Формальные системы управления организационными знаниями

Одним из наиболее значительных достижений в управлении организационными знаниями стало появление мощных компьютерных систем, получивших название «экспертных». В современном обществе при решении задач управления сложными многопараметрическими и сильно связанными системами, какими являются системы управления организационными знаниями, приходится сталкиваться с не формализуемыми, либо трудно формализуемыми проблемами [1].

Решаемые задачи являются не формализованными и используют эвристические, экспериментальные, субъективные знания экспертов в определенной предметной области [2]. Эти задачи решаются формальными системами управления, к которым относятся, прежде всего, экспертные системы (ЭС), т.е. команда специалистов или программа, которая использует знания экспертов. Основой эффективности ЭС являются знания, отделенные от данных.

Основными направлениями применения экспертных систем являются управление, интерпретация, прогнозирование, планирование, наблюдение (мониторинг) и обучение. Использование ЭС в компаниях и корпорациях позволяет избежать многих ошибок при принятии управленческих решений и таким образом повысить прибыль. Кроме того, применение этих систем при планировании деятельности предприятий и прогнозировании изменения рыночной ситуации дает возможность избежать неоправданных потерь и тем самым снизить издержки. Однако экспертные системы не свободны от недостатков, связанных с субъективизмом. Поэтому важную роль при их создании играют инструментальные средства. Среди них наиболее популярны такие языки программирования, как LISP и PROLOG, а также экспертные системы-оболочки (ЭСО): KEE, CENTAUR, G2 и GDA, CLIPS, АТ_ТЕХНОЛОГИЯ, предоставляющие в распоряжение разработчика-инженера широкий набор для комбинирования систем представления знаний, языков программирования, объектов и процедур [3].

По типу использования различают изолированные экспертные системы, гибридные или интегрированные с базами данных и другими программными продуктами (приложениями).

По сложности решаемых задач различают:

1. простые экспертные системы (до 1000 простых правил);

2. средние (от 1000 до 10000 структурированных правил);

3. сложные (более 10000 структурированных правил).

Простые и недорогие экспертные системы наиболее востребованы в небольших и средних предприятиях, тогда как сложные и дорогостоящие могут создаваться или приобретаться только большими холдингами и корпорациями.

Традиционно, по способу адаптации различают самонастраивающиеся, самообучающиеся и самоорганизующиеся системы [4].

Естественным развитием экспертных систем стали системы искусственного интеллекта. В 1950 году британский математик Алан Тьюринг опубликовал свою работу «Вычислительная машина и интеллект», в которой описал тест для проверки программы на интеллектуальность. Это явилось прообразом интеллектуальной системы.

Под интеллектуальной системой управления организационными знаниями следует понимать адаптивную систему, позволяющую строить программы управления знаниями по решению поставленных задач на основании конкретной ситуации, складывающейся на данный момент в окружающей их среде.

К сфере решаемых системой задач относятся обладающие, как правило, следующими особенностями:

‑ может быть неизвестен алгоритм решения задач (такие задачи называются интеллектуальными);

‑ помимо традиционных данных в числовом формате, может использоваться информация в виде изображений и знаков;

‑ может предполагаться наличие выбора. Свобода действий является существенной составляющей интеллектуальных задач.

Интеллектуальные системы могут содержать переменную, настраиваемую модель внешнего мира и реальной исполнительной системы с объектом управления. Цель и управляющие воздействия могут формироваться на основе знаний о внешней среде, объекте управления и на основе моделирования ситуаций в реальной системе.

Интеллектуальная система управления должна уметь в наборе фактов распознать существенные, должна быть способна из имеющихся знаний сделать выводы не только с использованием дедукции, но и с помощью аналогии и индукции. Кроме того, она должна быть способна к самооценке – обладать рефлексией, то есть средствами для оценки результатов собственной работы.

Обучаемость и адаптивность, накопление опыта и знаний – важнейшие свойства интеллекта.

Следует определить также понятие знания – центральной категории в интеллектуальной системе. Знания есть результат, полученный познанием окружающего мира и его объектов; это система суждений с принципиальной и единой организацией, основанная на объективной закономерности; это формализованная информация, на которую ссылаются или которую используют в процессе логического вывода.

Интеллектуальные системы свободны от таких недостатков экспертных систем, как субъективность подходов, однако часто встречающиеся ошибки в алгоритмах и их программной реализации требуют слаженной работы дорогостоящей команды математиков и программистов. Такие системы, ввиду их дороговизны, могут применяться только в больших компаниях.

Развитием и приложением интеллектуальных систем являются автоматизированные системы принятия решений. Они предназначены, прежде всего, для решения слабоструктурированных задач. Под этим понимается диалоговая информационная система, которая помогает лицу, принимающему решение, использовать данные, модели и процедуры [1].

Информация на вход системы может поступать (в зависимости от решаемой задачи) от пользователя, внешней среды, объекта управления. Далее входная информация поступает в блок логического вывода, либо сразу в базу данных – совокупность таблиц, хранящих, как правило, символьную и числовую информацию об объектах предметной области.

Для построения базы данных и базы знаний следует провести дезагрегацию задачи на подзадачи и более мелкие операции. Построение и анализ дерева целей, в котором терминальные вершины представляют собой полностью формализуемые и не формализуемые атомарные операции, дают возможность обоснованно устанавливать пределы автоматизации в человеко-машинных системах. Тем самым создается среда, содержащая множество вычислительных процедур и баз данных для поэтапного решения задачи. Человеку здесь уделяется особая роль, т.к. он является посредником между системой и реальным миром с его неформализуемыми элементами.

Подобные системы принятия решений создаются либо в виде специализированных заказных систем для повышения экономической эффективности больших компаний и корпораций и тогда эффект от их использования является значимым. Для небольших компаний уже достаточно развит рынок недорогих типовых готовых систем принятия решений, использование которых для конкретных нужд предприятий требует лишь недорогих настроек или адаптации.

Знания должны работать и приносить прибыль организации. Такие знания становятся ее интеллектуальным капиталом. Необходимо обеспечить эффективное управление знаниями, включающее в себя совершенно разные составляющие: структуризацию знаний в компании, комплексный подход к анализу эффективности бизнеса посредством экспертных систем управления, систем искусственного интеллекта и автоматизированных систем принятия решений.