МОДЕЛИ УПРАВЛЕНИЯ ОРГАНИЗАЦИОННЫМИ СИСТЕМАМИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В СФЕРЕ ИТ-УСЛУГ И РЕМОНТА ТЕХНИКИ

МОДЕЛИ УПРАВЛЕНИЯ ОРГАНИЗАЦИОННЫМИ СИСТЕМАМИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В СФЕРЕ ИТ-УСЛУГ И РЕМОНТА ТЕХНИКИ

Ташкин Артём Олегович

генеральный директор, ООО «СКАЙ»,

РФ, г. Ханты-Мансийск

Якуба Александр Владимирович

главный программист, ЮНИИИТ, ООО «СКАЙ»,

РФ, г. Ханты-Мансийск

Шугуров Антон Рамильевич

инженер-программист, ООО «СКАЙ»,

РФ, г. Ханты-Мансийск

Работа выполнена при поддержке Фонда содействия инновациям, проект № 0077033, дог. № 272ГС1ЦТС10-D5/77033

Технологии становятся все более доступны и воспринимаются как объект повышения эффективности различных бизнес-сфер, позволяют создавать потребительский опыт, порождают новые пути доходов.  Актуальной является задача разработки и реализации методики информационной поддержки и принятия решений в области оказания бытовых и специализированных услуг посредством цифровых технологий. Авторами статьи был разработан новый алгоритм интеллектуальной поддержки принятия решений на основе совместного применения, совершенствования и адаптации технологий и методов обработки, структуризации и визуализации разнородных данных. Алгоритм служит для поддержки принятия решений в области управления состоянием доступности услуг сферы ИТ и ремонта техники. Также авторами предложены математические модели представления и структуризации фолксономических данных, предложена архитектура и модель функционирования платформы. Построены компьютерные модели, реализующие разработанные алгоритмы и методы функционирования созданной системы. Разработана программная реализация системы поддержки принятия решений на основе применения сервисно-ориентированной архитектуры, разработанных моделей, методов и алгоритмов, позволяющая увеличить качество, оперативность и эффективность принимаемых решений при управлении услугами сферы ИТ и ремонта техники.

В данной статье представлена математическая модель для формирования онтологии созданной информационной системы и проведено исследование функциональной эффективности программно-технических средств реализации платформы, получены показатели значений для различных параметров, проведена оптимизация разработки. Осуществлена практическая верификация теоретических положений и алгоритмов, выполнена оценка результата внедрения и эксплуатации, исследование эффективности и качества работы разработанной платформы.

Для разработки и реализации системы поддержки принятия решений в области управления процессом выбора компетенций в области ИТ-услуг и ремонта техники необходимо определить, какие характеристики и функции подобных систем являются обязательными, желательными, а какие следует ограничить. В контексте исследования описан выбор требований к функционалу платформы-агрегатора в области управления процессом выбора компетенций в области ИТ-услуг и ремонта техники, проведены следующие мероприятия:

• Произведен сравнительный анализ разработок, направленных на поиск компетенций ИТ-услуг и ремонта техники.
• Произведен анализ научной нормативной литературы, регламентирующей методики реализации ресурсов для поиска компетенций в области ИТ-услуг и ремонта техники.
• Проведены круглые столы с организаторами и потребителями услуг в области ИТ и ремонта техники.

Проблемой синтеза и генерации корректных решений в области управления процессами сферы ИТ-услуг и ремонта техники занимались такие ученые как: Ю.В. Кандырин, A.A. Овсянникова, Н.Ф. Ревенко, А. Келли, П. Контри, C.B. Микони и др. Для решения проблемы управления ИТ-услугами используются неспециализированные в данной области продукты, включающие 1С, IBS, SAP, Галактика, и другие, которые могут быть использованы только для внутреннего использования в организации и не обладают в должной мере коммуникационными и информационными возможностями, а также не могут выступать в качестве агрегатора разнородной информации [1]. Структуризация данных информационных систем посредством формирования базы знаний в виде онтологии выдвигает проблему увеличения семантической связанности данных. Чем выше семантическая связанность данных, тем точнее будет результат на запрос к ИС, а также требуется меньше вычислительных ресурсов и памяти для хранения данных, что повышает интероперабельность системы [2]. Моделирование знаний в виде семантической сети были начаты в начале 1960-х годов Алланом М. Коллинз, лингвистом М. Росс Киллиан и психологом Элизабет Ф. Лофтус [3]. Позже, описанные в публикациях модели, были применены в качестве инструмента обеспечения связности данных в сети Интернет (Тим Бернерс-Ли, Джим Хендлер) [4]. Семантика – это дисциплина получения значения из коллекции слов или символов. Семантика реализует возможность представления цифровую информации в виде формализованного описания структуры и связанности данных на искусственных языках прикладной математики [5].

Для семантической аннотации данных информационных систем зачастую используют метаданные, которые частично передают семантику и содержат формально представленные знания, об объектах информационной системы. «Метаданные – это структурированные, кодированные данные, которые описывают характеристики объектов-носителей информации, способствующие идентификации, обнаружению, оценке и управлению этими объектами. Метаданными наделены любые документы, программы, изображения, музыка, и другие объекты информационного пространства» [6]. Метаданные содержат предопределенные типы данных, отражающую информацию в виде дате, числового значении, текстового поля или иных свойств и атрибутов, описывающих различные аспекты объекта. Метаданные наделены следующими характеристиками:

• конечный набор типов данных (атрибутов);
• наличие названий у атрибутов;
• формализованный смысл каждого атрибута (трактовка значения атрибута);
• возможность присвоения нескольких значений одному атрибуту.

Семантические метаданные, описывающие контекст и/или контент объекта информационной системы с помощью понятий предметной области, на языке описания онтологии не могут быть созданы без существующего описания знаний предметной области. Пусть   – множество объектов ИС [7]. Используя формулировку описания онтологии  (1.1), можно выразить семантические метаданные для объекта  в виде конечного множества , содержащего упорядоченные пары .

, где

 – понятия из онтологии, относящиеся к объекту описания ,

 – коэффициент, обозначающий релевантность понятия  объекту .

Отличительной особенностью предложенного метода является использование онтологической модели процесса управления процессом поиска компетенций в области ИТ-услуг и ремонта техники в качестве адаптивного инструмента структуризации фолксономических данных и метаданных об услугах в сфере ИТ и ремонта техники и методической базы для поддержки процесса принятия решений в поиске компетенций сферы ИТ и ремонта техники [8]. С помощью дискриминантного анализа данных об услугах возможно классифицировать услуги по шкале от 1-5 по степени соответствия исходя из признаков и характеристик услуги. Так, имея общее множество услуг  можно разделить на 3 группы, определяющие уровень доступности:

1.  – услуги с уровнем соответствия от 3 до 4;

2.  – услуги с уровнем соответствия от 4 до 4,75;

3.  – услуги с уровнем соответствия от 4,75 до 5.

Исходные данные представлены в виде матриц Y⁽¹⁾, Y⁽²⁾, Y⁽³⁾, Y⁽⁰⁾ размером (hn×3).

где , ,  – матрицы, содержащие признаки услуги (характеристики, метаданные, фолксономические данные, данные информационной открытости и пр.).

– матрица новых  - объектов, подлежащих классификации (размерность матрицы  ).

На основании исходных данных, формируется перечень доступных вариантов увеличения уровня соответствия требованиям и доступности услуг в области ИТ и ремонта техники с учетом требований и стандартов; средний балл, которым наделена услуга по каждой характеристике доступности и другим признакам, определяющим услугу как доступную; рекомендации для поддержки принятия решений относительно управления процессами ИТ-услуг и ремонта техники [9].

Интеграция – это очень важная часть работы по автоматизации процессов, так как требуется она постоянно. Во многих ситуациях требуется быстрый обмен данными между различными конфигурациями систем, программными продуктами, веб-сайтами, системами САПР, биллинговыми системами и т. д. Также часто возникает необходимость интеграции между собой различных веб-сервисов, таких как интернет-магазин и CRM-системы [11]. Интеграция означает, что данные, введенные пользователем в одной системе, автоматически переносятся в другую систему. Интеграция между информационными системами строится на основе трехуровневой модели, поскольку каждое бизнес-приложение можно представить тремя логическими слоями:

1) уровнем представления (уровень пользователя, решающего задачи ввода/вывода информации);

2) уровнем бизнес-логики (обработка данных, поддержка логики бизнес-процессов);

3) уровнем данных (хранение и администрирование данных).

Связь между приложениями может быть установлена на каждом из этих уровней и требует вмешательства в структуру программного продукта или компонента сложной системы, что характеризует трудоемкость процесса интеграции. Для объединения различных систем используются технологии открытых систем и их частей, выраженных во внешних интересах для сопряжения объектов информационного пространства различных систем в соответствии с заданными требованиями.

Спецификации интерфейсов взаимодействия строго описывают существующие функции, службы и форматы определенного интерфейса. Интерфейсы взаимодействия компонентов систем отражены на рисунке 1. Практически все современные информационные системы наделены внешними интерфейсами API для доступа к данным или функциям системы [12].

Рисунок 1. Интерфейсы взаимодействия компонентов систем

Технология облачных сервисов предполагает взаимодействия поставщика сервиса, клиента сервиса и репозитория сервисов. Web-сервисы могут выполнять два вида функций:

1) обмен данными между различными компонентами распределенной системы или несколькими взаимодействующими приложениями;

2) предоставление разнообразных сервисов (выполнение различных бизнес-функций).

Поскольку «стыковка» может осуществляться на каждом из логических уровней, выделяют несколько способов интеграции приложения с промежуточным слоем:

1) интеграция на уровне данных — стыковка на уровне данных из базы данных;

2) функциональная интеграция — стыковка на уровне бизнес-логики посредством API-интерфейсов и сервисов, предоставляемых приложением;

3) интеграция на уровне представлений — screen scraping («прочесывание экрана») и моделирование ввода данных пользователем и чтения данных с экрана.

Интеграция приложений на разных уровнях отражена на рисунке 2.

Рисунок 2. Интеграция приложений на разных уровнях отражена на рисунке

В ходе реализации платформы-агрегатора по поиску компетенций в области ИТ-услуг и ремонта техники, была выполнена задача интеграции разнородных частей прикладного ПО и облачных сервисов и разработок.

Представленная математическая модель классификации данных об услугах в виде социально-экономических, ориентированных, семантических и фолксономических данных может быть использована для информационной поддержки и повышения эффективности управления в сфере ИТ-услуг и ремонта техники. Описанные механизмы интеграционных процессов внешних сервисов позволяют обеспечить корректную цифровизацию части бизнес-процессов с использованием средств автоматизированной обработки данных.

Выполненная оценка результата внедрения и эксплуатации и качества работы разработанной платформы, позволила определить ключевые потребности в области поддержки принятия решений компетенций и услуг в области цифровых технологий и ремонта техники с учетом недостатков конкурентов разрабатываемой платформы.

Список литературы:

1. Ладенко И.С. Интеллектуальные системы и информатика. М.: Знание. 2016. – 615 c.
2. Семенов С.П., Славский В.В., Ташкин А.О. Анализ формальных понятий (АФП) в социально-ориентированных геоинформационных системах. Вестник ЮГУ – 2016. – Выпуск 2 (41). –  С. 57–60.
3. Куприяновский В.П., Ярцев Д.И., Харитонов А.А., Уткин Н.А., Николаев Д.Е., Дрожжинов В.И., Намиот Д.Е., Волокитин Ю.И. Семантика, метаданные и онтологии в приложениях для умного города - новые стандарты bsi // International Journal of Open Information Technologies. 2017.
4. Тихомиров И.А., Смирнов И. В. Применение методов лингвистической семантики и машинного обучения. – Международная конференция «Диалог». – 2009. – С. 483-487.
5. Вольфенгаген В.Э., Калиниченко Л.А., Мендкович А.С., Сюнтюренко О.В., Томилин А.Н., Шириков В.П., Щур Л.Н. Информационные системы и научные телекоммуникации. Вестник РФФИ. – 1998. – №4(14) – С. 4-50.
6. Cimiano, Philipp. Ontology Learning and Population from Text. //Algorithms, Evaluation and Applications – 2006. – 312 p.
7. Neznanov A., Ilvovsky D., Kuznetsov S. FCART: A New FCA-based System for Data Analysis and Knowledge Discovery. // Contributions to the 11th International Conference on Formal Concept Analysis. Dresden: Qucoza – 2013. – P. 31-44.
8. Gruber T.R. A Translation Approach to Portable Ontology Specifications // Knowledge Acquisition – 1993. – V. 5.  – P. 199-220.
9. Kuznetsov S. O. On stability of a formal concept. In San Juan, E., ed.: JIM, Metz, France – 2003.
10. Семенов С.П., Ташкин А.О.  Оценка эффективности ГИС для маломобильных групп населения. Информационные технологии и системы. Седьмой Междунар. науч. конф. (ИТиС - 2019): науч. электрон, изд. Ханты-Мансийск. – 2019. – С. 121-125.
11. Губко М.В., Коргин Н.А., Новиков Д.А. Управление организационными системами: современные научные направления // Проблемы теории и практики управления. – 2011. – № 12. – С. 62-71.
12. Hollay A.V., Tashkin A.O. The Intellectual Support Efficiency Methods Evaluation in the Sphere of Social Infrastructure Accessibility Managing for Low-Mobile Population Groups // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». – 2022. – Т. 22, № 3. – С. 151–162. DOI: 10.14529/ctcr220314
13. Семенов С.П., Славский В.В., Куркина М.В., Ташкин А.О., Самарина О.В., Финогенов А.А. Компьютерные математические модели социально-экономических систем c использованием ГИС-технологий // Вестник Югорского государственного университета. –  2021. –  Т. 17. №1. – C. 79-84. DOI: 10.17816/byusu20210179-84.