Уровень аналитики

Рисунок 3 - Степень агрегации показателей (Повышение эффективности производства за счет аналитической информации // PCWEEK, 2008, N 3 (609). c.23)

Руководитель объективно не может охватить и осмыслить весь поток сведений, поступающих к нему, оценивать сложившуюся обстановку, найти и принять обоснованное решение. Следовательно, необходимо искать пути оказания помощи ЛПР.

Принятию решений присущи:

• цель, для удовлетворения которой осуществляется принятие решения;

• варианты решения (стратегии, альтернативы);

• возможности оценки вариантов решений и их сравнения по различным критериям.

Различают нормальный режим работы объекта, т.е. в нормальных условиях с нормальными показателями качества и отсутствием аварий; утяжеленный режим, т. е. работу объекта с ухудшенными показателями, когда существует повышенная опасность аварийных нарушений схемы и режима; аварийный режим, т.е. работу объекта при ЧС; послеаварийный режим.

Нормальный режим. При этом СППР используется для коррекции запланированных состояний и режимов работы объекта. Эта коррекция выполняется для создания лучшего режима работы объекта при небольших отклонениях состояния природной среды от нормы.

Утяжеленный режим. В этом режиме первоочередная задача - выявление возможных воздействий среды на объект и рекомендаций ЛПР, направленных на уменьшение этих воздействий, или предотвращение, или использование для улучшения работы объекта.

Аварийный режим. В этом режиме (авария, ЧС, создающие угрозу повреждения объекта) от СППР требуется выдача информации ЛПР о его немедленных действиях.

Послеаварийный режим. В этом режиме основные мероприятия по ликвидации последствий аварий и скорейшему переходу к нормальной эксплуатации объекта осуществляются ЛПР. Задача СППР организовать своевременную и полную обработку необходимой информации с целью определения состояния объекта и выдачи ЛПР надлежащих рекомендаций.

Основные этапы выработки решения представлены в табл. 3, основные алгоритмы поддержки решений – табл. 4.

Таблица 3 - Основные этапы выработки решения

Этапы выработки решения	Результаты работы	Работы по повышению оперативности
Анализ обстановки	Вывод о необходимости поддержки решений	Ускорение доведения сведений до ЛПР. Обобщение сведений
	Определение цели действий	Сопоставление новых сведений с поступившими ранее
		Прогноз дальнейшего развития событий. Формирование комментариев
		Оформление сообщений в форме, удобной для быстрого и правильного восприятия сложившейся обстановки
Обоснование	Выбор варианта действий	Переработка данных для оценки и выбора лучшего варианта
		Ускорение процесса формирования и выдачи справочных данных.
		Выдача вариантов рекомендаций. Применение ЭММ, графики
		Взаимодействие с ИС
		Оформление результатов промежуточных вариантов с комментариями в форме удобной для анализа
Принятие решения	Материализованные приказы и распоряжения	Автоматизация процесса оформления приказов, распоряжений и т.п.
		Автоматизация учета отданных распоряжений

До каждого ЛПР доводить только ту информацию, которая ему необходима. У ЛПР должны быть модели, которые, используя технико - экономическую и др. информацию об объекте, позволят оптимизировать технологические процессы. В качестве технико - экономической информации могут выступать сведения о производительности труда, ущербе, прибыли и др.

Таблица 4 - Основные алгоритмы поддержки решений [Что такое Data Mining .Intersoft Lab]

Методы	Описание	Преимущества	Недостатки
Ассоциативные правила	Выявляют причинно следственные связи и определяют вероятности или коэффициенты достоверности, позволяя делать соответствующие выводы. Правила представлены в форме «если <условия>, то <вывод>». Каждое правило представляет одну связь (зависимость, отношение)	Читабельность. При большом количестве факторов бывает очень сложно понять смысл представления.	Не предназначены для широких числовых интервалов.
Деревья решений и алгоритмы классификации	Определяют естественные «разбивки» в данных, основанные на целевых переменных. Сначала выполняется разбивка по наиболее важным переменным. Ветвь дерева можно представить как условную часть правила.	Читабельность
Нейронные сети	Для предсказания значения целевого показателя используется наборы входных переменных, математических функций активации и весовых коэффициентов входных параметров. Выполняется итеративный обучающий цикл, нейронная сеть модифицирует весовые коэффициенты до тех пор, пока предсказываемый выходной параметр соответствует действительному значению. После обучения нейронная сеть становится моделью, которую можно применить к новым данным с целью прогнозирования. Используется, когда имеется четкая связь между значением параметра и решением. Например, при достижении определенных значений параметров система переходит из штатного режима в аварийный режим эксплуатации.	Компактное представление числовых отношений для широкого диапазона значений	Сложность интерпретации
Семантические сети или вывод, основанный на прецедентах	Основаны на обнаружении некоторых аналогий в прошлом, наиболее близких к текущей ситуации	Эффективны, когда основным источником знаний является опыт. Решения могут быть использованы в других случаях

Для составления рекомендаций необходимо иметь исходные данные и результаты их анализа и обработки, прогнозы различной заблаговременности, знать особенности производственной деятельности обслуживаемой организации, а также характер влияния на объекты.

Цикл действий при принятии решений включает четыре этапа: 1) предупреждение (предсказание); 2) подготовка; 3) реакция; 4) устранение последствий. На каждом из этих этапов информация и информационные системы играют определенную роль. На этапе предупреждения важно выделить опасные ситуацию Этап подготовки включает проведение стратегических и тактических превентивных мероприятий, позволяющих уменьшить или предотвратить ущерб. На этапе реакции необходимы СППР, которые бы подсказывали ЛПР - какие воздействия произошли или еще произойдут, что необходимо принять оперативные решения, чтобы их уменьшить, рис.5. На этапе устранения последствий сведения выполняется перечень послеаварийных мероприятий.

Рисунок 4 – Упрощенная схема принятия решений

Для перебора и оценки возможных вариантов достижений цели необходимо создать СППР с базой знаний, оставив право выбора решения за ЛПР. Такой подход позволит руководителю сократить время на расчет вариантов и выбор оптимального решения из нескольких, предложенных ЭВМ. Сейчас же выбор решения лежит на совести ЛПР, которые по-разному оценивают одну и ту же информацию. Использование ЭВМ для подготовки вариантов решений ускорит принятие решений и приведет к их унификации для однотипных условий. С одной стороны, он будет освобожден от части рутинной работы, а, следовательно, у него появится больше времени для творческого анализа обстановки, а с другой - сможет принимать решения, используя для этого большие объемы имеющихся сведений. Эти сведения будут переработаны и представлены в форме рекомендаций - вариантов возможных решений. За ЛПР остается право производить содержательный анализ полученных вариантов решений, корректировать их, утверждать наилучший в качестве решения и контролировать исполнение.

СППР основаны на технологиях искусственного интеллекта – экспертных системах и базах знаний. БЗ применяются, когда нет четкой связи между значениями параметров и решениями. Источниками нечеткости при принятии решений являются [1,3]:

• элементы ситуационных данных, критерии и ограничения, представленные на естественном языке;

• качественные характеристики в оценке свойств объектов;

• значения параметров, определенных с ограниченной точностью, например, высота волн измеряется с точностью 0.5 м;

• недостаток информации по отдельным географическим районам;

• использование субъективных шкал оценок состояния среды (облачность, степень волнения, др.);

• применение экспертных оценок и разброс во мнениях экспертов, например, для оценки интегрированного состояния загрязнения региона;

• отсутствие адекватных ЭММ или их сложность;

• отсутствие четких критериев оценки ситуаций (похожие воздействия возникают при различных ситуациях, значениях показателей оценки ситуаций);

• слабая изученность влияния ЧС на объекты экономики страны;

• наличие интуитивных моделей принятия решений;

• решение задач формальными методами хуже решения человека.

Правила, собранные в одном файле, образуют базу знаний, а средства управлениями этими правилами называются экспертными системами. Для создания базы знаний могут использоваться нейронные сети, размытые множества, другие математические методы.

Применение экспертных систем с базами знаний наиболее эффективно когда:

• традиционные способы формализации описания управления и процедуры управления реализовать невозможно, например, размерность задачи такова, что ее практическое решение известными методами невозможно (число уравнений в системе больше тысячи);

• решение принимается на основе интуиции, опыта и описать его математически невозможно;

• имеется достаточно обширная классификация ситуаций;

• можно сформировать цепочки ситуаций, связанных в единую базу знаний.

Эксперт анализирует ситуацию в целом и вспоминает, какие решения принимались ранее в подобных ситуациях. Затем он либо непосредственно использует эти решения, либо при необходимости, адаптирует их к обстоятельствам, изменившимся для конкретной проблемы. Моделирование такого подхода к решению проблем, основанного на опыте прошлых ситуаций, привело к появлению технологии вывода, основанного на прецедентах и в дальнейшем - к созданию программных продуктов, реализующих эту технологию.

Неполнота описания объекта объясняется тем, что неформализованная информация об объекте собирается по частям от экспертов, которые будучи не специалистами по системам управления не могут обеспечить тот уровень полноты описания, который нужен специалисту по управлению. При этом руководители различного ранга, ответственные за отдельные участки работ, дают оценки с разных точек зрения.

Подход, основанный на прецедентах, включает следующие шаги:

• получение подробной информации о текущей проблеме;

• сопоставление (сравнение) этой информации с деталями прецедентов, хранящихся в базе знаний, для выявления аналогичных случаев;

• выбор прецедента, наиболее близкого к текущей проблеме, из базы знаний;

• адаптация выбранного решения к текущей проблеме, если это необходимо;

• проверка корректности каждого вновь полученного решения;

• занесение детальной информации о новом прецеденте в базу знаний.

Для создания БЗ необходимо все знания ученых и специалистов, зарегистрированные и не занесенные в литературные источники, ввести в компьютер, предварительно формализовав их, представив в виде базы знаний. Базы знаний обладают большими возможностями по сравнению с общепринятыми формами представления знаний (книги, инструкции т.п.). Это объясняется имеющимися ограничениями при поиске знаний в традиционных формах их выражения: большое время поиска, разброс знаний по различным источникам, иногда даже противоречивость знаний в них.

Прежде чем применить знание, накопленное в книге, человек должен найти его, интерпретировать для решения конкретной задачи. Тем самым затрудняется и замедляется процесс подготовки решения, в то же время на практике использование знаний и принятие решений должно происходить сразу же после получения исходной информации, т.е. в реальном масштабе времени. Кроме того, при этом серьезно затрудняется процесс изменения и введения новых знаний. Описание ситуаций должно быть выбрано так, чтобы уровень их описаний не был ни очень подробным, ни очень "грубым" для каждого типа предприятий, технологического процесса. При слишком подробном описании возникает "шумовой эффект", частности и несущественные для управления факты и явления могут сильно усложнить понимание сути функционирования объекта и сделать построение системы управления невозможным. Например, для судоходства в мелководном проливе необходимо постоянное знание конкретных значений уровня воды через каждый час, а то и чаще. При определенных значениях уровня возможен пропуск судов с той или иной осадкой. В такой ситуации знание только экстремальных значений уровня мало чего дает. В то же время для строительства портовых сооружений наоборот необходимо знание экстремальных значений с обеспеченностью 0,01% (один раз в 100 лет).

Процесс принятия решений включает в себя сбор и комплексирование информации об объекте и среде управления (выявление аномалий), при необходимости, первое оповещение; обработку и хранение этой информации с приемлемыми степенями агрегации; автоматическую и или человеко-машинную оценку состояний объекта и среды управления с прогнозированием возможной смены состояний; определение целей и критериев эффективности (безопасность людей, имущества, эффективность и др.); автоматический и или человеко-машинный поиск решений по управлению, инициируемый оценками состояний объекта и среды управления или неблагоприятными прогнозами тенденций развития управляемых процессов (определяются все возможные способы и пути достижения цели); автоматическую и/или человеко-машинную оптимизацию найденных и рекомендуемых ЛПР решений; человеко-машинное принятие решений с возможностями вызова для анализа как данных, лежащих в основе поиска рекомендуемых решений, так и используемой логики и математических методов, на которых базировался поиск предлагаемых решений; согласование и утверждение мероприятий; юридическое оформление акта решения; реализация решений - приведение объекта в целевое состояние (ограждение, принятие контрмер, перемещение, устранение и т.п.); оценка результатов (корректировка целей, способов и путей достижения целей), документирование, возмещение убытков.