Лекция 14. Когнитивное моделирование

💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

При принятии решений в неструктурированных ситуациях у субъекта (ЛПР или эксперта) возникает модель проблемной области, на основе которой он пытается объяснить происходящие в реальности процессы. При этом объективные закономерности реального мира представляются субъективными экспертными оценками. В результате образ наблюдаемой ситуации отражает не только законы и закономерности ситуации, но и мировоззрение субъекта, его систему убеждений, ценностей, уровень образования, опыт и т.д. [Checkland, 1981].

В этих условиях принятие решений ‒ это искусство, включающее рациональные (логические) и интуитивные начала. В синтезе рационального и интуитивного возникает способность ЛПР принимать своевременные и адекватные решения.

Когнитивный подход к поддержке принятия решений ориентирован на то, чтобы активизировать интеллектуальные процессы субъекта и помочь ему зафиксировать свое представление проблемной ситуации в виде формальной модели. В качестве такой модели обычно используется так называемая когнитивная карта ситуации, которая представляет известные субъекту основные законы и закономерности наблюдаемой ситуации в виде ориентированного знакового графа, в котором вершины графа – это факторы (признаки, характеристики ситуации), а дуги между факторами – причинно-следственные связи между факторами [Робертс, 1986].

В когнитивной модели выделяют два типа причинно-следственных связей: положительные и отрицательные. При положительной связи увеличение значения фактора-причины приводит к увеличению значения фактора-следствия, а при отрицательной связи увеличение значения фактора-причины приводит к уменьшению значения фактора-следствия. Пример когнитивной карты некоторой экономической ситуации приведен на рис.1.

Причинно-следственный граф представляет собой упрощенную субъективную модель функциональной организации наблюдаемой системы и является «сырым» материалом для дальнейших исследований и преобразований – когнитивного моделирования.

Цель когнитивного моделирования заключается в генерации и проверке гипотез о функциональной структуре наблюдаемой ситуации до получения функциональной структуры, способной объяснить поведение наблюдаемой ситуации.

Основные требования к компьютерным системам когнитивного моделирования – это открытость к любым возможным изменениям множества факторов ситуации, причинно-следственных связей, получение и объяснение качественных прогнозов развития ситуации (решение прямой задачи «Что будет, если …»), получение советов и рекомендаций по управлению ситуацией (решение обратной задачи «Что нужно, чтобы …»).

Узким местом существующих систем когнитивного моделирования ситуаций [Максимов, 1999; Кулинич, 1998; Силов, 1995] является несогласованность их пользовательского интерфейса и алгоритмов обработки с психологическими особенностями субъективного измерения значений и силы взаимовлияния факторов наблюдаемой ситуации. Эта несогласованность приводит к ошибкам и заблуждениям эксперта при определении силы взаимовлияния факторов, которые включаются в когнитивную модель ситуации. Разработка стратегии поведения субъекта на основе когнитивной модели с заблуждениями, естественно, приводит к стратегиям-заблуждениям.

В предлагаемой компьютерной системе концептуального моделирования неструктурированных ситуаций «Канва» влияние заблуждений эксперта ослабляется с помощью специальных программных модулей и подсистем, учитывающих особенности организации человеческой системы измерения, оценки и переработки субъективной информации.

Подсистемы системы концептуального моделирования «Канва» обеспечивают поддержку представления субъективной информации, извлечения предпочтений эксперта, обработку, представление результатов моделирования и поддержку аналитической деятельности эксперта.

Описание функционального назначения всех подсистем системы концептуального моделирования и их взаимодействие в процессе когнитивного анализа и моделирования плохо определенной ситуации приводится ниже.

14.2 Подсистема представления субъективной информации

Подсистема представления субъективной информации обеспечивает:

-Ввод в систему факторов, описывающих ситуацию, множество факторов ‒ F={fi}.

-Задание числовых или лингвистических значений фактора в виде упорядоченного множества их абсолютных значений.

-Графический интерфейс для построения когнитивной модели ситуации в виде ориентированного знакового графа.

В подсистеме представления субъективной информации в качестве измерительных шкал значений наблюдаемых факторов ситуации используются порядковые шкалы, что позволяет интегрировать в единую модель ситуации факторы, имеющие числовые и лингвистические значения.

Когнитивная модель ситуации представляется в виде ориентированного знакового графа и задается матрицей смежности W={wij}, wij {-1, 0, 1}.

Окно графического редактора системы «Канва» для построения и редактирования орграфа ситуации приведено на рис.2.

Графический интерфейс представляет собой полноценный графический редактор, обеспечивающий: ввод нового фактора, установку причинной связи между факторами, определение направления и типа связи (положительная, отрицательная), удаление фактора, удаление связи, изменение масштаба представления графа.

14.3 Подсистема извлечения предпочтений эксперта

Для определения силы взаимовлияния факторов в систему моделирования встроена подсистема извлечения предпочтений эксперта. В этой подсистеме в качестве исходной информации используется информация о числовых или лингвистических значениях факторов ситуации и знаковый граф ситуации, введенные в подсистеме представления субъективной информации. Исходная информация используется системой для порождения вопросов эксперту, из ответов на которые извлекается информация о силе причинных связей факторов ситуации.

Система обеспечивает генерацию вопросов эксперту и определение силы причинных связей между факторами в трех режимах:

Прямого оценивания. В этом режиме сила причинной связи определяется как передаточный коэффициент, вычисляемый по известным отклонениям фактора причины и фактора следствия. Задание отклонения значений факторов выполняется в двух режимах:

точное задание значений отклонений факторов причины и следствия;

задание отклонения значений факторов причины или следствия в виде нечеткого множества ‒ функции принадлежности, заданной на множестве значений факторов.

Парного сравнения. В этом режиме с помощью процедуры парного сравнения осуществляется упорядочивание факторов причин по силе влияния на фактор следствия. В режиме парного сравнения осуществляется автоматическое обнаружение ошибок (нетранзитивных оценок) эксперта и их автоматическая или ручная корректировка.

Задание функциональной зависимости. В этом режиме значение фактора следствия определяется как функция от значений факторов причин. Этот режим используется в случае, если все значения факторов причин имеют числовые значения и известна их функциональная зависимость.

После определения силы взаимовлияния всех связанных причинными связями факторов, знаковый орграф преобразуется во взвешенный орграф. Динамика процессов ситуации описывается системой уравнений продукций «Если, … То …». В матричном виде эта система уравнений записывается в следующем виде:

где, Z(t)=(zi(t)) – начальный вектор приращений значений факторов в момент времени t; Z(t+1)=(zi(t+1)) – вектор приращений значений факторов в момент времени t+1, zi(t) [‑ 1, 1]; W=|wij| ‒ матрица смежности, wij [-1, 1] – характеризует силу причинной связи.

Приращения значений факторов в последовательные дискретные моменты времени Z(t+1), …, Z(t+n) вычисляются с применением следующего правила композиции [Силов, 1995]:

где, zi+(t)= (zj(t-1). wij) – максимальное положительное, а zi-(t) ‒ максимальное по модулю отрицательное zi-(t)= (|zj(t-1). wij)| приращение значения фактора-следствия.

Приращение значения фактора zi(t) Z(t), " t, представляется парой [Силов, 1995]: 1 zi(t), ci(t) A, где, ci(t) – консонанс значения фактора, 0 ci(t) 1,

Консонанс фактора характеризует уверенность субъекта в приращении значения zi(t) фактора fi. При ci(t)»1, т.е. zi+(t)> > |zi-(t)| или |zi-(t)|> > zi+(t) уверенность субъекта в значении фактора zi(t) максимальна, а при ci(t)» 0, т.е. zi+(t)» |zi-(t)| минимальна. Интервалы значений консонанса в системе «Канва» имеют лингвистическую интерпретацию типа «Невозможно», «Возможно», «Достоверно» и т.д.

Результаты моделирования представляются в виде двумерного массива, строки которого – значения одного фактора в последовательные моменты времени, столбцы – значения всех факторов в последовательные моменты времени. Информация из двумерного массива данных избирательно используется подсистемами представления результатов моделирования и поддержки аналитической деятельности эксперта.

14.5 Подсистема представления результатов моделирования

Результаты моделирования в системе «Канва» представляются в графическом или табличном виде.

Прогнозные абсолютные числовые и лингвистические значения факторов, а также отклонения значений факторов представляются в графическом виде или в таблицах на естественном и понятном эксперту языке.

На рис.3 показана форма системы «Канва» с представлениями результатов моделирования в графическом виде.

14.6 Подсистема поддержки аналитической деятельности эксперта

Подсистема поддержки аналитической деятельности эксперта является ядром системы концептуального моделирования «Канва». Функциональность и организация этой подсистемы ориентирована на стимуляцию мышления и интуиции эксперта и включает подсистемы:

1. Подсистема объяснения прогноза развития ситуации. Эта подсистема обеспечивает автоматическую генерацию отчета, включающего описание последовательных шагов (причинно-следственных цепочек) получения прогнозного значения любого фактора ситуации. Отчет включает положительную и отрицательную причинно-следственные цепочки. Положительная цепочка объясняет причину увеличения значения признака, а отрицательная его уменьшения.

На рис. 4 Показана форма расшифровки значения фактора «Тариф на транспортные услуги» падает на 35, 2%. В этой форме приведено объяснение изменение значения фактора «Тариф на транспортные услуги» при увеличении объема перевозок на 42, 4 %. Правый список формы показывает причинно-следственную цепочку увеличивающую (+1, 6%), а левый уменьшающую (-35, 2%) значение анализируемого фактора.

2. Советующая подсистема. Эта подсистема обеспечивает интеллектуальную поддержку разработки стратегии достижения векторной цели с выдачей рекомендаций (советов) для выбора управляющих воздействий. Для получения совета эксперт из описания векторной цели (это множество факторов и их целевых значений) последовательно выбирает целевые факторы. Система, для каждого выбранного фактора предлагает два множества альтернативных управляющих воздействий. Первое множество включает факторы, значения которых для достижения целевого значения фактора необходимо увеличивать, а второе множество, соответственно, уменьшать. Эксперт, опираясь на собственные предпочтения, может выбрать любой фактор из любого предложенного множества в качестве альтернативного управляющего воздействия. Система, при этом в оперативном режиме отображает, во-первых, рекомендуемую абсолютную величину управляющего воздействия, а во-вторых, результат применения этого управляющего воздействия в графическом виде.

Таким образом, советующая подсистема поддерживает диалоговый режим разработки стратегии достижения векторной цели: эксперт выбирает целевой фактор; система дает ему советы и рекомендации по выбору управляющих факторов; эксперт выбирает управляющий фактор и величину воздействия; система оперативно отображает результаты применения этого воздействия. Советующий режим конструирования стратегии достижения векторной цели раскрепощает мышление и стимулирует интуицию эксперта, позволяет сформулировать множество различных сценариев (стратегий) достижения поставленной цели.

3. Подсистема поддержки сценарного исследования ситуации. Эта подсистема обеспечивает ввод, редактирование, просмотр и активизацию (загрузку) любого сценария. Сценарное исследование различных стратегий достижения цели осуществляется в подсистеме сравнения сценариев развития ситуации. Эта подсистема обеспечивает возможность парного сравнения и анализа двух любых сценариев развития ситуации.

Результаты моделирования: таблицы прогноза развития ситуации, графики, описание сценариев, расшифровки значений факторов в системе «Канва» могут быть распечатаны на принтере или в файл документа «Word».

Таким образом, система «Канва» может быть использована для концептуального анализа и моделирования сложных и плохо определенных политических, экономических или социальных ситуаций, разработки стратегий управления и механизмов их реализации, разработки программных документов стратегического развития страны, региона, предприятия, фирмы и т.д., а также, в качестве инструментария для непрерывного мониторинга состояния ситуации, порождения и проверки гипотез механизмов развития и механизмов управления ситуацией.

Применение системы концептуального моделирования «Канва» значительно расширяет горизонты аналитических возможностей экспертов, освобождая их интеллект от рутинной работы, стимулирует воображение и интуицию для генерации оригинальных решений и находок управления и рефлексивного поведения в запутанной ситуации.

14.7 Моделирование бизнес процессов на основе BPMN-диаграмм

Нотация моделирования бизнес процессов (Business Process Modeling Notation, BPMN) — графическая нотация для моделирования бизнес процессов. BPMN была разработана Business Process Management Initiative (BPMI) и поддерживается Object Management Group, после слияния организаций в 2005 году. Текущая версия BPMN — 1.2; ведётся разработка версии 2.0.

Рис. 5. Пример моделирования бизнес процесса в нотации BPMN 1.1: Обработка запроса о товарах

Спецификация BPMN описывает графическую нотацию для отображения бизнес-процессов в виде диаграмм бизнес процессов (ДБП). BPMN ориентирована как на технических специалистов, так и на бизнес пользователей. Для этого язык использует базовый набор интуитивно понятных элементов, которые позволяют определять сложные семантические конструкции. Кроме того, спецификация BPMN определяет как диаграммы, описывающие бизнес процесс, могут быть трансформированы в исполняемые модели на языке BPEL.

Основная цель BPMN — создание стандартной нотации понятной всем бизнес пользователям. Бизнес пользователи включают в себя бизнес аналитиков, создающих и улучшающих процессы, технических разработчиков, ответственных за реализацию процессов и менеджеров, следящих за процессами и управляющих ими. Следовательно, BPMN призвана служить связующим звеном между фазой дизайна бизнес процесса и фазой его реализации.

В настоящий момент существует несколько конкурирующих стандартов для моделирования бизнес процессов. Распространение BPMN поможет унифицировать способы представления базовых концепций бизнес процессов (например, открытые и частные бизнес процессы, хореографии), а также более сложные концепции (например, обработка исключительных ситуаций, компенсация транзакций).

BPMN поддерживает лишь набор концепций, необходимых для моделирования бизнес процессов. Моделирование иных аспектов, помимо бизнес процессов, находится вне зоны внимания BPMN. Например, моделирование следующих аспектов не описывается в BPMN:

Несмотря на то, что BPMN позволяет моделировать потоки данных и потоки сообщений, а также ассоциировать данные с действиями, она не является схемой информационных потоков.