ИНФОРМАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ

Целью моделирования является создание адекватного информационного обеспечения управления социально-экономическим развитием предприятия. В качестве наиболее важных составляющих информационных моделей следует выделить:

  • • динамические экспертные системы, способные к самообучению;
  • • системы поддержки принятия решений.

Для создания этих систем необходимо использовать подходы, соответствующие динамической сложности и нелинейности развития объекта исследования. В качестве инструмента информационного моделирования предлагается использовать нейросетевое моделирование.

Нейронная сеть [22, 30] представляет собой совокупность элементов, называемых нейронами, определенным образом соединенных друг с другом и с внешней средой. На рис. 8.1 показана структура нейрона. Он состоит из элементов трех типов: умножителей (синапсов) ®, сумматора L и нелинейного преобразователя/

Синапсы осуществляют связь между нейронами, синапс умножает компонент xt входного сигнала (вектора) на число wr характеризующее силу связи (вес синапса). Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов и внешних входных сигналов. Нелинейный преобразователь/ реализует нелинейную функцию одного аргумента. Эта функция называется функцией активизации или передаточной функцией нейрона. Нейрон выполняет скалярную функцию одного аргумента.

Архитектура сети задается матрицей весовых коэффициентов С., характеризующих силу связей между нейронами сети. По архитектуре нейронные сети подразделяются на полносвязные, слабосвязные

Структура нейрона

Рис. 8.1. Структура нейрона

и многослойные. В полносвязных сетях каждый нейрон передает свой выходящий сигнал остальным нейронам и самому себе. Выходными сигналами сети могут быть все или некоторые выходные сигналы нейронов.

В слабосвязных сетях нейроны располагаются в узлах прямоугольной или гексагональной решетки.

В многослойных сетях нейроны объединяются в слои. Слой содержит совокупность нейронов с едиными входными сигналами. Внешние сигналы подаются на входы нейронов входного слоя, а выходами сети являются выходные сигналы последнего слоя. Кроме входного и выходного слоев есть один или несколько скрытых слоев. На рис. 8.2 представлена архитектура двухслойной сети.

Среди многослойных сетей выделяют монотонные сети, сети без обратных связей и сети с обратными связями. В монотонных сетях каждый слой, кроме выходного, разбит на два блока, связи между

Двухслойная нейронная сеть которыми разделяются на тормозящие и возбуждающие

Рис. 8.2. Двухслойная нейронная сеть которыми разделяются на тормозящие и возбуждающие. Если от нейронов блока А к нейронам блока В ведут только возбуждающие связи, то любой выходной сигнал блока В является неубывающей функцией любого выходного сигнала блока А Напротив, если связи только тормозящие, то любой выходной сигнал блока В является невозрастающей функцией любого выходного сигнала блока А В сетях без обратных связей нейроны входного слоя, преобразуя сигналы, передают их первому скрытому слою и так далее до выходного слоя.

В сетях с обратными связями информация с последующих слоев передается на предыдущие слои.

Одно из главных преимуществ нейронных сетей заключается в том, что по имеющимся алгоритмам можно обучать сеть автоматически находить оптимальные значения всех переменных весовых коэффициентов (некоторые синаптические связи могут быть постоянными). Этот этап называется обучением нейронной сети, и от того, насколько качественно он будет выполнен, зависит способность сети решать поставленные перед ней задачи.

Выбор структуры нейронной сети осуществляется в соответствии с особенностями и сложностью задачи. Для решения многих типов задач разработаны оптимальные конфигурации нейронных сетей. Некоторые из них описаны в книгах [22, 30]. Если же задача не может быть сведена ни к одному из известных типов, разработчику приходится решать сложную проблему синтеза новой конфигурации. При этом следует руководствоваться несколькими основополагающими принципами:

  • • возможности сети возрастают с увеличением числа нейронов сети, плотности связей между ними и числом выделенных слоев;
  • • введение обратных связей наряду с увеличением возможностей сети поднимает вопрос о динамической устойчивой сети;
  • • сложность алгоритмов функционирования сети способствует усилению мощи нейронных сетей.

В большинстве случаев оптимальный вариант получается на основе интуитивного подбора.

При моделировании процесса принятия управленческих решений возникают следующие трудности:

  • • исходный набор принимаемых правил формулируется экспертом и может оказаться неполным или противоречивым;
  • • вид и параметры функций, описывающих входные и выходные переменные сигналы, выбираются субъективно и могут оказаться не вполне адекватными.

Для устранения этих недостатков были разработаны нечеткие нейронные сети [22], которые по структуре идентичны многослойной сети с обучением, но скрытые слои в них используют аппарат нечетких множеств и нечеткой логики.

В реальных сложных системах (нервных системах человека и животных, социально-экономических системах) поддержание неэффективных связей требует определенных затрат и потому невыгодно. Поэтому в ходе развития таких систем происходит освобождение от части связей за счет централизации системы связи. Подобная централизация является общесистемной закономерностью. Например, первые телефонные сети непосредственно связывали абонентов друг с другом. Но ввиду чрезмерного усложнения таких сетей были введены центральные телефонные станции, так что каждый абонент теперь соединялся непосредственно только с телефонной станцией и уже через нее - с другими абонентами.

Подобную эволюцию проделала и нервная система животных - от диффузной у простейших к центральной нервной системе и головному мозгу у высших млекопитающих. Поэтому связь многих элементов с одним, центральным, следует считать более высоким принципом организации, чем связь «всех со всеми». Множество центральных элементов образует новый уровень, или слой, для которого, в свою очередь, справедлив тот же принцип организации. Так возникает многослойная иерархическая система связей.

Естественно, подобная иерархическая система связей свойственна и экономическим производственным системам, поэтому адекватным инструментом информационного моделирования являются многослойные нечеткие нейронные сети, которые представляют собой асимметричные сети нейронов, устроенные по принципу централизации. Именно такие нейронные сети следует признать в качестве эффективного инструмента информационного моделирования развития производственных систем.

На основе многослойных иерархических нейронных сетей могут быть созданы системы поддержки принятия решений, используемые в рамках управления при решении следующих задач:

  • • определение и анализ тенденций развития предприятия;
  • • измерение ключевых соотношений и мониторинг их изменения;
  • • последовательно детализирующий анализ (drill down analysis)',
  • • сценарный анализ «что, если» (what if);
  • • анализ конкурентоспособности;
  • • контроль решения сложных проблем.

Система поддержки принятия решения для управления предприятием является самой главной, поэтому имеет смысл более подробно остановиться на механизме использования этих систем, и в особенности на разрешении проблемы функционирования программного обеспечения системы поддержки принятия решения и согласования с организационными процедурами самих процессов принятия решения.

Эффективность управления во многом обусловлена качеством принимаемых решений. В решениях фиксируется вся совокупность отношений, возникающих в процессе трудовой деятельности и управления организацией. Через них преломляются цели, интересы, связи и нормы. Характеризуя полный цикл управленческой деятельности, состоящий из целеполагания, планирования, организации, координации, контроля и корректировки целей, можно выделить в нем два вида процессов цикла управления: разработки и осуществления управленческих решений.

Неэффективное, ошибочное, необязательное, непоследовательное или неправомочное решение может привести к потере устойчивости системы, ее качества, а иногда и к разрушению системы. Под устойчивостью системы понимается и способность сохранять основные параметры в определенных границах или поддержание требуемой линии поведения при возмущениях, как возникающих внутри самой системы, так и поступающих извне.

Эксперт-диагностика рациональности организации управления включает такие операции:

  • • выявление основных конкретных функций управления для определенной системы управления;
  • • установление рационального количества ступеней управления;
  • • определение количества звеньев;
  • • распределение функций, прав и ответственности между звеньями по вертикали и горизонтали;
  • • определение профессионального и количественного состава кадров;
  • • выбор технических средств;
  • • установление степени регламентации управленческих процессов.

Процесс управления, включающий в себя цикл разработки, принятия и реализации управленческого решения, начинается с появления стимула, т.е. с некоторого события, указывающего на возникновение ситуации, в которой требуется принять решение.

Разработка и выбор решения должны быть сконцентрированы на том уровне иерархии управления, где для этого есть соответствующая информация:

  • • информация должна поступать ото всех подразделений организации, находящихся на разных уровнях управления и выполняющих различные функции;
  • • выбор и принятие решений должны отражать интересы и возможности тех уровней управления, на которые будет возложено выполнение решения;
  • • должна строго соблюдаться соподчиненность в отношениях в

иерархии управления.

Взаимодействие руководителя с экспертами-аналитиками возникает на следующих этапах управленческого цикла: 1 — информационная подготовка решения; 2 — принятие управленческого решения; 3 — юридическое оформление решения; 4 — организация исполнения; 5 — контроль исполнения; 6 — оценка конечных результатов. Эксперт-диагностика часто проводится для оценки эффективности взаимодействия различных уровней субъекта управления. Схема организационного обеспечения процесса принятия решения представлена на рис. 8.3.

На первом этапе работы происходит осмысление выдвинутой проблемы и изыскание путей ее решения в виде необходимой информации и разработки проекта устранения проблемы (подготовка проекта приказа, решения, постановления).

На втором этапе возникает потребность осмысления проблемной информации, ее значения, отслеживания ее потока во всех направлениях: «сверху вниз», «снизу вверх», диагональная и вертикальная ее циркуляция.

Вся необходимая информация запрашивается из банка данных самого субъекта управления, а также предыдущего иерархического уровня. Если требуются какие-то дополнительные источники информации, привлекаются эксперты.

Таким образом, формируется определенное информационное пространство, в котором происходит вся необходимая работа по выработке решений. Иногда при разработке и подготовке того или иного решения возникают промежуточные проблемы, требующие, в свою очередь, тоже принятия какого-то решения, но есть и такие, которые воспроизводятся постоянно: их можно назвать базовыми управленческими задачами.

После получения всей необходимой информации и ее концентрации она анализируется, оценивается и на основе данной работы «выходит» в виде проекта предполагаемого решения.

В дальнейшем проект решения поступает на согласование руководителю, за этим следует завершающая стадия - принятие решения.

На рынке программного обеспечения имеется множество различных программ для конструирования нейронных сетей (нейропакеты), характеристики многих из которых приведены в книге В. В. Круглова и В. В. Борисова [22]. Во всех этих программах реализованы основные функции: формирование нейронной сети, обучение нейронной сети и тестирование «обученой» сети.

Для моделирования описанного процесса принятия решения посредством нейронной сети могут быть полезны:

Схема организационного обеспечения процесса принятия решения

Рис. 8.3. Схема организационного обеспечения процесса принятия решения

  • • нейропакет ModelQuest, создающий интегральную среду для прогнозирования, принятия решений и управления, в основе которого лежит концепция «статистических сетей» {Statistical Networks) — соединение нейронной сети и статистических методов (производитель AbTech, США — http//www.abtech.com/MQl. НТМ);
  • • нейропакет NewFrame, реализующий комбинированные алгоритмы нейронных сетей и нечеткой логики (производитель NCS, Великобритания — http//www.demon.co.uk/skylake/ software, html);
  • • нейропакет QwikNet, моделирующий многослойную нейронную сеть прямого распространения и различные модификации алгоритма обратного распространения ошибки (производитель С/ Jensen, США — http//www.simtel.net/simtel.net/win95/neural-pre. html).

Контрольные вопросы

  • 1. Что является импульсом к разработке новых идей и совершенствованию концепций управления?
  • 2. В чем выражаются особенности современных организационных структур фирм?
  • 3. Как изменяются границы «новых» фирм в процессе информационной революции?
  • 4. В чем выражаются основные модификации фирм и систем в результате информационной революции?
  • 5. Какова роль инноваций в процессах трансформации структур фирм и систем?
  • 6. В чем основная идея концепции «белого пространства»?
  • 7. С какой деятельностью связаны основные положения концепции управления знаниями?
  • 8. Какая ценность может являться результатом управления знаниями на разных уровнях?
  • 9. От каких условий может зависеть успех применения концепции управления знаниями на фирме?
  • 10. В чем заключаются особенности концепции TSM при управлении знаниями?
  • 11. В чем заключаются основные преимущества существования на фирме корпоративной культуры?
  • 12. Какие составляющие информационных моделей выделяют как наиболее важные?
  • 13. Какие виды архитектуры нейронных сетей бывают? Представьте их характеристику.
  • 14. На какие подвиды могут быть классифицированы многослойные нейронные сети?
  • 15. Что является одним из главных преимуществ нейронных сетей?
  • 16. Какими принципами следует руководствоваться при синтезе новой конфигурации сети?
  • 17. Какие трудности могут возникать при моделировании процесса принятия управленческого решения? Какие сети позволяют решать эти недостатки?
  • 18. Какие именно нейронные сети могут являться эффективным инструментом информационного моделирования развития производственных систем?
  • 19. Какие задачи могут решаться при помощи системы поддержки принятия решений, созданной на основе нейронных сетей?
  • 20. Какие операции включает эксперт-диагностика рациональности организации управления?
  • 21. На каком уровне иерархии управления должен быть сконцентрирован процесс разработки и выбора решения?
  • 22. На каких этапах управленческого цикла осуществляется взаимодействие руководителя с экспертами-аналитиками?
  • 23. Охарактеризуйте последовательность организационного обеспечения процесса принятия решения.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >