Информационное обеспечение менеджмента

 

Добыча данных требует  разработанной и хорошо построенной  базы (склада) данных с сохраняемыми в ней данными. Прежде чем любая  организация подумает относительно добычи данных, нужно сначала убедиться, что необходимые данные имеются  и что они являются полными  и точными. Например, отделение заказов  по почте фармацевтического гиганта Merck-Medco, основанного в Нью-Джерси, потратило 4 года на работу над громоздкой базой данных пациентов и обращений  прежде, чем сделать банки данных готовыми к добыче данных. В Merek-Medco главными задачами реинжиниринга стали очистка  данных и объединение их в значимую структуру [2].

 

3.1.4 Искусственный интеллект  (Artificial Intelligence)

 

Идея искусственного интеллекта (AI), т.е. изучение того, как компьютеры могут "думать", имеет приблизительно 30-летний возраст, но только недавно  появились достаточно мощные компьютеры, чтобы делать коммерчески привлекательными AI-приложения. А1-исследования развились  в пять отдельных, но связанных областей: естественные языки, робототехника, системы  ощущения (системы зрения и слуха), экспертные системы и нейронные  сети. Чтобы работать с естественными  языками, необходимо создание систем, которые переводят обычные человеческие инструкции в язык, который компьютеры могут понимать и выполнять. Робототехника  в большей степени относится  к промышленности. Исследование систем ощущения направлено на создание машин, обладающих визуальными и слуховыми  способностями, которые воздействуют на их физическое поведение. Другими  словами, это исследование нацелено на создание роботов, которые могут "'видеть" или "слышать" и  реагировать соответственно тому, что  они видят или слышат [2].

 

Заключительные две ветви AI наиболее пригодны для поддержки  управления. Экспертные системы - это  системы, которые используют логику принятия решения человеческого  эксперта. Самая новая отрасль AI - нейронные сети, которые устроены по аналогии с тем, как работает человеческая нервная система, но фактически используют статистический анализ, чтобы распознать модели из большого количества информации посредством адаптивного изучения.

 

3.1.5 Экспертные системы  (Expert Systems)

 

Как применяет логику эксперта компьютерная система? Чтобы спроектировать экспертную систему, специалист, называемый инженером знания (специально подготовленный системный аналитик), очень тесно  работает с одним или большим  количеством экспертов в изучаемой  области. Инженеры знания пробуют узнавать все относительно способа, которым эксперт принимает решения. Если строится экспертная система для планирования оборудования, то инженер знания работает с опытными планировщиками оборудования, чтобы видеть, как они работают. Знание, полученное инженером знания, затем загружается в компьютерную систему, в специализированном формате, в блоке, названном базой знаний (рис. 3.3).

 

Эта база знаний содержит правила  и заключения, которые используются в принятии решений, - параметры, или  факты, необходимые для решения.

 

Другие главные фрагменты  экспертной системы - создатель заключения и интерфейс пользователя. Создатель  заключения - логический каркас, который  автоматически проводит линию рассуждения  и который беспечен правилами  заключения и параметрами, вовлеченными в решение. Таким образом, один и  тот же создатель заключения может  использоваться для многих различных  экспертных систем с различной базой  знаний. Интерфейс пользователя - блок, используемый конечным пользователем, например неопытным планировщиком  оборудования идеальный интерфейс - очень дружественный. Другие блоки  включают подсистему объяснения, чтобы  разъяснять доводы, что система движется в направлении решения, подсистему накопления знания, чтобы помочь инженеру знания в регистрации правил заключения и параметров в базе знаний, рабочую  область, чтобы использовать компьютер, поскольку решение сделано [2].

 

Примеры экспертных систем

 

Классический пример экспертной системы - MYCIN, она была создана в "Stanford University" в середине 70-х  годов, чтобы диагностировать обращения  по болезням крови и менингита. "General Electric" развивала экспертную систему CATS-1, чтобы диагностировать механические проблемы в дизельных локомотивах, фирма AT&T разработала АСЕ для  обнаружения повреждений в телефонных кабелях. Международная нефтяная компания "Schlumberger" развивала экспертную систему, названную Dipmeter, применяемую  для подачи сигналов, когда сверло заклинивает и когда сверление  идет нормально. Эти примеры относятся  к проблемам диагностики ситуаций и предписывают соответствующие  действия, потому что эксперты не всегда присутствуют, когда возникают проблемы на производстве.

 

Некоторые экспертные системы  специализируются в просеивании  массивов наборов правил или других предписаний, иногда называемых основанными  на случаях аргументации. "Human Service Agency" из Merced County (Калифорния) использует экспертную систему по имени Magic, которая  включает 6000 правительственных постановлений  в отношении благосостояния, продовольственных  талонов, медицины, поощрения забот  и т.д. Magic определяет, соответствует  ли претендент пользе, и затем вычисляет  тип и количество выгод. Полный процесс  от заявления до заключительного  решения теперь составляет примерно три дня, в то время как до этого  он составлял три месяца. Кроме  того, клерки, которые обрабатывают приложения, не требуют глубокого обучения, которое прежде требовалось. Все, что они должны уметь делать, это проводить претендента шаг за шагом через ряд вопросов, задаваемых компьютером.

 

Организация Объединенных Наций  развила подобную экспертную систему, названную Entitlements System, для объяснения комплексных норм жалованья для  всех служащих Секретариата ООН во всем мире. Плата служащих ООН определяется на основе жалованья плюс прибавки, а прибавки включают выгоды, формируемые  на месте работы, плюс другие договорные соглашения. Правила и нормы для  прибавок занимают три издания по несколько сотен страниц каждый. Используя PowerModel - программное обеспечение  из IntelliCorp, ООН построила экспертную систему, которая определяет и применяет  прибавки автоматически при использовании  интерактивной базы знаний, содержащей правила прибавок. Экспертная система  облагает налогом прибавки всякий раз, когда происходят изменения в  статусе служащего.

 

Компания "Credit Clearing House" (CCH) развила экспертную систему, чтобы  ответить на запросы абонентов, разыскивающих  информацию относительно предпринимателей в швейной промышленности. Экспертная система ССН включает приблизительно 800 правил, и ее развитие стоит один млн. долл. Когда абонент вызывает запрос информации относительно кредита  бизнеса, система анализирует историю  оплаты, финансовый отчет, эффективность  бизнеса, оценивает кредитоспособность и рекомендации и устанавливает  рекомендуемый лимит кредитования в долларах.

 

Планирование - другая важная область для экспертных систем. Экспертные системы, используемые в настоящее  время, включают отправку грузовиков и  систему планирования, которая определяет последовательность остановок на маршруте, чтобы обеспечить лучшее обслуживание и промышленную систему проектирования, которая организовывает машины и  операторов, чтобы обеспечить эффективный  поток материалов через фабрику  и использование ресурсов. "American Airlines" использует экспертную систему  МОСА (Maintenance Operation Center Advisor), которая  установлена на компьютере Macintosh, для  планирования текущего технического обслуживания для всех 622 самолетов флота American. МОСА включает 5000 правил, которые были получены от 30 самолетных техников. Самолет  должен проходить текущее техническое  обслуживание через каждые 60 ч полета, и система МОСА должна выдать график, который заполняет это правило, охватывает маршруты всей Америки и  сокращает пустые полеты самолетов  к региональным центрам обслуживания. По американским оценкам, МОСА сохранила  компании половину миллиона долларов в год по сравнению с планировщиками-людьми.

 

Другой пример планирования: фирма General Motors создала Expert Scheduling System, или ESS, для формирования жизнеспособных графиков производства. Чтобы построить  систему, GM использовала структуру  экспертной системы IntelliCorp's Knowledge Engineering Enviroment и язык программирования Lisp. ESS включает эвристику, которая была заложена опытным фабричным планировщиком  в системе и связывает в GM управляемое  компьютером производство и окружающую среду так, чтобы оперативная  информация завода использовалась для  формирования графика работы завода [2].

 

3.1.6 Нейронные сети (Neural Networks)

 

В то время как экспертные системы пробуют ввести опыт людей  в компьютерную программу, нейронные  сети пытаются создать значимые модели из большого количества данных. Нейронные  сети могут распознавать модели, слишком  не ясные для людей, и адаптировать их при получении новой информации.

 

Ключевая характеристика нейронных сетей в том, что  они обучаются. Программе нейронных  сетей сначала дается набор данных, состоящих из многих переменных, связанных  с большим количеством случаев, или исходов, в которых результаты известны. Программа анализирует  данные и обрабатывает все корреляции, а затем выбирает набор переменных, которые строго соотнесены с частными известными результатами, как начальная  модель. Эта начальная модель используется, чтобы попробовать предсказать  результаты различных случаев, а  предсказанные результаты сравниваются с известными результатами. Базируясь  на этом сравнении, программа изменяет модель, регулируя параметры переменных или даже заменяя их. Этот процесс  программа нейронных сетей повторяет  много раз, стремясь улучшить прогнозирующую способность при наладке модели. Когда в этом итерационном подходе  дальнейшее усовершенствование исчерпывается, программа готова делать предсказания для будущих случаев.

 

Как только станет доступным  новое большое количество случаев, эти данные также вводятся в нейронную  сеть, и модель еще раз корректируется. Нейронная сеть обучается в основном относительно причинно-следственных моделей  из этих дополнительных данных, и прогнозирующая способность улучшается.

 

Коммерческие программы  нейронных сетей (фактически это  конструкции) доступны за приемлемую цену, но наиболее трудная часть создания и применения нейронных сетей - частый сбор данных и трудности обеспечения  данных. Однако возрастает число развертывающихся приложений. Bank of America использует нейронную  сеть, чтобы оценить коммерческие заявки на получение ссуды. "American Express" использует нейронную систему, чтобы читать почерк на кредитной  карте; штат Вайоминг - чтобы читать заполненные от руки налоговые формы. "Oil giant Arco" и "Texaco" используют нейронные сети, чтобы помочь обнаружить места газовых и нефтяных месторождений  под поверхностью земли. "Mellon Bank" работает над нейронной системой, которая ускорит распознавание  мошеннических подделок кредитных  карточек, контролируя такие показатели, как частота использования кредитной  карточки и размеры расходов относительно предельного размера кредита. Журнал "Spiegel", который создает каталоги для продажи по почте, использует нейронную сеть как способ сокращения списка рассылки, чтобы устранить  тех, кто, маловероятно, закажет журнал снова.

 

В 80-е и 90-е годы экспертные системы и приложения нейронной  сети слишком рекламировались в  популярной прессе как решающие большинство  проблем, стоящих перед менеджерами. В конце 20-го столетия индустрия  приняла более реалистическую перспективу  использования AI-приложений: AI - не панацея, но имеется значительное число потенциально ценных приложений для AI-методов. Каждое потенциальное применение должно быть тщательно оценено. Результатом  этих тщательных оценок был устойчивый рост, а не вспышка в развитии и использовании экспертных систем и нейронных сетей, чтобы помочь предпринимателям в проблемных ситуациях  найти лучшие полезные решения [2].

 

3.1.7 Виртуальная реальность (Virtual Reality)

 

Виртуальная реальность (VR) предполагает использование машинных систем для  создания окружающей среды, которая  кажется реальной пользователю-человеку. Впечатляющий пример виртуальной реальности - игра Holodeck Enterprise, где каждый участник может стать Шерлоком Холмсом  в реальной обстановке, с реальными  характеристиками и где Кан-Люк  Пикард может играть роль жестокого  разбойника в начале X столетия.

 

Использование VR в не развлекательных  установках разделяется на две категории: обучение и проектирование. Примеры  обучения будут приведены позже, сопровождаясь примерами использования VR в проекте.

 

Армия США использует виртуальную  реальность для тренировки экипажей танков. Посредством больших экранов  и звука солдаты как бы помещаются внутри танка, катящегося среди Иракской пустыни, и должны реагировать, как  будто они были в реальном танковом сражении. В научно-исследовательской  работе в Университете Северной Каролины виртуальная реальность использовалась в медицинских целях, например для  представления объемной модели опухоли  внутри тела пациента. После надевания  специальных окуляров радиолог был  способен добраться внутрь этой модели тела пациента и направить лучи так, чтобы они пересеклись в центре опухоли и не задели чувствительной к излучению ткани спинного мозга  и пищевода. В близкой области  виртуальная реальность используется для хирургического обучения. Новые  врачи могут практиковать хирургические  методы на виртуальных пациентах  в виртуальной реальности хирургическим  набором программ. Если врач сделает  ошибку, то можно повторить операцию без опасности для пациента [2].

 

"Amoco" развила основанную  на PC систему виртуальной реальности, названную "truck dri VR", для обучения  водителей. Эта система, основанная  на вариациях опасностей движения, стала удачным способом испытания  для 12000 водителей. Система VR, создание  которой стоит приблизительно 50000$, использует шлем с визуальной  и слуховой информацией и полностью  погружает пользователя в виртуальный  мир. Вождение грузовика с driVR реалистично, с многократными  возможностями для пользователя, включая перспективы и левых,  и правых зеркал заднего вида, которые появляются тогда, когда пользователь поворачивает голову налево или направо.