Основы теории систем и системного анализа

информации по мере ее необходимости, так и с помощью целенаправленного извлечения знаний путем опросов, интервью, обсуждений, наблюдений, накопления статистики, поиска в литературных источниках, в Интернете и т. д. На этом этапе широко используются методы системного анализа, методы инженерии знаний (раздел искусственного интеллекта, изучающий формы представления знаний и способы их выявления), социологические методы, статистика.

2. Создание знаний. На данном этапе происходит создание корпоративной памяти в виде единого хранилища или нескольких предметно-ориентированных хранилищ. Процесс включает:

структурирование — выделение основных понятий, определение структуры представления информации;

формализацию — представление информации в форматах машинной обработки, т. е. на выбранных языках представления данных и знаний;

наполнение — собственно создание баз данных, баз знаний, документов, репозитариев;

обслуживание хранимых знаний — добавление, обновление, удаление информации.

Методы построения баз данных и баз знаний достаточно хорошо развиты. Существует множество инструментальных средств (CASE-средств), поддерживающих разработку, в том числе с помощью визуального проектирования, предполагающего на первом этапе формирование концептуальных диаграмм представления данных и знаний.

В настоящее время активно развиваются методы и средства построения онтологий — концептуальных систем понятий и терминов, описывающих некоторую предметную область. Онтологии являются основой для объединенной эксплуатации данных, документов и формального знания путем построения объединенных метамоделей [83].

3. Использование знаний. Хранимые в корпоративной памяти знания используются с помощью различных прикладных программ для поддержки бизнес-процессов и принятия управленческих решений.

Основные функции, выполняемые на данном этапе:

319

поиск, фильтрация — выделение информации, запрашиваемой конкретным пользователем и отвечающей заданным требованиям;

обработка — выполнение преобразований информации, например: статистическая обработка данных, поиск решения на некоторой математической модели, дедуктивный логический вывод на базе правил-продукций, пополнение знаний и др.;

отображение — формирование разнообразных отчетов по результатам поиска и обработки информации, построение диаграмм (столбиковых, круговых), графиков;

распространение — передача информации в нужное место, в нужное время, с нужным качеством.

В ходе использования знаний может оказаться, что для решения некоторых задач недостаточно имеющихся информационных ресурсов и необходима следующая итерация жизненного цикла знаний.

5.3.3.Методы анализа и синтеза информационных ресурсов

Рассмотрим некоторые методы, используемые в цикле управления информационными ресурсами предприятия, которые опираются на аппарат теории систем и системного анализа.

Анализ необходимой информации путем моделиро-

вания бизнес-процессов. Данный метод используется на этапе выявления знаний для определения потребности в информационных ресурсах. Метод состоит в декомпозиции бизнеспроцесса, связанного с обработкой информации, и сопоставлении отдельным операциям исходных данных, управляющей, результирующей информации, а также информационных систем, осуществляющих обработку информации. Для наглядности используются графические модели бизнес-процесса, например, построенные с помощью таких методологий моде-

лирования, как IDEF0, DFD, ARIS.

При использовании методологии IDEF0 (см. п. 3.2.3) отдельные операции представляются в виде функциональных

320

блоков; исходная информация — в виде входящих дуг; результирующая — в виде выходящих дуг; регламентирующая выполнение операции и принимаемая во внимание — в виде дуг управления; используемые информационные системы — в виде дуг механизма. На рис. 5.23 представлен пример процесса обработки заказа.

Более богатые возможности по отражению формы и содержания информации, используемой в бизнес-процессах, предоставляет методология ARIS. В частности, для этой цели могут быть использованы такие диаграммы, как событийная цепочка процесса (Extended event driven process chain — eEPC),

диаграмма информационных потоков (Information flow diagram), карта знаний (Knowledge map).

Для примера рассмотрим представление бизнес-процесса на диаграмме eEPC. Диаграмма отражает последовательность событий и функций в рамках процесса, а также связанные с функциями ресурсы (человеческие, информационные, материальные) и выходы. Пример модели eEPC приведен на рис. 5.24.

Функция представляет некоторое действие (шаг процесса). С функцией могут быть связаны: исполнители (сотрудники или подразделения), входные и выходные документы, используемое программное обеспечение и т. д. Событие описывает какое-либо завершенное состояние системы.

С одной стороны, события инициируют выполнение функций, с другой — они следуют из предшествующих функций и описывают, таким образом, их результат. Логические операторы AND (И), OR (ИЛИ), XOR (исключающее ИЛИ) связывают события и функции. С их помощью моделируются логические разветвления в потоке процесса.

Оценка уровня управления знаниями. Периодическая оценка эффективности использования знаний позволяет выявить проблемы в системе управления знаниями, такие как устаревание знаний, затрудненный доступ к отдельным категориям знаний, несоответствие имеющихся информационных ресурсов требованиям и др.

321

Рис. 5.24. Событийная цепочка процесса (eEPC)

323

Для удобства оценки желательно структурировать весь массив используемых в компании знаний путем декомпозиции по категориям. Разделение может осуществляться по областям знаний, таким как знания об управлении проектами, знания о технологии производства, знания о клиентах и конкурентах, знания о системах менеджмента качества и т. д. Могут быть выделены также классы явного (документированного) знания и неявного. Классификация может осуществляться по источникам знаний и форме представления.

Наглядным средством отображения различных категорий знаний является диаграмма структуры знаний, входящая в методологию ARIS. На рис. 5.25 приведен пример диаграммы, описывающей знания о менеджменте качества [84].

Для оценки отдельных категорий знаний могут быть использованы следующие показатели [84]:

частота корректировки — как часто обновляются знания данной категории;

степень охвата — насколько знания распространены среди персонала компании;

использование знаний — интенсивность применения категории знаний;

важность (ценность) — насколько облегчает данная категория знаний принятие решений.

Используются либо числовые значения (например, процент или число от 0 до 1), либо лингвистические (например: низкий уровень, средний, высокий). При оценке по каждому показателю определяется желаемый и фактический уровень.

Пример оценки знаний по менеджменту качества приведен в табл. 5.9. Использованы следующие множества значений:

для показателя «частота корректировки» — ежечасно, ежедневно, еженедельно, ежемесячно, ежегодно, редко, никогда;

для показателя «степень охвата» — процент от общей численности персонала; для показателя «использование знаний» — количество запросов на получение информации (за год);

для показателя «важность» — экспертная оценка по 10балльной шкале.

324

Знания о менеджменте качества

Рис. 5.25. Модель структуры знаний

325

Таблица 5.9

Оценка категорий знаний

Примечание: ж — желаемое значение; ф — фактическое значение

Поскольку основной задачей является определение проблем, связанных с отдельными категориями знаний, вычислять интегральную оценку в данном случае нет смысла. Необходимо зафиксировать расхождения между желаемым и фактическим значениями по каждой из категорий. Величина расхождения определяет глубину соответствующей проблемы. По результатам оценки необходимо составить список выявленных проблем, которые могут быть проранжированы по важности.

Построение онтологий. Онтологии (от др.-греч. онтос —

сущее и логос — учение, понятие) используются для структурирования знаний об объектах, понятиях и связях между ними. Другими словами, это концептуальные знания в виде формально представленной системы категорий, являющейся следствием определенного взгляда на мир [83]. Онтологии могут выступать основой для построения баз знаний, баз данных, репозитариев. Знания, представленные в онтологии, могут использоваться различными приложениями, отчуждаться от конкретных разработчиков и разделяться пользователями.

Онтологию можно задать как взаимосвязанную совокупность трех компонентов [83]:

конечного множества концептов (понятий, терминов) предметной области;

множества отношений между концептами;

множества логических аксиом, заданных на концептах или их отношениях.

326

Как правило, построение онтологии начинается с формирования глоссария основных понятий и таксономии — иерархической структуры, в которой понятия связаны отношениями «общее-частное» или «быть элементом класса» (is-a). Это иерархия классов (см. п. 2.5, 4.3.2). На нижнем уровне представлены экземпляры, сопоставленные конкретным объектам, выше располагаются классы объектов, на верхних уровнях — метаклассы, т. е. понятия высокого уровня обобщения. На рис. 5.26 представлен пример таксономии (составлен на основе [83]).

Помимо отношений типа «общее-частное» между концептами могут быть установлены разнообразные бинарные отношения, имеющие различную семантику. Каждое отношение может быть представлено в виде тройки [82]: <субъект

– предикат – объект>. Субъект и объект представляют собой соответственно исходный и конечный элементы отношения, предикат – само отношение. Как правило, наименования субъекта и объекта выражены в виде существительного, предиката – глаголом. Примеры бинарных отношений:

327

<Служащий – Работает в – Организация>, <Служащий – Возглавляет – Проект>, <Исследователь – Имеет – Статья в журнале>.

Множество бинарных отношений удобно представлять в виде размеченных ориентированных графов. Пример такого графа приведен на рис. 5.27 (составлен на основе [83]).

Статья

в журнале

Рис. 5.27. Фрагмент диаграммы бинарных отношений

Понятия, входящие в глоссарий, а также бинарные отношения могут характеризоваться множеством атрибутов. С помощью присвоения атрибутам конкретных значений специфицируются экземпляры понятий. По сути, используется объектно-ориентированное представление знаний (см. п. 4.3.2). На рис. 5.28 приведены примеры описания классов.

Рис. 5.28. Примеры описаний классов понятий и отношений

328