Модели и алгоритмы системы коллективного интеллекта в решении задач развития промышленного предприятия тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Маркарян, Лаура Виликовна

• Маркарян, Лаура Виликовна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Маркарян, Лаура Виликовна

Оглавление

Введение

Глава 1. Современное состояние систем коллективного

творчества и коллективного принятия решений

1.1. Основные подходы в системах принятия решений

1.2. Существующие подходы к проблеме коллективного творчества

1.3 Компьютерная поддержка коллективной работы

1.4 Генетические алгоритмы и коллективное принятие решений

1.5 Метод эволюционного согласования решений

1.6 Результаты экспериментов по восстановлению субъективного портрета

коллективом экспертов

Выводы

Постановка задачи

Глава 2. Разработка системы коллективного интеллекта

2.1 Математическая модель виртуального эксперта

2.2 Этапы разработки экспертных систем

2.3 Коллективный интеллект. Этапы формирования системы

2.4 Принцип работы системы коллективного интеллекта

2.5 Программное обеспечение системы коллективного интеллекта

2.6 Оптимизация алгоритма системы коллективного интеллекта

2.7 Качественная и количественная оценка компетентности экспертов

2.8 Качественная оценка уровня согласованности мнений экспертов

Выводы

Глава 3.Применение системы коллективного интеллекта в решении задач промышленных предприятий и в образовании

3.1 Применение системы коллективного интеллекта для Форсайт-проектов

3.2 Разработка и внедрение производственной системы

3.3 Решение задач развития «ОАО Ставропласт» при реализации системы коллективного интеллекта

3.4 Алгоритм применения системы коллективного интеллекта для выбора инновационного оборудования

3.5 Алгоритм экспертной оценки работы сотрудников предприятия 000«НИИ0ГР»

3.6 Реализация системы коллективного интеллекта в деятельности AHO «Институт физико-технической информатики»

3.7 Результаты реализации системы коллективного интеллекта в учебном

процессе МГГУ

Выводы

Заключение

Список литературы

Приложения

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы системы коллективного интеллекта в решении задач развития промышленного предприятия»

Введение

Актуальность работы. Развитие информационных компьютерных технологий, усложнение современного производства и повышение внимания к системе комплексного управления качеством привели к тому, что в центре внимания предприятий все чаще становится деятельность многофункциональных управленческих команд и рабочих групп, которая направлена на решение комплексных проблем и заданий. Для реализации такой деятельности особенно важным является создание сетевых систем поддержки принятия решений, которые применяются при решении трудно формализуемых задач управления в промышленности и формировании решений в чрезвычайных условиях.

Разработка и исследование новых информационных технологий, основанных на современных методах поддержки принятия решений, позволяют существенно повысить интеллектуальный потенциал общества, способствует сокращению времени и повышению качества принятия управленческих решений.

Для решения трудно формализуемых задач необходимо применение приближенных методов, которые основаны на использовании эмпирических данных, коллективных решениях, экспертных оценках и специально разработанных методиках под необходимый класс задач.

Общеизвестные методы и технологии, используемые для поддержки принятия решений в трудно формализуемых задачах, имеют ряд ограничений, которые обусловлены недостаточной эффективностью решения и обработки неполной и неточной исходной информации, интерпретации данных и накопления знаний экспертов, согласованного представления информации, поступающей из различных источников. К таким задачам, исследованным в диссертационной работе, относятся

задачи принятия согласованных решений группой экспертов при их работе над проектом с заданной целью. Методы построения систем поддержки принятия решений берут начало в работах российских и зарубежных ученых Глушкова В.М., Амосова Н.М., Поспелова Д.А.[25,57], Винера Н.[8], Минского М., Ларичева О.И.[31], Заде Л.А.[100], Лорьера Ж.Л.[34], Розенблатта Ф., Пейперта С., Стефанюка В.Л., Трахтенгерца Э.А.[69,70,71,72], Загоруйко Н.Г., Хиценко В.Е., Вагина В.Н.[6], Попова Э.В.[24,56], Осипова Г.С.[55], Финна В.К.[75], Осборна А.[95] и др.

Эти ограничения могут быть устранены при использовании сетевых человеко-машинных интеллектуальных систем и применении гибридных технологий, эволюционного моделирования и генетических алгоритмов, нечеткой логики и различных комбинированных технологий.

Несмотря на активные исследования в этой области, все еще остаются не полностью решенными многие задачи, связанные с разработкой методов и алгоритмов групповой работы, которые могут быть применены для успешной реализации Форсайт-проектов. Недостаточно проработаны вопросы интеграции различных гибридных информационных технологий и особенности их реализации в системах принятия решений с целью повышения эффективности решения трудно формализуемых задач.

Таким образом, задачи диссертационной работы, направленные на разработку алгоритмов и программного обеспечения системы коллективного интеллекта для решения задач развития промышленных предприятий, в экономике и образовании, являются актуальными.

Целью диссертационной работы является создание системы коллективного интеллекта путем развития и оптимизации метода эволюционного согласования решений для эффективного решения задач управления в промышленности и образовании.

Задачи диссертационной работы.

1. Разработать математическую модель виртуального эксперта, позволяющую выполнить оптимизацию метода эволюционного согласования решений в предметных областях.

2. Разработать алгоритм анализа и оценки количественного вклада экспертов в составляемый ими проект.

3. Разработать алгоритм эффективного принятия решений системой коллективного интеллекта на основе развития метода эволюционного согласования решений.

4. Провести оптимизацию алгоритма построения системы коллективного интеллекта.

5. Разработать программное обеспечение системы коллективного интеллекта, провести экспериментальные исследования алгоритмов и программных средств.

Объектом исследования в настоящей работе является процесс принятия консолидированных решений группой экспертов в задачах управления в промышленности и образовании.

Предметом исследования являются оптимальные алгоритмы системы коллективного интеллекта.

Методы исследования базируются на теории систем и системном анализе, теории принятия решений, практике создания интеллектуальных систем управления на основе генетических и эволюционных алгоритмов. Основные научные положения, выносимые на защиту:

1. Разработанная модель виртуального эксперта позволяет настраивать параметры алгоритма для оптимизации метода эволюционного согласования решений.

2. Разработанный алгоритм оценки количественного вклада экспертов позволяет определять эффективность их работы в принятом консолидированном решении.

3. Разработанный алгоритм оптимизации системы коллективного интеллекта позволяет повысить эффективность совместной работы группы экспертов в получении консолидированного решения в задачах управления в промышленности и образовании.

Научная новизна. Разработанные модель и алгоритмы системы коллективного интеллекта являются новыми в области теории принятия решений и позволяют снижать временные затраты на получение консолидированных решений задач управления в промышленности и образовании. Разработанная система коллективного интеллекта, являясь информационной системой, позволяет повысить интеллектуальный уровень информированности экспертов и организовать их эффективную работу. Практическая ценность результатов заключается в том, что созданная программа реализации алгоритмов оценки и оптимизации в системе коллективного интеллекта, позволяет находить практически важные решения Форсайт-проектов в промышленности, а так же применяться при оценке компетентности экспертов по вопросам повышения безопасности и эффективности производственных процессов на горнодобывающих предприятиях.

Внедрение и реализация результатов. Теоретические и практические результаты, полученные в диссертационной работе, реализованы:

1. При выполнении работ по гранту Российского фонда фундаментальных исследований, проект № 08-07-00447 «Разработка и исследование методов оценки достоверности результатов восстановления объемных фотороботов на основе общедоступных установок виртуальной реальности».

2. В деятельности автономной некоммерческой организации «Институт физико-технической информатики» в виде комплекса программных средств для моделирования и исследования процессов группового принятия решений.

3. При выполнении работ по гранту Российского фонда фундаментальных исследований, проект №13-07-00958 «Разработка теории и экспериментальные исследования новой информационной технологии самоуправляемого краудсорсинга».

4. На промышленном предприятии ОАО «Ставропласт» при экспертном выборе инновационного оборудования по производству полипропиленовых тканных мешков и в работе технологического отдела при разработке рецептуры для производства продукции.

5. В деятельности ООО «НИИОГР» при оценке компетентности экспертов по вопросам повышения безопасности и эффективности производственных процессов на горнодобывающих предприятиях.

6. В учебном процессе кафедры «Автоматики и управления в технических системах» МГТУ.

Достоверность научных положений и выводов диссертации подтверждается результатами экспериментов по применению разработанных алгоритмов для развития метода эволюционного согласования при решении проектных и экспертных задач в промышленности, а также применением алгоритмов коллективного принятия решений в системе образования. Акты о внедрении и использовании этих результатов представлены в Приложении к диссертации.

Апробация работы. Основные результаты работы докладывались и обсуждались на международных и российских конференциях:

1. The International Scientific Conference of The Mediterranean Institute of Applied Science of The Moscow Institute of Physic and Technology of The Institute of Computing for Physics and Technology «Medias-Dialog'2008», Nicosia, Cyprus.

2. The International Scientific Conference of The Mediterranean Institute of Applied Science of The Moscow Institute of Physic and Technology of The

Institute of Computing for Physics and Technology «Medias'2009», Limassol, Cyprus.

3. Научно-практической конференции «Ситуационные центры. Методы. Решения. Реализация», Российская Академия государственной службы, Москва, 2008г.

4. Научно-практической конференции «Новые информационные технологии в образовании», Москва, 2009г.

5. Международной научно-практической конференции «Новые информационные технологии в образовании», Екатеринбург, 2009г.

6. Всероссийской научно-практической конференции «Инновационные технологии обучения в высшей школе». Сочи, изд. Черноморской гуманитарной академии, 2009г.

7. Международной научно-практической Интернет-конференции "Информационные технологии в науке и образовании", Шахты, изд. Южно-Российского государственного университета экономики и сервиса. 2009г.

8. Международной конференции «MEDIASDIALOG 2008», Кипр, Никосия, изд. Института физико-технической информатики, 2009г.

9. Научном семинаре лаборатории №33 «Управления развитием крупномасштабных систем» ИЛУ им. В.А. Трапезникова РАН, 2013г.

Публикации. Основные положения диссертации опубликованы в 9 научных трудах, в том числе 5 статей в изданиях, рекомендованных ВАК Минобрнауки России.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения и приложения. Диссертация включает 28 рисунков, 15 таблиц и список литературы из 103 наименований.

ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ СИСТЕМ КОЛЛЕКТИВНОГО ТВОРЧЕСТВА И КОЛЛЕКТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ

1.1 Основные подходы в системах принятия решений

Процессы принятия решений, представленные как выбор одной из нескольких возможных альтернатив, сопровождают нас по жизни. Человеческие решения являются исключительно важным для практики и интересным для науки объектом исследования. Уступая компьютеру в скорости и точности вычислений, человек тем не менее обладает уникальным умением быстро оценивать обстановку, выделять главное и отбрасывать второстепенное, соизмерять противоречивые оценки, восполнять неопределенность своими догадками.

Неоднозначность оценки ситуаций, противоречивость требований, усложнение решаемых задач и необходимость учета большого числа взаимосвязанных факторов очень осложняют процесс принятие решений.

Основной задачей процесса принятия решений является устранение неопределенности. Термин «неопределенность» был впервые предложен проф. Найтом (F. Н. Knight) в 1933г.[57] Неопределенность — это неполнота или недостоверность информации об условиях реализации решения, наличие фактора случайности или противодействия. Неопределенность можно разделить на следующие классы :

• связанные с неполнотой знаний о решаемой проблеме;

• связанные с невозможностью точного учета реакции окружающей среды на внешние воздействия;

• возникающие, в результате неточного понимания целей перед лицом, принимающим решения.

Для того, чтобы свести задачи с подобными неопределенностями к точно поставленным целям необходимо прибегнуть к оценке специалиста (эксперта, конструктора, руководителя), определяющей его предпочтения.

Следует отметить, что в англо-американской литературе по проблеме принятия решений употребляются два термина[85]:

а) decision making - принятие решений в смысле "решаться", "делать выбор";

б) problem solving - решение проблемы (задачи).

В отечественной литературе используется один термин - "процесс принятия решения", который применяется как при анализе решения мыслительных задач, так и при анализе процесса выбора из ряда альтернатив.

Основными составляющими задач принятия решения являются[29,31]:

1. выбор альтернативы, которая является наилучшей для достижения цели;

2. поиск критериев оценки альтернатив и преодоление многокритериальности;

3. выбор решения;

4. реализация решения.

Особое внимание необходимо обратить на:

• структурированность решаемых управленческих задач;

• уровень иерархии управления предприятия, на котором должно быть принято решение;

• принадлежность решаемой задачи к той или иной функциональной сфере деятельности;

• вид используемой информационной технологии.

В зависимости от сложности решаемой задачи и области применения системы под держки принятия решений делят на три класса: [31,70]:

Первый класс - системы коллективного пользования, базы данных которых формируются многими экспертами - специалистами в различных областях знаний. Используются при планировании крупных комплексных целевых программ для обоснования решений относительно включения в программу для решения стратегических задач управления.

Второй класс - системы индивидуального пользования, адаптирующиеся к опыту пользователя.

Предназначены для решения часто встречающихся прикладных задач системного анализа и управления. Такие системы обеспечивают решение задачи на основе информации о результатах практического использования решений этой же задачи, принятых в прошлом. Как правило, используются для решения тактических задач управления.

Третий класс — системы индивидуального пользования, базы данных которых формируются непосредственным пользователем.

Предназначены для использования государственными служащими среднего ранга, а также руководителями малых и средних предприятий для решения оперативных задач управления.

Для индивидуальных решений характерен высокий уровень творчества, в которых нередко реализуется много новых идей и предложений. Однако, исторический опыт развития свидетельствует о том, что для решения творческих задач в различных формах их реализации все большее место занимают коллективные методы. Индивидуальные методы принятия решений по сравнению с групповыми, требуют меньше времени, поскольку они не связаны с необходимостью их согласования на промежуточных этапах[65]. Однако это не касается тех случаев, когда разработка решения

требует сбора и анализа значительных объемов информации. Существуют следующие разновидности методов принятия решений(Табл.1)

Методы принятия решений

Таблица 1

Разновидность методов Содержание Число лиц, принимающих решения

получения информации количественные индивидуальные

прогнозирования качественные (экспертные) коллективные (групповые)

моделирования неформальные (эвристические)

генерации альтернатив выбора альтернативы

1.2 Существующие подходы к проблеме коллективного творчества

Научный интерес к закономерностям коллективного творчества с каждым годом нарастает. На сегодняшний день известно, что взаимодополняющая группа специалистов при работе над общей проблемой, при определенных правилах взаимодействия, способна выдавать результат лучше, чем индивидуальный результат наилучшего специалиста.

Коллективная разработка и принятие решений имеет ряд преимуществ по сравнению с индивидуальным решением[6,12,29]. Это, прежде всего, более полное информационное обеспечение процесса принятия решения, что является следствием привлечения лиц, обладающих различными знаниями относительно решаемой проблемы. Коллективное решение способствует

взаимной помощи, приучает подходить к проблеме широко, дает возможность взглянуть на явление глазами других людей, повышает индивидуальную и коллективную ответственность за решения и их осуществление.

Участники коллектива (группы) как бы дополняют знания друг друга, создавая более полную картину, как при обрисовке проблемной ситуации, так и при определении путей ее возможного решения. Коллективный подход к формированию решений обеспечивает более высокую обоснованность и меньший процент ошибок, чему способствует сам механизм работы группы. Коллективные формы групповой работы могут быть разными: заседание, совещание, работа в комиссии и т.п. Существуют следующие разновидности методов коллективного принятия решений[2,5,26,27,36]:

■ "мозговой штурм", или "мозговая атака" — метод тренировки мышления, нацеленный на открытие новых идей и достижение согласия группы людей на основе интуитивного мышления

■ Метод Дельфи — много туровая процедура анкетирования. Суть метода заключается в том, что после каждого тура данные анкетирования дорабатываются, и полученные результаты сообщаются экспертам с указанием расположения оценок. Первый тур анкетирования проводится без аргументации, во втором отличающийся от других ответ подлежит аргументации или же эксперт может изменить оценку. После стабилизации оценок опрос прекращается и принимается предложенное экспертами или скорректированное решение.

■ Морфологический метод и метод анализа круга проблем. Суть данных методов состоит в разложении исходной проблемы на компоненты или возникающие проблемы, с их последующей разбивкой на альтернативные способы реализации. Затем составляются все возможные варианты сочетаний. Для каждого из них или лишь для

наиболее перспективных вариантов составляется соответствующий проект.

■ Метод аналогий. Идея метода состоит в вычленении возникшей проблемы и попытке ее решения с помощью идей из других сфер жизни и науки.

Для использования метода аналогий необходимо: -вычленить причину затруднений;

-предельно формализовать ее до уровня, воспринимаемого специалистами из других областей;

-описать цели будущего решения и объективные ограничения; -выделить область жизни или науки, в которой могут быть близкие по своему смыслу решения;

-подобрать команду специалистов из выбранной области; -организовать и провести мозговой штурм;

-интерпретировать для исходной области полученные варианты решений;

- выбрать из них реализуемые и наиболее эффективные.

Метод «635». Шесть человек высказывают по три идеи по заданному вопросу за пять минут. Затем листки с их мнениями передаются, например, по часовой стрелке. За следующие пять минут каждый участник должен ознакомиться со всеми предложениями своего соседа и детализировать их. Так поступают до тех пор, пока каждый не поработал над всеми идеями группы. Через полчаса, как максимум, готово 18 разработанных предложений. Следующие полчаса даются на их обсуждение, дополнение и выбор наилучших вариантов.

Метод модераций. При применении данного метода участники заполняют по три карточки с кратким описанием имеющихся проблем (анонимно). Модератор тасует полученные карточки и по очереди

оглашает их содержание, предлагая отнести их к определенным группам. Если мнения участников расходятся, окончательное решение принадлежит автору данной карточки. В результате все проблемы оказываются разбиты на группы (кластеры). Обсуждается каждый из кластеров. Предлагаются следующие возможности: исключение (включение) из него каких-либо проблем, разбиение на несколько более мелких групп или, наоборот, их укрупнение. Разрабатывается общее наименование кластеров. Определяется их относительная важность.

«Кингисё» -японская (кольцевая) система принятия решений. Суть данной системы состоит в том, что на рассмотрение готовится проект новшества. Он передается для обсуждения лицам по списку, составленному руководителем. Каждый должен рассмотреть предлагаемое решение и дать свои замечания в письменном виде. После этого проводится совещание. Как правило, приглашаются те специалисты, чье мнение руководителю не совсем ясно. Эксперты выбирают свое решение в соответствии с индивидуальными предпочтениями. И если они не совпадают, то возникает вектор предпочтений, который определяют с помощью одного из следующих принципов:

■ принцип большинства голосов — выбирается решение, имеющее наибольшее число сторонников;

■ принцип диктатора — за основу берется мнение одного лица. Этот принцип характерен для военных организаций, а так же для принятия решений в чрезвычайных обстоятельствах;

■ принцип Курно используется в том случае, когда коалиций нет, т.е. предлагается число решений, равное числу экспертов. В этом случае необходимо найти такое решение, которое отвечало бы требованию

индивидуальной рациональности без ущемления интересов каждого в отдельности;

■ принцип Парето используется при принятии решений, когда все эксперты образуют единое целое, одну коалицию. В этом случае оптимальным будет такое решение, которое невыгодно менять сразу всем членам группы, поскольку оно объединяет их в достижении общей цели;

■ принцип Эджворта используется в том случае, если группа состоит из нескольких коалиций, каждой из которых невыгодно отменять свое решение. Зная предпочтения коалиций, можно принять оптимальное решение, не нанося ущерба друг другу.

При сравнении коллективного принятия решений с индивидуальным можно отметить ряд преимуществ[56,29,57]:

1 .В рамках коллективного принятия решения группе предоставляются полномочия не только выполнять чужие решения, но и самостоятельно их принимать.

2.Коллективное принятие решений наиболее эффективно в том случае, когда необходимо найти решение спорной или сложной многоаспектной проблемы на основе совместных знаний и опыта специалистов разных отраслей деятельности.

3.Коллективное принятие решений, осуществляется на основе объединения специалистов различных структурных подразделений. Это позволяет укреплять внутренние взаимосвязи в организации, улучшать обмен информацией.

1.3 Компьютерная поддержка коллективной работы

Стремительное развитие информационных технологий, увеличение объема информации, усложнение решаемых задач, расширение доступа к

компьютерным сетям открывают новые тенденции к коллективной работе. Деятельность в этой области известна под понятием компьютерной поддержки совместной работы (КСР, в англоязычной литературе CSCW — Computer Supported Cooperative Work). Понятие КСР включает как использование инструментов и методов групповой работы, так и психологические, социальные и организационные аспекты этой работы. Иными словами, КСР это общий термин, который объединяет понимание того, как люди работают в группах при использовании специальных технологий компьютерных сетей и связанного с ними оборудования, программного обеспечения и услуг [46,82].

Развитие и повсеместное внедрение информационных технологий во многом способствовали появлению новых методов принятия решений и ведения разработок. К таким методам может быть отнесена группа методов, объединяемых общим названием, - методы коллективного творчества или методы группового принятия решений. Творчество коллектива намного сильнее творчества одного человека, если иметь в виду генерацию идей, а не поиск уникальных идей или изобретений. Для коллективного творчества необходима организация процессов генерации и скрещивания выгодных комбинаций отдельных идей.

Основное назначение групповой обработки данных - преодоление трудностей, связанных с последовательной технологией выработки коллективных решений и перехода к параллельной технологии, которая позволяет всем участникам группы специалистов, принимающих решение, работать в равных условиях, постоянно располагать всей имеющейся информацией и видеть все происходящие изменения. Технология групповой обработки, реализованная на вычислительных сетях, хорошо подходит для многих видов коллективной интеллектуальной работы, в том числе для принятия групповых решений.

Групповая работа, поддержанная современными средствами компьютерной поддержки совместной работы, предоставляет организациям значительные преимущества по сравнению с однопользовательскими системами. Вот некоторые из наиболее распространенных причин, почему в организациях хотят использовать групповую работу:

■ принятие решений коллективом экспертов в условиях, когда интеллектуальных ресурсов отдельного индивида не достаточно;

■ проблемы обучения, настройки и адаптации к проблемной области;

■ получение качественного результата в условиях неполной и неточной информации и дефиците времени на принятие решения;

■ сплочение коллектива;

■ сбор и анализ различных точек зрения на проблему;

■ экономия времени и расходов при координации работы в группах;

■ определение рейтинга специалистов.

В 1997-1998г.г. Протасов В.Щ61] и Затуливетер Ю.С. предложили идею применения генетических алгоритмов как интерфейса в человеко-машинной среде.

В качестве организующей основы, синхронизирующей коллективную работу, были выбраны генетические алгоритмы и теория В. Турчина [73]о метасистемных переходах, зарекомендовавшие себя при решении трудных оптимизационных задач. Суть теории метасистемных переходов состоит в том, что переход от нижних уровней системной иерархии к верхним происходит путем метасистемных переходов. Каждый метасистемный переход можно рассматривать как объединение ряда подсистем нижнего уровня и появление дополнительного механизма управления С объединенными подсистемами. В результате метасистемного перехода формируется система У нового уровня (5* = С + 5",), которая может быть включена как подсистема в следующий метасистемный переход (рис.1).

В соответствии с этой теорией, в сетевых структурах, состоящих из интеллектуальных агентов, может произойти переход на более высокий уровень интеллекта, если в систему извне внесены подходящие для нее правила взаимодействия. На базе генетических алгоритмов были сформулированы правила для различных компьютерных или гибридных человеко-машинных систем. Как было показано на основании большого количества экспериментов в различных областях человеческой деятельности, в случае объединения людей в сетевую структуру, работающих по этим правилам, наблюдается метасистемный переход, создающий разум более высокого порядка.

Список литературы диссертационного исследования кандидат наук Маркарян, Лаура Виликовна, 2013 год

Список литературы

1. Андрейчиков, А. В. Интеллектуальные информационные системы : учебник для вузов / А. В. Андрейчиков. — М.: Финансы и статистика, 2004. -424 с.

2. Анфилатов B.C., A.A. Емельянов, A.A. Кукушкин. Системный анализ в управлении,- М. ¡Финансы и статистика, 2005-368с.

3. Ашиенц Р. А. Логические методы в искусственном интеллекте / Р.А.Аншенц.—М.: МГАПИ, 2001. — 224 с.

4. Базы данных. Интеллектуальная обработка данных / В. В. Корнеев [и др.]. —М.: Нолидж, 2000.352 с.

5. Балобанов В. С. Искусственный интеллект и искусственное сознание. Тенденция развития и перспективы реализации / В. С. Балобанов, А. В. Серегин // Информация и космос.—2004.—№ 3. — С. 105— 112:

6. Вагин В.Н.Учебно-методический комплекс "Методы, модели и программные средства конструирования интеллектуальных систем принятия решений и управления" // Вестник МЭИ : Теорет. и науч.-практ. журн. - 2002. - N1. - С. 47-51. -

7. В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием генетических алгоритмов. Приложение к журналу «Информационные технологии» .-М.:Изд-во «Новые технологии»,2010г.-№ 12.

8. Винер Н. Кибернетика и общество. — М.: Изд-во иностранной литературы, 1958.-200 с.

9. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А.Гаврилова, В .Ф.Хорошевский. - СПб.: Питер, 2000. — 384 е.: с. 375-38

Ю.Гапоненко Т.В. Управленческие решения. Ростов н/Д.: Феникс, 2008. 284 с.

11.Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. - СПб.: Питер, 2001. - 384 с.

12.Гаскаров, Д. В. Интеллектуальные информационные системы : учебник для вузов / Д. В. Гаскаров. - М.: Высшая школа, 2003. — 431

13.Герман О. В. Введение в теорию экспертных систем и обработку знаний / О. В. Герман. — Минск: ДизайнПРО, 1995. —255 е.: с. 253-254.

14. Горбашко Е.А. Управление качеством. СПб.: Питер, 2008. 384 с.

15.Девятков В. В. Системы искусственного интеллекта / В. В. Девятков. — М. : МГТУ, 2001. — 352 е.: с. 349 — 351.

16. Дэвид Г. Метод парных сравнений/ Пер. Н. Космарской и ДШмерлинга — М.;Статистика ,1998г.

17. Джексон П. Введение в экспертные системы / П.Джексон. — М. : Издательский дом «Вильяме», 2001. — 624 е.: с. 605 — 622.

18. Дубровский С.А. Определение компетентности экспертов в методе парных спавнений //Вопросы кибернетики. .Экспертные оценки-М.:НСК СН

19.Жуков Б.М., Ткачева E.H. Исследование систем управления. М.: Дашков и К, 2011. 208 с.

20.3ахаров В. Н. Интеллектуальные системы управления: основные понятия и определения // Изв. РАН. Теория и системы управления, 1997. № 3. С. 138— 145.

21.3ерный Ю.В., Полываный А.Г., Якушин A.A. Управление качеством в приборостроении. М.: Новый центр, 2011. 479 с.

22.Емельянов C.B., Ларичев О.И. Многокритериальные методы принятия решений. М.: Знание, 1985. 32 с.

23.Иващенко А. В. Обеспечение согласованного взаимодействия в интегрированной информационной среде предприятия// А В. Иващенко. — Самара: СНЦ РАН, 2011. - 206 с

24. Искусственный интеллект. Справочник. В 3 кн. Кн. 1. Системы общения и экспертные системы / под ред. Э. В. Попова. — М. :Радио и связь, 1990. — 464 с.: с. 458—461.

25. Искусственный интеллект. Справочник. В 3 кн. Кн. 2. Модели и методы / под ред. Д.А.Поспелова. — М. : Радио и связь, 1990. — 304 с;с. 309—303.

26. Искусственный интеллект. Справочник. В 3 кн. Кн. 3. Программные и аппаратные средства / под ред. В. Н. Захарова, В. Ф.Хорошевского. — М. : Радио и связь, 1990. — 368 с;с. 364 — 366.

27.Кричевский М.Л. Интеллектуальные методы в менеджменте / М. Л. Кричевский. — СПб. : Питер, 2005. — 304 е.; с. 302-303.

28.Кошелев О.С., Леушин И.О., Федоров О.В. Управление проектами. М.: КНОРУС, 2011. 254 с.

29.Куренков Н.И., Трофименко Е.М. Об одном подходе к группированию мнений экспертов в задачах принятия решений // 10-ая научно-практическая конференция «Современные информационные технологии в управлении и образовании»: сб. научных трудов. Ч. 2.М.: Проспект, 2010. С. 80-86

30.Курейчик В. М. Генетические алгоритмы. Состояние. Проблемы. Перспективы // Изв. Академии наук. Теория и системы управления, 1999. № 1. С. 144—160.

31.Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М., Наука. Физматлит. 1996.

32.Лессер Э. Л., Котрел Дж. Как превратить знания в стоимость. Решения от IBM Institute for Business Value

33.Литвак Б. Г. Экспертиза в России / Заводская лаборатория. 2000. Т. 66. № 7. С. 61-66.

34. Лорьер Ж.Л. Системы искусственного интеллекта / Ж. Л Лорьер: Пер. с фр. — М. :Мир, 1991. —568 с..: с. 562 — 566.

35. Люггер Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Д. Ф. Люггер. — М.: Издательский дом «Вильяме», 2003. — 864 е.: с. 856—861.

36.Лукичева Л.И., Егорычев Д.Н. Управленческие решения. М.: Омега-Л, 2009. 383 с.

37.Марголин Е. Методика обработки данных экспертного опроса// Полиграфия. 2006. № 5. С. 14-16.

38.Маркарян Л.В., Протасов В.И., Потапова З.Е., Рабинович П.Д., Созонов

B.В Настройка параметров интеллектуального консилиума и измерение знаний.//ГИАБ, 2011, -№10.- С.359-363.

39.Маркарян Л.В., Протасов В.И., Потапова З.Е., Рабинович П.Д., Созонова Г.С. Применение интеллектуального консилиума в образовании.// ГИАБ, 2011, -№11. -С.351-354.

40.Маркарян Л.В. Экспертный метод прогнозирования при разработке целевых программ и планов /Информатизация и управление/:Сборник статей-2011г. ГИАБ, 2011.-С. 464-469

41.Маркарян Л.В. Анализ и экспертные методы прогнозирования финансово-хозяйственной деятельности горного производства.// Аудит и финансовый анализ , 2011. -№ 05.-С.114-122.

42.Маркарян Л.В. Применение сетевого метода эволюционного согласования решений для Форсайт-проектов в промышленности.// ГИАБ, 2013.- №7.-

C.175-178.

43.Маркарян Л.В. Анализ и оптимизация процесса принятия решений на основе метода эволюционного согласования решений.// ГИАБ, 2013.-№9.-С.301-306

44.Маркарян Л.В., Протасов В.И., Потапова З.Е. Применение интеллектуального консилиума в образовании.//«Информационные технологии в науке и образовании»./ Сборник трудов Международной научно-практической Интернет-конференции. -Шахты. :Южно-Российский государственный университет экономики и сервиса. 2009. с.229-232.

45.Маркарян Л. В. Математическая модель виртуального студента. //Информатизация и управление/Сборник статей-2011г.ГИАБ, 2011.-С.470-475.

46. Маркарян Л.В., Протасов В.И. Применение интеллектуального консилиума для тестирования и контроля знаний в образовании.// «Современные

информационные технологии и ИТ-образовании»./Труды IV Международной научно-практической конференции.- М.:МГУ,эл.из 2009.itedu.ru/.. ./22r_Markaryan_1255122638919147.doc.

47.Методы и модели анализа данных: OLAP и Data Mining / А. А. Барсегян и др. - СПб. : БХВ-Петербург, 2004. - 336 с.

48. Михненко П. Секреты эффективных бизнес-решений. M.: NTPress, 2007. 288 с.

49.Моисеев H.H. Люди и кибернетика. - М.: Молодая гвардия, 1984. - 224 с

50. Моисеев H.H. Предисловие к книге Орловского С.А. Проблемы принятия решений при нечеткой исходной информации. М., Наука. 1981.

51. Нейронные сети. Методология и технология современного анализа данных / Пер. с англ. — М. Горячая линия — Телеком, 2008. — 392 ;с. 388 — 390.

52.Норснков И. П., Косачевский О. Т. Генетические алгоритмы комбинирования эвристик в задачах дискретной оптимизации // Информационные технологии, 1999. №2. С. 2—7.

53.Орлов А.И. Организационно-экономическое моделирование. Теория принятия решений. М.: КНОРУС, 2011. 568 с

54.Орлов А.Ю. Организация виртуального сообщества в сети Интернет./ А.Ю. Орлов, A.B. Иващенко // Информационные технологии .-2008.-№8

55.Осипов Г.С. искусственный интеллект: состояние исследований и взгляд в будущее

56.Попов.Э.В. Экспертные системы, решение неформализованных задач в диалоге с ЭВМ. - М: «Наука», Главная редакция физико-математической литературы, 1987, с. 284

57. Поспелов Г. С. Искусственный интеллект — основа новой информационной технологии / Г.СЛоспелов.—М. : Наука, 1988. — 280 е.: ил. 278 — 279.

5 8. Потапова З.Е., Протасов В.И., Маркарян ЛВ., Рабинович ПД, Созонов ВВ., Созонова Г.С. Применение метода генетического консилиума в образовании и управлении.//«Новые информационные технологии в образовании»./ Материалы научно-практической конференции. -М. «1С Паблишинг», 2009.- С. 212-216.

59. Постников В.М., Спиридонов С.Б. Подход к увеличению уровня согласованности мнений экспертов при выборе варианта развития системы обработки информации./Наукаи образование,2013.-№6

60. Протасов В.И., Потапова З.Е., Маркарян Л.В., Созонов В.В. Использование новой информационной технологии - коллективный редактор текста — в образовании.//«Инновационные технологии обучения в высшей школе»./Материалы Всероссийской научно-практической конференции -Сочи.: Черноморской гуманитарной академии, 2009.- С. 123-125.

61.Протасов. В. И. Генерация новых знаний сетевым человеко-машинным интеллектом. Постановка проблемы. Нейрокомпьютеры: разработка, применение. М., № 7-8, 2001. с. 94-103

62.Протасов В.И., Клименко C.B., Потапова З.Е., Сулейменов О.М., Сыроешкин Р.В., Созонов В.В., Маркарян JI.B. Итоговый отчет по гранту РФФИ № 08-07-00447-а. Разработка и исследование методов оценки достоверности результатов восстановления объемных фотороботов на основе общедоступных установок виртуальной реальности. —М. 2009. -С.81.

63.Рассел, С. Искусственный интеллект: современный подход / С. Рассел, П. Норвиг. — 2-е изд. — М. : Вильяме, 2006. — 1408 с.

64.Сидельников Ю.В. Технология экспертного прогнозирования: Учебное пособие. Изд. 2-е, исправл. — М.: Доброе слово, 2004. — 284 с

65. Советов Б.Я.,Цехановский В.В.,Чертановский В.Д. Представление знаний в информационных системах.-М:Изд. «Академия»,2011.-144с.

66. Созонова Г.С., Соэонов В.В., Протасов В Л, Потапова 3£., Рабинович ПД, Маркарян JI.B. Компьютерная поддержка коллективной работы при составлении консолидированных текстов.//«Новые информационные технологии в образовании»/ Материалы научно-практической конференции. -М.: «1С Паблишинг», 2009. -С. 293-296.

67. Созонова Г.С, Соэонов ВВ., Протасов ВИ, Потапова 3£., Маркарян JLB., Рабинович П.Д. Тестирование метода интеллектуального консилиума для применения в сфере управления и образования.// «Новые информационные технологии в образовании»./Материалы Международной научно-практической конференции - Екатеринбург.: Российского профессионально-педагогического университета. 2009. -С.193-195.

68. Толмачев Д.Е, Ульянова Е.А., Лопатина Т.А. Научно-техническое развитие промышленных компаний Уральского региона: текущее состояние и перспективы.

69.Трахтенгерц Э.А. Компьютерная поддержка принятия решений в САПР.-АиТ, №5, 1997г.

70. Трахтенгерц Э.А. Компьютерные системы поддержки принятия управленческих решений/ Журнал Проблемы управления №1-2003г.

71. Трахтенгерц Э.А. Повышение надежности последовательно-параллельного проектирования сложных технических объектов.-АиТ, №5,1994,с. 128-157.

72. Трахтенгерц Э.А. Особенности построения системного программного обеспечения в распределенных системах автоматизации проектирования сложных технических объектов. - АиТ # 11, 1994.

73.Турчин. В. Ф. Феномен науки. Кибернетический подход к эволюции. Изд. 2-е. - М.: ЭТС, 2000, 368 с.

74.Управление динамическими системами в условиях неопределенности / С. Т. Кусимов, Б. Г. Ильясов, В. И. Васильев и др. М.: Наука, 1998.452 с.

75. Финн В.К. Интеллектуальные системы: проблемы их развития и социальные последствия // Будущее искусственного интеллекта. М., 1991.

C. lg—177.

76. Форсайт: взгляд в будущее./Соколов А. В. Журнал №1(1),2007,с 8-15

77. Швецов А. Н. Распределенные интеллектуальные информационные системы / А. Н. Швецов, С.А. Яковлев. — СПб. : Изд. СПб ТЭТУ «ЛЭТИ», 2003. — 318 с.: 316—317.

78. Шеховцов О. И. Интеллектуальные средства поддержки принятия управленческих решений / О. И. Шеховцов, В. Д. Чертовской, Б. М. Шифрин. - СПб.: Изд. СПб ГЭТУ «ЛЭТИ», 2000. - 59 с

79. Экспертные системы для персональных компьютеров/ В. С. Крисевич [и др.]. — Мн.: Высшая школа. 1990. — 197 с.

80.De Jong К. A. Analysis of the bihavior of a class of genetic adaptive systems, Ph

D.thesis — University of Michigan, Ann Arbor, 1975

81.Edward de Bono Serious Creativity: Using the Power of Lateral Thinking to Create New Ideas Paperback

82.Fukuda N., Ucyama N. Cellular Robotics and Micro Robotio Systems. — World Scientific Pub., 1994.263 p.

83. Goldberg D. E. Genetic Algorithms in Search, Optimization and Machine Learning — Addison-Wesley, Reading, M. A.. 1989.412 p.

84.Gruber T. R. The Role of Common Ontology in Achieving Sharable, Reusable Knowledge Base / T. R. Gruber. Morgan Kaufmann, San Mateo, CA, KSL-91-10.

85.Gruber T. R. Toward principles for the design of ontologies used for knowledge sharing / T. R. Gruber. Knowledge Systems Laboratoiy. Technical report KSL-93-04.

86.Hasson M. H. Fundamentals of Artificial Neural Networks (Chapter 5: Genetic Algorithms for Optimization of Neural Networks), The MIT Press, Cambridge, Massachusetts, London, 1995. 511 p.

87. Holland J. H. Adaptation in Natural and Artificial Systems — The University of Michigan Press, University of Michigan, Ann Arbor, 1975.

88.Hollsticn R. B. Artificial genetic adaptation in computer control systems, Ph. D.thesis — University of Michigan, Ann Arbor, 1971.

89.Karr C. L., Freeman L. M. Genetic — algorithm — based Fuzzy Control of Spacecraft Autonomous Rendezvous // Engineering Application of Artificial Intelligence, Vol. 10, N 3, June, 1997. P. 293—300.

90.Koza J. R. Genetic Programming: On the Programming of Computers by Means of Natural Selection, The MIT Press, Cambridge, Massachusetts. London. England, 1992.819 p.

91. Liu Y., Kojima H. One Design Method of a Fuzzy Controller Using Genetic Algorithms // Proc. of the 1993 JSME Intern. Conf. on Advanced Mechatronics. Tokyo. Japan, Aug., 1993. P. 333—338.

92. Lukasiewicz J. Aristotle's syllogistic from the standpoint of modern formal logic / J.Lukasiewicz. Oxford, 1957.—p. 234.

93.McGuinness D. L. An Industrial-Strength Description Logic-Based Configurator Platfom ] / D. L. McGuinness, J.R.Wright // IEEE Intelligent systems, Issue 4, 1998.—pp.69—77.

94.Neubauer A. On-Line System Identification Using The Modified Genetic Algorithm // Proc. of EU FIT'97, Aarchen, Germany, 1997, P. 764-768.

95.0sborn A.F Applied Imagination: Principles and Procedures of Creative Problem Solving Applied Imagination

96. Part-Whole Relations in Object-Centered Systems: An Overview / Ar-tale, A..// Data & Knowledge Engineering, North-Holland, Elsevier, 1996, pp. 24-32.

97. Reasoning in Description Logics / Donini, F. [ed.]7/ Principles of Knowledge Representation and Reasoning, edited by G. Brewka; Studies in Logic, Language and Information, CLSI Publications, 1996.—pp. 193 — 238.

98.Takagi T., Sugeno M. Fuzzy Identification of Systems and its Applications to Modelling and Control // IEEE Trans on Systems, Man, Cybern., 15(1), P. 116-132.

99. Valente A. Building and (Re)Using an ontology of Air Campaign Planning / A.Valente A. [ed.].//IEEE Intelligent systems, Issue 1,1999.—pp. 27—36

100.Zadeh L. A. What Is Soft Computing // Soft Computing, 1997, N 1. P. 1.

101. http://foresight.hse.ru/whatforesight/

102. http://www.habarov.spb.ru/new_es/index.htm

103. http://www.facegen.com/modeller.htm

Наименование товара Единиид измерения Количество Цена за единицу в без НДС Цена за товара, без

1. Мешок п/п ламинированный коробчатого типа 50(±1)*54(±1)* 10(±0Д)* 13 ±2гр (ТРТС005/2011,ТУ2297-00204257-2010) с логогапом шт.

21 Мешок п/п ламинированный коробчатого типа 50 (±1)* 64 (±1)* 12 ±2гр (ТР ТС 005/2011, ТУ 2297-00 00204257-2010) с лошгапом шт.

2. Мешок п/п ламинированный коробчатого типа:

- цвет мешка молочно-белый с печатью;

- цвет клапана - любой в светлых тонах

- ширина 50 +/- 1 см;

- длина 54 +/-1 см; 64 +/-1 см.

- дно 10х40+/-0,5 см; 12 +/- 0,5 см.

- ширина (диаметр) клапана 10+7-0,5 см глубина 13+/- 0,5, расположение (слева относительно лицевой стороны мешка)

- вес 66 +/- 2 гр., 86 +/- 2 гр.

3. Мешки поставляется на поддонах 1000* 1200 по 5000 шт.

4. Оригинал макеты в формате Corel Draw прилагаются

ОАО "Сгавропласт" Операционная технологическая карта производства полипропиленовой нити ллоскощепевой экструзией Типоразмер изделия

Цех II* 3 "ПРОИЗВОДСТВО полипропиленовых мешков" Плоская нить. 2,75/0.027/621 (ширина/толщина/Den)

Рецептура:

Полипропилен ÍPP030S 76% Примечание 1; ПРИ ФАКТИЧЕСКОМ ИСПОЛЬЗОВАНИИ МАРКИ ПОПИПРОМИПЬНА

Моломапописиная дсйзапка VATPOI ?10 FPF 15% TFMnFPATVPW ПРЧИ OPUFHTAlllUt ОбЯГЧЛТРПМЮ УТОЧНЯТЬ

конц. добавок омтистлик 004 1% Примечание 2:

конц. добавок нпротостпишй 11 00740? Г1(1 1%

конц. добавок УФ стабилизатор 2%

цп.кпкц сипжио белый Пф1011б? со CKOiih] доб. 5%

Оборудование Экструэионная установка "tiraТех 1600" / Зазор фильеры. 0.350 мм / Дистамциоммые элементы 6.S

Температура зон нагреоа,®С

цилиндр адаптер головка

для птр 245 3.0 3.4 250 255 255 255 258 2С0 2G0 255 255 255 255 255 255

для (IIP 237 З.Ь 4.0 245 250 255 255 255 258 258 255 255 255 255 255 255

Экструдер Ванна охлаждениж'еытяжка/захват Температура печи ориентации

давление на сен.у давление не головку Температура волы Предматяжеиие ленточек работа лезвии Толнина лезвий нллравп Резки скорость 350м/мин скорость ЗООм/мии скорость 250м|'мин

1S0-200 60 100 38 0.2м'мнн 20ч 0 10 ММ 130-140 166 162

Вытяжной аппарат Особые указания Контрольные размеры

скорость вытягивлния 5 8 Фиксация 5 4% Вытягивай!'* 6 1 Не допускать на поеерпност»» плоской нити в «г о чеки it к Допускаемые отклонения по весу нити:±200еп

Контроль операционный непссппавот л этоГ'нэоь нити долхнз бытьгладкеи бет ян Не доискать расслоения лпосксй

■что контролировать «ой контролировать. пормодич МОР Щ.1Н и трец.

1. Внешний вид плоской нити, по настояцой операционной карте UaojHMMCT ЭКСЩ^ЗЙСЮЮЙ пинии Инженер п о K.lw^.-TH. Постоянно Лету-*гй •огтропь полжмы быт». ровными без пзп/Срим Пену с памыы снииать каждый час Держать но мм у в чистоте! Следить за натяжением СсСин не дслускагь отклонение нити по торц. бобины Гэтсвы«- бобины аккуратно схлэдирз1зтъ из т$пек«и для .точной нити по 300 Собин поя нити сооеы 160 боСи« Бросать бобины запрещается' На каждую тепежку наклеить этикетку солвр-t лцую дату изгоювлония нс-мер смены ОНО машиниста экструде;» количести-о шпупь уточной колпчостсо шпуль осноеис-ii нити общую массу уточных Общую »лассу основных Ообим ЛДОнвние транспортировка шпупь тог>ь»о на тепе »-«ах

?. Размеры плоской нити(ширима, топцинл). по ностоящой наиннис ^KCiotJi'CwHt.î пнмии Инженер na K4TlCTBi Посто«м-о Летужрй • »►троп» Дизметр ОоОнхэ! оснсым: 180мм диаметр С-эбины утжа 115им

3. ТОННОЛОГНЧОСКИЙ |№ЖНМ по настояцой технологической карте UUli'HMCT )КС«0)1ИС«МОЙ ЛИИ1М n»»:»hj(: ПО K.14tt£TfK Пест с» »■••о Летуч «it-Tf^re Количество метров для основной нити 30000

4. Качество намотки нити в ЬоЬннм по нпстоящей технологической ll<*L»»HMCT jKClO.JW^Hhl №ИИИ Ииж«и«р пз K?4#CTB< Лету^гй .1>гтроге Количество метров для уточной нити 15000

5. Диаметр намотки нити в бобины по основе, утку Машинист жстатзисемой ПИНИИ Инженер по кзчвега. Постс»«-^о Лет>*»гй • |>ГТрОЛ>

Т-1-i-