных системах: Межвуз.науч. сб. -Уфа, 1999.-С.225-230.

49. Парфенова М.Я., Старцев М.А., Ханнанова Р.В. Некоторые аспекты построения хранилища данных // Тез. Докл. II Всероссийской н.-т. конф. «Компьютерные технологии в науке, п^оектиров. и пр-ве».-Н.Новгород, 2000.-С.14.

50. Парфенова М.Я. Вопросы создания интегрированной информационной системы дистанционных бизнес-процессов //Информационные технологии.- 2002.-№9.-С.29-32.

51. Патент 1314305 (Россия). Устройство для управления производственным процессом ремонта машин / Уфимск. авиац. ин.-т им.С.Орджоникидзе; авт. изобрет. И.Ю.Юсупов, И.И.Парфенов, М.Я.Парфенова и др.

52. Патент 1367741 (Россия). Устройство для моделирования производства и потребления / Уфимск. авиац. ин.-т им.С.Орджоникидзе; авт. изобрет. И.Ю.Юсупов, И.И.Парфенов, М.Я.Парфенова.

53. Помехоустойчивые коды (компьютер Фибоначчи). -М.: Знание, 1989.-64с. (Новое в жизнь, науке, технике. Сер. «Радиотехника и связь»; №9).

54. Попов Э.В. Общение с ЭВМ на естественном языке.-М.: Наука, 1982.-380с.

55. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ.-М.: Наука, 1987.-283с.

56. Попов Э.В. Корпоративные системы управления знаниями // Новости искусственного интеллекта.- 2001.-№1.-С.14-25.

57. Поспелов Г.С. Системный анализ и искусственный интеллект.-М.: Изд.-во АН СССР, 1980.-47с.

58. Поспелов Г.С. Искусственный интеллект-основа новой информационной технологии.-М.: Наука, 1988.-278с.

59. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект-прикладные системы.- М.: Знание, 1985.-48с.

60. Поспелов Д.А. Ситуационное управление: теория и практика.-М.: Наука, 1986.-288с.

61. Прангишвили И.В., Виленкин С.Я., Медведев И.Л. Параллельные вычислительные системы с общим управлением.- М.: Энергоатомиздат,1983.-311с.

62. Прангишвили И.В. Микропроцессоры и локальные сети микро-ЭВМ в распределенных системах управления.-М.: Энергоатомиздат, 1985.-272с.I

63. Прангишвили И.В. Системный подход и общесистемные закономерности. М.: СИНТЕГ, 2000.-528 с.

64. Рутковский В.Ю. Ильясов Б.Г., Кабальнов Ю.С. и др. Адаптивные системы управления газотурбинными двигателями летательных аппаратов.-М.: МЭИ, 1994.-224с.

65. Саати Т. Принятие решений. Метод анализа иерархий / Пер. с англ.-М.: Радио и связь, 1993.-320с.

66. Самарский А.А., Михайлов А.П. Компьютеры и жизнь: (Математическое моделирование).-М.: Педагогика, 1987.-127с.

67. Статические и динамические экспертные системы: Учебное пособие/ Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель и др.- М.: Финансы и статистика, 1996.-320с.

68. Системный анализ и проблемы развития городов / Под ред. С.В.Емельянова.-М.: Наука, 1983.-512с.I

69. Советов Б.Я. Информационная технология.- М.: Высшая школа, 1994.-200с.

70. Стахов А.П. Коды золотой пропорции.- М.: Радио и связь, 1984.-152с.

71. Уинстон П. Искусственный интеллект / Пер. с англ.-М.: Мир, 1980.-520с.

72. Харин Н.П. Повышение интеллектуальности распознающих систем на основе компьютерной генерации признаков // Труды Международного конгресса «Искусственный интеллект в XXI веке».-М.: Физматлит, 2001.-Т.1.-С.186-192.

73. Хинчип А.Я. Цепные дроби.- М.: Наука, 1978.- 112с.

74. Юдин Д.Б. Вычислительные методы теории принятия решений.-М.: наука, 1989.-320с.

75. Юсупов И.Ю. Автоматизированные системы принятия решений.-М.: Наука, 1983.-87с.

76. Юсупов И.Ю., Парфенов И.И., Парфенова М.Я. Алгоритм распределения запасных частей по мере их поступления // Тез. докл. респ. н.-т. конф. «Автоматизированное управл. сложными системами».- Уфа: УАИ, 1985.-С.З.I

77. Юсупов И.Ю. Парфенов И.И., Горшечников А.В. Автоматизированное управление ситуациями в агропромышленном комплексе.- Уфа: Башк.кн. изд-во, 1988.- 208с.

78. Юсупов И.Ю., Парфенов И.И., Парфенова М.Я. Автоматизированные системы принятия решений в организационном управлении большим городом // Тез.докл. Всесоюзн. Конф. «Управление большим городом». -М.: Научно-произв. объед. АСУ «Москва», 1988.

79. Юсупов И.Ю., Парфенов И.И., Парфенова М.Я. Иерархические автоматизированные системы принятия решений // Вопросы регулирования и управл. в сложных системах: Межвуз. науч. сб. Уфа: УАИ,1990.-С.10-12.

80. Яковенко Е.Г., Модин А.А., Погребной Е.П. Справочник разработчика АСУ.-М.: Экономика, 1978.-400с.

81. Aamodt, А& Plaza, E.(1994).Case-Based Reasoning // Foundational

82. Jssues, Methodological Variations, and System Approaches. All Communications, 7(i).- P.39-59.

83. A computer operator's expert system. Karnaugh M., Ennis R., Griesmer J.,Mong S., Klein D., Milliken K., Schor M., Van Woercom H. Proc 7 th Jnt.Conf. Comput Commun.: New Worid Jnf. Soc. Sydney, C)ct.30-Nov.2.1984.

84. Boehm B.W. A Spiral Model of Sdftware Development and Enchancement // Computer, May 1988.-P.31-35.

85. Davis A.M., Bersoff E.H., Comer E.R.Strategy for Comparing Alternative Software Development Life Cycle Models // IEEE Transactions on Software Engineering, V.14, No. 10, October 1988.-P.34-40.

86. Design /IDEF. Version 3.0 User's manual. Meta Software Corp. 1994.-P.600.

87. Design /IDEF. Version 3.0. Interface languages manual. Meta Software Corp. 1994.-P.200.

88. Downs E., Clare P., Сое I. Structure Systems Analysis and Design Method // Application and Context, 2 nd Ed. London: McGraw Hill, 1992.-P.407.

89. Eva M. SSADM Version 4: User's Guide. London: McGraw Hill, 1992.-P.407.

90. Generic tasks in knowledge -based reasoning: high level building blocks for expert system design. Chandrasekaran B. "IEEE Expert". 1986.1.№3. P.23-30.

91. Golberg David E., Genetic Algorithms in Search, Optimisation and Machine Learning. Addison-Wesley Publishing Company, Inc. 1989.

92. Hall C. The devil's in the details: tdchniques, tools, and applications for database mining and Knowledge discovery // Intelligent Software Strategies.-P.I.V.XI.-№9-1995. September.

93. Hall C. The devil's in the details: techniques, tools, and applications for database mining and Knowledge discovery // Intelligent Software Strategies.-P.II.V.XI.-№9-1995. October.

94. Honcssy D. and Hinkle D. Applying Cased-Based Reasoning to Autoclave Loading // IEEE Computer Society, Los Alamitos, California, October 1992.-P.132-141.

95. Intelligence artificielle et traduction automatique au menn. Brunner B."Bur. et syst." 1987. 9 №2. -P.30-32.

96. Inmonn W.H. Building the Data Warehouse.- NY: John Wiley&Sons, Inc.,1992.-298p.

97. Kopplang von Datenbank-und Expert-system. Reuter A. "Information-stechnik it'M 987.29. №3.-P.164-175. ,

98. Larichev O.I. Cognitive Validity in Design of Decision-Aiding Techniques //Journal of multicriteria decision analysis. №3 (1).1992.-P.127-138.

99. Larichev O.I., Olson D.L., Moshkovich H.M., Mechitov A.I. Numerical vs. Cardinal Measurements in Multiatribute Decision Making: How Exact is Exact Enough // Organizational behavior and human decision processes. №64 (1),1995.-P.9-21.

100. Mc Clur C. The CASE Experience // BYTE, 1989, April.-P.56-60.

101. Parfenova M.J. Information Business in Organizational Control // Proceedings of the 2 nd International Workshop, on Computer Science and Information Technologies (CSIT' 2000), volume 2: USATU, Ufa State Aviation Technical University, 2000.- P.189-190.

102. SSADM Manual. Version 4. -Blaqkwell: National Computing Center, 1990.-P.140.

103. User Guide Icreator v.3.0. Stirling Technologies Co.1995.-P.250.

104. User Guide HTMLEd 32. Internet Software Technologies. 1994,1995.-P.250.

105. Vcrlag C.E., K.Kurbel, H.Strunz. Handbush wirtschafts informatik. Poe-shel. 1990.-P.978.

106. Yourdon E. Modern Structured Analysis.- New.York.:Yourdan Press / Prentice Mill. 1989.-P.254.