NEU-2003

В настоящее время накоплен опыт в теории и практике управления автомобильными предприятиями с использованием современных информационных технологий. В докладе рассматриваются методы, применяющиеся для развития информационных систем контроллинга, с целью перевода их в разряд информационно - советующих.

При построении систем производственного менеджмента и контроллинга автомобильного предприятия разрабатывается система автоматизированных рабочих мест (АРМ) менеджеров, экономистов и других специалистов предприятия. В каждом АРМе для автоматизации оценки производственных ситуаций и выработки рациональных решений наиболее приемлемы нейросетевые технологии [1].

Рациональной формой организационных управленческих систем является иерархическая структура [2]. На каждом из уровней менеджерами принимаются решения, для чего оцениваются значительные объемы аналитических показателей. Согласно объектного подхода на нижних уровнях формируется пространство входных показателей, адекватно отображающих предметную область, при движении вверх происходит преобразование этих пространств за счет их погружения в среду соответствующего уровня, имеющую определенные целевые установки и правила предпочтения. При реализации такой схемы появляются преимущества за счет объединения двух подходов: объектного и иерархического. Этим обеспечиваются однозначные отображения предметной области и погружение информации в разные управленческие уровни.

Основываясь на вышеизложенном, следует предположить, что структура интеллектуальных информационных систем контроллинга на предприятии должна иметь аналогичную иерархическую структуру. На первом уровне в информационной системе рассчитывается множество экономических показателей (, ... ), которые анализируются мастерами для выработки рациональных управленческих решений. При использовании нейронной сети, эти показатели поступают на ее вход. На ней вырабатывается - вектор показателей, определяющий оценку состояния экономического объекта в текущий момент времени. Выходные показатели могут иметь количественное значение, либо при помощи таблиц соответствия преобразовываться семантические выражения. При анализе параметров менеджером будет возникать необходимость в их корректировке для установления соответствия с постоянно развивающимися опытом пользователя и внешними экономическими условиями. Для этого предусматривается возможность дообучения нейронной сети. При этом менеджером производится формирование измененных выходных параметров обучающей выборки , соответствующих критериям оценки производственно-финансового состояния объекта. Данная информация используется при выполнении процедур повторного обучения нейроимитаторов.

Такие же процессы происходят на вышестоящих уровнях управления. Кроме более укрупненных экономических показателей (, ... ) на вход интеллектуального компонента поступают с нижних уровней значения выходных показателей , определяющих решения мастеров участков. Аналогичные блоки работают на уровнях предприятия и объединения и используются менеджерами для эффективного управления.

В интеллектуальных системах контроллинга важным применением нейросетевых технологий является прогнозирование временных рядов показателей. Наиболее распространенными является прогнозирование временных рядов показателей производственных подразделений (предприятия, цехов, участков), финансовых показателей, спроса на продукцию на основе исследования тенденций рынка по статистическим данным, полученным на основе работы информационной системы предприятия. Обучающая выборка формируется на основе значений показателей в предыдущие периоды времени, а также значений других качественных факторов - сезон, вид деятельности предприятия, характер производственно- финансового окружения и т.д. Технология нейропредсказаний состоит из ряда последовательных этапов: погружение ряда, выделение признаков, обучение нейросетевых элементов, адаптивное предсказание и принятие решений. В отличие от традиционных нейросетевые методы имеют ряд преимуществ за счет ярко выраженных свойств адаптивности, регуляризации данных. Кроме того, качество прогнозов улучшается при использовании «консилиума» нейросетей при выработке решений [1,2]. Проведенные эксперименты на реальных выборочных данных при решении задач прогнозирования экономических показателей и спроса на продукцию предприятия подтвердили преимущества нейросетевых технологий.

Для оценки состояния экономических объектов используется интеллектуальная аналитическая система “Аналитик” [2]. Данная система входит элементом в информационную систему контроллинга предприятия. В составе системы “Аналитик” функционируют нейросетевые компоненты, реализованные в виде программных функций. В аналитической системе имеется блок адаптации, позволяющий формировать произвольную структуру решения задач прогнозирования и оценки состояния экономического объекта.

Представленные в докладе технологии являются основой при проведении работ по проектированию интеллектуальных информационных систем контроллинга и их внедрению на автомобильном предприятии.

Литература

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск.: Наука, 1996.- 276 с.

2. Пятковский О.И. Интеллектуальные компоненты автоматизированных информационных систем управления предприятием. Монография - г.Барнаул: АлтГТУ.-1999.-351 c.