до конца уверен в своих оценках. Таким образом, описанный под­ ход имеет перспективы дальнейшего развития.

2.7. Использование нечетких переменных для моделирования инновационных проектов

Повысить точность методов можно путем уточнения оце­ нок. Поскольку эксперты других оценок дать не могут, имеет смысл привлечь теорию вероятностей для оценки степени уве­ ренности экспертов в своих оценках и тем самым нивелирования погрешностей внесенных экспертами или привлечения дополни­ тельных экспертов для уточнения оценок. Однако методы не предназначены в явном виде для учета мнений нескольких экс­ пертов. Для этого применяются подходы, основанные на усред­ нении значений группы экспертов или интервальные оценки зна­ чений [17, 21], что снижает точность и вносит дополнительные упрощения и в без того не всегда достаточно точные методы.

Описание комплексных оценок (оценок с учетом степени уве­ ренности или оценок группы экспертов) возможно при описании их функциями (возможно, даже в табличном виде). Эти функции можно рассматривать как функции принадлежности |1 л(х) из тео­ рии нечетких множеств (нечеткой логики). Применение теории не­ четких множеств имеет существенное преимущество по сравнению с другими теориями, так как для теории нечетких множеств могут быть определены все элементарные математические операции. Кроме этого другие теории, основанные на вероятностях, могут быть сведены к теории нечетких множеств [3 7 , 103, 67].

Теория нечетких множеств хороша еще и тем, что многие данные получаемые путем сбора мнений о той или иной пробле­ мы не могут быть представлены одним числом, а представляют собой некоторые словесные оценки (например: плохо, хорошо, подросток, перспективно и т.п.), которые на практике представ­

кой и четкой формах). Причем следует отметить, что выполнение операций над нечеткими числами, например, в треугольной фор­ ме дает в результате число, отличное от «треугольного». Таким образом, определенная доля допущений может быть внесена только на этапе перехода к нечеткому виду.

Ряд арифметических операций имеет несколько способов реализации на нечетких множествах. Использование того или иного способа несет в себе некоторые преимущества и может определяться исходя из конкретной задачи (например, объедине­ ние по Заде дает наибольшую точность по сравнению с другими методами). Однако, несмотря на различия в способах реализации операций, их осуществление не вносит каких-либо допущений или искажений в исходные данные, чем обеспечивается истин­ ность получаемых в результате значений.

Некоторые методы предполагают выполнение шагов, осно­ ванных на различных зависимостях или условиях. Такая теория для нечетких множеств в настоящее время разработана и называется «Нечеткие системы логического вывода» [78].

Рассмотрим, как осуществляется работа с нечеткими перемен­ ными и учет нескольких мнений на классическом примере с выбо­ ром школы для ребенка с помощью метода анализа иерархий (МАИ). Например, родители выбирают для своего ребенка одну из трех школ. В первую очередь они должны четко определить крите­ рии, по которым будут их оценивать. Критерии должны охватывать, по возможности, все стороны решаемой проблемы. Далее, если по­ лученная декомпозиция недостаточна для сравнения важности кри­ териев, необходимо их декомпозировать более подробно. Предпо­ ложим, что они получили иерархию, представленную на рис. 23.

Декомпозицию таких критериев, как «друзья», «проф. обу­ чение» и «обучение музыке» для краткости опустим. После полу­ чения данной иерархии нужно провести парные оценки. В случае если родители имеют разные мнения, парные сравнения (важ91

ность критериев верхнего уровня по отношению к цели) могут быть составлены разными родителями.

Рис. 23. Иерархия для выбора школы методом МАИ

Например, один из родителей составил следующую матрицу:

ких множествах и перечисленных выше. В итоге мы получим ко­ личество векторов, соответствующих количеству уровней иерар­ хий в задаче.

Рис. 24. Проверка уровня истинности и агрегация оценок,

представленных в виде нечетких переменных

В результате каждому критерию будет соответствовать век­ тор (приоритетов), назовем его V#, где / - это номер слоя иерар­ хии, j - номер критерия в слое. Каждый вектор имеет размерность, равную количеству подчиненных данному критерию элементов, т.е. если элементов следующего уровня, связанных с ним, - 3, то и вектор будет иметь размерность, равную 3. Кроме элементов, свя­ занных с данным, на следующем уровне существуют те, которые с ним не связаны. Можно считать, что все подобные элементы име­ ют приоритет по отношению к данному векторы, равный 0. Таким образом можно расширить векторы приоритетов для всех крите­

риев, добавив туда 0, для элементов, не связанных с ним. Напри­ мер, вектор приоритетов Уц=(я, £?), после расширения он будет выглядеть так: Vn=(0 , а , Ь, 0 )- Мы получим, что все векторы приоритетов элементов одного уровня будут иметь одинаковую размерность. На следующем шаге требуется составить матрицу приоритетов для каждого уровня иерархии, назовем ее Р(. Она со­ ставляется из расширенных векторов приоритетов, располагаемых по столбцам, т.е.

После построения матриц приоритетов можно вычислить вектор приоритетов для альтернатив. Если количество слоев

иерархии равно N , то вектор вычисляется по формуле (6):

Р = P N-\ *P N - 2 ’•••’Но­

гтоеде вычисления приоритетов на примере четких чисел (для большей наглядности) для первой матрицы из полученных результатов можно сделать вывод, что наиболее значимыми кри­ териями в отборе школы стали: учеба, школьная жизнь и проф.

обучение:

В матрице второго уровня для родителей наиболее важную роль играет отношение к школьникам, далее - уровень препода­ вания, а на последнем месте - обеспечение оборудованием:

Матрица третьего уровня показывает, что школа А по кри­ терию «учеба» значительно превосходит остальные школы:

В некоторых случаях, когда нет однозначного вхождения одного нечеткого множества в другое или их равенства, интер­ претировать полученные результаты не так просто, как в скаляр­ ном виде. Сложность заключается в том, что сравнивать прихо­ диться полученные в результате вычислений функции принад­ лежности для каждой из альтернатив, которые могут иметь слож­ ную конфигурацию. В скалярной форме такие сравнения выпол­ няются элементарно. Поэтому для сравнения эти числа можно перевести в привычную скалярную форму методами, основанны­ ми на вычисления центра тяжести, центра максимумов и т.п.

ГЛАВА 3.

ИССЛЕДОВАНИЕ ИННОВАЦИОННЫХ

ПРОЕКТОВ МЕТОДАМИ МОДЕЛИРОВАНИЯ

3.1. Управление жизненным циклом инновационного

продукта

Используя прогнозирование развития параметров иннова­ ционного проекта, часто удается определить время, которым мы располагаем для принятия решения (время до потерн проектом рентабельности в случае если не вносить изменений в процесс реализации инновационного проекта), поэтому необходимо про­ вести анализ возникшей ситуации [111], приведшей к спаду прибыли. Анализ состоит прежде всего в рассмотрении критери­ ев. которые выдвигались при создании продукта. Для этого все критерии можно разбить на несколько видов:

1.Функциональные ((показывают насколько хорошо выполняется функция):

—производительность (скорость обработки. физикохимические параметры интенсивности обработки);

—точность (измерения, попадания, обработки); —надежность (безотказность, долговечность, сохраняемость)).

2.Технологические (экономия живого труда): —трудоемкость изготовления; -технологические возможности; —использование материалов; —способность расчленения изделия на элементы.

3.Экономические: расход материалов; расход энергии;

затраты на информационное обеспечение.

4.Антропологические:

эргономичность (полнота использования возможностей чело­ века); красота; безопасность; экологичность.

Использование этих критериев приводит, как правило, к мо­ дернизации существующего продукта, в результате чего мы по­ лучим новое изделие, которое будет иметь свою собственную ин­ новационную кривую и выступать по отношению к инновацион­ ной кривой базового продукта соинновацией, при этом развивая основную идею, заложенную в базовый продукт. При этом необ­ ходимо знать величину «окна времени», необходимую для запус­ ка модернизированного продукта (рис. 25) [11]. Параметры инно­ вационной кривой соинновации будут иметь отличия от базового продукта и подчинятся правилам, описанным в работе [33], а именно - иметь максимальный доход от внедрения этой инно­ вации меньше базовой инновации на величину вложенных в ее внедрение средств (см. рис. 12).

Из этого становится понятно, что наиболее выгодным для внедрения является разработка новой инновации. Однако, несмот­ ря на это, модернизация продукта может продлить жизнь уже существующей разработки и принести дополнительную прибыль. Очевидно, что время, затраченное на внедрение нового продукта

t (до момента получения прибыли от него), должно быть мень­

Для формирования нового продукта на основе анализа кри­ териев можно использовать подход, основанный на использова­ нии метода морфологического синтеза. Для признаков, описыва­ ющих характеристики проекта, выбирают конкретные значения и, таким образом, получают изделие (проект). Далее его оцени­ вают по критериям, генерируют новое решение и снова оценива­ ют. Породить можно огромное число изделий и решений. Повто­ ряют эту процедуру до тех пор, пока не будет найдено оптималь­ ное решение.

Наглядно варианты представляются морфологическим дере­ вом (рис. 26).

В этом И-ИЛИ дереве черными кружочками обозначены узлы И, белыми - ИЛИ.

Числовые значения критериев, соответствующие вариантам

Рис. 26. Использование морфологического дерева

для формирования нового продукта

После создания морфологической таблицы для поиска оп­ тимального решения необходимо сформировать список требова­ ний, состоящий из обязательных требований (ограничений) и из

дополнительных требований (критериев).

Следующий этап - свертывание показателей. Свертыванию подлежат только требования «И». Свертывать можно различны­

ми способами: (например, масса изделия - сумма всех его

элементов), м ы н и м акс (например, производительность вычисля­ ется как минимум из максимумов производительности частей из­ делия), с р е д н е в зв е ш е н н о с т ь (время нагрева воды в чайнике равна 0.3*время нагрева емкости + 0.7*время нагрева воды), к л а сс и ф и ­ к а ц и о н н ы й с п о с о б - возвращает 0 или 1 в зависимости от выпол­ нения требования (например, форма должна быть эллиптической (или да, или нет)).

Таким образом, удается получить модернизированное изде­ лие с новым жизненным циклом. Однако необходимо учитывать, что жизненный цикл нового изделия зависит во многом от типа модернизации, который был произведен. Все модернизации мож­ но разделить на два типа: продлевающие жизненный цикл про­ дукта и создающие новый рынок. Модернизации, которые удает­ ся получить с использованием морфологического дерева, являют­ ся, как правило, модернизациями, продлевающими жизнь про­ дукта.

3.2. Принятие решений при управлении

инновационными проектами

В общей теории управления выделяют два направления: теория «жестких» и «мягких» систем. Теория «жестких» систем требует строгих количественных построений, основанных на де­

дуктивном методе. Для построения «жестких» систем использу­ ют строгие формализованные описания, а результаты моделиро­ вания объясняются строго доказанными причинными взаимосвя­ зями. Формализация «мягких» систем основана не на точных ко­ личественных измерениях, а на качественных, нечетких и гипоте­ тических представлениях о системе в виде экспертных оценок, эвристических рассуждений.

Как следует из разделов 2.1. и 2.2, инновационные проекты могут быть отнесены к «мягким» системам. Инновационные про­ екты относятся к социально-экономическим и социально­ техническим системам, которые способны адаптироваться к из­ меняющимся внешним условиям.

Для анализа «мягких» систем П. Чекладом [10] была пред­ ложена методология «мягкого» системного анализа. Эта методо­ логия является системно организованным процессом исследова­ ния плохо определенной системы, включающим в себя ряд по­ следовательных этапов для принятия решения по управлению си­ туацией.

Задача поддержки принятия решения по управлению ситуа­ цией в «мягкой» динамической ситуации определяется как задача разработки стратегии для перевода ситуации из текущего состоя­ ния в целевое на основе субъективной модели ситуации на основе экспертно измеренных значений факторов. Эта субъективная мо­ дель фиксируется в виде ориентированного знакового графа - ко­ гнитивной карты [6] (рис. 27).Знак плюс на дугах между верши­ нами-факторами означает, что увеличение значения факторапричины приводит к увеличению фактора-следствия, а знак ми­ нус - увеличение значения фактора-причины уменьшает значение фактора-следствия. Когнитивная карта отражает функциональ-

ную структуру анализируемой ситуации, поскольку изменение значения любого фактора ситуации приводит к возникновению «фронта» изменений значений связанных с ним факторов.

Ц ены на

Рис. 27. Пример когнитивной карты

Этот «фронт» изменений называется импульсным процес­ сом в когнитивной карте и позволяет получать прогнозы развития ситуации. В рамках методологии «мягкого» системного анализа построение когнитивной карты представляет собой итерацион­ ный процесс генерации и проверки гипотез о функциональной структуре ситуации до получения структуры, способной правдо­ подобно объяснить динамику ее развития, и включает в себя три основных этапа:

- построение гипотетической когнитивной карты (генера­ ция гипотезы о функциональной структуре ситуации);

-верификация когнитивной карты (проверка правдоподоб­ ности гипотезы о функциональной структуре ситуации);

-корректировка когнитивной карты (функциональной струк­ туры) ситуации.

Итерационный процесс «генерации, проверки, корректировки модели (генерации новой гипотезы)» повторяется до получения функциональной структуры, правдоподобно объясняющей поведе­ ние наблюдаемой ситуации. В процессе построения когнитивной карты используются интеллектуальные способности экспертов или аналитиков - их знания, которые структурируются в этом итераци­ онном процессе.

Спомощью обоснованной когнитивной карты решается за­ дача выработки стратегии управления ситуацией, способной пе­ ревести ее из начального состояния в целевое. Причем обосно­ ванность вырабатываемых стратегий определяется обоснованно­ стью когнитивной карты, полученной в процессе ее генерации.

Таким образом, при принятии решений по управлению пло­ хо определенной ситуацией, на основе моделирования когнитив­ ных карт, знания и интеллект аналитика непосредственно участ­ вуют в процессе принятия решений и в значительной степени определяют его качество. Можно говорить, что системы под­ держки принятия решений в плохо определенных ситуациях дают положительные результаты только в совокупности с аналитиче­ скими способностями и творческим потенциалом аналитика.

На множестве выделенных факторов ситуации экспертом выдвигаются гипотезы о существовании и силе причинноследственного отношения между любой парой факторов ситуа­ ции; результатом выполнения этого этапа является субъективная модель ситуации, представленная знаковым взвешенным ориен­ тированным графом (когнитивной картой).

Разные эксперты, наблюдая одну и ту же ситуацию, могут выделить разные значимые для них факторы и связи между ни­ ми, получая таким образом разные модели ситуации и, следова­ тельно, разные стратегии управления ситуацией.

Для завершения создания когнитивной карты необходимо выполнить параметризацию абстрактной когнитивной карты. В процессе параметризации когнитивной карты определяются шкалы: значений факторов и текущих значений факторов; силы влияния фактора на фактор и их значений.

Методология когнитивного моделирования предназначена для анализа и принятия решений в плохо определенных ситуаци­ ях. Она основана на моделировании субъективных представлений экспертов о ситуации и включает: методологию структуризации ситуации - модель представления знаний эксперта в виде знако­ вого орграфа (когнитивной карты) (F, W), где F - множество фак­ торов ситуации, W - множество причинно-следственных отноше­ ний между факторами ситуации; методы анализа ситуации.

В случае с инновационными проектами развитие факторов может быть сужено (см. раздел 2.4) и спрогнозировано (см. раз­ дел 2.5). Кроме того, исходя из дискретности возможных реше­ ний может быть сгенерировано возможное множество вариантов (см. раздел 2.6).

Алгоритмизация приведенных выкладок является акту­ альной задачей. Разработка соответствующего программного обеспечения позволит решать за более короткое время следу­ ющие задачи: 1) прогнозирование развития параметров вы­ пускаемого изделия (финансовые параметры - прибыль, объ­ ем продаж и т. п, технологические параметры - достижение технологических пределов и т.д., 2) автоматизирование про­ цесса модернизации выпускаемой продукции или генерации нового изделия при переходе на выпуск новой продукции (в результате оценки насыщенности рынка); 3) планирование производства исходя из существующих ресурсов. Для этого разработанные алгоритмы могут быть интегрированы в суще­ ствующие ERP, MRP, CALS и подобные системы в виде от­ дельного модуля.

Процесс разработки подходящей информационной си­ стемы носит итеративный характер в зависимости от типа ре­ шаемой задачи. Рассматривая системы управления прежде всего как системы, основанные на информации можно найти множество общих черт, связанных с тем, что данные, которые служат для хранения необходимой информации, требуется где-то хранить. В независимости от применяемого метода поддержки принятия решений (методы, основанные на обра­ ботке точных практических данных и представлении их в удобном для лица, принимающего решение (ЛПР), виде или методы, которые обрабатывают данные экспертных оценок и опросов) все они используют ограниченный набор способов хранения данных. Отличия состоят лишь в применяемой ло­ гической модели, реализуемой на конкретной физической мо­ дели данных.

4.1. Логическая модель данных для решения задачи

поддержки принятия решений при управлении

инновационными проектами

При разработке логической модели данных для учета раз­ личных факторов применяется способ использования моделиро­ вания данных или математической модели для принятия реше­ ния. Решение проблемы моделирования основано на анализе важнейших свойств моделируемого процесса. Выбранный метод

испособ моделирования должен позволить: во-первых, решить актуальную задачу повышения эффективности прогнозирования

иуправления за счет создания и использования математической модели и ее элементов; во-вторых, учитывать при принятии ре­ шений по планированию и управлению факторы риска, неопре­ деленности, ограничений на ресурсы. В теории принятия реше­ ний установилось мнение, что адекватное управление может осуществляться, когда удается совместить два источника данных: модель и данные, получаемые с объекта управления [99]. Таким образом, для адекватного управления инновационным проектом требуется совместить управление на модели и управление на ос­ нове данных (рис. 29).

Объект управления (принятия реш ат*

объекта

Рис. 29. Схема принятия решения при использовании современных

методов управления

Для этого может быть разработана модульная модель дан­ ных, которая могла бы использовать имеющийся опыт примене­ ния существующих методик и представления информации. Сов­ мещение этих подходов возможно в случае, если удастся постро­ ить универсальную иерархическую структуру целей и решений наподобие предложенной Томасом Саати [99].

Принятие решения может осуществляться на каждом из вы­ деленных этапов. Для понимания проблемы необходимо постро­ ить дерево (рис. 30), похожее на то, которое используется в мето­ де анализа иерархий (МАИ). Причем так же, как и в МАИ про­ цесс декомпозиции (разбивки критериев на составляющие крите­ рии) может продолжаться столько, сколько необходимо.

Основное отличие и невозможность использования МАИ при управлении инновационными проектами состоит в том, что заранее не известны возможные исходы. Таким образом, решение не может быть сразу сведено к выбору одного из вариантов.

При реализации проекта известно, какие ресурсы имеются в распоряжении, а также то, какие ресурсы могут быть привлечены дополнительно (см. рис. 30). Особенностью методов принятия решений является то, что они фактически не принимают реше­ ние, а помогают грамотно структурировать задачу принятия ре­ шения и предоставить информацию в удобном для лица, прини­ мающего решение, виде. Такой подход реализуется на основе специфических структур данных, которые и помогают организо­ вать работу по структуризации и анализу имеющейся в наличие информации. Структура данных представляет собой, как правило, отражение древовидной структуры (рис. 31) или изображается в виде графа, если логика предметной области предполагает пере­ крестные связи на реляционную модель данных и является даль­ нейшей детализацией иерархии, представленной на рис. 30.

• • •

Рис. 30. Иерархия для принятия решения при управлении

инновационным проектом

При таком подходе листья приведенного дерева будут яв­ ляться максимальной детализацией проекта; соответствующие им древовидные структуры могут рассматриваться как измерения (в терминологии систем аналитической обработки данных), а сопо­ ставляемые им численные величины - как меры. Кажущаяся про­ стота представления усложняется тем, что некоторые решения яв­

Рис. 31. Пример структуризации части задач при управлении

инновационным проектом

Однако простой логики для оценки инновационных проек­ тов недостаточно. Управление осуществляется на основе выбора из ограниченного количества некоторых числовых характери­ стик. Эти характеристики могут иметь разные значения и разный состав в зависимости от листа или узла на графе, которому они сопоставлены.

Рис. 32. Схематическая логика работы продукционной

экспертной системы

Таким образом, каждому элементу нашего дерева или графа мы сопоставляем некоторую дискретную таблицу характеристик или функцию. При этом набор сопоставленных характеристик од­ нотипных элементов должны быть одинаковыми. Если этого до­ стичь, то в данном случае могут быть применимы критериальные методы оценки, а структура становится достаточной для анализа и выработки решения, так как совмещает в себе элементы продук­ ционных и фреймовых экспертных систем, систем аналитической обработки данных (OLAP), систем, основанных на анализе иерар­ хий, а также методов математического программирования. Пере­ численные методы являются всеми известными способами под­ держки принятия решений, а описанная структура системы позво­ лит как совмещать в себе черты отдельных способов поддержки принятия решений, так и совмещать их в произвольных комбина­ циях в зависимости от поставленной задачи.

Реализация данных функций с использованием традиционных методов многомерного хранения данных сталкивается со сложно­ стями, основанными на том, что традиционная технология предъ­ являет требования к организации взаимосвязей в данных по одной из известных схем (снежинка или звезда) и не позволяет строить направленные друг на друга иерархии, имеющие общие нижние элементы, как на рис. 30 и рис. 32. Такая структура может быть ре­ ализована с использованием двух схем «звезда», у которых конеч­ ные таблицы (листья) будут общими. Для того чтобы реализовать работу с такой структурой данных, необходимо ввести новую опе­ рацию, которая будет выбирать главную таблицу фактов и тем са­ мым сводить новую схему данных к одной из существующих схем звезды или снежинки, либо объединить таблицы фактов и получить структуру, представленную на рис. 33.

онных проектов показывает, какую именно информацию следует собирать, а также то, что она может быть формализована с ис­ пользованием общероссийских классификаторов (рис. 34).

Рис. 34. Структура данных информационной системы поддержки

инноваций

По функциональности данные можно поделить на реестры и справочники. Реестры представляют собой реально введенные рабочие данные. По структуре данные можно поделить на ре­ естры, иерархические структуры и фасеты.

Реестры - простые табличные данные.

Иерархические структуры - иерархически организованные за­ писи - деревья. В иерархических структурах для каждой записи определен «родительский узел» (родительская запись). В иерархиче­ ские структуры организуются некоторые справочники, например «Общероссийский классификатор стандартов» (ОКС), «Межгосудар­

ственный рубрикатор научно-технической информации» (ГРНТИ). В этих справочниках данные организованы в разделы, подразделы, пункты, подпункты и т.п. Иерархические структуры могут иметь не­ ограниченный уровень вложенности, фактически организуются в од­ ной таблице с указанием уникального идентификатора записи роди­ теля в специальном поле. Записи не могут иметь более одного роди­ теля.

Фасеты - иерархически сложноорганизованные структуры с пересечениями - графы. В фасетах узел (запись) может иметь не­ сколько родительских узлов (записей). Примером фасетной орга­ низации данных может служить классификаторы УДК (Универ­ сальная десятичная классификация). Фактически данные органи­ зуются в две таблицы, где вторая таблица является таблицей свя­ зей (тип многие к многим), в которой уникальному идентифика­ тору записи поставлен в соответствие уникальный идентифика­ тор родителя.

Как правило, реестровую структуру имеют рабочие данные. Иерархическая структура и фасеты характерны для классификаторов.

Загрузка данных осуществляется непосредственно через веб-формы на сервере, обслуживающем СУБД.

В качестве основных потоков входной информации (источ­ ники первичной информации) используются:

-данные из перечня информации об организации (прил. 1

ксоглашению об информационном взаимодействии Департамен­ та промышленности и науки Пермской области и промышленной компании);

-данные из заявок на участие в региональных конкурсах на выполнение инновационных проектов и НИОКР (конкурсная документация);

-области применения, типы продукции или типы услуг,

-географическое расположение (адреса),

-время и/или возраст.

Детальная взаимосвязь и основные атрибуты продемонстри­ рованы в Схеме хранилища аналитической базы (соответствую­ щий сопряженный документ).

Субъекты

Субъектами системы являются юридические и физические лица. Субъект характеризуется типом, географическим располо­ жением, областями применения/активности и различными наградами/лицензиями/патентами. Субъект характеризуется датой ос­ нования (или возрастом). Частным случаем субъектов являются персоны, т.е. конкретные люди. Подсистема предполагает, что исходные данные не допускают дублирования персон, т.е. спра­ вочник не должен содержать «дубликатов», в противном случае возможно искажение информации при выдаче отчетов, поскольку одна и та же персона будет многократно фигурировать в выбор­ ках данных. Важной характеристикой персоны является образо­ вание, т.е. специализация, тип образования, научная степень.

Проекты

Проекты характеризуются областями применения/актив­ ности, состояниями, рейтингом. Проект обладает стоимостью и датами начала и окончания работ, источниками и причинами финансирования, а также географическим расположением. По­ скольку система предполагает только научные проекты, проект характеризуется типом исследования, научной новизной и анало­ гами. Кроме этого проект характеризуется результатом. Связь между проектом и определяется частью финансирования проекта,

полученной субъектом. Проект еще имеет ряд оценок, например срок окупаемости и процент прибыли; поскольку эти оценки весьма субъективны, оценка характеризуется типом.

Области применения

Областями применения является набор справочников, объ­ единяющих различные типы продукции, различные типы услуг и набор отраслей научной активности. Перечисленные справочни­ ки должны быть объединены в единую систему с целью упроще­ ния аналитических операций и генерации отчетов.

Географическое расположение

Географическим расположением является адрес, который включает следующие характеристики:

-страна;

-регион/штат;

-город/район;

-поселок/город.

Аналитическая подсистема должна допускать наличие субъектов или проектов, к которым не удается сопоставить географическое расположение, т.е. перечисленные характери­ стики должны иметь специальные элементы, используемые в случае отсутствия или невозможности определения страны, региона и т.д.

проектами (по различным тематикам и с различными свойствами) и субъектами с их свойствами.

Прочие подсущности аналитической базы являются вспомо­ гательными и инкапсулируют различные свойства основных сущностей системы. Так, например, подсущность географическо­ го расположения характеризует как субъекты, так и проекты. Аналогично время и область активности характеризует обе ос­ новные сущности. Персоны посредством своих ролей и образова­ ния позволяют делать выборки различных проектов.

Основываясь на всем множестве взаимосвязей аналитиче­ ской базы, можно осуществлять выборки агрегированных данных напрямую не связанных сущностей (например, количество пер­ сон, имеющих определенные научные степени, занятых в проек­ тах по определенной тематике, закончившихся с результатами определенных типов). Необходимо уточнить, что аналитическая база не предназначена для получения детальной информации по заданным терминальным сущностям, основное назначение анали­ тической базы - отслеживание ситуации в целом и выявление наиболее интересных закономерностей.

Показатели предметной области

Исходная база данных (предоставляемая ПГТУ) должна предоставлять следующие показатели:

1.Для персон должны быть специфицированы:

-адрес;

-образование;

-сфера интересов/продуктов/услуг;

-дата рождения.

2.Для организаций:

-адрес;

-сфера интересов/продуктов/услуг;

-дата образования;

-количество сотрудников.

3.Для проектов:

-сфера применения;

-адрес;

-атрибуты исследования;

-даты начала и окончания проекта;

-связь с субъектами, причем каждая связь должна быть специфицирована стоимостью (сумма таких стоимостей является стоимостью проекта в целом);

-количество месяцев, за которые проект должен окупиться;

-предположительный процент окупаемости проекта. Наличие всех перечисленных показателей обеспечит

функционирование аналитической базы в описанном в данном документе объеме. В случае отсутствия каких-либо показателей данный документ может быть модифицирован на этапе разра­ ботки.

Многомерная база

Многомерная база реализуется на основе Microsoft Analysis Service. Поставщиком данных для многомерной базы должно вы­ ступать реляционное хранилище. Хранилище может быть реали­ зовано в виде набора представлений над исходной базой или в виде специализированной реляционной базы. Способ реализации реляционного хранилища должен быть уточнен на этапе реализа­ ции.

Измерения

Многомерная база должна содержать следующие измере­

ния:

1.Общие:

-тип награды;

-тип субъекта;

-тип активности;

-активность/сфера интересов/тип продукции/тип услуги;

-фирмы.

2.Образование (для персон):

-специализация;

-высшая специализация;

-учебное заведение;

-тип обучения;

-научная степень.

3.Географические (для субъектов и проектов):

-тип поселка;

-поселок/город;

-город/район;

-регион;

-страна.

4.Должности и роли (для персон):

-должность в фирме;

-роль в проекте.

5.Проекты и научные исследования:

-проекты;

-состояния проектов;

-тип исследования;

-тип научной новизны;

-рейтинги проектов;

-типы результатов;

-тип оценки проекта;

-патентованность;

-типы и цели финансирования.

6.Временные:

-календарь;

-возраст.

Впроцессе разработки набор измерений должен быть уточ­ нен и для каждого измерения должно быть зафиксировано офи­ циальное название. В ряде случаев необходимо выдвинуть мне­ монические сокращения (для обеспечения приемлемой читаемо­ сти при минимальной длине фразы).

Ку б ы

Су б ъ е к т ы

Данный куб должен использовать измерения из следующих

наборов:

-общие;

-образование;

-географические;

-временные.

иизмерение должностей. Куб должен содержать следующие по­ казатели:

-количество субъектов;

-количество сотрудников (имеет смысл в случае выборок по фирмам)

-средний возраст (вычислимый показатель, характеризу­ ющий персоны)

-количество наград/патентов/лицензий;

-средняя стоимость наград/патентов/лицензий;

-суммарная стоимость наград/патентов/лицензий.

Куб позволяет создавать выборки субъектов, удовлетворя­ ющих определенным свойствам, заданных путем фиксации изме­ рений.

П р о е к т ы

Данный куб должен использовать измерения из следующих наборов:

-общие;

-географические;

-проекты и научные исследования;

-временные.

Куб должен содержать следующие показатели:

-количество проектов;

-стоимость проектов (суммарная);

-стоимость проектов (средняя);

-длительность проектов (вычислимый показатель, в меся­ цах, среднее);

-сроки окупаемости проектов (в месяцах, среднее);

-прибыль в % (среднее).

Куб позволяет создавать выборки проектов, удовлетворяю­

щих заданным фиксациям, и на этих выборках производить вы­

числения описанных показателей.

П о л н ы й к у б

Данный куб должен содержать весь комплект измерений и полный комплект показателей. В определенном смысле куб может рассматриваться как объединение «куба субъектов» и «куба проек­ тов», однако реализоваться данный куб должен совершенно само­ стоятельно, поскольку должен учитывать взаимосвязи между эле­ ментами.

Отчеты, генерируемые подсистемой

Подсистема должна генерировать два вида отчетов:

1.Статические - реализуются в виде запросов к многомер­ ной базе и сохраняются в формате XML. Точный список таких отчетов должен быть уточнен на этапе реализации. Общее коли­ чество таких отчетов не должно превышать 10. Отчеты могут быть просмотрены в MS IE или другими средствами. Сопровож­ даясь описаниями XSL, отчеты могут быть легко опубликованы в WEB.

2.Динамические - реализуются в виде Excel шаблонов с ис­ пользованием PivotTables. На основе этих шаблонов аналитики смогут получать необходимые отчеты путем проведения неслож­ ных манипуляций. Точная спецификация таких шаблонов должна быть получена на этапе реализации, но общее количество не должно превышать 15 (по 5 шаблонов на каждый из кубов). Для просмотра и подготовки динамических отчетов должен использо­ ваться Microsoft Excel.

Для работоспособности системы важным является поддер­ жание актуальности данных. Для этой цели может служить сете­ вая структура проекта. Копии системы устанавливаются заинте­ ресованным людям и организациям, которые будут вносить и об­ рабатывать в ней свои данные, а также предоставлять их для цен­ тральной базы данных (рис. 37).

128