«Ю.Ф.Тельнов Интеллектуальные информационные системы Москва 2004 Тельнов Ю.Ф. Интеллектуальные информационные системы / Московский государственный университет экономики, статистики и информатики. – М.: МЭСИ, 2004. –с. © ...»

Некоторые правила имеют высший приоритет при использовании. Например, перед тем, как размещать активы, сначала всегда решаются задачи страхования. Другие правила позволяют на основе опыта определять количественные характеристики инвестиций без необходимости моделирования множества возможностей. Если необходимо, полученные результаты могут быть проверены путем моделирования. Полезно оставлять пользователю небольшую альтернативность выбора, когда система формирует несколько близких решений, которые трудно в дальнейшем дифференцировать. Сложность эвристической базы знаний оценивается в 1200 обобщенных единиц знаний – эвристических процедур (чанков), объединяющих группы правил, что соответствует примерно 6000 простых правил с 3-5 аргументами в посылке правила и 1-2 заключениями.

Экспертные системы диагностики и планирования для обоснования решений обращаются к финансовым моделям, которые осуществляют расчеты денежных потоков, чистой стоимости, доходов, стоимости инвестиций и их логическую оценку. Финансовые модели содержат 1500 правил и процедур, которые завязаны в цепочки зависимостей так, что при изменении данных цепочки автоматически срабатывают.

Глава 4. Реализация экспертных систем инвестиционного проектирования Подсистема оформления плановой документации включает:

• Результаты диагностики клиентской ситуации;

• Рекомендации по действиям;

• Объяснения рациональности этих действий;

• Релевантную финансовую информацию.

В результате клиенту выдается от 20 до 120 страниц текста инвестиционного плана и до 40 табличных и графических иллюстраций. Кроме того, выводится прогноз состояния клиента в результате моделирования выполнения плана.

Описанная экспертная система инвестиционного проектирования может работать как в автоматическом, так и интерактивном режимах. В интерактивном режиме («чтоесли») пользователь активно вмешивается в процесс решения задачи, может не соглашаться с рекомендациями системы и заставлять ее моделировать собственные предположения. Экспертная система функционирует как посредством прямого вывода планируемых рекомендаций, так и обратного вывода для проверки конкретных финансовых целей.

В целом следует отметить, что экспертная система PlanPower является сложным продуктом. Эта система разрабатывалась в течение 2 лет 10 инженерами по знаниям при участии 6 экспертов, а затем в течение одного года проходила тестовые испытания. Несомненное достоинство экспертной системы PlanPower – комплексность охвата функций инвестиционного проектирования.

Глава 4. Реализация экспертных систем инвестиционного проектирования 4.4. Экспертная система мониторинга портфеля инвестиций Для решения задач мониторинга портфеля инвестиций чаще всего используются методы технического анализа и прогнозирования рыночных цен, по которым можно предсказывать изменение доходности и надежности конкретных финансовых инструментов (ФИ) – ценных бумаг, валюты, драгметаллов и т.д. В отличие от фундаментального анализа, в основе которого лежит анализ экономической ситуации и/или финансового положения эмитентов, в техническом анализе рассматриваются тенденции в движении самих цен.

В частности, технический анализ предполагает, что колебания цен периодически повторяются в соответствии с концепцией цикличности поведения рынка. Анализ статистических данных о движении цен позволяет выявить эвристические закономерности в изменении тенденций, которые хорошо представляются в виде правил принятия решений.

Множество таких эвристических правил достаточно подробно рассмотрено в литературе по техническому анализу рынка [1, 4]. Все эти правила могут быть собраны в виде общей базы знаний.

Рыночные тенденции по статистическим данным наглядно выявляются на графиках.

Сущность правил технического анализа сводится к тому, чтобы на основе ежедневных данных о биржевых ценах на ФИ и объемах сделок, отображаемым на графиках, устанавливать (прогнозировать) изменения цен на рынке и выявлять ключевые дни их смены, в соответствии с которыми участники рынка занимают длинные (покупка ФИ по минимальной цене с целью продажи в последующем по максимальной цене) или короткие (продажа ценных бумаг (ЦБ) по максимальной цене с последующей скупкой по минимальной цене) позиции.

Часто длинную позицию называют игрой на повышение, или «бычьей» позицией, а короткую позицию – игрой на понижение, или «медвежьей» позицией.

Технический анализ осуществляется на основе правил анализа следующих графиков:

1. гистограмм цен и оборота по ЦБ;

2. диаграмм скользящих средних;

3. графиков моделей движения цен (тренды, «треугольники», «флаги», «головаплечи», «впадины/вершины», «блюдца»).

Гистограммы цен и оборота позволяют определять ключевые дни поворота тенденций. Обычно на гистограммах (рис.4.4) для каждого дня торгов колебания цен показываются вертикальным отрезком, на котором отмечаются минимальная (нижняя точка отрезка) и максимальная (верхняя точка отрезка) цены, а также цена открытия торгов (черточка слева) и/или цена закрытия торгов (черточка справа).

Примеры различных характеристик дня торгов на рис.4.4 описывают следующие ситуации:

• Замкнутый день. Максимальная и минимальная цены находятся в пределах предыдущего дня. Заключительная цена не имеет большого значения. Если заключительная цена выше заключительной цены предыдущего дня, то следует покупать ФИ. Если заключительная цена ниже заключительной цены предыдущего дня, то следует продавать ФИ.

• Незамкнутый день. Высокая и низкая цены для данного дня превосходят таковые для предшествующего дня. Основное значение имеет заключительная цена. Если заключительная цена растет, то следует покупать ФИ, в противном случае – продавать.

• Сохранение тенденции. Максимальные, минимальные и заключительные цены одновременно возрастают или убывают. Если позиции участников рынка определены, то не предпринимать никаких действий. В противном случае при возрастающем тренде занимать длинную позицию, а при убывающем – короткую.

Глава 4. Реализация экспертных систем инвестиционного проектирования • Возможность смены тенденции. Цена закрытия совпадает с минимальной ценой при возрастающем тренде или цена закрытия совпадает с максимальной ценой при убывающем тренде. В первом случае необходимо готовиться к закрытию длинной позиции или занятию короткой, во втором случае следует поступать наоборот – закрывать короткую позицию или занимать длинную.

• Перемена хода закрытия цены. Цены сначала следуют в том же направлении, что и в предыдущий день, а затем изменяются на противоположные. Заключительные цены ниже соответствующих в предшествующий день. Предупреждающий сигнал о вероятном окончании тенденции цен.

• Ключевая перемена тенденции. Незамкнутый день и перемена заключительной цены. Заключительная цена дня выходит за пределы диапазона предшествующего дня.

Сильный сигнал о конце тенденции цен, требуется смена позиции на рынке на противоположную. Ключевая перемена тенденции особенно сильно проявляется в критические дни, в когда отмечается рост объемов сделок, которые отражаются на отдельной гистограмме.

На гистограммах цен нередко возникают разрывы между отрезками цен смежных дней, которые также дают характеристики ценовых тенденций (рис. 4.4).

• Обыкновенный (общий разрыв). Последующие дни ликвидируют разрыв. Тенденция к повышению или понижению не просматривается. Объем торговли низкий. Неустойчивый слабый рынок. Пассивность инвесторов, нет интереса.

• Отрывной разрыв. Резкий подъем или спад, ажиотажный спрос или предложение ФИ. Увеличивается объем сделок. Окончание фазы консолидации рынка, начало нового тренда. В последующие дни тенденция будет продолжаться.

• Беглый разрыв. Подъем или спад рынка, проявляется тенденция цен, объем торговых сделок средний. Образуется в середине тренда. Таким образом, можно предсказать окончание тренда. Обычно не покрывается в последующие дни.

• Завершающий разрыв. Завершающий разрыв (разрыв истощения) наступает после отрывного и беглого разрывов. Тенденция цен к повышению или понижению исчерпывает себя и меняется на противоположную. При подъеме уровень цен при закрытии следующего дня меньше нижнего уровня цен разрыва.

Глава 4. Реализация экспертных систем инвестиционного проектирования Полезным инструментом технического анализа может быть сравнение текущих рыночных цен со скользящими средними за разные периоды времени (рис. 4.5). В том случае, когда средние цены лежат на графике ниже текущих заключительных цен, рынок характеризуется повышающимся трендом, а когда средние цены лежат выше текущих заключительных цен, рынок имеет понижающийся тренд. Это правило можно применить и для сравнения средних цен с минимальными (максимальными) текущими ценами или средними ценами, подсчитанными с другой периодичностью. Причем чем меньше период вычисления скользящей средней, тем более точно определение поворотных точек тенденции, а чем больше период, тем меньшее влияние на прогноз цены оказывает краткосрочная ситуация на рынке (уменьшается значение случайных факторов).

Рассмотрим также анализ трендов и построение соответственно линий поддержки и сопротивления (рис. 4.4). При возрастающем тренде график линии поддержки, например, линейной регрессии, как правило, строится по минимальным текущим ценам, а при понижающемся тренде – по максимальным текущим ценам.

Зная выражение функции регрессии, можно прогнозировать минимальные цены на ФИ при покупке в случае повышающегося тренда и максимальные цены на ФИ при продаже в случае понижающегося тренда. В том случае, когда заключительная цена на ЦБ становится меньше минимальной по уравнению регрессии при повышающемся тренде или больше максимальной при понижающемся тренде, происходит смена тенденции, и день, в который произошло изменение, должен быть запомнен как начало нового тренда.

Возможен также стационарный (застойный) тренд, когда цены на ЦБ колеблются между относительно постоянными максимальными и минимальными ценами и соответственно горизонтальными линиями поддержки и сопротивления.

Обозначим используемые в эвристических правилах переменные:

XDi – характеристика i-го дня;

MINDi – минимальная цена i-го дня;

MAXDi – максимальная цена i-го дня;

FDi – заключительная цена i-го дня;

VDi – объем сделок i-го дня;

ADi – скользящая средняя цена i-го дня;

REGRi = A* i + B – цена на графике линейной регрессии i-го дня;

RAZR – количество разрывов.

Тогда, набор правил имеет следующий вид:

R1: Если MAXDi = MINDi-1 и FDi > FDi- то XDi += «повышение» cf 20 /* замкнутый день */.

R2: Если MAXDi = MINDi-1 и FDi < FDi- то XDi += «понижение» cf 20 /* замкнутый день */.

R3: Если MAXDi = MINDi-1 и FDi = FDi- то XDi += «неизвестно» cf 100 /* замкнутый день */.

R4: Если MAXDi > MAXDi-1 и MINDi < MINDi-1 и то XDi += «повышение» cf 40 /* незамкнутый день */.

R5: Если MAXDi > MAXDi-1 и MINDi < MINDi-1 и то XD +=«понижение» cf 40 /* ключевой день на понижение */.

Глава 4. Реализация экспертных систем инвестиционного проектирования R6: Если MAXDi > MAXDi-1 и MINDi < MINDi-1 и XDi-1 =«понижение» и FDi < FDi-1, то XD += «понижение» cf 40 /* незамкнутый день */.

R7: Если MAXDi > MAXDi-1 и MINDi < MINDi-1 и XDi-1 =«понижение» и FDi >= FDi-1 и VDi > VDi-1, то XD += «повышение» cf 40 /* ключевой день на повышение */.

R8: Если MAXDi > MAXDi-1 и MINDi > MINDi-1 и FDi > Fdi- то XDi += «повышение» cf 40 /* сохранение тенденции */.

R9: Если MAXDi < MAXDi-1 и MINDi < MINDi-1 и FDi < Fdi- то XDi += «понижение» cf 40 /* сохранение тенденции */.

R10: Если MAXDi > MAXDi-1 и MINDi > MINDi-1 и XDi-1 = «понижение», то XDi += «повышение» cf 50 /*смена тенденции – лок. мин.*/.

R11: Если MAXDi < MAXDi-1 и MINDi < MINDi-1 и XDi-1 = «повышение», то XDi += «понижение» cf 50 /*смена тенденции – лок. макс. */.

R12: Если MAXDi > MAXDi-1 и FDi = MINDi и XDi-1 =«повыш.», то XDi += «понижение» cf 40 /* сигнал на понижение */.

R13: Если MINDi < MINDi-1 и FDi = MAXDi и XDi-1 = «понижение», то XDi += «повышение» cf 40 /* сигнал на повышение */.

R14: Если MAXDi > MAXDi-1 и MINDi >= MINDi-1 и XDi-1 =«повышение» и FDi < FDi-1, то XDi +=«понижение» cf 30 /* сигнал на понижение */.

R15: Если MAXDi FDi-1, то XDi +=«повышение» cf 30 /* сигнал на повышение */.

R16: Если MINDi > MAXDi-1 и RAZR =0 и VDi = VDi-1, то XDi += «повышение» cf /* обычный разрыв на повышение */; RAZR = RAZR+1.

R17: Если MINDi > MAXDi-1 и RAZR =1 и VDi >> VDi-1, то XDi += «повышение» cf /* отрывной разрыв на повышение */; RAZR = RAZR+1.

R18: Если MINDi > MAXDi-1 и RAZR =2 и VDi > VDi-1, то XDi += «повышение» cf /* беглый разрыв на повышение */; RAZR = RAZR+1.

R19: Если MINDi > MAXDi-1 и RAZR =3 и VDi = VDi-1, то XDi += «повышение» cf /* заключ. разрыв на повышение */; RAZR = 0.

Глава 4. Реализация экспертных систем инвестиционного проектирования Для понижения цен можно построить правила R20 – R23, аналогичные правилам R16 – R19. Правила, сравнивающие скользящую среднюю цену с заключительной ценой, имеют следующий вид:

R24: Если ADi < FDi и XDi-1 = «повышение», R25: Если ADi > FDi и XDi-1 = «повышение», R26: Если ADi >= FDi и XDi-1 = «понижение», R27: Если ADi < FDi и XDi-1 = «понижение», /* Сравнение цены линии поддержки с ценой дня*/ R28: Если REGRi MINDi и XDi-1 = «повышение», R30: Если REGRi > MAXDi и XDi-1 = «понижение», R31: Если REGRi > MAXDi и XDi-1 = «повышение», В приведенном наборе правил фактор уверенности играет роль степени важности используемого метода оценки тенденции. Так, в данном примере методы анализа разрывов и линий поддержки уравновешены и имеют большие веса по сравнению с методом анализа скользящих средних, который, в свою очередь, имеет больший вес по сравнению с анализом тенденций по двум смежным дням (убывание значения фактора уверенности от анализа тренда к анализу локальной ситуации).

В результате анализа различных графиков пользователю выдаются обобщенные рекомендации. Например:

Анализируемый день относится к дню, сохраняющему тенденцию на повышение, поскольку минимальная, максимальная и заключительная цены выше предыдущих, оборот рынка находится в пределах предшествующего дня (фактор уверенности – 40).

В предшествующие дни были отрывной и беглый разрывы, что свидетельствует о том, что рассматривается заключительная часть повышающегося тренда (фактор уверенности – 40).

Заключительная цена больше средней скользящей за три дня, что также свидетельствует о тенденции на повышение (фактор уверенности – 60).

Цены выше линии регрессии (фактор уверенности – 80).

Общий вывод: тенденция на следующий торговый день должна сохраняться с фактором уверенности 97%. (Объединение факторов уверенности выполнено по формуле нечеткой логики – см. параграф 2.4). Вместе с тем, попадание графика в завершающий разрыв свидетельствует о скором завершении тенденции.

Для более оперативного анализа рынка в течение торгового дня могут использоваться экспертные системы реального времени, например, на базе инструментального средства G2, которые позволяют учитывать при принятии решения фактор времени. Примерами таких правил являются:

Глава 4. Реализация экспертных систем инвестиционного проектирования Анализ изменений за время Если скорость изменения курса валюты за последний час большая и То хеджировать валюту в опцион Временной лимит на рассуждение Если любой опцион акций в дискаунте То купить опцион и продать акции (Затратить 20 секунд на принятие решений) Регулярный мониторинг Если изменение цены акции > 5% в течение последних 10 минут То оценить опционы акции (Выполнять каждые 5 минут) Среди систем технического анализа финансовых инструментов, позволяющих объединять результаты прогнозирования на основе множества методов, можно назвать отечественную систему «Forex 94» (Уралвнешторгбанк), которая позволяет:

1. Оперативно анализировать финансовые рынки на основе сбора, хранения и обработки статистической информации по курсам валют, прогнозировать оптимальные цены и сроки торговых сделок на поставку/закупку товаров в зависимости от курса валют;

2. Графически представлять информацию о текущем состоянии валютных рынков;

исследовать в реальном масштабе времени конъюнктуру рынка с использованием 22 основных методов технического анализа и обобщенного индикатора «Радуга рынка»;

3. Прогнозировать тенденции валютного рынка с использованием аппарата (МNPMNN-1,2,3) нейронных сетей как на основе данных технического анализа, так и оригинальных индикаторов рынка;

4. Вести журнал сделок на продажу/покупку валюты, следить за позицией участников рынка и соблюдением установленных лимитов, использовать механизм «STOP LOSS» и «STOP PROFIT».

Система «Forex 94» ориентирована на работу с данными, поставляемыми любой финансовой информационной системой (REUTER Money 2000, TENFORE), поддерживающих режим динамического обмена данными в среде Windows. При отсутствии такой информационной системы пользователь может осуществлять ручной ввод данных.

Основные методы технического анализа в системе «Forex 94»:

• Осциллятор (Oscillator – OSC);

• Пересечение средних (Moving Average Convergence – Divegence MACD);

• Индекс относительной величины цен (Relative StrengthIndex – RSI);

• Усредненное RSI (Moving Average RSI – MARSI);

• Метод Каири (Kairi – KRI);

• Накопление – раздача (ACD);

• Окончательный осциллятор (Ultimate Oscillator – UOS);

• Канал цен (Price Channel – PCU);

• Индекс канала твердых цен (Commodity Channel Index – CCI);

• Полоса Боулинджера (Boulinger Bonds – BBU);

• Процент R (Percent R – PCR);

• Индекс направления движения (Direction Movement Index – PDM );

• Ключ поворота (Key Reversal – KPV);

Глава 4. Реализация экспертных систем инвестиционного проектирования • Параболическая система цен (Price Time Parabolic system -PTP);

• Альфа-бета тренд (- ABT);

• Колебание цен (Fast Stochastics – PKF);

• Пересечение скользящих средних (Clossing moving averages – MAV);

• Линии поддержки и сопротивления;

• «Радуга рынка» – Rainbow (RNBW);

Набор методов технического анализа устанавливается автоматически или выбирается пользователем. Результаты работы нескольких методов могут отображаться на одном экране. Например, на одном графике (рис. 4.5) отображены гистограммы дней, по которым могут определяться ключевые повороты тенденций, скользящие средние, данные прогнозирования на основе применения нейронных сетей.

В качестве одного из основных инструментов технического анализа следует выделить интегральный показатель «Радуга рынка» (RNBW), который объединяет прогнозные данные всех используемых методов по оригинальной методике взвешивания получаемых результатов (верхняя полоса на рис. 4.5). На этой полосе желтым цветом отмечается тенденция рынка «вверх», а чистый желтый цвет фиксирует завершение этой тенденции и скорый переход рынка «быков» на рынок «медведей». Красный и розовый цвета характеризуют понижающийся ценовой тренд, а чистый малиновый цвет свидетельствует о завершении этой тенденции и скором переходе рынка «медведей» в рынок «быков».

Для оценки текущего решения о покупке или продаже валюты пользователю выводится сигнал в виде окрашенной руки: желтой (Sell) для продажи, красной (Buy) для покупки, черный (Out) для воздержания от операций.

Глава 4. Реализация экспертных систем инвестиционного проектирования Используемые в системе «Forex-94» нейронные сети прогнозируют решения о покупке/продаже валюты на основе их обучения по изменениям курсов валют за определенные периоды времени. Тогда прогноз сводится к сопоставлению произошедших изменений курсов валют с изменениями за эквивалентный период времени, «запомненными» в нейронной сети, по которым происходит активация решающей прогнозной функции (нейрона). В процессе обучения нейронная сеть использует алгоритм обратного распространения ошибок, который позволяет свести их к заданным интервалам погрешности. В качестве исходной информации для прогноза нейронная сеть может использовать не только конкретные значения валютных курсов, но и сигналы методов технического анализа. Вместе с тем, нейронные сети «Forex-94» позволяют прогнозировать не сам валютный курс, а лишь его скользящее среднее за заданный интервал времени.

Система позволяет также обнаруживать нестабильность валютных курсов на основе методов теории динамического хаоса. Для применения этого метода необходимо задать порог нестабильности (обычно от 0 до 0.6), определяющий чувствительность системы к изменениям курса.

Параметры методов технического анализа могут выбираться пользователем по своему усмотрению или устанавливаться системой автоматически. В последнем случае оптимизация параметров и обучение нейронных сетей производится в соответствии с рядом встроенных критериев, например, получение максимальной прибыли при минимальных рисках.

По каждому из используемых методов технического анализа можно получать показатель доходности, который рассчитывается в результате применения соответствующих рекомендаций на конкретный день, а также определять достоверность этих рекомендаций (от 0 до 1).

Реализация нейронной сети прогнозирования рынка ГКО в ППП NeurOn-Line (Gensym) представлена в приложении 3. В приложении показана схема системы прогнозирования, исходные и результатные данные, конфигурация основных блоков нейронной сети.

Инвестиционное проектирование – сложная проблемная область, для которой требуется работа нескольких динамически взаимодействующих экспертных систем.

Метаправила входят в базу знаний планировщика и управляют вызовом экспертных систем (наборов правил) в зависимости от событий, связанных с действиями пользователя или механизма вывода.

ЭС «Определение профиля клиента» формирует цели инвестиций на основе многофакторного анализа возможностей клиента и состояния рынка.

Оценка риска инвестиций осуществляется на основе статистических методов получения среднеквадратических отклонений доходности инвестиционных средств или путем оценки неопределенности ситуации с помощью методов нечеткой логики.

ЭС «Формирование портфеля инвестиций» осуществляет комбинаторный перебор инвестиционных средств в соответствии со сформированной целью инвестиций (доходностью, допустимой степенью риска и срочностью) на основе базы данных и эвристических правил. В процессе формирования портфеля подключаются математические модели расчета доходности и риска инвестиций.

Различные уровни абстракции используются в процессе работы механизма вывода: сначала портфель формируется на уровне типов инвестиционных средств (опредеГлава 4. Реализация экспертных систем инвестиционного проектирования ляются пропорции типов инвестиционных средств), а затем на уровне конкретных инвестиционных средств.

Множество источников знаний ЭС «Формирования портфеля инвестиций»: «Налогообложение», «Страхование», «Кредитование» и др. используются для оценки инвестиций с позиции достижения общих целей портфеля.

Эвристические правила определяют приоритеты выбора типов и конкретных инвестиционных средств из имеющегося множества на основе отраженного в правилах базы знаний опыта экспертов.

Активный диалог пользователя предполагает возможность непосредственного участия пользователя в оценке альтернативных вариантов инвестиционных решений.

ЭС «Мониторинг портфеля инвестиций» осуществляет оперативный анализ эффективности портфеля инвестиций и формирует предложения по его обновлению.

Технический анализ выполняет анализ и прогнозирование доходности инвестиционных средств по характеристикам динамического тренда. При этом используются правила, учитывающие выявленные статистические закономерности (тренды) или эвристики (характерные повторения в движении цен).

Нейронные сети широко используются в мониторинге инвестиций для определения рейтинга инвестиционных средств и прогнозирования цен.

1. Инвестиционно-финансовый портфель /Отв. ред. Рубин Ю.Б., Солдаткин В.И. – М.: «Соминтек»,1993. – 752 с.

2. Котлер Ф. Основы маркетинга. Пер с англ. – М.: Прогресс, 1993. – 736с.

3. Левин Р., Дранг В., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бэйсике./ Пер. с англ. – М.:

Финансы и статистика, 1991. – 239c.

4. Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. – М.: Инфра-М, 1994. – 192 с.

5. Саати Т. Принятие решений: Метод анализа иерархий. – М.: Радио и Связь, 1993. – 254 с.

6. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. – М.: Финансы и статистика, 1990. – 319с.

7. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере/ Под ред.

В.Э.Фигурнова. – М.: Инфра-М. – М.: Финансы и статистика, 1994. – 384 с.

8. Четыркин Е. М. Методы финансовых и коммерческих расчетов. – М.: «Дело», «BusinessРечь», 1992. – 320с.

9. Шапиро В.Д. Управление проектами. – СПб.: «ДваТри», 1996 – 610 с.

10. Эддоус М., Стэнфилд Р. Методы принятия решений / Пер. с англ.- М.: Аудит, ЮНИТИ, 1997. – 590 с.

11. Энгел Л., Бойл Б. Как покупать акции. – М.: «Дело», 1993. – 272 с.

12. Blanning R.W. Foundations of expert system for management. – Koln,1990. – 380 p.

13. Humpert, P. Holey. Expert systems in finance planning. Expert Systems, May 1988, Vol 5, No 2, p. 78-100.

14. Management expert systems. / Ed. by C.J.Ernst. Addison-Wesley, 1988-210 p.

Глава 5. Реализация динамических экспертных систем Глава 5. Реализация динамических экспертных систем 5.1. Особенности реализации динамических экспертных систем Современные технологии бизнеса характеризуются высокой динамичностью, связанной с постоянно изменяющимися потребностями рынка, ориентацией производства товаров и услуг на индивидуальные потребности заказчиков и клиентов, непрерывным совершенствованием технических возможностей и сильной конкуренцией. В этих условиях требуется разработка информационных систем, которые, с одной стороны, должны оперативно поддерживать функционирование существующих бизнес-процессов, а, с другой стороны, давать прогнозы на долговременной основе об эффективности организации бизнес-процессов и рекомендации по их реорганизации. Первой цели соответствуют динамические экспертные системы оперативного управления бизнес-процессами, второй цели – интеллектуальные системы моделирования бизнес-процессов. В том и другом случае под бизнес-процессом будем понимать взаимосвязанную совокупность материальных, информационных, финансовых потоков или рабочих потоков (workflow), проходящих через взаимодействующие подразделения предприятия и направленных на удовлетворение потребностей клиента (изготовление товара или оказание услуги).

К динамическим бизнес-процессам на предприятии относят:

• управление заказами;

• управление запасами;

• оперативно-календарное планирование и управление производством.

Организация перечисленных бизнес-процессов определяется целями и задачами предприятия и зависит от конкретных видов выпускаемой продукции и оказываемых услуг. Вместе с тем, перечисленные бизнес-процессы в современных системах управления настолько сильно взаимосвязаны, как, например, в системах реализации заказов «Точно в срок» или «Канбан» [4-6,10], что процессы обработки заказов клиентов, производства, закупок и сбыта рассматриваются фактически как единый бизнес-процесс.

В отличие от описания предприятия на основе иерархической функциональной структуры, которую трудно объективно оценить, описание процессов позволяет точно представить цели, исследуемые характеристики (в том числе динамические) и конечные результаты каждого вида деятельности. Бизнес-процессы определяют прохождение потоков работ независимо от иерархии и границ подразделений, которые их выполняют, и представляют последовательность взаимосвязанных операций. Модель бизнес-процесса должна отражать как направление рабочих потоков, так и бизнес-правила обработки событий, в зависимости от которых выполняются операции [7-8, 11-12, 20]. Пример модели реализации заказов клиента показан на рис. 5.1.

На представленной модели бизнес-процесса в прямоугольниках показываются операции и подразделения, которые их осуществляют; в овальных прямоугольниках – события; слева и справа от операций – соответственно входные и выходные материальные, информационные и финансовые или рабочие объекты; в кружках снизу от операций – используемые постоянные ресурсы; простыми стрелками – рабочие потоки; утолщенными стрелками – потоки управления. Таким образом, представленная модель бизнес-процесса отражает динамические потоки событий (управления) и рабочих объектов (данных).

Глава 5. Реализация динамических экспертных систем Типичными задачами, которые решаются динамическими экспертными системами оперативного управления бизнес-процессами, являются:

• Мониторинг бизнес-процессов и оперативное информирование лиц, принимающих решение, об отклонениях;

• Упреждающая диагностика, прогнозирование отклонений в параметрах операций бизнес-процессов;

• Динамическое распределение ресурсов в соответствии с изменяющейся обстановкой;

• Планирование действий, диспетчирование и составление сетевых графиков работ;

• Моделирование последствий принимаемых решений по изменению процессов.

Рис.5.1. Модель бизнес-процесса реализации заказа клиента В основные задачи интеллектуальных систем динамического моделирования для реинжиниринга (реорганизации) бизнес-процессов входят:

Глава 5. Реализация динамических экспертных систем • Определение оптимальной последовательности выполняемых операций, которая приводит к сокращению длительности цикла изготовления и продажи товаров и услуг, обслуживания клиентов. Следствие оптимизации – повышение оборачиваемости капитала и рост всех экономических показателей фирмы.

• Оптимизация использования ресурсов в различных бизнес-процессах, которая приводит к минимизизации издержек производства и обращения.

• Построение адаптивных бизнес-процессов, нацеленных на быструю адаптацию к изменениям потребностей конечных потребителей продукции, производственных технологий, поведения конкурентов на рынке и, как следствие, повышение качества обслуживания клиентов в условиях динамичности внешней среды.

• Отработка рациональных схем взаимодействия с партнерами, сочетания бизнеспроцессов, которые оптимизируют финансовые потоки, обеспечение равномерности поступления и использования денежных средств.

Для обоих классов интеллектуальных систем характерны общие особенности реализации:

• Объектно-ориентированный характер модели проблемной области;

• Динамическое создание и уничтожение временных (рабочих) объектов;

• Динамическое поведение как постоянных объектов (ресурсов), так и временных (рабочих) объектов;

• Многоальтернативность выполнения бизнес-процесса в зависимости от возникающих событий;

• Анализ и обработка временных характеристик бизнес-процессов.

Перечисленные особенности динамических систем управления бизнес-процессами предопределяют выбор инструментальных программных средств компании Gensym [7-8].

Полный перечень программных продуктов представлен в таблице 5.1. [22].

G2 Среда визуальной разработки интеллектуальных систем реального времени (ядро, открытое для всех остальных программных продуктов) ReThink Универсальный инструмент дискретного имитационного моделирования деловых и производственных процессов eSCOR Специализированный инструмент имитационного моделирования и поддержки процессов управления цепочками поставок G2 Diagnostic Инструмент создания и поддержки систем управления технологиAssistent (GDA) ческими процессами в реальном масштабе времени с диагностикой NeurOn-Line Инструмент поддержки процессов анализа и прогнозирования на NeurOn-Line Studio основе нейронных сетей в реальном масштабе времени и off-line по Operations Expert Инструмент для разработки и поддержки приложений, связанных с (Integrity) управлением сетями G2 Agent Develop- Среда разработки многоагентных приложений в распределенной ment Environment сети Глава 5. Реализация динамических экспертных систем Intelligent Transaction Агентная технология для отбора транзакций заданного профиля в Monitoring (ITM) сети, напр., финансовых транзакций G2 Gateware, Набор интерфейсов с внешней средой для G2 – приложений (баз Telewindows данных, web-приложений, ERP-систем и т.д.) G2 Weblink, G G2 ActiveXLink, G CORBALink G2 SAP Bridge 5.2. Экспертная система динамического управления запасами Управление запасами представляет собой сложную экономическую задачу с противоречивыми критериями эффективности. С одной стороны, запасы призваны обеспечить экономическую безопасность бизнеса, связанную с неравномерностью спроса, в частности, в условиях увеличения сбыта запасы обеспечивают быструю реализацию поступающих заказов за счет накопленных запасов готовой продукции или сырья, необходимого для дополнительного производства. Дефицит запасов может привести к издержкам в связи с дополнительными затратами на реализацию поступившего заказа, а в некоторых случаях и к потере сбыта и заказчиков. С другой стороны, сверхнормативные запасы увеличивают себестоимость продукции за счет непроизводственных затрат на поставку, складирование и хранение запасов. По оценкам экономистов [5], каждый процент сокращения уровня запасов может быть приравнен к 10 процентному росту оборота, и если бы удалось поставить под контроль хотя бы 75 % колебаний уровня инвестиций в товарно-материальные запасы, экономика развитых стран никогда бы не испытывала кризисные явления.

Информационные системы управления запасами на базе экономико-математического моделирования и современных информационных технологий позволяют сократить затраты на поддержание дорогостоящих запасов в части:

• снижения затрат, связанных с созданием и хранением запасов;

• сокращения времени поставок;

• более четкого соблюдения сроков поставок;

• увеличения гибкости производства, его приспосабливаемости к условиям рынка;

• повышения качества изделий;

• увеличения производительности.

Особенность системы управления запасами заключается в том, что все звенья товародвижения взаимосвязаны. В условиях динамичности рынка нельзя рассматривать систему сбыта, систему производства и систему снабжения независимо друг от друга. Система управления запасами как раз связывает все перечисленные звенья в единое целое, рассматривая цепочки товародвижения как единые бизнес-процессы, в которых отлаживаются взаимодействия между клиентами, подразделениями предприятия и его партнерами-смежниками и поставщиками.

Решение задачи определения уровня запасов зависит от следующих факторов:

• колебаний в сроках поставки сырья и материалов;

• колебаний заказов на готовую продукцию;

• выбранной стратегии обслуживания клиентов (работа на заказ клиента или на магазинную продажу).

Глава 5. Реализация динамических экспертных систем В долгосрочном плане задача оптимального определения уровня запасов в силу вероятностного характера колебаний потребности в запасах может быть решена только на основе применения методов имитационного моделирования, что необходимо для определения характеристик производительности системы в условиях случайности процессов (см.

параграф 5.3). В краткосрочном плане задача управления запасами решается в результате применения методов динамической диагностики и мониторинга, которые позволяют в каждый момент времени на базе оперативной информации о состоянии заказов, запасов и возможностях предприятия и поставщиков принимать оперативные решения по поддержанию запасов на необходимом уровне.

Одной из систем управления запасами является система, основанная на анализе допустимого уровня запасов (SIC – Statistical Inventory Control). По этой системе при поступлении на предприятие заказов осуществляется проверка уровня запасов. Если уровень запасов достигает некоторой пороговой отметки, то инициируется процесс пополнения запасов. В случае производственного характера предприятия цеха, изготавливающие готовую продукцию, пополняют эти запасы и осуществляют производственный процесс. В свою очередь, по цепочке назад формируются заказы к комплектующим подразделениям и так вплоть до отдела материально-технического снабжения. Таким образом, в каждом звене цепочки бизнес-процесса по одной и той же схеме анализируется уровень запасов, который динамически пополняется, обеспечивая бесперебойность снабжения каждого последующего звена бизнес-процесса. В случае посреднического характера предприятия число промежуточных звеньев сводится до одного, когда предпрятие-посредник связывает клиентов-заказчиков с поставщиками продукции (реализация этого случая в дальнейшем рассматривается в качестве примера в данном параграфе). Основная проблема в системе управления запасами сводится к определению допустимого уровня запасов, который, с одной стороны, обеспечивает бесперебойность бизнес-процесса, а с другой стороны, минимизирует издержки, связанные с их поддержанием.

Различают следующие виды запасов [5,6,10]:

• Максимальный желательный запас – экономически целесообразный уровень в данной системе управления запасами, используется как ориентир при расчете объема заказа на поставку.

• Пороговый уровень запаса используется для определения момента времени выдачи очередного заказа на поставку.

• Текущий запас соответствует уровню запаса в любой момент времени.

• Гарантийный запас предназначен для непрерывного снабжения потребителя в случае задержек поставок и соответствует запасу, который может быть пополнен за среднее (максимальное) отклонение во времени поставки.

Существует множество вариантов систем управления запасами, обеспечивающих различные уровни запасов:

• Система с фиксированным размером заказа;

• Система с фиксированным интервалом времени между заказами;

• Система с фиксированным интервалом времени между заказами и проверкой порогового уровня запаса;

• Система «Минимум – максимум».

Система с фиксированным размером заказа предполагает в моменты времени нарушения порогового уровня запасов при условии равномерности последующего расходоГлава 5. Реализация динамических экспертных систем вания запасов выдачу фиксированного заказа на поставку продукции. Размер фиксированного заказа соответствует времени поставки, в течение которого уровень запасов снизится до гарантийного (рис. 5.2).

Рис.5.2. Система с фиксированным размером заказа Расчетные формулы основных показателей уровней запасов имеют следующий вид:

A – затраты на поставку одного заказа, где:

S – потребность в заказываемом продукте (ежегодный спрос на запас продукции), i – стоимость хранения единицы продукции в запасе.

Гарантийный запас = Максимальное время задержки в поставке* Среднедневное потребление продукта;

Пороговый уровень запаса = Гарантийный запас + Среднее время поставки *Среднедневное потребление продукта;

Максимальный уровень запаса = Гарантийный запас + Оптимальный размер заказа Правило принятия решения о выдаче заказа на поставку продукции имеет следующий вид:

Если (Текущий уровень запаса – Количество заказа клиента) То Выдать заказ на поставку Система с фиксированным размером заказа позволяет оперативно отслеживать уровень запаса, более динамично реагируя на изменение спроса. При этом снижаются требования к поддержанию максимального уровня запаса. Нефиксированные интервалы поставки усложняют взаимодействие с постоянными поставщиками, следовательно, каждый раз может возникать задача выбора поставщика.

Система с фиксированным интервалом времени между заказами Система с фиксированным интервалом времени между заказами используется, когда через равные интервалы времени при условии равномерности последующего расходования запасов инициируется заказ на пополнение запаса. Интервал времени рассчитывается таким образом, чтобы в момент достижения гарантийного запаса осуществлялось пополнение запасов. В том случае, если произойдет задержка в поступлении продукции, пополнение запаса должно произойти в момент исчерпания гарантийного запаса (рис. 5.3).

Расчетные формулы основных показателей уровней запасов имеют следующий вид:

Гарантийный запас = Максимальное время задержки в поставке* Среднедневное потребление товара;

Максимальный уровень запаса = Гарантийный запас + Интервал между поставками *Среднедневное потребление товара;

Размер заказа на пополнение запаса = Максимальный уровень запаса – Текущий запас + Среднее время поставки *Среднедневное потребление товара;

Правило принятия решений о выдаче заказа на поставку продукции имеет следующий вид:

Через фиксированный интервал между поставками Выдать заказ на поставку Система с фиксированным интервалом времени между заказами упрощает мониторинг состояния запасов и взаимодействие с постоянными поставщиками, а, следовательно, удешевляется система оформления заказов. При этом возрастают требования к поддержанию максимального уровня запаса и соответственно издержки хранения.

Рис.5.3. Система с фиксированным интервалом времени между заказами Глава 5. Реализация динамических экспертных систем Система с фиксированным интервалом времени между заказами Система с фиксированным интервалом времени между заказами и проверкой порогового уровня запаса предусматривает выдачу заказа на пополнение запаса в фиксированные интервалы времени и при нарушении порогового уровня запаса. В этой системе заказы делятся на два класса: плановые и внеплановые. Плановые заказы реализуются по системе управления запасами с фиксированным интервалом времени между заказами, внеплановые заказы выполняются при достижении порогового уровня запасов.

Расчетные формулы основных показателей уровней запасов имеют следующий вид:

Гарантийный запас = Максимальное время задержки в поставке* Среднедневное потребление товара;

Пороговый уровень запаса = Гарантийный запас + Среднее время поставки *Среднедневное потребление товара;

Максимальный уровень запаса = Гарантийный запас + Интервал между поставками *Среднедневное потребление товара;

Размер заказа на пополнение запаса (в фиксированные интервалы времени) = Максимальный уровень запаса – Текущий запас + Среднее время поставки *Среднедневное потребление товара;

Размер заказа на пополнение запаса (при нарушении порогового уровня запаса) = Максимальный уровень запаса – Пороговый уровень запаса + Среднее время поставки*Среднедневное потребление товара.

Описанная комбинированная система в большей степени ориентирована на неравномерность спроса. Так, если фиксированные интервалы времени приурочены к моментам подачи постоянных заказов на продажу готовой продукции, то соответственно в эти же моменты времени будут инициироваться и заказы на пополнение готовой продукции от поставщиков. Если же в течение фиксированных интервалов времени приходят дополнительные заказы на готовую продукцию от клиентов, то пополнение запасов в этом случае происходит по системе проверки порогового уровня запасов.

Разновидностью комбинированной системы управления запасами является система «Минимум – максимум». Суть этой системы заключается в том, что в фиксированные интервалы времени производится проверка порогового уровня запасов (минимума). Если текущий запас больше порогового уровня, то заказ на пополнение запаса не выдается. В противном случае выдается заказ на пополнение уровня запаса по формуле до максимального уровня.

Система «Минимум – максимум» применяется в случае большой стоимости материально-технического снабжения (стоимости оформления заказа на пополнение запасов и последующей поставки), сопоставимой со стоимостью хранения запасов и даже с издержками дефицита. Система позволяет сократить число поставок. Эта система может применяться в случае насыщенности рынка продукцией, предназначенной для пополнения запасов.

Сравнительный анализ описанных систем управления запасами показывает, что для нестабильного рынка или рынка, ориентированного на индивидуальные заказы клиентов, Глава 5. Реализация динамических экспертных систем в наибольшей степени подходят системы, основанные на анализе порогового уровня запасов (с фиксированным размером заказа или комбинированная система), как наиболее динамические.

Реализация экспертной системы управления запасами на основе анализа порогового уровня с помощью инструментального средства G Функциональные возможности G2 описаны в таблице 5.2. Графическая модель проблемной области управления запасами для одного вида продукции в среде G2 представлена на рис. 5.4. Описание всех задействованных в модели проблемной области сущностей (items) дается на рис. 5.5. Примеры описания классов объектов (складов, заказов, списка заказов, дорог) заданы на рис. 5.6 – 5.7. Задание пиктограммы (иконы) для объектов класса осуществляется с помощью графического редактора, а его аналитическое представление в разделе описание класса объектов «icon description» (пример определения пиктограммы класса объектов «склады» представлен на рис. 5.8).(см.glav5доп-файл с рис) Оформление заказа клиента выполняет отдел сбыта, который вводит данные о заказе в экспертную систему. Описание действий по нажатию кнопки «заказать», заданию размера заказа с помощью слайдера и нажатию кнопки «ОК» представлено на рис. 5.9. В частности, по нажатию кнопки «заказать» создается на ее рабочем пространстве, названном «отдел сбыта» новый динамический объект «заказ». С помощью слайдера (ползунка) осуществляется ввод размера заказа, который переносится с помощью кнопки «ОК» в последний заказ списка.

Введенный размер заказа анализируется с использованием правил на предмет возможности выполнения заказа (рис. 5.10). В случае возможности выполнения заказа осуществляется уменьшение запаса на складе. В случае невозможности отгрузки товара заказ окрашивается в красный цвет, а менеджер получает соответствующее сообщение.

Одновременно с помощью других правил производится анализ необходимости пополнения запасов на складе в случае нарушения порогового уровня (рис. 5.11). При этом состояние запаса на складе окрашивается на модели в желтый цвет (нарушен пороговый уровень) или в красный цвет (достигнут минимальный уровень запаса). В случае потребности в пополнении запаса запускается процедура (MOVE) поставки фиксированной партии товара на склад, которая имитирует процесс доставки груза от поставщика на склад (рис. 5.12).

Заметим, что при составлении базы правил использовались правила инициализации начального состояния системы при ее запуске (initially), правила, реагирующие на происходящие события (whenever – всякий раз, как происходит событие), и обобщенные правила (for any – для любого объекта класса). В принципе вместо правил обработки событий могут использоваться методы классов объектов. Пример использования методов представлен на рис. 5.13.

Экспертная система для управления запасами по системе с фиксированными интервалами выдачи заказа на поставку отличается от рассмотренной системы тем, что правила обновления текущего уровня запасов являются безусловными (unconditionally), которые запускаются на выполнение через фиксированный интервал сканирования правил (scanning), задаваемый в таблице атрибутов правила.

Экспертные системы для остальных систем управления запасами будут включать комбинацию условных и безусловных правил.

Глава 5. Реализация динамических экспертных систем 5.3. Интеллектуальная система динамического Целью реинжиниринга бизнес-процессов (БПР) является целостное и системное проведение реорганизации материальных, финансовых и информационных потоков, направленное на упрощение организационной структуры, перераспределение и минимизацию использования различных ресурсов, сокращение сроков реализации потребностей клиентов, повышение качества их обслуживания [7,9,11,18,20]. Мероприятия по реинжинирингу бизнес-процессов позволяют:

• повысить степень обоснованности проектов по реорганизации деятельности предприятия с учетом анализа и прогнозирования внешних и внутренних факторов развития экономической ситуации;

• анализировать и прогнозировать деятельность предприятия с учетом множества вариантов организации бизнеса и различных схем поведения предприятия на рынке;

• оптимизировать использование материальных, финансовых, человеческих и информационных ресурсов на различных стадиях жизненного цикла проекта реорганизации предприятия;

• разрабатывать обоснованные рекомендации по изменению организационной структуры предприятия и внедрению информационных технологий.

В качестве примера успешного проведения реинжиниринга бизнес-процессов можно привести реорганизацию процессов непроизводственных закупок компании Xerox [7].

В этой компании объем непроизводственных закупок составляет 3 млрд. долл. и включает такие пункты как фурнитура, компьютеры, соглашения об аренде и консалтинговые контракты. В более чем половине случаев непроизводственные закупки были неэффективны, то есть некоторые закупки делались от множества производителей, что приводило к избыточному исследованию цен и составлению списков поставщиков. Реорганизация в году отдела непроизводственных закупок на основе ручных методов сэкономила 143 миллиона долларов. Однако Xerox определила необходимость проведения дальнейшей реорганизации.

Компания Xerox поставила цель перепроектировать и объединить существующие 17 произвольных и разобщенных процессов в более централизованно-распределенную систему непроизводственных закупок, которая должна обеспечивать 87000 служащих.

Основные улучшения новой информационной системы нацелены на сокращение цикла закупок с 2-3 недель до 2 дней и 85 процентное сокращение стоимости на одну транзакцию и по крайней мере 5 процентное общее сокращение стоимости закупок. Основные этапы реорганизации включают: отображение/анализ существующих процессов, перепроектирование и разработку новых более эффективных процессов, их тестирование и реализацию новой системы. Для реорганизации использовались инструментальные средства моделирования и реинжиниринга бизнес-процессов.

Так, компания Xerox уже отображала существующие процессы, применяя простые средства построения диаграмм ABC FlowCharter (Micrografx Inc.). Оценка 17 процессов и 314 процедур показала, что 70 процентов процедур не имеют ценности. Работая совместно с консалтинговой фирмой Meritus Consulting Services на основе ее бумажной технологии компания разработала модель из 42 процедур, объединенных в два типа процессов: на основе контрактов и без контрактов. Для исследования динамической модели использовалось инструментальное средство имитационного моделирования ReThink фирмы Gensym.

Глава 5. Реализация динамических экспертных систем В результате моделирования произошло уточнение 42 процедур путем их дальнейшей модификации. Внедрение новой системы дает первоначальное сокращение общей стоимости закупок на 10-15 процентов, а в последующем 5 процентов в год. Новая информационная система разработана фирмой Rational Software Corp. в объектно-ориентированной среде С++.

Анализ проведения работ по реорганизации деятельности компании показывает, что важнейшим этапом реинжиниринга является моделирование как существующих, так и проектируемых бизнес-процессов. Причем, как правило, все материальные, информационные, финансовые потоки имеют изменяющиеся во времени характеристики, например, такие как интенсивность поступления заказов в различные периоды времени по различным видам продукции и услуг. Следствием динамичности бизнес-процесса является неравномерность использования основных ресурсов: структурных подразделений предприятия, оборудования, информационной системы, источников финансовых средств. В этих условиях задачу анализа эффективности предлагаемых мероприятий по реинжинирингу бизнес-процессов можно решить только в результате проведения имитационных экспериментов. К наиболее известным инструментальным программным средствам имитационного моделирования относятся такие программные продукты, как: ReThink и eSCOR (Gensym), PILGRIM (Мегатрон), РДО (МГТУ), ARIS Simulation (IDS prof. Scheer), ProMolel (Service Model) и др.

К особенностям универсального инструментального средства имитационного моделирования бизнес-процессов ReThink, эффективно реализованным и выгодно отличающим его от других инструментальных средств данного класса, относятся следующие возможности:

• простое графическое конструирование и реконструкция моделей бизнеспроцессов пользователями-менеджерами;

• построение моделей на различных уровнях абстракции в зависимости от целей моделирования и точек зрения менеджеров;

• многосценарность имитационных экспериментов для одной модели и параллельность выполнения одного сценария для множества альтернативных моделей;

• моделирование длительности операций на основе различных законов распределения и/или реальных графиков событий или статистических файлов;

• динамический анализ стоимостных затрат выполнения бизнес-процессов, моделирование финансовых потоков;

• варьирование в процессе моделирования типами и размерами ресурсов с различными стоимостными характеристиками за пооперационное и временное их использование;

• применение бизнес-правил при выборе направлений выполнения бизнеспроцессов;

• наглядная анимация выполнения бизнес-процессов с возможностью динамического изменения пользователем организации процесса в течение проведения имитационного эксперимента;

• сбор и обработка статистики о выполнении бизнес-процессов, возможность дополнительной обработки результатов имитационных экспериментов с помощью встроенной электронной таблицы G2;

• графическое представление статистических результатов моделирования в виде графиков, стандартных и пользовательских отчетов.

• отображение модели в объектно-ориентированное представление языка UML для последующей разработки программного обеспечения информационной системы.

• преобразование IDEF-модели, являющейся результатом структурного анализа бизнес-процессов, в имитационную модель ReThink.

Глава 5. Реализация динамических экспертных систем В дальнейшем будем рассматривать реализацию имитационных моделей бизнеспроцессов в среде инструментального программного комплекса Rethink. Так, имитационные модели бизнес-процессов строятся на основе следующих базовых компонентов [7,8,12] (см. приложение 4).

• Рабочие объекты – те объекты, над которыми осуществляются процессы. Они проходят через блоки моделирования и обрабатываются ими, аккумулируя статистику производительности и стоимостных затрат в каждой точке моделируемого процесса.

• Ресурсы – те объекты, с помощью которых осуществляются процессы. Они предназначены для ограничения количества одновременно исполняемых операций на основе их объема и состава и определяют состав стоимостных затрат результата процесса. Менеджер ресурсов управляет выделением ресурсов по определенным правилам.

• Блоки моделирования выполняют такие операции над рабочими объектами, как генерация рабочих объектов (Source) и их уничтожение (Sink), исполнение задач (Task), разветвление процессов (Branch) и объединение путей (Merge), установление (Associate) и разрыв ассоциаций (Reconcile) между объектами, сохранение рабочих объектов в хранилищах (Store) и их извлечение (Retrieve), включение рабочих объектов в списки (Insert) и их удаление из списков (Remove), перенос пользовательских атрибутов рабочих объектов (Copy Attribute) и копирование объектов (Copy).

• Сценарии управляют механизмом моделирования дискретных событий и позволяют проводить одновременное исполнение нескольких моделей.

• Инструменты позволяют получать и отображать в числовой и графической форме данные о производительности моделируемых процессов. Кроме того, инструменты позволяют в заданных точках модели вводить необходимые значения параметров.

Имитационное моделирование бизнес-процесса выполнения заказов по системе «Канбан» в среде инструментального средства ReThink Суть системы «Канбан» заключается в следующем: заказ на требуемый продукт выполняется сразу со склада готовой продукции и одновременно формируется производственный заказ на восполнение истраченного запаса. В том случае, если данного продукта нет на складе, выполнение заказа клиента задерживается, и для него также оформляется производственный заказ, реализация которого приводит, как бы, к повторной попытке выполнить заказ клиента.

Если процесс производства достаточно сложен, то по описанному принципу для производственного заказа формируется заказ (задание) на комплектующие изделия и так дальше назад по технологической цепочке до закупок сырья и материалов. В имитационной модели каждый раз блок «производство» разворачивается в подпроцесс (открывается «матрешка»), пока на последнем уровне не откроется подпроцесс закупок материалов.

Графическая модель бизнес-процесса выполнения заказов в среде ReThink для простого производства, когда готовая продукция по заказу изготавливается из сырья, представлена на рис. 5.14 – 5.15. На рис. 5.14 отражена модель процесса выполнения заказа на верхнем уровне детализации (блоки: поступление, оформление заказа, проверка его выполнимости со склада, производство для восполнения запаса, предварительное производство для отсутствующего на складе продукта, складирование готовой продукции, отгрузка и доставка заказа). На рис. 5.15 показана модель производства (блоки: оформление задания на заготовку материала, проверка выполнимости задания со склада, закупка материалов для восполнения запаса, предварительная закупка материала, отсутствующего на складе, складирование материалов, заготовка материалов, изготовление продукции).

Глава 5. Реализация динамических экспертных систем Рабочие объекты: Заказы, Задания, Продукты, Материалы. Определения классов объектов заданы на специальном подпространстве «Классы объектов». Сами рабочие объекты на рабочих пространствах модели показываются кружками.

Заказы на готовую продукцию генерируются в блоке-источнике «Поступление заказа» динамически. Для каждого заказа в блоке «Оформление задания» создается задание на заготовку материала. Продукты и материалы хранятся в складах (пулах) «Продукты» и «Материалы» (рис. 5.14). Начальное создание запасов продуктов и материалов производится генераторами на рабочем подпространстве «Инициализация» (рис. 5.14). Извлечение рабочих объектов из пулов задается в блоках «Отгрузка заказа», «Заготовка материалов», а помещение рабочих объектов в пулы – соответственно в блоках «Складирование готовых продуктов», «Складирование материалов».

Ресурсы: Оборудование. Пул оборудования «Цех» и его подпространство с конкретными станками показаны на рис. 5.14. Можно было бы задать также такие ресурсы, как «Рабочие», «Работники отдела заказов», «Работники отдела закупок», «Поставщики» и др.

Использование ресурсов в процессе задается с помощью менеджера ресурсов, который прикрепляется к соответствующему блоку (в данном случае к блоку «Изготовление продуктов»). Для менеджера ресурсов можно задать следующие параметры (рис. 5.16):

количество используемого ресурса, способ выбора ресурса (произвольный, по наибольшему и наименьшему приоритету, по наименьшей стоимости, по наименьшей степени использования), стоимостные характеристики использования (на операцию, на единицу отработанного времени).

Блоки. Имитация бизнес-процесса реализуется в блоках моделирования. В блоке генерации рабочих объектов (Source) с заданной частотой (задается интервал времени между событиями) по определенному закону распределения, как правило, экспоненциальному, создаются динамические рабочие объекты, которые в соответствии с графом модели бизнес-процесса проходят через другие блоки. В каждом из блоков рабочий объект задерживается на время, заданное в установке временных параметров блока (рис. 5.16): для блока определяется закон распределения, как правило, нормальный, среднее время и стандартное отклонение. Для каждого блока могут быть заданы также maximum activities – число одновременно выполняемых операций (иначе это ограничение определяется через менеджер используемых ресурсов), а также стоимостные характеристики в целом на одну операцию или единицу времени. Рабочие объекты, проходя через блоки, накапливают в своих атрибутах время обработки объекта (рабочее и общее с задержками в очередях), а также стоимость обработки по всем операциям, включая стоимость используемых ресурсов, если последняя задана. В конце процесса рабочие объекты, как правило, удаляются в блоке Sink. В процессе имитации в блоках (рис. 5.17) накапливается статистика о числе поступивших на обработку рабочих объектов (TOTAL STARTS), обработанных рабочих объектов (TOTAL STOPS) и находящихся в обработке на данный момент времени (СURRENT ACTIVITIES), формируется также временная (Duration Subtable) и стоимостная статистика (Cost Subtable).

Среди блоков моделирования блоком общего назначения является задача (Task), который в отличие от других блоков может быть декомпозирован на самостоятельном подпространстве на подблоки, т.е. представлен в виде подпроцесса, как, например, блок «Производство». Остальные блоки выполняют специфические функции, такие как копирование, разветвление, сохранение, извлечение объектов и др.

Блок «Задача» в отличие от других блоков может иметь сколько угодно входов и сколько угодно выходов. Причем на разных входных и выходных путях могут быть объГлава 5. Реализация динамических экспертных систем екты, принадлежащие разным классам (тип объекта задается в таблице пути между двумя блоками). Например, у блока «Оформление задания» на входе указывается заказ клиента, а на выходе – задание на заготовку материала.

Если у блока задачи несколько входов, то поступление объектов синхронизируется, то есть операция в блоке выполняется в том случае, когда на все входные пути поступят объекты. Например, у блока «Изготовление продукта» на входе указаны заказ и материал, на выходе заказ и продукция. В последнем случае изготовление продукта по заказу клиента синхронизировано с поступлением материала. Заметим, что в модели произошло раздвоение процесса: в результате копирования объекта «заказ» одна копия направлена на блок «Изготовление продукта» для синхронизации с моментом поступления материала, а другая копия – на порождение в блоке «Оформление задания» задания на заготовку материала. По системе Канбан на один заказ создаются две карточки: одна карточка заказа клиента уничтожается, когда выполняется другая карточка производственного заказа. В результате выполнения блока «Изготовление продукта» готовая продукция отправляется на склад, а заказ на уничтожение.

Блоки «Разветвление» в модели выполнения заказов использовались для проверки возможности выполнения заказа или задания в момент их поступления. В модели были заданы вероятности прохождения тех или иных путей, например, как 10 к 1, то есть в случаях заказ (задание) выполняется сразу и только в одном случае задерживается для соответственно предварительного производства изделия или закупки материала. Числа пропорции ставятся на путях, исходящих от блока разветвления. Возможно применение и других условий разветвления, таких как проверка типа объекта или значения пользовательского атрибута.

При сложной структуре изделия, состоящего из множества комплектующих деталей, целесообразно использовать контейнерные объекты – изделия, которые в качестве своих атрибутов содержат списки, в данном случае деталей, и соответственно потребуется применение блоков «Включение в список», «Исключение из списка».

Сценарий задается пиктограммой «Человеческая голова», на экран рядом с иконкой выводится текущее время моделирования и состояние модели (рис. 5.14). В таблице сценария определяется максимальное моделируемое время (например, один месяц, пол-года, один год и т.д.). В рабочем пространстве стандартного сценария задается режим моделирования: дискретных событий, пошаговый или синхронизации с реальным временем (например, за одну секунду час реальной работы), а также активации/деактивации и запуска модели. Один сценарий может быть параллельно запущен для нескольких моделей, а для одной модели может быть задано несколько сценариев. Обычно в сценарии имитационного эксперимента предполагается задание необходимых исходных данных для работы имитационной модели.

Инструменты и отчеты. С помощью инструментов осуществляется ввод/вывод данных в процессе моделирования. Для ввода исходных данных (например, интенсивности заказов) используются специальные установщики, с которыми устанавливается связь слайдеров или блоков ввода. Для вывода результатов моделирования используются зонды, к которым присоединяются передатчики текущих значений и графики (рис. 5.18).

В описанном примере на графиках выводятся:

• Длительность цикла выполнения заказа в часах с помощью зонда «Delta-time»

(рис. 5.15);

• Загрузка оборудования с помощью зонда «Sample-value» (рис. 5.14) Глава 5. Реализация динамических экспертных систем Длительность выполнения заказа рассчитывается как разность времени завершения обработки заказа и времени его создания. На графике наряду с длительностью выполнения каждого заказа может быть выведена также скользящая средняя за некоторый период времени.

В графике загрузки оборудования количество занятого ресурса выводится для каждого события, вызывающего обработку заказа.

Анализ выходной информации показывает, что длительность выполнения заказа колеблется минимально от 4 часов до максимально 24 часов. Следовательно, заданная пропорция числа заказов, выполнимых сразу со склада, к числу заказов, требующих предварительного изготовления, как 10 к 1, неудовлетворительна. Вместе с тем, загрузка в среднем 1,1 станка из 3 свидетельствует о незагруженности производства и необходимости повышения интенсивности поступления заказов клиентов.

Характеристики производительности предприятия выводятся с помощью специального отчета в таблице свободной формы (рис. 5.18). Причем эти характеристики могут выводиться как по всему процессу, так и по отдельным операциям. В данном примере выводятся:

• Общее (суммарное) количество заказов, выполненных предприятием за заданный период времени;

• Общее (суммарное) количество выполненных заданий на закупку материалов за заданный период времени;

• Текущее количество продуктов, находящихся на складе готовой продукции;

• Текущее количество материалов, находящихся на складе.

В системе могут быть получены и стандартные отчеты по всем блокам, путям, рабочим объектам, ресурсам.

Имитационное моделирование процессов управления цепочками поставок На базе универсального инструмента ReThink создан специализированный пакет имитационного моделирования цепочек поставок eSCOR, который поддерживает стандарт SCOR (Supply-Chain Operations Reference Model), разработанный независимой неприбыльной корпорацией Supply-Chain Council.

Стандарт SCOR представляет межотраслевую методологию, позволяющую описывать цепочки поставок компонентов, в которой участвуют поставщики, производители, дистрибьюторы, потребители [21]. В частности с помощью этой методологии описываются четыре основные бизнес-процесса: планирование, снабжение, производство, поставка продукции и услуг. Стандарт SCOR предоставляет набор метрик, оценивающих эффективность цепочек поставок для совершенствования организации, оптимизации планирования, сокращения сроков и затрат, повышения качества.

Референтные модели, описанные в SCOR, обеспечивают:

• Определение взаимодействий с потребителями от ввода заказа до оплаты счетов.

• Отражение материальных потоков от поставщиков поставщиков до потребителей потребителей, включая оборудование, материалы, комплектующие детали, услуги, программное обеспечение.

• Моделирование маректинговых транзакции от формирования интегрированных потребностей рынка до заполнения заказов.

Референтные модели поддерживают различные типы организации цепочек поставок в зависимости от точки привязки заказа: заказ на поставку готовой продукции и услуг, Глава 5. Реализация динамических экспертных систем заказ на сборку из стандартных комплектующих деталей, заказ с учетом оригинальных материалов, заказ с учетом оригинального проекта (см. главу 6).

Инструментальное средство eSCOR [22] используется как в стратегических целях построения оптимальной конфигурации цепочки поставок, так и в повседневном оперативном управлении поставками в целях своевременного определения узких мест в логистическом процессе.

eSCOR обеспечивает библиотеку специализированных функциональных блоков, связанных с построением цепочек поставок, к которым относятся, например, блоки покупателей, продавцов, продуктов, ресурсов. В схемах логистических процессов отдельно отражаются прямые материальные потоки (от получения заказа до его полного выполнения) и обратные финансовые потоки (оплаты счетов).

Имитационная модель цепочки поставок, как правило, строится на четырех уровнях:

• Межорганизационный уровень – взаимодействие предприятий в цепочке поставок (см. рис.5.19).

• Уровень предприятия – организация логистического процесса внутри предприятия: отражается взаимодействие процессов сбыта, производства, снабжения, управления запасами.

• Уровень процесса – организация отдельного процесса, например, процесс сбыта организуется как набор подпроцессов: прием заказа, оформление договора, отгрузка, прием оплаты и т.д.

• Уровень подпроцесса – набор операций конкретной процедуры, например, оформления заказа. Обычно на четвертом уровне детализации используются универсальные блоки инструментального средства ReThink.

Для анализа эффективности организации цепочек поставок инструментальное средство eSCOR предоставляет набор стандартных метрик, которые группируются следующим образом:

• Производительность поставок.

• Производительность выполнения заказов.

• Полный жизненный цикл заказа.

• Время реакции на требование в цепочке поставки.

• Гибкость производства.

• Затраты на управление цепочками поставок.

• Затраты на гарантийное обслуживание и возврат брака.

• Полный платежный цикл.

• Состояние и оборачиваемость запасов в днях.

• Рентабельность.

Примеры составления отчета о финансовых потоках в табличной и графической форме представлены соответственно на рис. 5.20-5.21.

Таким образом, с помощью имитационных моделей, подключенным к реально функционирующим информационным системам, можно оперативно конфигурировать цепочки поставок с учетом формируемого прогноза показателей использования всех основных ресурсов. Особенно интересно в этом плане подключение инструментальных средств eSCOR и ReThink к работе интеллектуальных агентов, создаваемых с помощью инструментального средства G2 ADE.

Глава 5. Реализация динамических экспертных систем Бизнес-процесс – это взаимосвязанная совокупность материальных, информационных, финансовых потоков (рабочих потоков – workflow), проходящих через взаимодействующие подразделения предприятия и направленных на выполнение заказа клиента (изготовление товара или осуществление услуги).

Модель бизнес-процесса должна отражать как последовательность операций (направление рабочих потоков), так и события, в зависимости от которых выполняются конкретные цепочки операций (бизнес-правила).

Рабочий объект – это сущность, над которой осуществляется некоторая операция (действие, функция, преобразование). Рабочие объекты могут быть материальными, финансовыми, информационными.

Ресурсы – это сущности (субъекты), с помощью которых осуществляются бизнеспроцессы.

Операция (действие, функция) преобразует входные рабочие объекты в выходные или модифицирует их.

Событие фиксирует факт завершения выполнения некоторой операции и образования нового состояния объекта или нового объекта.

Динамические ЭС оперативного управления бизнес-процессами предназначены для планирования, диагностики, мониторинга и коррекции бизнес-процессов в реальном времени.

Система управления цепочками поставок связывает процессы снабжения, производства, дистрибуции, потребления на уровне взаимодействующих предприятий: поставщиков, производителей, посредников, потребителей.

Система управления запасами управляет состоянием запасов готовой продукции, комплектующих деталей, материалов, в зависимости от уровня потребления которых инициируются процессы производства и снабжения.

Классы систем управления запасами: с фиксированным размером заказа на закупку;

с фиксированным интервалом времени между заказами; комбинированные системы. Для рынка, ориентированного на реализацию индивидуальных заказов клиентов, наиболее предпочтительны системы с фиксированным размером заказа или комбинированные системы.

Динамические ЭС оперативного управления запасами позволяют оперативно реагировать на колебания в сроках поставки сырья и материалов и заказов на готовую продукцию, учитывая выбранную стратегию обслуживания клиентов.

Основные классы объектов динамических ЭС оперативного управления запасами: «запасы», «заказы клиентов», «заказы на закупку».

Основные правила реагируют на события, связанные с появлением и изменением статуса заказов клиентов, изменением уровня запасов на складе, а также состоянием поставщиков.

Реинжиниринг бизнес-процессов – это фундаментальное переосмысление и радикальное перепроектирование бизнес-процессов (БП) для достижения коренных улучшений в основных показателях деятельности предприятия: сроках, качестве, затратах, сервисе.

Интеллектуальная система моделирования бизнес-процессов предназначена для анализа на динамической основе эффективности организации бизнес-процессов, прогнозирования последствий реализации рекомендаций по реинжинирингу бизнес-прцессов.

Имитационная модель бизнес-процесса по заданным законам распределения генерирует рабочие объекты, которые обрабатываются в компьютере в ускоренном масштаГлава 5. Реализация динамических экспертных систем бе времени в блоках операций, формируя временную и стоимостную статистику осуществления процессов за определенные периоды времени.

Сценарий имитационного эксперимента определяет исходные условия выполнения имитационной модели (интенсивность событий, временные и стоимостные характеристики обработки рабочих объектов). Один и тот же сценарий может быть применен к нескольким имитационным моделям. Для одной имитационной модели может быть задано несколько сценариев (вариантов) моделирования.

Результаты имитационных экспериментов выводятся в виде графиков и отчетов и отражают сгенерированную временную и стоимостную статистику за моделируемый период времени.

Имитационная модель системы управления заказами «Канбан» разработана как совокупность вложенных друг в друга моделей, каждая из которых отражает одинаковую последовательность операций по реализации заказа со склада и формированию заказа на предшествующий по технологической цепи этап бизнес-процесса по восполнению запаса на текущем этапе бизнес-процесса.

Стандарт SCOR (Supply-Chain Operations Reference Model) – межотраслевая методология, позволяющая описывать референтные (типовые) модели цепочек поставок компонентов, в которых участвуют поставщики, производители, дистрибьюторы, потребители.

1. Вендров А.М. Проектирование программного обеспечения экономических информационных систем: Учебник. – М.: Финансы и статистика, 2000.

2. Данилов А.В., Григорьев С.В., Тельнов Ю.Ф. Имитационное моделирование процессов управления запасами. / Шестая национальная конференция с международным участием «Искусственный интеллект – 98». Сб. научных трудов. – Пущино, РАИИ, 1998, т.3.

3. Емельянов А.А., Власова Е.А., Дума Р.В.. Имитационное моделирование экономических процессов. / Под ред. А.А. Емельянова. – М.: Финансы и статистика, 2002.

4. Емельянов В.В., Ясиновский С.И. Введение в интеллектуальное имитационное моделированиесложных дискретнх систем и процессов. Язык РДО. – М.: АНВИК, 1998.

5. Логистика: Учебное пособие/Под ред. Б.А. Аникина. – М.: ИНФРА-М, 1997.

6. Неруш Ю.М. Коммерческая логистика: Учебник для вузов. – М.: Банки и биржи, ЮНИТИ, 1997.

7. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: Реинжиниринг организаций и современные информационные технологии. – М.: Финансы и статистика, 1997.

8. Попов Э.В., Шапот М.Д., Кисель Е.Б., Фоминых И.Б. Статические и динамические экспертные системы. – М: Финансы и статистика, 1995.

9. Робсон М., Уллах Ф. Практическое руководство по реинжинирингу бизнеспроцессов /Пер с англ. – М.: Аудит. ЮНИТИ, 1997.

10. Сергеев В.И. Менеджмент в бизнес-логистике. – М.: Информационноиздательский дом «ФИЛИНЪ», 1997.

11. Смирнова Г.Н., Сорокин А.А., Тельнов Ю.Ф. Проектирование экономических информационных систем / Учебник под ред. Тельнова Ю.Ф. – М.: Финансы и статистика, 2001.

12. Тельнов Ю.Ф. Реинжиниринг бизнес-процессов. – М.: МЭСИ, 1999.

13. Тельнов Ю.Ф. Интеллектуальная система управления логистическими процессами. М.: Теория и системы управления, 1999, №5.

14. Тельнов Ю.Ф. Реинжиниринг логистических бизнес-процессов предприятия на основе имитационной модели в контуре корпоративной информационной системы. М.:

ЛОГИНФО. Логистический менеджмент и технологии, 2001, № 15. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере/ Под ред.

В.Э.Фигурнова. – М.: Инфра-М – М.: Финансы и статистика, 1995.

16. Шлеер С., Меллор С. Объектно-ориентированный анализ: Моделирование мира в состояниях. Пер. с англ. – Киев: Диалектика, 1993.

17. Эддоус М., Стэнфилд Р. Методы принятия решений / Пер. с англ. М.: Аудит, ЮНИТИ, 1997.

18. Hammer M., Champy J. Reengineering the Corporation. A Manifesto for Business Revolution. HarperBusiness, 1993.

19. Ross R.G. The Business Rule Book. Classifying, Defining and Modelling Rules. Data Base Research Group, Inc. – 1997, 394 p.

20. Scheer A-W. Business Process Engineering: Reference Models for Industrial Enterprises. – 1995.

21. www.supply-chain.org.

22. www.gensym.com/b2b_modelling/papers/escor.htm Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»

Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Организационная среда»

6.1. Жизненный цикл адаптивной информационной системы Компонентная технология создания информационных систем предполагает настройку типовых компонентов (программных модулей) в соответствии с особенностями конкретного предприятия. В учебном пособии компонентная технология рассматривается на примере технологии внедрения системы комплексной автоматизации предприятия BAAN IV [4,10], обладающей множеством альтернативных функциональных возможностей для различных типов бизнес-процессов, например, изготовление продукции для магазинной продажи, на заказ, в соответствии с индивидуальными проектами и т.д.

Адаптивность компонентов системы BAAN IV при создании реальных корпоративных информационных систем главным образом обеспечивается благодаря использованию методологии «BAAN Организационная среда» (BAAN Orgware). В основе этой методологии лежит концепция динамического моделирования предприятия (DEM – Dynamic Enterprise Modeling), которая основана на принципе динамического отображения в ИС на всех этапах жизненного цикла модели предприятия (модели проблемной области), причем жизненный цикл предполагает непрерывное развитие ИС в соответствии с изменением модели. По концепции DEM информационная система является результатом конфигурации компонентов (программных модулей) BAAN IV на базе модели предприятия, автоматизировано поддерживаемой в репозитории системы.

Жизненный цикл адаптивной информационной системы в соответствии с методологией BAAN Orgware состоит из стадий, определяемых методом целенаправленного управления проектом (Target), который позволяет быстро и эффективно привести в соответствие бизнес-процессы предприятия и систему BAAN IV. Независимо от того, создается ли новая ИС или осуществляется модернизация существующей ИС, данный метод использует три стадии внедрения, каждая из которых подразделяется на три определенных этапа (рис.6.1):

Стадия 1. Обоснование выбора системы комплексной автоматизации предприятия BAAN IV.

• Обследование предприятия на предмет необходимости внедрения системы BAAN IV.

• Принятие решения о внедрении системы BAAN IV.

• Заключение контракта на проведение работ по внедрению системы BAAN IV.

Стадия 2. Реализация проекта по внедрению системы BAAN IV.

• Создание и утверждение модели предприятия (моделирование).

• Настройка и конфигурация ИС (пилотное-проектирование).

• Сдача ИС в эксплуатацию (внедрение).

Стадия 3. Оптимизация ИС в процессе эксплуатации.

• Расширение функциональных возможностей в процессе эксплуатации.

• Контроль за выполнением бизнес-процессов со стороны руководства предприятия.

• Анализ реализации стратегических целей предприятия.

Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»

Стадия 1: Выбор системы BAAN IV Внедрение системы BAAN IV начинается с анализа деятельности и потребностей предприятия. Перед тем, как будет принято решение о приобретении системы BAAN IV, консультанты по программному продукту должны определенное время затратить на предварительное изучение характера деятельности и бизнес-целей предприятия. Результатом анализа является разработка плана (коммерческого предложения), содержащего рекомендации по программным и аппаратным средствам, а также необходимым работам. Во время первой стадии выясняется, каким образом приложения BAAN IV будут функционировать в условиях предприятия. Консультанты подготавливают рекомендации по программному обеспечению, демонстрируют руководству предприятия систему, а также модель бизнесфункций, разработанную на основе полученной информации о предприятии. План включает предложение по изменению организационной структуры, настройке, внешним интерфейсам и архитектуре. Затем, когда предварительная структура информационной системы определена, разрабатывается проект соглашения, служащего основой для сотрудничества. В соглашение входят план и бюджет проекта, удовлетворяющие обе стороны.

Рис.6.1. Метод целенаправленного внедрения BAAN IV Стадия 2: Внедрение системы BAAN IV Во время второй стадии консультанты по продукту BAAN IV в тесном сотрудничестве с представителями предприятия – ключевыми пользователями, работают над определением модели предприятия на уровне бизнес-процессов и адаптацией приложений BAAN IV согласно сформулированным на предыдущей стадии требованиям. В своей работе консультанты используют референтные типовые модели бизнес-процессов для определенных типов производства и отраслей, которые модифицируются в соответствии со сформулированными требованиями в проектную модель предприятия. На пилотной стадии происходит установка системы, проводится обучение пользователей и определяются детальные процедуры по продукту BAAN IV. В результате окончания второй стадии информационная система должна быть полностью готова к эксплуатации.

Стадия 3: Обеспечение оптимальной поддержки текущей деятельности На этой стадии осуществляется непрерывное совершенствование проектной модели предприятия и адаптация ИС к необходимым изменениям. Для анализа точности, наГлава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»

дежности и эффективности работы ИС предусмотрено проведение регулярных проверок эффективности выполнения системой операций. Функция проверки осуществляет контроль выполнения бизнес-процессов и их взаимодействия, оценивает реализацию стратегических целей предприятия на основе анализа показателей деятельности предприятия.

В процессе внедрения системы BAAN IV на предприятии множество специалистов используют методы и средства методологии BAAN-Orgware:

• консультанты по предпродажной деятельности, которым оказывается поддержка в презентациях продукта;

• специалисты по внедрению (инженеры по внедрению, менеджеры проекта, эксперты по использованию), которые используют методы и средства BAAN-Orgware в ходе анализа, обучения и внедрения;

• советники и бизнес-консультанты, которые выполняют проекты совершенствования бизнеса;

• разработчики программного обеспечения, которые пользуются средствами документирования бизнес-процессов;

• конечные пользователи, которым оказывается поддержка в ходе эксплуатации.

Достоинства процесса внедрения BAAN IV на основе метода целенаправленного управления проектом заключаются в следующем (рис. 6.2):

• короткая стадия выбора, в течение которой проводится презентация продукта в конкретной отрасли с целью обеспечения потенциального заказчика информацией о применимости BAAN IV на предприятии;

• короткая стадия внедрения, в ходе которой оперативно осуществляется конфигурация BAAN IV в соответствии с моделью предприятия;

• непрерывная модернизация ИС на основе постоянного обновления модели предприятия и гибкой технологии адаптации программных модулей.

Таким образом, использование методологии внедрения «BAAN – Организационная среда» позволяет обеспечивать высокую адаптивность ИС к изменениям. Благодаря гибкости системы и ее мощности можно легко переходить от старой системы к новой системе BAAN. Более того, это дает возможность вначале быстро провести автоматизацию сущеГлава 6. Технология создания адаптивной информационной системы ствуюших бизнес-процессов «как есть», а затем выполнить бизнес-реинжиниринг с целью построения системы «как надо», используя средства BAAN по анализу эффективности функционирования ИС. Вследствие такого подхода обеспечивается непрерывное улучшение организации бизнес-процессов, быстрая отдача от внедрения информационных технологий и снижение затрат на создание и модернизацию ИС (рис.6.3) [4,10].

Рис.6.3. Эффективность от внедрения системы BAAN Методология внедрения системы комплексной автоматизации предприятия BAANOrgware полностью поддерживается мощным набором инструментальных средств, интегрированных в семействе продуктов компании BAAN IV, к которым относятся:

• Инструмент моделирования предприятия (Enterprise Modeler), позволяющий отображать модели предприятий на различных уровнях детализации и на различных этапах жизненного цикла информационной системы, а также выполнять конфигурацию информационной системы.

• Администратор деятельности предприятия (Enterprise Performance Manager), с помощью которого отображается система показателей деятельности предприятия, позволяющая оценивать эффективность организации бизнес-процессов после внедрения информационной системы.

• Средства внедрения (Enterprise Implementer), нацеленные на составление бизнесплана по внедрению BAAN IV, в частности планирование финансовых ресурсов, выбор программно-технических средств, составление календарного плана графика выполнения работ.

6.2. Моделирование предприятия и конфигурация Модель предприятия состоит их модели бизнес-функций; модели реализующих их бизнес-процессов; бизнес-правил, проверяющих целостность модели предприятия и выполняющих конфигурацию информационной системы; модели бизнес-организации (структуры), определяющей роли участников бизнес-процессов по взаимодействию с информационной системой. Использование перечисленных компонентов модели предприятия в процессе моделирования и конфигурации информационной системы показано на рис. 6.4.

Глава 6. Технология создания адаптивной информационной системы Моделирование предприятия осуществляется с помощью инструментального средства Enterprise Modeler на трех уровнях: уровне основных данных, который не зависит от конкретной конфигурации информационной системы; референтном уровне, соответствующем некоторой типовой конфигурации информационной системы, и проектном уровне, определяющем конфигурацию информационной системы конкретного предприятия (рис. 6.5). На уровне основных данных производится наполнение репозитория определениями бизнес-функций, бизнес-процессов и бизнес-правил, для чего используется графический редактор и редактор экранных форм. Референтная модель представляет собой скопированное и отконтролированное подмножество базовой модели, в которую добавляются определения ролей участников бизнес-процессов. Проектная модель формируется как подмножество референтной и/или базовой моделей с определением фаз внедрения (оптимизации) информационной системы, то есть последовательности реализации различных вариантов бизнес-функций, и указанием конкретных исполнителей работ бизнеспроцессов. На основе проектной модели осуществляется генерация автоматизированных рабочих мест конкретных исполнителей бизнес-процессов.

Реинжинирингбизнес-процесов

BAAN IV

Построение референтной модели предприятия в принципе не обязательно. Наличие референтной модели при покупке программного продукта предполагает заполненность репозитория базовыми данными. После внедрения информационной системы на конкретном предприятия проектная модель может быть переведена в разряд референтной модели, которая будет служить основой для новых внедрений или модернизаций информационной системы. В случае необходимости внесения изменений в референтную или проектную модели требуется в начале выполнить их в модели основных данных, а затем скопировать внесенные изменения в референтную или проектную модели.

Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»

Рис. 6.5. Технология конфигурации информационной системы I. Моделирование основных данных Бизнес-функции используются для реализации бизнес-целей (повышения рентабельности, увеличения оборачиваемости капитала, сокращения запасов и т.д.) и описываются общепринятыми в бизнесе терминами (не терминами программных модулей BAAN IV).

Модель бизнес-функций в концепции BAAN IV представляет собой иерархическую декомпозицию функциональной деятельности предприятия (рис. 6.6). В корне дерева указывается тип производства предприятия (заказное, мелкосерийное, серийное, массовое, с непрерывным циклом производства). Далее указываются классы бизнес-процессов или мега-функции (развития предприятия, выполнения процессов оперативной деятельности, процессов вспомогательных служб). Главные функции отображают функциональные подсистемы предприятия, к которым относятся следующие функции: маркетинг, бизнеспланирование, закупки, производство, сбыт продукции, послепродажное обслуживание, ремонт оборудования и т.д. Главные функции разбиваются на основные функции, которым соответствуют конкретные бизнес-процессы, например, оформление заказа, поставка, платеж и т.д. Основные функции могут иметь варианты исполнения, подразумевающие поэтапное внедрение или в терминологии BAAN оптимизацию. Основным функциям в дальнейшем назначаются бизнес-процессы.

Модель бизнес-функций предназначена для решения следующих задач:

• Используется как первый логический шаг в процессе реализации бизнес-целей, на базе которой в дальнейшем создается модель бизнес-процессов.