Будь умным!


У вас вопросы?
У нас ответы:) SamZan.net

Лекция 1 ПЕРСПЕКТИВИ РОЗВИТКУ ТА ВИКОРИСТАННЯ ІНТЕЛЕКТУАЛЬНИХ ІНФОРМАЦІЙНИХ СИСТЕМ Напрями розвитку інт

Работа добавлена на сайт samzan.net:

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 2.11.2024

PAGE  16

Лекция 1. ПЕРСПЕКТИВИ РОЗВИТКУ ТА ВИКОРИСТАННЯ ІНТЕЛЕКТУАЛЬНИХ ІНФОРМАЦІЙНИХ СИСТЕМ

Напрями розвитку інтелектуальних інформаційних систем

У розвитку економіки та підприємництва значну роль відіграє інформаційна інфраструктура. Для якісного управління та успішного ведення справ особі, що приймає рішення необхідно розуміння важливості інформації та інтелектуальних інформаційних систем (ІІС). Сучасні інформаційні процеси зобов'язують по-новому поглянути на інформаційні технології з позицій менеджменту.

У першу чергу це важливо для виробничих процесів, пов'язаних з виробництвом матеріальних і нематеріальних благ, так як вони життєво важливі для економіки та суспільства, в цілому. Виробничі процеси удосконалюються найбільш динамічно, і по мірі їх розвитку ускладнюється і керування ними, що, у свою чергу, стимулює вдосконалення і розвиток (ІІС).

В даний час накопичено певний досвід розробки та впровадження інформаційних систем в різних галузях економіки. Цей досвід дозволяє зробити висновок про те, що резерв підвищення ефективності таких систем полягає в збільшенні рівня інтелектуалізації цих систем, перехід до так званих «інтелектуальних» економічних систем, орієнтованих на знання.

Для ІІС характерні наступні ознаки [1]:

  •  розвинені комунікативні здатності: можливість обробки довільних запитів у діалозі мовою максимально наближеною до природної (система природно-мовного інтерфейсу);
  •  спрямованість на розв'язок слабоструктурованих, погано  формалізуємих завдань (реалізація „м'яких” моделей);
  •  здатність працювати з невизначеними й динамічними даними;
  •  здатність до розвитку системи й виокремлення знань із накопиченого досвіду конкретних ситуацій;
  •  можливість одержання й використання інформації, яка явно не зберігається, а виводиться з наявних у базі даних;
  •  система має не тільки модель предметної області, але й модель самої себе, що дозволяє їй визначати межі своєї компетентності;
  •  здатність до дедуктивних  висновків, тобто до висновків за аналогією;
  •  здатність пояснювати свої дії, невдачі користувача, попереджати користувача про деякі ситуації, які можуть призвести до порушення цілісності даних.

Традиційно вважається, що ІІС містять базу даних, базу знань, інтерпретатор правил або машину висновку, компоненту пояснення й природно-мовного інтерфейсу, що забезпечують зв'язний дискурс, тобто діалог користувача й системи з почерговим переходом ініціативи.

 Відмінні риси ІІС у порівнянні зі звичайними ІС полягають у наступному:

  •  інтерфейс природньою мовою з використанням бізнес-понять, характерних для предметної області користувача;
  •  здатність пояснювати свої дії й підказувати користувачеві, як правильно ввести економічні показники і як вибрати підходящі до його завдання параметри економічної моделі;
  •  впровадження моделі економічного об'єкта і його оточення у вигляді бази знань і засобів дедуктивних і правдоподібних висновків у комбінації з можливістю роботи з неповною або неточною інформацією;
  •  здатність автоматичного виявлення закономірностей бізнесу в раніше накопичених фактах і включення їх у базу знань.

ІІС особливо ефективні в застосуванні до слабко структурованих завдань, у яких поки відсутня чітка формалізація, і для розв'язку яких застосовуються евристичні процедури, що дозволяють у більшості випадків одержати розв'язок. Частково цим можна пояснити те, що діапазон застосування ІІС надзвичайно широкий: від керування безперервними технологічними процесами в реальному часі до оцінки наслідків від порушення умов поставки товарів по імпорту.

У міру вдосконалювання принципів логічного й правдоподібного висновку, застосовуваних в ІІС за рахунок використання нечіткої, модальної, тимчасової логіки, байесовських мереж висновку, ІІС починають проникати і в високоінтелектуальні області, пов'язані з розробкою стратегічних розв'язків по вдосконалюванню діяльності підприємств. Цьому сприяють більш сучасні алгоритми аналізу й синтезу природньої мови, що полегшують спілкування користувача із системою.

Включення до складу ІІС класичних економіко-математичних моделей, методів лінійного, квадратичного й динамічного програмування дозволяє поєднувати аналіз об'єкта на основі економічних показників з урахуванням факторів і ризиківзовнішнього середовища, оцінювати наслідки отриманих від ІІС розв'язків. Наявність у складі ІІС об'єктно-орієнтованої бази даних дозволяє однорідними засобами забезпечити зберігання й актуалізацію як фактів, так і знань.

На даний час сучасні ІІС уже не розглядаються виключно як щось, приналежне до світу техніки. Вони тісно пов’язані із життям людей, розвитком економіки та світу. Зараз усе суспільство функціонує за допомогою ІІС, що координують, або навіть, керують різними сферами життєдіяльності.

Характерною рисою сучасного етапу розвитку людства є те, що, створивши глобальні інтелектуальні системи, всесвітні комунікаційні мережі, людина перетворила себе в частину чогось істотно більшого, ніж вона була, побудував при цьому складний для себе, для своїх інтелектуальних можливостей світ. З цього приводу, сучасний німецький філософ Х.Ленк  [5] зазначає, що інформаційні системи в майбутньому будуть приймати рішення в усе більшому обсязі з життєво важливих соціальних і навіть індивідуальних проблем, і особливо з проблем, які виникатимуть у разі надзвичайних ситуацій, коли рішення приймаються без «відповідальної особи», тобто без людини або групи людей. І дійсно, приклади використання ІІС в суспільстві вражає. Дослідження у сфері «штучного інтелекту» активно використовуються в комп’ютерних науках, біології, нанотехнологіях, молекулярній біоелектроніці, фізиці, економіці, державотворенні, тощо.

На даному етапі існують багато розробок та прикладів використання  ІІС. Так, наприклад, фінансові установи застосовують системи штучного інтелекту в страховій діяльності, при здійсненні торгів цінними паперами, управлінні активами. Промислові та ринкові структури за допомогою даних систем забезпечують управління виробництвом, маркетинговою та логістичною діяльністю, збутом з орієнтацією на споживача. Методи розпізнавання образів знайшли своє відображення в медичній діагностиці, спам-фільтрах, системах військової оборони та національної безпеки. Створення комп’ютерних ігор (імітація поведінки героїв, розрахунок вірної стратегії) також не обходиться без використання систем «штучного інтелекту».

В сучасній економічній діяльності ІІС підійшли до принципово нового етапу свого розвитку. Так, за останні 10 років суттєво розширилися можливості інтелектуальних технологій за рахунок розробки нових типів логічних моделей, появи нових теорій і уявлень. Найважливішими віхами в розвитку ІІС та технологій вважаються [2]: перехід від логічного висновку до моделей аргументації та міркування; пошук релевантних знань і породження пояснень; розуміння та синтез текстів; когнітивна графіка, тобто графічне і образне представлення знань; мультиагентні системи; інтелектуальні мережеві моделі; обчислення, засновані на нечіткій логіці, нейронних мережах, генетичних алгоритмах, імовірнісних обчисленнях; проблема мета знань, тощо.

Новою парадигмою створення перспективних ІІС стали мультиагентні системи. В них передбачається, що агент – це самостійна інтелектуальна система, яка має свою систему цілепокладання і мотивації, свою область дій і відповідальності. Взаємодія між агентами забезпечується системою більш високого рівня – метаінтелектуального. У мультиагентних системах моделюється віртуальна взаємодія інтелектуальних агентів – об'єктів, які автономні, активні, вступають у різні «соціальні» відносини – кооперації та співробітництво, конкуренції, змагання тощо.

Важливою відмінністю мультиагентної системи від програми чи одного агента є те, що вхідні в систему програмні агенти не є спроектованими спеціально для цієї системи. Це можуть бути повторно використовувані агенти, агенти, що розроблені для вирішення більш універсальних завдань. У цих випадках агенти мають власні цілі, що не збігаються повністю з цілями системи (організації), але сумісні з ними. Тим не менш, вони можуть бути корисними один одному для рішення конкретних завдань і, тому, дуже важливим для них з цієї точки зору є властивість комунікативності. 

Дослідження в області систем підтримки прийняття рішень в останні роки все більше переходять від створення систем у вигляді традиційного «ящика з інструментами» (toolbox) до парадигми співробітництва та інтеграції незалежних додатків. Швидко зростаюча область досліджень інтелектуальних агентів і мультиагентних систем пропонує можливості створення більш ефективних систем на основі єдиного підходу. Наприклад, Р. Вахід і Б. Фазлоллахі [3] пропонують плюралістичну мультиагентну систему підтримки прийняття рішень. Слово «плюралістичний» у назві підходу говорить про множинність, джерела різної інформації, точок зору і перспектив, які використовуються в рамках однієї системи. Агенти розподілені за ролями у відповідності з різними фазами вирішення проблем. Вони взаємодіють з користувачем, оточенням, один з одним для поліпшення процесу прийняття рішення.

«Соціальний» аспект рішення сучасних завдань  є фундаментальною особливістю концептуальної новизни передових інтелектуальних технологій – віртуальних організацій, віртуального суспільства.

Глобальні інформаційні мережі та ІІС можуть докорінно змінити наші уявлення про підприємництво та саму розумову працю. Присутність співробітників на робочому місці стане практично не потрібним. Люди зможуть працювати вдома і взаємодіяти один з одним при необхідності через мережі. Так досвід створення нової модифікації літака «Боїнг-747» розподіленим колективом фахівців є  успішним прикладом,  що взаємодіяв в процесі проектування через мережу Internet. Місцезнаходження учасників яких-небудь розробок грає все меншу роль, проте зростає значення рівня кваліфікації учасників.

Інша причина, що визначила бурхливий розвиток інтелектуальних інформаційних систем та технологій, пов'язана з ускладненням систем комунікації і розв'язуваних на їх основі завдань. Знадобився якісно новий рівень «інтелектуалізації» таких програмних продуктів, як системи аналізу різнорідних і слабо - та неструктурованих даних, забезпечення інформаційної безпеки, вироблення рішень в розподілених системах і т. п.

Існує декілька напрямів сучасних інформаційних технологій, що дозволяють створювати інтелектуальні системи управління із застосуванням знань: експертні системи, штучні нейронні мережі, нечітка логіка, генетичні алгоритми і ряд інших.

Інтелектуальні мережеві моделі на підгрунті апарату теорії нечітких множин, продемонстрували ряд багатообіцяючих можливостей застосування – від систем керування літальними апаратами до прогнозування підсумків виборів.  Основними споживачами нечіткої логіки на ринку України є банкіри і фінансисти, а також фахівці в галузі політичного та економічного аналізу. Вони використовують інструментарій CubiCalc для створення моделей різних економічних, політичних, біржових ситуацій. Що ж стосується пакету FuziCalc, то його переваги оцінили великі фінансові структури і фахівці з надзвичайних ситуацій – тобто ті, для кого важлива швидкість проведення розрахунків в умовах неповноти і неточності вхідної інформації. Слідом за фінансистами, когнітивними нечіткими схемами зацікавилися промислові гіганти США такі як Motorola, General Electric, Otis Elevator, Ford та ін. Сьогодні елементи нечіткої логіки можна знайти в десятках промислових виробів – від систем керування електропоїздами і бойовими гелікоптерами до пилососів і пральних машин. Без застосування нечіткої логіки немислимі сучасні ситуаційні центри керівників західних країн, де приймаються ключові політичні рішення і моделюються різні кризові ситуації.  Одним із вражаючих прикладів масштабного застосування нечіткої логіки стало комплексне моделювання системи охорони здоров'я і соціального забезпечення Великобританії (National Health Service – NHS), яке вперше дозволило точно оцінити й оптимізувати витрати на соціальні потреби.

Однак можна з упевненістю сказати, що епоха розквіту прикладного використання нечіткої логіки на вітчизняному ринку ще попереду.

Розвиток нейронних мереж є одним із перспективних напрямів подальшої еволюції ІІС. Триває вдосконалення алгоритмів навчання та класифікації в масштабі реального часу, обробки природних мов, розпізнавання зображень, мови, сигналів, а також створення моделей інтелектуального інтерфейсу, що адаптується під можливості користувача. Серед основних прикладних завдань, що вирішуються за допомогою нейронних мереж, – фінансове прогнозування, інтелектуальний аналіз даних, діагностика систем, контроль за діяльністю мереж, шифрування даних. В останні роки йде посилений пошук ефективних методів синхронізації роботи нейронних мереж на паралельних пристроях.

Продовжуватиметься розробка способів представлення й аналізу зображень (стиснення, кодування при передачі з використанням різних протоколів, обробка біометричних образів, знімків з супутників), незалежних від пристроїв відтворення, оптимізації кольорового подання на екран і при виведенні на друк, розподілених методів отримання зображень.

Подальший розвиток отримають засоби пошуку, індексації та аналізу змісту зображень, узгодження вмісту довідкових каталогів при автоматичній каталогізації, організації захисту від копіювання, а також машинного зору, алгоритми розпізнавання і класифікації образів [4].

Подальші розробки в галузі штучного інтелекту будуть спрямовані на заміну інтелектуальних функцій людини функціями комп'ютерів. Віце-президент відділу комп'ютерних досліджень компанії Пол Хорн [5] навіть якось заявив, що якщо експансія комп'ютерів у всі сфери діяльності людини буде продовжуватися, у світі скоро не вистачить людей, щоб ними управляти. На його думку, незручності, викликані цією ситуацією, можуть звести нанівець ту користь, яку приносять комп'ютери людству, і заради якої вони, власне, і були створені. Тому, зараз на різних рівнях обговорюються проблеми розробки самоврядних комп'ютерних систем, які б в умовах обмеженої інформації могли б не тільки приймати найбільш ефективне рішення, а й судити про рівень надійності такого рішення з урахуванням надійності інших систем, з якими доводиться взаємодіяти, а також вона могла б коригувати власну поведінку з метою підвищення ефективності. Такі системи здобули назву «систем емоційних реакцій» [5].

Система емоційних реакцій – це механізм, що дозволяє оцінювати події в категоріях «позитивне – негативне», «безпечне – небезпечне», «хороше – погане», «сприятливий – шкідливе». У сучасній науці розробляються питання математизації деяких сторін етичної науки, зокрема експлікація засобами математики і кібернетики її основних понять і можливість моделювання окремих аспектів моральної свідомості.

Формується етометрія [5] – вимірювальна теорія етики, яка займається математичним моделюванням «моральних» структур, включаючи такі, як, наприклад, совість. Моделювання «совісті» ґрунтується на тому, що вона має функцію регулятора, який налаштовує рівень поведінки індивідуума (реальна величина) на рівень поведінки, необхідного суспільству (задана величина). Говорячи мовою кібернетики, совість зіставляє значення заданої і реальної величин. До тих пір поки існує певна рівновага цих величин, совість виконує «пасивну» функцію. Однак як тільки ця рівновага порушується, тобто змінюється значення різниці між заданою і реальною величинами, мобілізується «активна» функція совісті: з'являються «докори сумління», які потім (після досягнення рівноваги) зникають. Цікаво в даному контексті відзначити також дослідження з моделювання за допомогою систем штучного інтелекту такого соціального феномена, як сім'я. Вступ у шлюб з урахуванням рекомендацій машини, підсумувавши необхідну інформацію про потенційних подружжя, входить в практику одружень [5].

З великою часткою ймовірності можна стверджувати, що робототехніка і виробництво роботів протягом найближчих десятиліть надасть суттєвий крок вперед. Вже сьогодні практично буденним стає використання роботів в технологічних процесах, роботизація охоплює усе більше число виробничих галузей. При чому, якщо раніше під поняттям «робот» усі собі представляли щось типу машини «Лунохід-1», то зараз існує вже певна ієрархія роботів: від промислових роботів (фірми ABB, STAUBLI, REIS, MOTOMAN, ADEPT) для зварювання, маніпулювання речовинами, упакування, шліфування і т.п. та військових роботів (робот-сапер PackBot, марсоходи типу Spirit и Opportunity, роботи-безпілотники) до домашніх (мобільних) роботів (роботи-футболісти, домашні улюбленці: домашня собака Аіbo та I-Cybie, гренландський тюлень – Paro; роботи-домогосподарки, роботи-охоронці, роботи-клоуни та ін.) Усі зусилля науковців зараз направлено на зближення людини – як еталонного зразка та робота – як моделі. Розробляється відповідне програмне забезпечення, що дозволить роботам виконувати складні функції в багатофакторному просторі обмежень. Сьогодні починається впровадження роботів у повсякденний побут людини, в якийсь момент вони стануть його невід'ємною складовою. У життєдіяльності людини з'являються штучні інтелектуальні помічники, виконавці рутинної роботи, які беруть на себе багато обов'язків, невідомі раніше функції в різних сферах людської діяльності.

Попит на експертні системи залишається в світі на досить високому рівні. Найбільшу увагу сьогодні приділено системам прийняття рішень в масштабі часу, близькому до реального, засобам зберігання, вилучення, аналізу та моделювання знань, системам динамічного планування.

Зростання кількості інтелектуальних програм, здатних швидко знаходити оптимальні рішення комбінаторних проблем (що виникають, наприклад, у транспортних задачах), пов'язані з виробничим і промисловим зростанням у розвинених країнах.

Унікальна особливість інтелектуальних інформаційних технологій – їх універсальність. Вони практично не мають обмежень по використанню в таких областях, як управління, проектування, машинний переклад, діагностика, розпізнавання образів, синтез мови тощо. Інтелектуальні інформаційні технології також знаходять широке використання для розподіленного рішення складних задач, сумісного проектування високотехнологічної продукції, побудови віртуальних підприємств, моделювання великих виробничих систем, систем електронного бізнесу, електронної розробки складних комп’ютерних систем, управління системами знань та інформатизації тощо.  

В останні роки спостерігається пожвавлення зацікавленості у використанні ІІС та технологій у таких галузях та сферах [6]: промислово-виробнича сфера та роботехніка; літакобудування; військова промисловість та космонавтика; нанотехнології; банки та страхові компанії; служби безпеки; біомедична та фармацевтична промисловість; телебачення та зв’язок та інші.

Багато з названих  галузей і та сфер відносяться до наукомістких, таких, що здатні виробляти сучасну високотехнологічну продукцію, яка за своїми характеристиками не поступається кращим світовим аналогам або перевищує їх. Особливості функціонування наукомістких виробничих систем пов’язані з постійним впровадженням сучасних інформаційних технологій, що призводить до залучення значних фінансових, інтелектуальних, інвестиційних і інноваційних ресурсів для забезпечення виробництва конкурентоспроможної продукції [7]. Виробництво високотехнологічної (наукомісткої) продукції базується на нових знаннях, що мають інформаційну основу і втілюються в інноваціях і які у високорозвинених економіках через новітні технології та відповідну продукцію забезпечують в кінцевому рахунку домінуючу вагу приросту ВВП.

Державні цільові програми і програми розвитку галузей економіки, окремих регіонів та сфер суспільного життя України [8] націлені на проведення заходів, спрямованих  на ефективне співробітництво між Україною та Європейським Союзом (ЄС), розвиток  літакобудівної та космічної галузей, збільшення обсягів експорту продукції високотехнологічних галузей,  створення енергозберігаючих технологій, інформатизацію процесів соціально-економічного розвитку, реструктуризацію пріоритетних галузей економіки, збереження природних екологічних систем.  Згідно з Програмами ЄС [9] Україна бере участь у новітніх Програмах „Інформаційні технології”, „Нанонауки, нанотехнології, матеріали й нові виробничі процеси”. Дослідження зосереджуються на розробці нових промислових моделей і стратегій, що охоплюють всі аспекти, які стосуються виробничих процесів і всього життєвого циклу розробки наукомісткої продукції, адаптації передових технологічних методів до існуючого виробництва. Важливу роль при цьому буде відігравати спільне використання нано-, біо-, інфо- та пізнавальних технологій для розробки наукомісткої продукції, інженерних концепцій і можливостей нових виробництв. Особливу увагу буде приділено створенню високотехнологічних підприємств. Розробка й реалізація нових виробничих моделей і стратегій  ґрунтується на ключовій концепції „наукомісткий завод як продукція”. Виробничі системи й елементи, що адаптуються до сучасних ринкових умов, є необхідними для створення наукомісткого виробництва, яке можна швидко переналагодити.

Так, інформаційні системи в наукомістких виробничих підприємствах  характеризуються рядом особливостей, серед яких:

- постійна модифікація функціональних вимог, необхідність забезпечення високої гнучкості і можливості швидкого нарощування функціональності;

- розмаїтість, недостатня стандартизованість і швидка зміна програмних і апаратних платформ та стандартів;

- необхідність забезпечення сумісності з безліччю різноманітних зовнішніх систем, на котрі не завжди можна впливати;

- необхідність інтеграції з наявною інфраструктурою (баз даних, баз знань та сховищ, корпоративні додатки, система захисту) систем окремих учасників виробничих систем;

- необхідність інтеграції різних типів інформаційних систем в інтегрованій виробничій системі тощо.

Всі ці особливості вимагають детальних досліджень можливостей застосування існуючих та розробки нових, сучасних методів розробки інформаційних систем, заснованих на моделюванні і повторному використанні та видозміненні напрацьованих моделей, систем штучного інтелекту, автоматичній генерації кодів.

Дослідження також повинні концентруватися на інтелектуальних виробничих системах (ІВС), здатних швидко реагувати, адаптуватися й попереджати запити споживачів на зовнішні умови, а також гнучко перебудовуватися на випуск різних партій продукції. Інтеграція знань і технологій з урахуванням безпеки, соціальної відповідальності й життєздатності є необхідною для прискорення перетворень у європейській промисловості й економіці України.

Концептуальні засади побудови структури комплексу управління ІВС. У процесі інжинірингу ІВС, зокрема менеджменту вирішуються поточні та стратегічні виробничі прикладні задачі. При цьому корисно, а у великій мірі й необхідно,  використовувати основні принципи, що встановлені для кібернетичних систем [108,109]. Кібернетична система (КС)це сукупність пов'язаних один з одним об'єктів (елементів системи), які здатні сприймати, зберігати, переробляти інформацію, а також обмінюватися нею. КС є найбільш загальною абстрактною моделлю систем, які досліджуються методами кібернетики.

Складність і розмаїтість функціональних задач менеджменту ІВС спричиняються доцільністю включення організаційно-методичних компетенцій (заходів), які  реалізуються з позицій використання КС.

Застосування КС управління припускає при розробці такої системи приділяти значну увагу засобам підвищення надійності, використання автоматизованих процедур і алгоритмів. У рамках цієї схеми широко використовуються прийоми агрегування та методи композиції.

Застосування методів декомпозиції варто розглядати в комплексі з функцією планування й методами композиції. Більш докладно ці питання розглянуто в [110]. Проведені там модельні дослідження показали принципову можливість зменшення складності моделі декомпозиції в порівнянні з початковою моделлю. Опис законів функціонування КС задається трьома сімействами функцій: функціями, що визначають зміни станів елементів системи; функціями, що задають вихідні сигнали елементів; функціями, що викликають зміни в структурі КС. Для завдання повного опису КС необхідно крім зазначених функцій задати початковий стан КС і початкові стани всіх її елементів. Для дослідження дискретних КС основним інструментом є апарат теорії алгоритмів, автоматів, інформації.

Складність опису КС визначається двома основними факторами: розмірністю (числом елементів і параметрів, що їх описують) і складністю структури КС, що обумовлена загальним числом зв'язків між її елементами і їхньою розмаїтістю. Складні системи управління - це системи з описами, що не зводяться до опису одного типового елемента і вказівки загального числа таких елементів. При визначенні складності таких систем використовують різні моделі  і методи моделювання, у тому числі декомпозицію та агрегування. Однак у цьому напрямку можливості моделювання обмежені. Відома теза Джона фон Неймана говорить про те, що існує поріг складності системи, після досягнення якого найпростішим описом моделі стає сама система [111].

Схема функціонування КС, у тому числі довільної системи управління,  у найбільш загальному вигляді зображується як кругообіг інформації з таким ритмом, що забезпечує нормальне функціонування об'єкту. При цьому  система управління видає керуючі впливи на об'єкт по каналу прямого зв'язку, результати цього впливу відображаються об'єктом управління, фіксуються й передаються в систему управління по каналу зворотного зв'язку, потім формується новий керуючий вплив, і цикл керування повторюється знову. Використання зворотного зв'язку, відоме під назвою „принцип зворотного зв'язку” - це фундаментальний принцип КС. Зворотній зв'язок - це вплив результатів функціонування системи на характер цього функціонування [112]. Основна ідея принципу полягає в тому, щоб використати самі відхилення системи від певного стану для формування керуючих впливів. Принцип зворотного зв'язку широко використовується в КС, зокрема в системах автоматичного управління і при розробці  критеріїв стійкості КС. Принцип зворотного зв'язку є основою для побудови систем моніторингу і контролінгу [113]. Все розмаїття систем, які мають прикладне значення, можна класифікувати за різними ознаками, основною з яких є область застосування. Число таких областей надзвичайно велике, відзначимо найважливіші: соціальні, економічні, технічні й біологічні системи. Всі вони відносяться до класів КС, і в них реалізуються функції керування. Керування - це зміна стану системи, що веде до досягнення поставленої мети. Цілями керування можуть бути: підтримка деякого бажаного стану (рівня) системи при дії різного роду впливів, що їх обурюють; досягнення системою деякого рівня матеріального й духовного комфорту членів суспільства й рівня стабільної забезпеченості; забезпечення такого режиму роботи виробничої системи, при якому досягається максимум продукції, що випускається, або мінімум собівартості цієї продукції і т. ін. Керування також можна визначити як вибір однієї із множини можливих альтернатив управлінського рішення. Для керованої системи необхідно знати й передбачати її поведінку при можливих різних впливах на неї, для цього необхідно мати у своєму розпорядженні модель системи. Управляючі системи прикладного плану досить складні і для забезпечення свого функціонування вимагають дотримання певних принципів:

  1.  Визначення мети керування при забезпеченні стійкості системи.
  2.  Обов'язковий облік можливих несприятливих зовнішніх впливів, які можуть вивести КС зі стійкої рівноваги.
  3.  Необхідність забезпечення засобів і алгоритмів керування з розробкою: експертних систем; систем підтримки прийняття управлінських рішень; систем оцінки наслідків прийняття пропонованих рішень;  сполучення макро -  і мікромоделей; алгоритмів навчання, самонавчання й самовдосконалення; оптимізаційних розподільних алгоритмів.

4. Розробка засобів контролю виконання програми управління на основі використання каналів зворотного зв'язку, систем моніторингу і контролінгу.

Для реалізації зазначених принципів у складі менеджменту ІВС має бути передбачено побудову наступних систем (рис.1): підтримки прийняття управлінських рішень (СППР); оцінки наслідків прийнятих рішень (СОНПР); керування ризиком прийнятих рішень (СКРПР); експертної системи підтримки управлінських рішень (ЕСПУР); динамічної системи оптимального розподілу ресурсів (СОРР).

Ядром цих систем може бути інтегрована база даних, сховищ та знань (ІБДЗ). Для реалізації організаційно-методичних, маркетингових та зовнішніх компетенцій щодо підвищення ефективності функціонування та розвитку ІВС доцільно до складу менеджменту ІВС включити системи стратегічного управління і планування (ССУП) і стратегічного маркетингового дослідження (ССМД).

Однією з важливих задач реалізації структури комплексу управління ІВС є обґрунтовання вимог до використання програмного інструментарію забезпечення управління КС. Але дієвість програмного інструментарію в остаточному підсумку буде визначатися якістю роботи засобів контролю виконання програми управління. Для реалізації цього положення має бути створена система контролю виконання програми управління (СКВПУ), яка повинна забезпечити рішення наступних задач: формування переліку контрольованих величин, які визначають діагноз стану об'єкту управління; спостереження й аналіз значень переліку параметрів контрольованих величин; обробку результатів спостереження, аналіз цих результатів і вироблення на його основі управлінських рішень.

Для рішення цих задач найбільш доцільно розробити систему контролінгу (СК) для спостереження й управління КС. СК повинна забезпечувати аналіз контрольованих величин та спостерігати за збереженням рівня ефективності роботи КС. При управлінні ІВС КС будується на основі використання системного підходу й системного аналізу. При цьому основними факторами успіху для реалізації структури комплексу управління ІВС є наступні: зручність використання, зв’язність даних, технологічна сумісність, легкий супровід і додаткова вартість. Основними вимогами до СППР в ІВС є наступні: повнофункціональність, можливість швидкого і безпечного обміну інформацією, автономність, моніторинг, активація (можливість працювати в автономному режимі, здійснюючи вплив на робоче середовище СППР), „розумність” (можливість інтерпретувати події, щоб ухвалювати належні рішення), безперервність роботи, адаптивність, мобільність.

В подальших підрозділах будуть розглянуті нові підходи до побудови інтелектуальних компонентів або в цілому інформаційних систем.



ЛІТЕРАТУРА:

  1.  Романов В.П.  Интеллектуальные информационные системы в экономике: Учебное пособие / Под ред. д.э.н., проф. Н.П. Тихомирова. — М.: Издательство «Экзамен», 2003. — 496 с.
  2.  http://www.osp.ru/cio/2002/05/172154/
  3.  http://www.intuit.ru/department/algorithms/distrsa/10/2.html
  4.  http://ocrai.narod.ru/perspective.html
  5.  http://www.gumer.info/bogoslov_Buks/Philos/revko/06.php
  6.  http://www.intuit.ru/department/human/isrob/1/3.html
  7.  Устенко С. В. Моделювання наукомістких виробничих систем [Монографія] /  – К.: ЕКМО, 2008. – 329  с.
  8.  Державні цільові програми України / Верховна Рада України. –  Режим доступу  http://zakon.rada.gov.ua/ 
  9.  Інформаційні технології: нанонауки, нанотехнології, матеріали й нові виробничі процеси. –  Режим доступу www.nas.gov.ua/ciptt/EU , http://cordis.europa.eu/fp7/ict/ . – (Участь українських вчених  у наукових програмах Європейського Союзу).
  10.  Иванищев В. В. Моделирование без посредника. Изв. РАН “Теория и системы управления” №5,1997г.
  11.  Глушков В. М. Кибернетика и ее применение в народном хозяйстве / Глушков В. М. К.: Наукова думка, 1990.   Т. 3. – 357 с.
  12.  Глушков В. М. Основные принципы построения автоматизированных систем организационного управления / Глушков В.М. // Управляющие машины и системы . – 1972. – №1. С918.
  13.  Константинова А. В. Реструктуризація як ефективний засіб виведення підприємства з кризового стану / А. В. Константинова // Формування ринкових відносин в Україні. – 2002. – Вип. 16. – С. 117–119.
  14.  Лавинский Г. В. Построение и функционирование сложных систем управления / Лавинский Г. В. – К.: Вища школа, 1989. – 332 с.
  15.  Энциклопедия кибернетики. - К.: Украинская советская энциклопедия, 1974. – Т2. – 619 с.
  16.  Галіцин В. К. Системи моніторингу / Галіцин В. К. –  К.: КНЕУ, 2000. – 231 с.




1. Тема 9 Антикризисное финансовое управление предприятием Сущность и основные задачи антикризисного
2. Тема 9 Отдельные виды договоров КОНСЕНСУСНЫЕ КОНТРАКТЫ ДОГОВОР КУПЛИПРОДАЖИ ~ это консенсуальный контр
3. Номер Дата поездки Место назначения
4. Цифровая обработка сигналов
5. время когда в Европе происходили бурные и очень важные процессы такие как вторжение варваровзакончившиес
6. Крепыш Модель дошкольного образовательного учреждения с интеллектуальным компонентом образова
7. К Мельпомене Ну эти строчкикак их там А Пушкин ведь писал к Елене Или к Татьяне может к Вам 5
8. Тематика курсовых работ по дисциплине История государства и права Республики Казахстан на 20122013 учебны
9. Лекция 5. Раздел 1
10. ЛАБОРАТОРНАЯ РАБОТА 5
11. Тема- нахождение интервалов монотонности функции и экстремумов функции в среде Mtlb
12. Экономическая мысль эпохи Средневековья
13. тема таможенного законодательства и иные законодательные и правовые акты применяемые в таможенном деле
14.  Понятие информационных систем 5 2
15. ВВЕДЕНИЕ2 ИНТЕРФЕЙС ПРОГРАММЫ MICROSOFT EXCEL4 ВЫДЕЛЕНИЕ ЯЧЕЕК ДИАПАЗОНОВ ЯЧЕЕК СТОЛБЦОВ5 ОТНОСИТЕЛЬНЫЕ ССЫ
16. Контрольная работа- Правила русского языка
17. на тему- Память её виды и способы улучшения Выполнил- студент группы 131 Галяутдинов Альфред Пров
18. тема- ldquo; Обеспечение безопасности во время общественных мероприятий массового скопления людей rdquo; В
19. стимулирование инвестиционной и инновационной деятельности особых экономических зон Особые экономическ
20. ВВЕДЕНИЕ 2 2