Проектування, реалізація та використання інтелектуальних інформаційних систем у рішенні різного класу економічних задач

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

УДК 004.414.2

Проектування, реалізація та використання інтелектуальних інформаційних систем у рішенні різного класу економічних задач

Л.В. Передерій

Анотація

інтелектуальний інформаційний економічний бізнес

Стаття присвячена дослідженню процесу створення інтелектуальних інформаційних систем, призначених для застосування в управлінні економічними об'єктами з метою підвищення ефективності їх діяльності.

Ключові слова: інтелектуальна інформаційна система, експертна система, проблемна галузь, база даних,, база знань, життєвий цикл системи, інтерфейс, етап проектування, прототип системи.

Summary

The article is devoted research of process of creation of the intellectual informative systems, intended for application in a management economic objects with the purpose of increase of efficiency of their activity.

Key words: The article is devoted research of process of creation of the intellectual informative systems, intended for application in a management economic objects with the purpose of increase of efficiency of their activity.

Постановка проблеми. Сучасна економіка, що характеризується високою динамічністю, глобалізацією усіх процесів, орієнтацією на споживача, зростанням конкуренції, проведенням безперервних інновацій, вимагає застосування адекватних методів і засобів оптимального управління підприємствами. Ключовим питанням ефективного застосування цих методів і засобів є організація й обробка знань про можливості та потенціал підприємства, які стають його інтелектуальним капіталом. Концепція управління знаннями підприємства, що розвивається нині в менеджменті, припускає використання сучасних інформаційних технологій, які базуються в першу чергу на досягненнях наукового напряму «Штучний інтелект». У зв'язку з цим інтелектуальні інформаційні системи (ІІС) в економіці покликані висвітлювати питання розробки та ефективного застосування інтелектуальних інформаційних технологій у вирішенні різних класів економічних задач в умовах невизначеності і динамічності середовища функціонування підприємств, до яких відносяться: економічний аналіз, обґрунтування стратегічних рішень, інвестиційне проектування, планування, реорганізація і моніторинг бізнес-процесів, адаптація корпоративних інформаційних систем, створення й організація доступу до корпоративної пам'яті (сховища знань).

Аналіз останніх досліджень і публікацій. Одним із видів інтелектуальних інформаційних систем є експертні системи (ЕС). У теперішній час існує велика кількість експертних систем, призначених для застосування в різних сферах професійної діяльності людей. Існують також інструментальні середовища побудови ЕС, які називаються оболонками ЕС. Одним із яскравих представників оболонок є програмний продукт GURU, розроблена фірмою Micro Data Base Systems, Inc., у якому методи експертних систем поєднуються з такими засобами обробки даних, як складання електронних відомостей, управління базою даних і діловою графікою, і таким чином формується унікальне середовище для підтримки ухвалення рішень і розробки прикладних інтелектуальних систем. Метод інтеграції, який використовується в системі GURU, ґрунтується на принципі синергізму. При цьому під «синергізмом» тут розуміється таке. У системі GURU всі засоби завжди доступні. Численні компоненти можна сполучати за бажанням в межах однієї операції, а це характеризує систему як гнучку і зручну у використанні.

Взаємодіяти із системою можна будь-яким із чотирьох різних способів: за допомогою меню, на обмеженій природній мові, у режимі команд або через спеціально розроблені інтерфейси. Кожен тип інтерфейсу системи GURU призначений для задоволення потреб і смаків різних класів користувачів. Всіма чотирма інтерфейсами можна користуватися під час одного і того ж сеансу взаємодії із системою GURU.

Як і в більшості оболонок, в GURU використовується продукційна модель подання знань у виді сукупності «If-then» правил із зворотною стратегією виводу, є можливість моделювання нечітких і неточних міркувань. Окрім посилок і висновку, в правила можна включати команди, які виконуватимуться перед перевіркою умови, а також текст пояснення для генерації пояснень. Правила також включають необов'язкові параметри ціни та пріоритету, що дозволяють управляти процесом вибору із сукупності готових до виконання правил чергового правила. З кожним правилом можна також зв'язати число, що визначає, скільки разів це правило може виконуватися в процесі консультації. Правила, що відносяться до рішення деякої загальної задачі, утворюють базу знань, або набір правил. У цей набір, окрім власне правил, включаються дві спеціальні процедури: ініціалізація і завершення, які повинні виконуватися до і після виконання правил. До набору правил також включаються описи змінних, що беруть участь в правилах, які містять специфікації типу, точність тощо. За умовчанням у GURU прийнята стратегія зворотного виводу, проте можна використовувати чисто прямий вивід, а також комбінувати його із зворотним в рамках одного набору правил. Як стратегіями виводу, так і цільовими змінними можна управляти динамічно в процесі консультації. Оскільки система GURU надає різноманітні можливості створення наборів правил, то можна значно скоротити кількість правил, необхідних для охоплення всіх знань і досвіду в конкретній проблемній галузі. Це призводить до прискорення процесу отримання логічних виводів, а також до спрощення управління цими правилами. Інтегрована система GURU має вбудовані механізми перетворення потенційних переваг експертних систем в реальність, щоб полегшити користувачеві процес створення ЕС, зробити його прямим, ефективним і природним.

Метою статті є дослідження процесу створення інтелектуальних інформаційних систем, призначених для рішення різного класу економічних задач.

Виклад основного матеріалу. У розвитку економіки і бізнесу значну роль грає інформаційна інфраструктура. Для якісного управління й успішного ведення справ особі, що ухвалює рішення, у теперішній час необхідне розуміння важливості інформації та інформаційно-інтелектуальних систем менеджменту. Сучасні інформаційні процеси зобов'язують по-новому поглянути на інформаційні технології з позицій менеджера.

При проектуванні інтелектуальних систем враховуються такі чинники, як складність проблемної галузі, розміри простору станів системи, ступінь впливу невизначеності і випадковості при ухваленні рішень, необхідність обліку та оцінки ризиків, великі обсяги важко формалізуємої та евристичної інформації, необхідність отримання прогнозів, ухвалення рішень при дефіциті часу.

Важливого значення набуває аналіз проблемних галузей, у яких інтеграція інтелектуальних технологій та інформаційних систем (ІІС) приносить відчутний ефект. Найбільш перспективними галузями економіки і бізнесу, де інтелектуальні системи найбільш ефективні, є:

— управління виробництвом;

— виробниче та внутрішньовиробниче планування і прогнозування;

— управління маркетингом і збутом;

— фінансовий менеджмент;

— ризик-менеджмент;

— банківська сфера;

— торгівля;

— фондовий ринок.

Спочатку ІІС використовували знання декількох експертів у кожній із галузей інвестицій.

Нині бази знань частково формуються за допомогою машинного навчання, використовуючи методи індукції, генетичні алгоритми і деякі інші методи витягання знань. Менеджер, використовуючи таку схему, теоретично може ухвалювати рішення ефективніше і з меншою вартістю, чим це зміг би зробити будь-який індивідуальний експерт у цій галузі. Найбільш очевидною перевагою інтеграції деяких форм штучного інтелекту в процесі ухвалення рішень порівняно з постійним консультуванням з групою експертів зазвичай є нижча вартість і більша відповідність результатів завданню. На відміну від звичайних аналітичних і статистичних моделей, ІІС дозволяють отримати вирішення слабо структурованих задач, що важко формалізуються. Можливість ІІС працювати із слабо структурованими даними має на увазі наявність таких якостей:

— вирішувати задачі, описані тільки в термінах м'яких моделей, коли залежності між основними показниками є не цілком визначеними або навіть невідомими в межах деякого класу;

— здібність до роботи з невизначеними або динамічними даними, що змінюються в процесі обробки, дозволяє використовувати ІІС в умовах, коли методи обробки даних можуть змінюватися і уточнюватися у міру надходження нових даних;

— здібність до розвитку системи і витягання знань з накопиченого досвіду конкретних ситуацій збільшує мобільність і гнучкість системи, дозволяючи їй швидко освоювати нові галузі застосування.

Можливість використання інформації, яка явно не зберігається, а виводиться з наявних в базі даних, дозволяє зменшити обсяги фактуальної інформації, що зберігається, при збереженні цінності доступної користувачеві інформації. Спрямованість ІІС на вирішення слабо структурованих задач, що погано формалізуються, розширює сферу застосування ІІС [1].

Наявність розвинених комунікативних здібностей у ІІС дає можливість користувачеві видавати завдання системі і отримувати від неї оброблені дані і коментарі на мові, близькій до природної. Система природно-мовного інтерфейсу транслює природно-мовні структури на внутрішньомашинний рівень подання знань. Включає морфологічний, синтаксичний, семантичний аналіз і, відповідно, в зворотному порядку -- синтез. Програма інтелектуального інтерфейсу сприймає повідомлення користувача і перетворює їх у форму подання бази знань і, навпаки, переводить внутрішнє подання результату обробки у формат користувача і видає повідомлення на необхідний носій.

Найважливіша вимога до організації діалогу користувача з ІІС -- природність, що означає формулювання потреб користувача з використанням професійних термінів конкретної галузі застосування. Найбільшого поширення ІІС набули для економічного аналізу діяльності підприємства, стратегічного планування, інвестиційного аналізу, оцінки ризиків і формування портфеля цінних паперів, фінансового аналізу, маркетингу. Відмітні особливості ІІС порівняно зі звичайними ІС полягають у такому:

— інтерфейс із користувачем на природній мові з використанням бізнес-понять, характерних для наочної області користувача;

— здатність пояснювати свої дії і підказувати користувачеві, як правильно ввести економічні показники і як вибрати відповідні до його задачі параметри економічної моделі;

— наведення моделі економічного об'єкта та його оточення у виді бази знань і засобів дедуктивних і правдоподібних виводів у поєднанні з можливістю роботи з неповною або неточною інформацією;

— здатність автоматичного виявлення закономірностей бізнесу в раніше накопичених фактах і включення їх в базу знань.

ІІС особливо ефективні в застосуванні до слабо структурованих задач, в яких поки відсутня строга формалізація і для вирішення яких застосовуються евристичні процедури, що дозволяють в більшості випадків отримати рішення. Частково цим пояснюється те, що діапазон застосування ІІС надзвичайно широкий: від управління безперервними технологічним процесами в реальному часі до оцінки наслідків від порушення умов постачання товарів з імпорту.

Проектування інтелектуальних систем -- це ітеративний та еволюційний процес, в якому беруть участь декілька фахівців: експерт, що володіє знаннями про наочну галузь і охочий допомогти роботі зі створення системи, а також фахівці в галузі штучного інтелекту -- інженери знань, аналітики і програмісти. Залежно від обсягу і трудомісткості робіт група може складатися з трьох-шести фахівців.

При оцінці проблемної галузі на етапі проектування інтелектуальних систем необхідно враховувати такі чинники: легкість збору даних, спосіб подання даних, виправданість витрат на розробку інтелектуальних систем, наявність експертів, наявність необхідних ресурсів (комп'ютерів, програмістів, програмного забезпечення і т. ін.).

Після аналізу проблемної галузі і визначення доцільності впровадження інтелектуальної системи у цій сфері приступають безпосередньо до проектування системи. Існують різні погляди на визначення кількості етапів проектування інтелектуальних систем. Це залежить від багатьох чинників, зокрема від характеру функцій майбутньої інтелектуальної системи, сфери використання, наявності розвинених інструментальних засобів і т. ін. [2].

Процес побудови систем поділяється на п'ять етапів (рис. 1):

1. Ідентифікація визначення завдань та ідентифікація їх характеристик. На цьому етапі встановлюються завдання, які передбачається вирішувати, їх характеристики і особливості. Розробляється технічне завдання на проектовану систему. Далі обкреслюється коло користувачів системи. Ці відомості допоможуть надалі правильно визначити сферу знань експерта, визначити функції системи і, як наслідок, рівень необхідних знань. У результаті виробляються певні вимоги.

2. Виокремлення головних концепцій наочної галузі, які відображають знання коло експертів. Це дає можливість аналізувати тип знань, якими оперує експерт у процесі ухвалення рішень. Інженер знань визначає формальні засоби подання знань і процедури отримання рішень, що найбільшою мірою відповідають характеру міркувань експерта при виведенні рішення. Таким чином, у результаті виконання цього етапу виявляються і формулюються поняття, що визначають вибір характерної схеми подання знань експерта про наочну галузь.

3. Вибір формалізму подання знань і визначення механізму виведення рішень. Ці компоненти моделювання значною мірою впливають на успішне рішення поставленої задачі з проектування системи. Розроблена структура для подання знань є основою для реалізації наступного етапу -- безпосередньої побудови бази знань системи.

4. Вибір або розробка мови подання знань. Після того, як правила сформульовані і наведені на вибраній мові відображення, вони заносяться інженером знань в БЗ.

5. Тестування системи.

Працездатність системи визначається шляхом вирішення конкретних перевірочних завдань. При виявленні різних недоліків відбувається звернення до того або іншого етапу розробки залежно від характеру недоліків. За відсутності яких-небудь знань в системі або через їх недостатню визначеність повертаються до етапу 4 і у міру можливості вносять поправки. У випадку, якщо які-небудь знання, наведені експертом, практично неможливо подати в межах формалізму обраної моделі подання знань, то повертаються до етапу 3 і вибирають альтернативні моделі або схеми подання знань. Можливо, що причиною повернення може служити недостатньо адекватний базовий механізм логічного виводу. Виникають ситуації, коли потрібне переформулювання проблеми, оскільки початкова постановка завдання була неправильною [3, с. 73].

Наведена схема послідовності робіт досить повно і детально розкриває процес проектування інтелектуальної системи, але деякі важливі етапи, пов'язані зі створенням низки функціональних модулів систем, не розглянуті. Докладніший перелік робіт при проектуванні інтелектуальних систем:

— витягання знань із експерта і передання їх системі;

— вибір способу подання знань у системі;

— вибір стратегії виводу (управління);

— вибір підсистеми пояснення;

— вибір підсистеми взаємодії з користувачем;

— вибір адекватних засобів реалізації системи.

Зміст робіт, кількість етапів проектування інтелектуальних систем, послідовність їх виконання залежать від цілої низки об'єктивних і суб'єктивних чинників. Проте багато етапів і зміст робіт є загальними і необхідними для інтелектуальних систем практично всіх типів. Нижче наводиться перелік таких етапів та їх складових:

1. Опис проблемної галузі: визначення проблемної галузі, що показує важливість проблеми для всієї організації; визначення проблемних експертів, охочих передати експертизи (знання) базі знань; підготовка і оголошення плану розвитку.

2. Персонал: визначення групи проектувальників і відповідних завдань; призначення кваліфікованого керівника проекту; встановлення і проведення в життя твердої лінії управління.

3. Ухвалення проекту: проведення організаційного засідання; обговорення основного підходу до проблеми; підготовка спеціального плану розвитку; підготовка до монтажу необхідних технічних засобів та інструментарію.

4. Прототип системи: розвиток системного прототипу: тестування; отримання додаткової інформації щодо проблемної галузі за наслідками тестування.

5. Розвиток повної системи: розширення бази знань прототипу; оцінювання структури інтерфейсу користувача; об'єднання засобів навчання користувачів і документації.

6. Верифікація системи: залучення до процесу перевірки експертів і потенційних користувачів; забезпечення функціонування системи відповідно до проекту.

7. Інтеграція системи: виконання повної системи, як планувалося; забезпечення сумісності і взаємодії системи із вже діючими.

8. Підтримка системи: забезпечення безперервної підтримки системи; модернізація БЗ у разі надходження нової інформації; збереження відповідальності за систему.

9. Документація: підготовка повної документації системи; підготовка інструкцій для користувача; організація консультацій користувачам [3, с. 89].

Етапи створення інтелектуальних систем не є чітко обкресленими і детально регламентованими. Між деякими з них важко провести часову і змістовну межу. Вони якоюсь мірою приблизно описують процес проектування інтелектуальних систем. Проектування ІС базується на узагальненій структурі, яка містить основні компоненти ІС та оточення системи (рис. 2).

Стадії існування інтелектуальних систем (або життєві цикли системи) відповідають рівню готовності системи, завершеності її функціональних можливостей, що реалізовуються інструментарієм. Визначають такі стадії існування інтелектуальних систем: демонстраційний прототип; дослідницький прототип; прототип, що діє; промислова система; комерційна система.

Демонстраційний прототип -- це стан розробленості системи, коли вона вирішує деяку частину проблемних завдань. При розробці демонстраційного прототипу прагнуть досягти суперечливих цілей: з одного боку, система на стадії демонстраційного прототипу повинна виконувати завдання, які б досить повно характеризували її можливості, з іншого боку, цю стадію прагнуть пройти щонайшвидше. Робота демонстраційного прототипу може бути визнана задовільною, якщо він оперує мінімальним набором правил, достатнім для вирішення деяких завдань. Час розробки коливається від двох місяців до року.

Дослідницький прототип проектується протягом півтора-двох років. На цій стадії розвитку системи її БЗ вже містить декілька сотень правил, які достатньо адекватно описують наочну галузь.

Діючий прототип інтелектуальних систем здійснює якісне виведення рішень на розширеному просторі правил, який досяг їх понад 1000. Тому для виведення складних рішень потрібні великі ресурси часу і пам'яті.

Промислові системи забезпечують високий рівень якості вирішення проблем наочної галузі при значних зменшеннях часу рішення і необхідної пам'яті. Кількість правил зростає не так значно порівняно із діючим прототипом. На цій стадії відбувається перетворення діючого прототипу за рахунок розширення кількості правил і вдосконалення інтелектуальних систем на базі використання ефективніших інструментальних засобів. Це вимагає приблизно три-чотири роки.

Комерційна система призначена в основному для продажу. Вона є або проблемно-орієнтованою, або незалежною.

Наочну галузь можна визначити як сферу людської діяльності, виокремлену та описану згідно із встановленими критеріями. У описуване поняття мають входити відомості про її елементи, явища, відносини і процеси, що відображають різні аспекти цієї діяльності. У описі наочної галузі мають бути присутніми характеристики можливих дій навколишнього середовища на елементи та явища наочної галузі, а також зворотні дії цих елементів і явищ на середовище.

Специфіка наочної галузі може робити істотний вплив на характер функціонування проектованої інтелектуальної системи, вибір методу подання знань, способів міркування про знання і т. ін. У той же час можна навести приклади, коли інтелектуальні системи, орієнтовані на використання в певному проблемному середовищі, підходили для проблематики абсолютно з іншої галузі. Кажучи про проблемну галузь, мається на увазі комплексне поняття, що включає наочну галузь, вирішувані завдання, цілі, можливі стратегії та евристики. Наочну галузь можна визначити як об'єкт або виробничу систему з усім комплексом понять і знань про її функціонування. При дослідженні проблемної галузі необхідні знання про завдання, що вирішуються у виробничій системі, і цілі, що стоять перед нею. Визначаються також можливі стратегії управління та евристичні знання, використовувані в процесі експлуатації виробничої системи.

При дослідженні економічних і виробничих систем, виробничих об'єктів і вирішуваних ними завдань з метою формалізації знань в БЗ і роботі з ними в інтелектуальних системах необхідно зважати на специфіку таких систем. Економічним і виробничим системам властива динамічність функціонування, часта зміна ситуацій, оновлення великих масивів вимірників та інших даних, що характеризують стан об'єкта. Вони часто функціонують в умовах неповної визначеності через дію випадкових чинників збурювання. Відомо, що велика кількість виробництв буває шкідливим або протікає в небезпечному для людини середовищі, що висуває підвищені вимоги до надійності систем управління ними [4].

Таким чином, при проектуванні БЗ треба певним чином організовувати її для роботи в реальному часі, коли значні обсяги знань і даних можуть швидко змінюватися й оновлюватися. Необхідно забезпечити точність і своєчасність надання експертизи і рекомендацій користувачеві (вимога роботи в реальному часі), а також високу надійність роботи інтелектуальних систем (вимога надійності та безвідмовності у разі використання їх для небезпечних виробництв). Крім того, сам характер задач, що вирішуються в економічних і виробничих системах, значною мірою впливає на процес організації та проектування інтелектуальних систем.

На характер знань, можливість їх структуризації, обсяги, режими роботи з ними істотний вплив роблять як сфера використання інтелектуальних систем (тип конкретного процесу, галузь, середовище функціонування системи), так і завдання, що реалізовуються інтелектуальними системами.

У системах управління економічними і виробничими процесами знаннями можуть бути описи конкретного процесу, характеристики компонентів, фінансова та аналітична інформація, фактографічні знання або дані. Крім цього, знаннями є евристики або правила, що є думками на основі даних, для вирішення задач управління, наприклад, коли необхідний ремонт устаткування, якими повинні бути проміжні запаси, значення технологічних параметрів при певній якості сировини і так далі. Ці правила або евристики базуються майже завжди на минулому досвіді.

При вирішенні задач диспетчерського управління даними є, наприклад, дані контролю, які поступають з датчиків вимірювання витрат і рівня швидкості потоку, якісні характеристики продуктів, а також оперативна інформація про хід виконання плану, постачання, збут і так далі. Знаннями є, у свою чергу, реакції та дії управлінського персоналу при певних значеннях і наборі даних контролю, дії в аварійних і критичних ситуаціях, що координують дії між окремими технологічними підрозділами підприємства залежно від виробничої ситуації, і так далі.

При проектуванні і плануванні виробництва в задачах як знання можуть виступати інші сукупності даних і правил дій.

Характер цілей і стратегій управління для різних економічних і виробничих задач і в різних сферах застосування може також значно відрізнятися.

Придбання знань реалізується за допомогою двох функцій: отримання інформації ззовні та її систематизації. При цьому залежно від здібності системи навчання до логічних виводів можливі різні форми придбання знань, а також різні форми отримуваної інформації. Форма подання знань для їх використання визначається усередині системи, тому форма інформації, яку вона може приймати, залежить від того, які здібності має система для формалізації інформації до рівня знань [5, с. 21].

Чим вище здатність комп'ютера до логічних виводів, тим менше навантаження на людину. Отже, від функцій навчання потрібне перетворення отриманої ззовні інформації в знання і поповнення ними бази знань. У разі прикладних систем інженерії знань необхідно перетворити спеціальні знання з якої-небудь галузі в машинний формат, але для цього потрібний посередник, добре обізнаний як у проблемній галузі, так і в інженерії знань. Таких посередників називають інженерами знань.

Для підготовки знань в інтелектуальній системі необхідні допоміжні засоби типу редактора знань, причому в процесі придбання знань в діалозі редагуються як окремі правила, так і заповнюються недоліки існуючих правил, тобто ведеться редагування бази знань. Якщо знання задані в зовнішньому форматі, наприклад на природній мові, то слід перетворити їх у внутрішній формат. Для цього необхідно розуміти зовнішнє уявлення, тобто природну мова, графічні дані тощо. Фактично придбання знань та їх розуміння тісно зв'язані. Проблема розуміння зводиться не тільки до перетворення структури пропозицій, необхідно отримати формат, зручний для застосування.

Аналогічна проблема -- перетворення у внутрішній формат порад, підказок з рішення задач. У цьому полягає одна із центральних проблем штучного інтелекту. Вона, зокрема, вивчає перетворення рад, підказок, рекомендацій, поданих в термінах проблемної галузі, в процедури [3, с. 91].

Виявлення джерел знань і робота з ними -- основне завдання інженера знань. Інженер знань виконує важливі функції при розробці БЗ. Він повинен добре орієнтуватися в проблемній галузі і бути непоганим психологом, щоб спілкуватися з експертом в процесі придбання знань. Разом з тим він винен добре знати і можливості програмного забезпечення комп'ютерів, щоб структуру- вати знання для зберігання і роботи з ними.

Основним джерелом знань про проблемну галузь є людина-експерт. Інженер знань працює з ним в режимі діалогу або інтерв'ю і формує необхідний обсяг знань і відомостей для роботи з об'єктом. Можливе також використання опитувальників, які потім відповідним чином обробляються. Для деяких завдань джерелами додаткової інформації є книги, технологічні описи, інструкції, документи. Використовуються також методи так званого «мозкового штурму», коли група фахівців за певних обставин в оперативні терміни генерує необхідну інформацію, що допомагає вирішенню проблеми і кращому дослідженню наочної галузі [6, с. 350].

Для деяких галузей застосування інтелектуальних систем знання про об'єкт можна формувати шляхом використання статистичної обробки інформації та інформації про результати імітаційних експериментів. Останнім часом все частіше починають використовувати методи автоматизованого заповнення БЗ.

Інструментальним засобом розробки інтелектуальних інформаційних систем вибираються системи програмування, які забезпечують зручні способи подання складних високорівневих понять.

Висновки і перспективи подальших розвідок

Інтелектуальні інформаційні системи можуть і повинні стати найважливішою складовою частиною в технології сучасних виробництв з причини того, що вони можуть вирішувати такі завдання:

— долати складнощі управління, які виникають тоді, коли доводиться робити вибір з безлічі можливих рішень;

— оперувати великими обсягами інформації;

— зменшити інформацію до того рівня, який необхідний для ухвалення рішення (втрата інформації, яка поступає від об'єктів, що працюють в реальному режимі часу, може істотно позначитися на результаті);

— долати брак часу на ухвалення рішення (виявляється у міру ускладнення виробництва);

— усувати проблему координації (рішення необхідно координувати з іншими ланками процесу або об'єкта);

— забезпечувати збереження й розповсюдження знань дуже досвідчених експертів, отриманих ними в процесі багаторічної роботи і великого практичного досвіду, що є однією з головних проблем організації.

Таким чином, інтелектуалізація інформаційних систем управління і трансформація їх в інтелектуальні інформаційні системи управління знаннями, підтримка прийняття рішень є найбільш значущим і важливим напрямом для економіки і бізнесу.

Література

1. Андрейчиков А. В. Интеллектуальные информационные системы : учебник / А. В. Андрейчиков, О. Н. Андрейчикова. -- М. : Финансы и статистика, 2008. -- 424 с.

2. Балдин К. В. Информационные системы в экономике : учебник / К. В. Балдин, В. Б. Уткин. -- 3-е изд. -- М. : Дашков и Ко, 2008. -- 395 с.

3. Абдикеев Н. М. Проектирование интеллектуальных систем в экономике : учебник / Н. М. Абдикеев. -- М. : Экзамен, 2009. -- 528 с.

4. Вендров А. М. Проектирование программного обеспечения экономических информационных систем / А. М. Вендров. -- М. : Финансы и статистика, 2002. -- 352 с.

5. Паклин Н. Б. Бизнес-аналитика: от данных к знаниям / Н. Б. Паклин, В. И. Орешков. -- СПб. : Питер, 2009. -- 624 с.

6. Катренко А. В. Системний аналіз об'єктів та процесів комп'ютеризації : навчальний посібник / А. В. Катренко. -- Львів : Новий світ-2000, 2003. -- 424 с.

Размещено на Allbest.ru