Архів / Archive

Головна » Статті » 2011_11_15-16_KamPodilsk » Секція_7_2011_11_15-16

ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ В УПРАВЛІННІ СУЧАСНИМ ПІДПРИЄМСТВОМ
Печенюк Андрій
к.е.н., доцент,
Подільський державний аграрно-технічний університет,
м. Кам’янець-Подільський
 
ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ В УПРАВЛІННІ СУЧАСНИМ ПІДПРИЄМСТВОМ
 
Для ефективного управління сучасним підприємством необхідне володіння об’єктивною інформацією. Ще донедавна вважалося, що чим більше маємо інформації про фірму, тим ефективніше можна нею управляти. Однак, це твердження не завжди є справедливим.
Пріоритет у прийнятті рішень належить людині – менеджеру, що володіє стратегічним мисленням і здібностями передбачати появу нових подій. Однак недоліком людського інтелекту є те, що він не пристосований до систематичного виконання великих обсягів обчислень в процесі аналізу складних процесів і систем. Сучасна практика господарювання свідчить, що надмірне нагромадження управлінської інформації досить часто призводить до дезорієнтації менеджерів, які не можуть правильно розпорядитися великими обсягами інформації.
Тому досить актуальною є проблема інтелектуалізації інформаційної системи сучасного підприємства, що дозволить організувати «глибинну» обробку управлінської інформації з використанням сучасних комп’ютерних технологій.
Сприяти досягненню підприємством його стратегічних цілей повинні функціональні підсистеми менеджменту, основою яких є інтегровані інформаційні системи, що містять елементи штучного інтелекту. Ці системи формують особливу категорію інформаційних технологій, що об’єднують такі здобутки сучасної науки, як нейронні мережі, експертні системи, генетичні алгоритми, нечіткі системи, а також системи динамічного структурного моделювання. Загальною властивістю інтелектуальних систем є те, що вони імітують процеси, які відбуваються у природі.
Система штучного інтелекту – це програмна система, яка засобами комп’ютерних технологій імітує мислення людини. Перед її створенням структурується сукупність знань:
                   вивчається процес мислення людини, що вирішує певні задачі або приймає рішення в конкретній професійній області;
                   виділяються основні кроки цього процесу;
                   розробляються програмні засоби, що відтворюють вивчений процес на комп’ютері.
Інтелектуальна система наділяє комп’ютер рисами розуму. Системи штучного інтелекту досить часто визначають як складну програму, яка маніпулює знаннями з метою одержання ефективного рішення у вузькій предметній області. Системи виконують у таких випадках роль експертів-консультантів, оскільки побудовані на знаннях компетентних експертів і володіють відповідною компетентністю (штучно відтворюють компетентність експертів).
Розвиток штучних нейронних мереж тісно пов’язаний з біологією. Штучний нейрон – це спрощена модель біологічного нейрона. Важливою властивістю нейронних мереж, що свідчить про їх великий потенціал і широкі прикладні можливості, – паралельна обробка інформації одночасно великою кількістю нейронів. Завдяки цьому досягається значне пришвидшення обробки інформації. Іншою не менш важливою особливістю нейронних мереж є здатність до навчання та узагальнення інформації. Таким чином досягається деяка схожість з роботою головного мозку людини [4].
Експертна система (ЕС) – це система штучного інтелекту, яка використовує знання для забезпечення високоефективного вирішення задач у вузькій професійній галузі. Експертні знання в ЕС виділені у відокремлену базу знань і отримані від експерта – людини, що за роки навчання і практики навчилася надзвичайно ефективно вирішувати задачі, що належать до такої галузі. Штучна експертиза постійна, несуперечлива, легко передається, документується та уточнюється. Вона поєднує комп’ютерні технології з багатством людського досвіду та підвищує цінність людських знань, надаючи їм широкого застосування [1].
Генетичний алгоритм – це еволюційний алгоритм пошуку, який використовується для розв’язання задач оптимізації та моделювання шляхом послідовного підбору, комбінування і варіації шуканих параметрів з використанням механізмів, що нагадують біологічну еволюцію. Особливістю генетичного алгоритму є акцент на використання оператора «схрещення», який виконує операцію рекомбінації рішень-кандидатів, роль якої аналогічна ролі схрещення в живій природі [3].
Основна перевага нечітких систем порівняно з іншими методами обробки неточних даних – це легка перевірка і розуміння правил, з яких складаються їхні бази знань. Недолік – функції приналежності та правила визначаються і складаються «вручну». Створення правил силами фахівців – це складний і дорогий процес, що може супроводжуватись помилками. Нечіткі системи не мають властивості автоматично адаптуватися до змін у бізнесі, тому що нові правила також треба вводити «вручну» [1].
Динамічні системи структурного моделювання. Системну динаміку можна лише умовно віднести до групи інтелектуальних інформаційних технологій. До переваг динамічних систем варто віднести врахування часового фактора в обчислювальних експериментах, можливість імітації найважливіших функцій менеджменту. Методологія структурного моделювання з одночасною візуалізацією досліджуваних процесів може призвести до породження нових уявлень про бізнес і шляхи вирішення проблем. Імітаційні моделі, які об’єктивно відображають реальність, дозволяють заощаджувати значні засоби на стадії реалізації проектів. Недолік цих систем полягає в необхідності тривалого процесу послідовного ускладнення моделей для того, щоб вони адекватно відображали досліджуваний об’єкт [2].
Ключовими характеристиками інтелектуальних систем, що визначають їх застосування в різних галузях діяльності, є наступні:
  здатність до навчання;
  здатність до адаптації;
  гнучкість;
  «прозорість» тлумачення (пояснення);
  здатність відкривати нове.
Вплив інформаційних технологій на складові інтелектуального капіталу носить багатоаспектний характер. Вони відкривають доступ людини до будь-якої інформації, широкі можливості обробки даних, допомагаючи у формуванні нових знань.
 
Список використаних джерел
1.       Батюк А.Є. Інформаційні системи в менеджменті: Навчальний посібник / А.Є. Батюк, З.П. Двуліт, К.М. Обельовська, І.М. Огородник, Л.П. Фабрі. – Львів: Національний університет «Львівська політехніка», «Інтелект-Захід», 2004. – С. 237–274.
2.       Великодний С.С. Імітаційне моделювання: Навчальний посібник / С.С. Великодній. – Одеса: ОДАХ. – 2011. – 190 с.
3.       Кононюк А.Ю. Нейроні мережі і генетичні алгоритми / А.Ю. Кононюк. – К.: ПП Корнійчук. – 2008. – 160 с.
4.       Коцур Д. Використання нейронних мереж – перспективна сфера науки і суспільства / Д. Коцур / [Електронний ресурс].  – Режим доступу : http://conferences.neasmo.org.ua/node/139.
Категорія: Секція_7_2011_11_15-16 | Додав: clubsophus (2011-11-15)
Переглядів: 2839 | Рейтинг: 0.0/0
Переклад
Форма входу
Категорії розділу
Секція_1_2011_11_15-16
Секція_2_2011_11_15-16
Секція_3_2011_11_15-16
Секція_4_2011_11_15-16
Секція_5_2011_11_15-16
Секція_6_2011_11_15-16
Секція_7_2011_11_15-16
Пошук
Наше опитування
Яка наукова інформація Вас найбільше цікавить?
Всього відповідей: 624
Інтернет-ресурси
Підписатися через RSS2Email

Новини клубу SOPHUS



Наукові спільноти
Статистика
free counters

Онлайн всього: 1
Гостей: 1
Користувачів: 0