Автоматизированный анализ деятельности предприятия с использованием семантических сетей

УДК 658.5.012. 
ББК 007:519.876 
    К31 

 
Р е ц е н з е н т ы :  
доктор техн. наук, профессор  А. Е. Кузнецов; зам. директора НИИ «Фотон» 
(г. Рязань), канд. техн. наук, доцент РГМУ  М. П. Булаев 
 
Каширин И. Ю., Крошилин А. В., Крошилина С. В. 
К31           Автоматизированный анализ деятельности предприятия  
с использованием семантических сетей. – М.: Горячая линия – 
Телеком, 2011. – 140 с.: ил. 
ISBN 978-5-9912-0171-1. 
Рассмотрены с позиций системного анализа вопросы автоматизации анализа деятельности, определены задачи и проблемы автоматизации анализа деятельности предприятия. Рассмотрены этапы 
анализа деятельности предприятий в различных автоматизированных системах и выделены основные классы получаемых этими системами результатов. Проанализированы существующие аналитические системы, выявлены их наиболее общие недостатки. Рассмотрены способы построения экспертной системы как элемента интеллектуальной аналитической системы. Показан пример реализации 
автоматизированной системы, предназначенной для анализа деятельности предприятия и принятия управленческих решений. 
Для специалистов в области проектирования систем анализа и 
поддержки принятия решений, студентов и аспирантов технических вузов. 
ББК 007:519.876 
Адрес издательства в Интернет WWW.TECHBOOK.RU 
 
Научное издание 
Каширин Игорь Юрьевич, Крошилин Александр Викторович 
Крошилина Светлана Владимировна 

Автоматизированный анализ деятельности предприятия  
с использованием семантических сетей 
Монография 
Компьютерная верстка  И. А. Благодарова 
Обложка художника  В. Г. Ситникова 

Подписано в печать  20.08.2010.  Печать офсетная. Формат 60×88/16. Уч. изд. л. 8,75.  Тираж 500 экз. 
 
ISBN 978-5-9912-0171-1                         © И. Ю. Каширин, А. В. Крошилин,  
                                                                                        С. В. Крошилина, 2011 
                                            © Издательство «Горячая линия–Телеком», 2011 

 

Введение 

В настоящее время существует множество математических и 
программно-технических средств автоматизации исследования основной деятельности предприятий, связанных как с анализом текущего состояния предприятия, так и с планированием перспективы 
его развития. Общая объединяющая идея большинства современных 
подходов в этой области предполагает использование моделей процессов в качестве средства проектирования модели предприятия. 
Исследование динамики производственных и экономических процессов при этом основано на рассмотрении теоретико-графовой сети, отражающей последовательности возможного изменения проблемных ситуаций, возникающих на предприятии.  
Результаты анализа деятельности предприятия являются мотивационной базой для принятия управленческих решений в бизнесе. 
При этом возникает проблема повышения эффективности средств 
автоматизации анализа деятельности предприятий, позволяющих с 
достаточной точностью оценивать проблемные ситуации и выдавать 
обоснованные рекомендации для административного управления. 
Решение этой проблемы является актуальной на сегодняшний день.  
Значительный вклад в развитие этой теории внесли многие  
отечественные и зарубежные ученые: Л. Заде, Г.Н. Калянов,  
А.О. Недосекин, Г.С. Поспелов, Д.А. Поспелов, Т. Саати, А.В. Шеер, С.А. Юдицкий и др.  
На современном этапе к проблемам автоматизации анализа деятельности предприятий можно отнести следующие. 
Низкая эффективность выводов (результатов). Экспертные заключения носят шаблонный характер: не учитываются все аспекты 
деятельности предприятий. Одинаковое значение производственного показателя для разных предприятий не всегда свидетельствует  
о схожем финансовом состоянии этих предприятий. Кроме этого, 
само по себе полученное значение вряд ли может свидетельствовать 
о том или ином изменении производственно-экономического состояния: имеет смысл сравнивать аналогичные показатели за разные 
периоды времени, после чего делать вывод о динамике развития 
предприятия.  

Введение 

 

4 

Отсутствие прогнозирования по результатам выполненного 
анализа. Отсутствуют конструктивные рекомендации для принятия 
необходимых решений для улучшения показателей деятельности. 
Отсутствие возможности использования шаблонов для описания 
проблемных ситуаций предприятия (ПСП) в качестве вспомогательного средства при проектировании моделей предприятий.  
Отсутствие учета значимости показателей. Значимость показателей является важным фактором при проведении комплексной 
оценки деятельности предприятия (например, при вычислении комплексных показателей, рейтинговой оценки и т.д.). 
Отсутствие обучаемости. Системы не являются обучаемыми, 
не могут подстраиваться под требования эксперта для оценки результатов анализа. 
Недостаточное агрегированние данных. Конечные пользователи нуждаются в агрегированной информации. Необходимость детального анализа информации возникает значительно реже. 
Таким образом, использование формального подхода к построению модели предприятия для интеллектуального анализа его деятельности, а также описание предприятия посредством моделей ситуаций и рекомендаций для принятия решений является важной 
проблемой. Решение этой проблемы позволит упростить и сделать 
более эффективным автоматизированный анализ деятельности 
предприятия. 

 

 

Г л а в а  1 

АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ  

АНАЛИЗА ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ 

1.1. Автоматизация анализа деятельности  
предприятий с помощью экспертных систем 

1.1.1. Основные понятия 

В настоящее время информационные процессы являются активными силами взаимосвязи внутри и между экономическими объектами хозяйствования. Такие процессы в основном строятся на использовании разнообразных технологических решений. Рыночные 
отношения предъявляют повышенные требования к своевременности, достоверности, полноте информации, без которой немыслима 
эффективная финансовая деятельность любой организации. Информация в настоящее время выходит на первый план среди прочих 
ресурсов предприятия. Это обуславливается необходимостью экономить трудовые, материальные и финансовые ресурсы. 
Взаимосвязь предприятия с окружающей средой определяется 
пространством показателей деятельности предприятия. Множества 
показателей деятельности предприятия, составляющие это пространство, имеют значительные мощности. Они формируют функции целей деятельности хозяйствующего субъекта, которые могут 
быть траекторными, рабочими и ситуационными [51]. Характер изменения этих показателей деятельности часто непредсказуем. При 
этом основными задачами управления финансово-хозяйственной 
деятельностью являются оценка и диагностика деятельности предприятия, определение рациональных траекторий его функционирования. Чрезвычайно быстрые и глубокие изменения социальных  
и экономических явлений усложняют процесс прогнозирования  
их развития в будущем на основе формальной логики и традиционных математических методов, основанных на точных данных. Решение перечисленных задач может стать более эффективным при 
использовании экспертных систем (ЭС). 

Глава 1 

 

6 

Современные технологии предполагают разработку интеллектуальных информационных систем на основе объектного подхода 
[90]. При этом строится информационная модель предметной области (МПрО). Она определяет пространство первичных показателей, описывающих состояние предметов и процесса производства. 
Далее формируется множество аналитических экономических показателей деятельности, которые используются в качестве входной 
информации для интеллектуальных блоков. Этот подход обеспечивает однозначное преобразование свойств, характеристик и параметров предметной области (ПрО) в ее аналитическую модель, которая используется для диагностики хозяйственной деятельности 
предприятий.  
Общий подход при анализе и планировании – экспертная оценка 
заданного сектора рынка, оценка финансового состояния конкретной структуры на уровне формирования портфелей и выработка рекомендаций по оптимизированному управлению трудовыми, производственными и финансовыми ресурсами с некоторым соотношением ожидаемой доходности планируемых операций к их рискованности. Практически решение этой задачи можно свести к созданию 
экспертных систем различных типов и уровней сложности.  
Экспертные системы представляют собой компьютерные программы, использующие принципы искусственного интеллекта  
и формализованные знания эксперта для обработки оперативной 
информации и принятия обоснованных решений в анализируемой 
предметной области [21, 22, 24, 31]. Основными проблемами при 
создании таких систем являются представление знаний и логический вывод [8, 9, 35, 49, 50]. Решение этих проблем состоит как  
в разработке эффективных моделей представления знаний, методов 
получения новых знаний, так и в создании программ и устройств, 
реализующих эти модели и методы. 
Обычно, как человек, так и информационная система имеют дело с данными и знаниями из некоторой ограниченной ПрО, например, разделов математики, медицины, экономики и пр. 
Знание в теории искусственного интеллекта – совокупность данных (у индивидуума, общества или у системы ИИ) о мире, включающих в себя информацию о свойствах объектов, закономерностях 
процессов и явлений, а также правилах использования этой информации для принятия решений. Правила использования включают 

Автоматизированные системы анализа деятельности предприятий 

 

7 

систему причинно-следственных связей. Главное отличие знаний  
от данных состоит в их активности. Это означает, что появление  
в базе новых фактов или установление новых связей может стать 
источником изменений в принятии решений [35]. 
Знания, которыми обладает специалист в какой-либо области 
(дисциплине), можно разделить на формализованные (точные)  
и неформализованные (неточные). Формализованные знания [56, 57, 
58] формулируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т.п.), отражающих универсальные знания [59, 114]. Неформализованные знания являются результатом обобщения многолетнего опыта работы  
и интуиции специалистов. Они обычно представляют собой многообразие эмпирических (эвристических) приемов и правил. 
Ряд аспектов классификации знаний иллюстрирует рис. 1.1.  

 

Рис. 1.1. Классификация знаний 

Глава 1 

 

8 

В зависимости от источника знаний выделяются априорные  
и накапливаемые знания. Первый вид знаний определяется и помещается в базу знаний (БЗ. до начала функционирования включающей эту БЗ интеллектуальной системы. Кроме того, при работе с БЗ 
достоверность содержащихся в ней априорных знаний не переоценивается. В отличие от априорных, множество накапливаемых знаний формируется в процессе использования БЗ. 
Источниками этих знаний могут быть эксперты, внешние искусственные «устройства-наблюдатели» (различного рода датчики, механизмы распознавания образов и т.п.), а также правила и процедуры вывода и верификации знаний, действующие в рамках интеллектуальной системы. 
Широко распространенным аспектом классификации знаний является их деление на декларативные (факты, сведения описательного характера), процедурные (информация о способах решения типовых задач в некоторой ПрО) и метазнания. Метазнания чаще всего 
определяются как «знания о знаниях» и содержат общие сведения  
о принципах использования знаний. К уровню метазнаний также 
относят стратегии управления выбором и применением процедурных знаний. 
В основе деления знаний в зависимости от степени их достоверности лежат так называемые не-факторы, присущие знаниям [110]: 
неполнота информации о рассматриваемом фрагменте ПрО, неточность количественных и размытость качественных оценок, неоднозначность ряда правил вывода новых знаний, несогласованность 
некоторых положений в БЗ и пр. 
Один из способов учета таких не-факторов при формализации 
знаний состоит в использовании теории нечетких множеств [62]. 
К классу процедурных знаний с нечеткой степенью достоверности относятся эвристики, описывающие приемы решения задач, базирующиеся на опыте экспертов в конкретной ПрО [99, 111, 116]. 
Фактически любое эвристическое правило представляет определенный компромисс между общностью и специализацией в терминах 
некоторой общей линии поведения. 
С точки зрения решения задач в некоторой ПрО, знания удобно 
разделить на две большие категории – факты и эвристики. Под 
фактами обычно понимают общеизвестные в данной ПрО истины, 
обстоятельства [55]. В процессе поиска решения задач применяются 

Автоматизированные системы анализа деятельности предприятий 

 

9 

логические рассуждения и опыт. Общим термином, которым обозначается использование опыта для решения некоторой задачи, является эвристика [55].  

1.1.2. Задачи автоматизации анализа  
деятельности предприятия 

В настоящее время существует необходимость разработки специальных методов исследования организационно – производственных и финансовых систем, которые в полной степени учитывают 
российские реалии организации и ведения бизнеса. В структуре 
комплекса управления предприятием интеллектуальные блоки 
включают в информационную систему автоматизированные рабочие места специалистов (экономиста, производственного менеджера, финансового менеджера и т.д.). При этом необходимы специализация интеллектуальных компонент и формирование их структур  
в зависимости от классов решаемых задач, которые, по аналогии  
с деятельностью человека, существенно повышают качество диагностики состояния предприятия. Пользователям-экспертам для работы нужна такая система анализа в узкой предметной области (хозяйственная деятельность конкретного предприятия, территориальное расположение, его положение на рынке и т.д.), в которой должны быть представлены средства создания МПрО и ее редактирования; средства построения запросов к системе и их обработки; средства накопления результатов анализа и средства работы с результатами. 
Можно выделить следующие основные задачи автоматизации 
анализа деятельности предприятия: 
– создание или оптимизация единой системы планирования деятельности предприятия, основанной на учетных процедурах и дополненной эффективным механизмом управления;  
– постановка или оптимизация внутренней учетной политики  
с детализацией, обеспечивающей управленческий учет и объективный анализ результатов деятельности предприятия;  
– поддержка принятия решений на всех уровнях управления на 
основе совершенствования процессов сбора и обработки различных 
видов информации; 
– автоматическое составление описания рекомендаций для принятия управленческих решений (РПУР); 

Глава 1 

 

10 

– ранжирование РПУР по степени близости к текущей производственной ситуации (оценка точности рекомендаций); 
– возможность усовершенствования системы в зависимости от 
полученных рекомендаций для анализируемых ситуаций, возникающих на предприятии. Такие ситуации будем называть проблемными ситуациями предприятия (ПСП). 
– обеспечение возможности построения исходных ситуаций для 
предприятий на основании имеющихся рекомендаций.  
Частные задачи во многом определяются областью деятельности, структурой и другими особенностями конкретных предприятий.  
В настоящее время к числу базовых проблем автоматизации 
анализа деятельности предприятий можно отнести следующие: 
– при получении результатов анализа не учитываются маркетинговые данные (период существования предприятия на рынке, 
занимаемая доля рынка, экономическая ситуация в регионе и т.д.); 
– в процессе обработки полученных результатов не учитывается 
ряд характеристик (например, такие как отраслевая принадлежность 
и др.); 
– применяемые методики анализа деятельности предприятия, 
как правило, не учитывают неопределенность поведения финансовых систем. 

1.1.3. Принципы построения производственных  
аналитических систем и механизм анализа результатов  

Традиционно процесс анализа хозяйственной деятельности 
включает в себя три этапа [113] (рис. 1.2).  
Для осуществления анализа финансовой деятельности используются многочисленные финансовые аналитические системы (ФАС) 
[122]. Архитектура аналитической системы (рис. 1.3) должна позволять пройти весь цикл анализа данных: получить информацию из 
произвольного источника, провести необходимую обработку (очистку, трансформацию данных, построение моделей), отобразить полученные результаты наиболее удобным образом (таблицы, диаграммы, правила и т.д.) и экспортировать результаты во внешние 
информационные системы.  
К современным аналитическим системам предъявляются следующие минимальные функциональные требования.