Skrjabin A.N., Bruttan J.V.

Russia, Pskov, Polytechnic Institute, ppi@ppi.psc.ru

Large range of economic system modeling tasks can be solved by computer simulation based on the Integration definition for Function Modeling (IDEF0) including artificial intellect methods. The Methods determine some classes and interclass and intraclass relationships which describe the semantics of economic systems.

Россия, Псков, Политехнический институт, ppi@ppi.psc.ru

Решение большого числа задач моделирования сложных экономических систем может быть построено на нотации функционального моделирования IDEF0 с интеллектуальной надстройкой, основанной на построении классов, имеющих фиксированную семантику прикладной области, а также внутриклассовых и межклассовых соотношениях, характерных для данных экономических систем.

Большинство задач управления экономическими системами носит плохо структурированный характер, и плохо поддаются алгоритмизации. Тем не менее, актуальность проблемы автоматизации корпоративного менеджмента, когда предприятия превращаются в сложные динамические системы, порождает многочисленные подходы к решению этих задач. Наиболее интересные варианты наблюдаются в сфере задач поддержки принятия решений. Быстрая эволюция программного обеспечения от экспертных систем до хранилищ данных (Data Warehouse) с оперативной аналитической обработкой (OLAP) является ярким тому подтверждением. Однако концепция хранилищ данных является основой для построения аналитических систем, но ее нельзя рассматривать как концепцию использования этих систем.

Моделирование экономических систем приобретает первостепенное значение при анализе многовариантных походов к разработке стратегических решений управления. Эта проблема охватывает большой круг вопросов от построения структурной схемы бизнес-процессов, их взаимосвязей, оптимизации структуры до прогнозирования результатов принятых решений. Как и в большинстве задач искусственного интеллекта в этой области существует две основных проблемы: формализация известных знаний и разработка механизма получения новых знаний из существующих знаний. Для решения первой задачи используются формальные языки и модельные построения, описывающие взаимосвязи объектов реального мира [1]. Для описания экономических систем наибольшую популярность получило семейство методологий IDEF, лежащее в основе большинства CASE-систем.

Основным недостатком этих подходов является отсутствие естественной семантической нагрузки в используемых описательных элементах, что является основной причиной невозможности использования методов искусственного интеллекта на их базе в “чистом” виде. Более перспективным направлением могут быть методы объектно-ориентированного проектирования (методология IDEF4). Однако наборы специализированных классов, объектов, методов и событий лишь приближают к решению задачи, но не являются ее решением.

В данной работе предлагается подход, основанный на традиционной методологии функционального моделирования систем IDEF0 [2,3], как первый этап формирования базы знаний об экономической системе.

Наиболее существенным отличием предлагаемого подхода является присваивание семантических значений объектам и функциям, участвующих в модели. Это, как правило, понятия реальной прикладной области, такие как сырье и материалы, прямые и косвенные затраты, налоговые платежи, производственный процесс и т.д. Такие понятия могут иметь собственную структуру, которая легко декомпозируется в диаграммах IDEF0.

Рис. 1.

Кроме естественной нотации ICOM (I - Входы, C -Управления, O – Выход, M – Механизм), изображенной на рис.1, добавляется уточняющая классификация объектов, взаимодействующих с тем или иным процессом. В частности, основными классами объектов для экономических систем могут быть: платежи, сырье, готовая продукция, законодательство и т.д. Формируется база знаний, включающая:

• набор основных экономических параметров, характеризующих процессы и функции, происходящие в экономических системах (в блоках);
• набор экономических параметров, характеризующих объекты, связывающие процессы и функции друг с другом и с внешней средой;
• набор соотношений, описывающих взаимосвязи между параметрами. Они, как правило, вытекают из экономической науки и действующего законодательства.

Аналогичный подход реализуется при формировании набора процессов, основу которого составляют базовые бизнес-процессы любого предприятия: маркетинг, планирование, снабжение, производство, продажи, учет и т.д. Декомпозиция каждого бизнес-процесса также сопряжена с конечным набором основных бизнес-функций. Это дает возможность сформировать удобный формальный алфавит для описания моделируемой системы.

С точки зрения моделирования экономических систем данная методология удобна тем, что есть возможность каждому объекту и процессу, присутствующему на диаграммах IDEF0, поставить в соответствие реальное стоимостное значение. Это позволяет перейти к учету затрат на основе видов деятельности бизнес-процессов и бизнес-функций, составляющих бизнес-систему, а также к анализу видов экономической деятельности с использованием методологии цепочки ценностей [4]. Таким образом, модель позволяет легко обнаружить центры затрат и центры прибыли экономической системы.

Вторым компонентом предлагаемого подхода является механизм отображения значений параметров на положение точки в n-мерном пространстве экономических показателей. Данная интерпретация позволяет определить траекторию или набор траекторий перевода экономической системы из одного состояния в другое. Кроме того, это дает возможность дополнить систему набором правил, которые составляют систему продукций, позволяющую существенно упростить проектирование экономических систем. Такими правилами могут быть соотношения, порождаемые законодательными актами, общеэкономическими понятиями и взаимосвязями. В большинстве случаев конструкции IF…THEN… являются достаточными для описания большинства соотношений.

В случае необходимости система легко дополняется надстройкой, основанной на нечетком множестве параметров, описывающих состояние экономической системы. В большинстве случае такими параметрами являются основные показатели, такие как коэффициент финансовой устойчивости, ликвидность баланса, коэффициенты деловой активности и т.д. В этом случае состояние экономической системы определяется точкой в n-мерном фазовом пространстве, где размерность n определяется числом выбранных показателей. Эволюция системы определяется движением точки в данном фазовом пространстве. Варьирование исходных данных (стоимостные и натуральные значения, приписываемые объектам IDEF0) в совокупности с набором правил, описывающих бизнес-процессы и взаимосвязи объектов, позволяет рассчитать траекторию движения фазовой точки.

Таким образом, сочетание графических возможностей методологии IDEF0 с семантической надстройкой позволяет не только существенно упростить моделирование экономических систем, но и прогнозировать результаты хозяйственной деятельности.

Литература

1. Искусственный интеллект. Справочник. Т.2 Под ред. Д.А. Поспелова, М.: Радио и связь, 1990.
2. А.Дэвид, А.Марка, К.МакГоуэн. Методология структурного анализа и проектирования. М.: 1993.
3. Federal Information Processing Standards Publication 183: Integration Definition for Function Modeling (IDEF0).
4. Дж. Шанк, В. Говиндараджан, Стратегическое управление затратами, С. Пб: БизнесМикро, 1999