- •5.4. Висновки 182
- •1.1. Основні означення менеджменту знань
- •1.1.1. Структура менеджменту знань
- •Маркетинґ Проектування Підготовка виробництва Виробництво Збут.
- •1.1.2. Формування знань
- •1.1.3. Введення даних
- •1.1.4. Адміністрування
- •1.1.5. Мотивація
- •1.1.6. Особливості впровадження мз
- •1.2. Менеджмент знань
- •1.3. Базові поняття менеджменту знань
- •1.3.1. Видобування знань
- •1.3.2. Системи пізнання
- •1.3.3. Організація доступу до знань
- •1.3.4. Інновації в області автоматизації
- •1.3.5. Менеджмент знань та інформації
- •1.3.6. Менеджмент знань та Інтернет
- •1.4. Онтологічний інжиніринґ
- •1.4.1. Системи керування знаннями
- •1.4.2. Онтологія
- •1.5. Висновки
- •9. Базові поняття менеджменту знань.
- •2.1. Поле знань
- •2.1.1. Мова опису поля знань
- •2.1.3. «Піраміда» знань
- •2.2. Стратегії одержання знань
- •2.3. Теоретичні аспекти видобування знань
- •2.3.1. Психологічний аспект
- •2.3.2. Лінгвістичний аспект
- •2.3.3. Гносеологічний аспект видобування знань
- •2.4. Теоретичні аспекти структурування знань
- •2.4.1. Історична довідка
- •2.4.2. Ієрархічний підхід
- •2.4.3. Традиційні методології структуризації
- •2.4.4. Об'єктно-структурний підхід (осп)
- •3.1. Класифікація методів практичного видобування знань
- •3.2. Комунікативні методи
- •3.2.1. Пасивні методи
- •3.2.2. Активні індивідуальні методи
- •3.2.3. Активні групові методи
- •3.3. Текстологічні методи
- •3.3.1. Методи структурування
- •3.3.2. Еволюція систем одержання знань
- •4.1. Латентні структури знань і психосемантика
- •4.1.1. Семантичні простори і психологічне градуювання
- •4.1.2. Методи багатовимірного градуювання
- •4.1.3. Використання метафор для виявлення «прихованих» структур знань
- •4.2. Метод репертуарних решіток
- •4.2.1. Основні поняття
- •4.2.2. Методи виявлення конструктів. Метод мінімального контексту
- •4.2.3. Аналіз репертуарних решіток
- •4.2.4. Автоматизовані методи
- •4.3. Керування знаннями
- •4.3.1. Що таке «керування знаннями»?
- •4.3.2. Керування знаннями і корпоративна пам'ять
- •4.3.3. Системи omis
- •4.3.4. Особливості розроблення омis
- •4.4. Візуальне проектування баз знань як інструмент пізнання
- •4.4.1. Від понятійних карт до семантичних мереж
- •4.4.2. База знань як пізнавальний інструмент
- •4.5. Проектування гіпермедіа бд і адаптивних навчальних систем
- •4.5.1. Гіпертекстові системи
- •4.5.2. Від мультимедіа до гіпермедіа
- •4.5.3. На шляху до адаптивних навчальних систем
- •5.1. Важливість правильної класифікації
- •5.1.1. Класифікація й об’єктно-орієнтовне проектування
- •5.1.2. Труднощі класифікації
- •5.2. Ідентифікація класів і об'єктів
- •5.2.1. Класичний і сучасний підходи
- •5.2.2. Об’єктно-орієнтований аналіз
- •5.3. Ключові абстракції й механізми
- •5.3.1. Ключові абстракції
- •5.3.2. Ідентифікація механізмів
- •5.4. Висновки
- •6.1. Поняття онтології
- •6.2. Моделі онтології й онтологічної системи
- •6.3. Методології створення і «життєвий цикл» онтології
- •6.4. Мови опису онтологій
- •6.4.1. Види owl
- •6.4.2. Структура онтологій
- •7.1. Онтологія як засіб формалізації та алгоритмізації знань в інтелектуальній системі
- •7.1.1. Аналіз підходів до навчання онтологій
- •7.1.2. Загальні принципи проектування онтологій
- •7.1.3. Формати та стандарти подання інформації
- •7.1.4. Засоби для створення онтології
- •7.2. Технологія розроблення онтологій в редакторі Protégé
- •7.2.1. Еволюція Protégé
- •7.2.2. Protégé-owl. Мова Web онтологій owl
- •7.2.3. Основні терміни та поняття у Protégé-owl
- •7.2.4. Методика розроблення онтології засобами Protégé
- •Створення й експлуатація онтології
- •7.2.5. Створення онтології
4.3.4. Особливості розроблення омis
Оскільки розроблення систем корпоративної пам'яті — це, насамперед, програмний проект, то для нього застосовують традиційні технології розроблення великих програмних систем. У кожному програмному проекті першим кроком у розробленні є аналіз вимог, у якому мають бути знайдені відповіді на такі запитання:
Які завдання повинні підтримуватися?
Яка інформація необхідна, щоб вирішити ці завдання?
Який тип підтримки хочуть користувачі?
Який рівень витрат на розроблення?
Які зміни очікуються в майбутньому?
При пошуку відповідей на ці запитання варто враховувати наступне.
1. Людський фактор. Основна причина невдач ранніх відомих проектів OMIS полягала в тім, що розроблювачі ігнорували реальні потреби, здатності й цілі користувачів системи.
2. Аналіз вартості. По-перше, ядро проекту має орієнтуватися на критичні процеси, що «страждають» від недостачі інформаційної підтримки. По-друге, не слід перевантажувати початкову систему занадто великою кількістю послуг, які можуть бути бажаними, але не обіцяють швидке повернення інвестицій.
3. Еволюція знань. Електронна підтримка особливо цінна в галузях, що піддаються швидким змінам, тому що на таких підприємствах важко забезпечити доступ до оперативної сучасної інформації. У системах OMIS часто використовують різні нові технології опрацювання знань, що не мають наразі загальноприйнятих слов'яномовних термінів і пов'язані з одержанням нового знання шляхом аналізу даних, наприклад «відкриття або розвідка знань» (Knowledge Discovery) і «видобування даних» (Data Mining). Розвідка знань являє собою новий напрям, що швидко розвивається і який займається «нетривіальним видобуванням точної, раніше невідомої й потенційно корисної інформації з даних». У методах розвідки даних використовують різні підходи до аналізу тексту й числових даних, плюс спеціальний інструментарій статистичного аналізу.
4. Чутливість до контексту для природно-мовних запитів. Система повинна «розуміти» контекст запитувачів. Наприклад, вона повинна розрізняти терміни «розмноження тварин» і «розмноження документів».
5. Гнучкість. Система повинна мати можливість опрацьовувати знання в різній формі й із різних тем у контексті роботи певного підприємства.
6. Інтелектуальність. Система повинна накопичувати інформацію про своїх користувачів і про знання, які вона одержує під час роботи. Отже, з часом її можливість «продумано» надавати користувачам знання повинна вдосконалюватися.
До останнього часу при розробленні ОМІS залишається цілий ряд дослідницьких питань.
Проблема узагальнення моделей даних, словників понять або тезаурусів, онтології. Підстава для об'єднаної експлуатації даних, документів і формального знання — побудова об'єднаних метамоделей даних і знань. Корисними були б процедури автоматичного породження тезауруса з наявних масивів документів. Об'єднана онтологія/тезаурус може використовуватися, щоб поліпшити пошук, фільтрацію й маршрутизацію документів.
Проблема об'єднання логічного висновку й інформаційного пошуку. Об'єднана експлуатація формальних і неформальних подань знань і даних — це послідовне зближення логічних методів і методів інформаційного пошуку й індексації даних.
З'єднання ділових процесів і керування знаннями. Остаточна мета полягає в тому, щоб виявляти інформаційну потребу протягом виконання виробничого процесу й визначати доречне знання у специфічному контексті завдання. Перший прагматичний крок у цьому напрямі описаний у роботі [137], де автори пропонують використовувати інформацію контексту завдання для інформаційної фільтрації.
Корпоративна пам'ять інтегрує знання, щоб у рішенні нових завдань обпертися на попередньо накопичений досвід. Отже, можна уникати повторення помилок, досвід може розширюватися систематично й інформаційноємні процеси роботи можуть бути виконані ефективнішими способами. На відміну від експертних систем, первинна мета систем ОМІS — не підтримка одного специфічного завдання, а краща експлуатація необхідного загального ресурсу — знань.
Зараз існує значний інтерес до КМ із боку промислових компаній, які усвідомлюють високий прикладний потенціал корпоративної пам'яті для рішення цілого ряду практичних завдань опрацювання інформації. З іншого боку, небагато проектів ідуть далі, ніж стадія прототипу, що очевидно показує, що компанії намагаються уникати витрат і ризику вкладення капіталу в нові технології, які ще не знайшли значного поширення.