На современном рынке автоматизированных систем управления предприятием

Нечеткие методы при проектировании бизнес-приложений

Н.А. Горелова

Санкт-Петербургский государственный электротехнический университет “ЛЭТИ” им. В.И.Ульянова (Ленина)

Аbstract – The area of fuzzy control as one of the most successful fields of application of the theory of fuzzy sets .is of great interest to both Russia and abroad. By methods of fuzzy logic in an orb of business it is possible to decide such problems, as control financial and information flows, estimation of the investment projects and ideas on development of business, risk of the different business - schedules and their profitability, forecast of behavior of the prices and optimum policies of currency transactions valuable papers, real estate etc. Recently researches of the analysts are directed on Data Mining – intellectual data analysis, in the fundamentals which one trusts to the concept of patterns, multivariable relationships in the data.

Математическая теория нечетких множеств, предложенная проф. Л.А. Заде, являясь предметом интенсивных исследований открывает все большие возможности перед системными аналитиками. Основанные на этой теории различные компьютерные системы, в свою очередь, существенно расширяют область применения нечеткой логики. В настоящее время наибольший интерес, как в России, так и за рубежом, вызывает область нечеткого управления как одна из самых результативных областей применения теории нечетких множеств.

Для принятия решений в условиях неопределенности, в которых функционирует практически любое предприятие, математики и специалисты по теории управления обычно рекомендуют использовать вероятностно-статистические методы. Основные трудности возникают в интерпретации полученных решений в адекватных терминах данной предметной области, также некоторые из этих методов чувствительны к отклонениям от постулируемых аксиом.

Методами нечеткой логики в сфере бизнеса можно решать такие задачи, как:

управление финансовыми и информационными потоками
оценка инвестиционных проектов и идей по развитию бизнеса, риска различных бизнес-планов и их прибыльности
прогноз поведения цен и оптимальных стратегий валютных операций, ценных бумаг, недвижимости и т.д.

К сожалению, сложно дать объективную оценку российскому рынку информационных систем управления предприятием: приходится ориентироваться на зарубежные разработки, в составе компаний которых помимо подразделений, занимающихся собственно аудитом и консалтингом, входят отделы информационных технологий, профессионально изучающие программные продукты с дальнейшей рекомендацией их заказчику. На современном рынке автоматизированных систем управления предприятием практически отсутствуют российские аналоги. Изменить сложившуюся ситуацию представляется возможным за счет прежде всего прорыва в методологии проектирования таких систем, учитывая неопределенность информации и сложность применения общепринятых количественных методов даже на этапе анализа предметной области. Непосредственно использование алгоритмов нечеткой логики в приложениях – явление довольно редкое, хотя в последнее время широко используются при создании экспертных систем, систем – классификаторов (classifiers) (исследование критических и рисковых ситуаций), распознавание образов и т.д.

На Западе все большие средства вкладываются в развитие приложений, в создании которых используются именно объектно-ориентированные методики проектирования.(Сoad/Yordon, Shlaer/Mellor, Rumbaugh, Jacobson, Booch, объединенный Fusion метод). “Чистый” объектный подход уже на ранних стадиях требует предоставить данные о классификации в виде диаграмм классов, что не всегда сразу представляется возможным в случае сложных систем, характеризующихся высоким уровнем неопределенности, без проведения тщательного анализа объектов предметной области. Например, при применении такого метода классификации как концептуальная кластеризация, где трудно однозначно определить принадлежность элемента предметной области к той или иной категории напрямую применяется аппарат нечетких множеств, где при задании определенной функции принадлежности можно определить наиболее вероятное нахождение данного объекта в рамках определенного класса. А как еще можно оценить, например, значение атрибутов “быстрее - медленнее” для роста цен?

В последнее время исследования аналитиков занимает направление – Data Mining – интеллектуальный анализ данных, в основу которой положена концепция шаблонов (pattern), отражающих фрагменты многоаспектных взаимоотношений в данных. Основным положением Data Mining является поиск неочевидных, нетривиальных, “скрытых” знаний.

Методы Data Mining позволяют выявить пять стандартных типов закономерностей :

ассоциация
последовательность
классификация
кластеризация
прогнозирование

Выделяют следующие классы систем Data Mining:

Предметно-ориентированные аналитические системы (совокупность методов прогноза динамики цен и выбора оптимальной структуры инвестиционного портфеля, основанные на эмпирической модели динамики рынка)

Статические пакеты (SAS, STATGRAPICs, STATISTICA)

Нейронные сети (BrainMaker, NeuroShell, OWL
CBR – case based reasoning systems - системы рассуждений на основе аналогичных случаев

Деревья решений (на основе If.. then правил) (See 5/С 5.0, Clementine, SIPINA, IDIS, KnowledgeSeeker)

Эволюционное программирование (PolyAnalyst)

Генетические алгоритмы( кодировка логических закономерностей в базе данных в виде “хромосом”, процедуры отбора имитируют биологические процессы) (GeneHunter)

Алгоритмы ограниченного перебора (вычисляют частоты комбинаций простых логических событий в подгруппах данных, на основании анализа которых делается заключесние о полезности той или иной комбинации для установления ассоциации в данных, классификации, прогнозирования и т.д. (WizWhy)

Системы для визуализации многомерных данных (DataMiner 3D)

В сфере маркетинга предоставляется возможность узнавать характер потребностей различных категорий клиентов, исследовать временные шаблоны, например, через какое время клиенты, которые приобрели компьютеры, будут приобретать соответствующее программное обеспечение, производить анализ покупательской корзины

Широкой областью внедрения является и финансовый анализ (рынок ценных бумаг), исследование хранилищ данных.

При обработке SQL запроса также часто встречается ситуация когда либо сложно получить ответ в точности соответствующий запросу, либо наоборот, может быть получен слишком большой объем данных. При встраивании нечеткой логики в SQL запрос можно получить информацию в соответствующем приближении удовлетворяющую заданным критериям, путем задания соответствующих диапазонов числовых величин. (например получение объемов продаж).

Развитие приложений с нечеткой логикой происходило не только на логическом уровне. В 1986 году в AT&T Bell Labs создавались процессоры с “прошитой” нечеткой логикой обработки информации. В Европе и США ведутся интенсивные работы по интеграции fuzzy команд в ассемблеры промышленных контроллеров встроенных устройств ( чипы Motorola 68HC11. 12. 21). Кроме того, разрабатываются различные варианты fuzzy- сопроцессоров, которые контактируют с ЦП через общую шину данных, концентрируют свои усилия на размывании/ уплотнении информации и оптимизации использования правил (продукты Siemens Nixdorf). И все же по проведенным анализам стоимости продукции дешевле “эмулировать” нечеткую логику, хотя сложным вопросом является трансляция fuzzy-системы на традиционный язык программирования. Компания Aptronix предлагает использовать язык Java, имеющий все необходимое для достаточно адекватного воспроизведения инструкций нечеткой логики приложения методами языка. Кроме того, использование Java API открывает новые перспективы для исследования fuzzy-систем во взаимодействии. Internet, как глобальная среда распространения Java- приложений, идеально подходит для интеграции прикладных устройств, созданных при помощи алгоритмов нечеткой логики.

Включение JavaBeans и Java сервлетов в комплекты разработчика приложений представляет широкие возможности по программированию бизнес – логики и обработки данных, избегая зависимости от клиентской операционной системы и пользовательского интерфейса.

В перспективе достижимы следующие области использования приложений с нечеткой логикой в Internet:

диагностика и восстановление сетевых конфигураций и управление производственными объектами

удаленный мониторинг устройств и организация распределенных вычислений

всевозможные портативные гиды, доски объявлений с динамически изменяющимися свойствами и гибкой функциональностью

интеллектуальные поисковые машины, распределенные системы загрузки и выделения данных.

Развитие теоретической базы и средств моделирования, расширение областей применения, коммерческий успех и распространение fuzzy- приложений обеспечит приоритет над решениями, основанными на математическом моделировании.

Литература

1.Гради Буч. Объектно-ориентированное проектирование СПб: “Невский диалект” BINOM Publisher 1998 г.

2. Дубенецкий В.А. , Советов Б.Я Методы и средства автоматизации проектирования АСУ. Л., ЛЭТИ, 1986

3. В. Дюк Data Minimg – интеллектуальный анализ данных. //Byte №4 1999

4. Дж. Юрвис. Java на все случаи жизни // Byte №3 1999

Site of Information Technologies
Designed by inftech@webservis.ru.