Информационные технологии в производственном менеджменте

К производственным управляющим информационным системам относятся

· исполнительные информационные системы (EIS – Execution Information System),

· управленческие информационные системы (MIS – Management Information System),

· системы поддержки принятия решений (DSS – Decision Support System),

· деловые интеллектуальные технологии получения аналитических данных (BIS).

Первыми разрабатывались EIS. Их назначение – контроль исполнения документов (приказов, инструкций, писем и т. д.) в делопроизводстве.

Однако появление систем электронного документооборота, систем автоматизации деловых процессов, основанных на моделировании бизнес-процессов, позволило в определённой степени контролировать исполнение деловых функций каждым сотрудником, и необходимость в самостоятельных исполнительных системах отпала.

MIS обеспечивают реализацию управленческих подсистем предприятия, зависят от предметной области (типа предприятия, циркулирующих регламентных форм документов, деления на подсистемы и т.д.). Использование корпоративных информационных систем на базе интернет/интранет технологий, электронного документооборота, систем групповой работы, систем автоматизации деловых процессов также обеспечило выполнение части их функций.

Решение слабо структурированных задач основано на использовании экономико-математических моделей, методов экспертных оценок, специального анализа данных.

Отличие систем поддержки принятия решений от аналитических систем заключается в следующем:

· аналитические системы подготавливают аналитическую информацию, руководитель может на ее основе принять решение;

· системы поддержки принятия решений проводят дальнейший анализ информации для выработки подсказки, списка решений или единственного обоснованного решения (для реализации этих функций разработаны серверы DSS).

Современные системы поддержки принятия решений основаны на использовании:

· сетевых СУБД,

· технологии интернет/интранет,

· информационных хранилищ,

· систем электронного документооборота,

· технологий BIS,

· Data Mining,

· OLAP систем,

· численного и математического моделирования,

· других технологий.

На сегодняшний день, фактически, идёт интеграция интегрированных систем.

Так, например, при проектировании экспертных систем использовались семантические сети, теория графов, лингвистические процессоры, когнитивная графика и др. Семантические сети дают способ представления знаний в виде помеченного ориентированного графа, в котором вершины соответствуют понятиям, объектам, действиям, ситуациям или сложным отношениям, а дуги – свойствам или элементарным отношениям. Теория графов изучает графы, сети и действия над ними. Лингвистические процессоры предназначены для перевода текстов на естественном языке в машинное представление и обратно. Экспертные системы помогают принимать решения в ситуациях, когда алгоритм принятия решения не известен и формулируется одновременно с формированием базы знаний.

По способу формирования решений экспертные системы разделяются на

· аналитические (выбор решений из множества известных альтернатив) и

· синтетические (генерацию решений для выбора).

Экспертные системы применяются во многих сферах человеческой деятельности, например, управлении производством, транспортными системами, система страхования коммерческих займов CLUES и других направлениях экономической деятельности.

Инструменты Data Mining разрабатывались для интеллектуального анализа экономических данных (рис. 1.6.1).

Они обеспечивают:

· поиск зависимых данных (реализацию интеллектуальных запросов);

· выявление устойчивых бизнес - групп (выявление групп объектов, близких по заданным критериям);

· ранжирование важности признаков при классификации объектов для проведения анализа;

· прогнозирование экономических показателей (например, ожидаемые продажи, спрос);

· оценку влияния принимаемых решений на достижение успеха предприятия;

· поиск аномалий и т.д.

В процессе принятия делового решения преобразование рабочей гипотезы в решение осложняется двумя объективно существующими проблемами.

1. Накопление личного опыта в ходе повседневной деятельности у бизнесменов отстает от динамичного изменения экономической ситуации.

2. В предпринимательской деятельности, практически, отсутствует возможность проведения экспериментов, которые позволяют проверять правильность гипотезы на практике.

Рис. 1.6.1a.

Рис. 1.6.1b – Итерационный процесс принятия решения

Следовательно, применительно к бизнес-деятельности процесс принятия решения претерпевает разрыв как минимум в двух точках: на этапе выдвижения гипотез и на этапе экспериментальной верификации моделей. Ликвидировать эти разрывы призвано активно развивающееся направление ИТ – технология многомерного анализа данных (OLAP). Коротко эту технологию можно охарактеризовать следующими словами: Быстрый Анализ Разделяемой Многомерной Информации (Fast Analysis of Shared Multidimensional Information - FASMI).

Ценность технологии многомерного анализа данных для бизнеса определяется тем, что она позволяет извлекать из “сырых” данных (как правило, в виде таблиц) информацию и знания, использование которых в принятии и реализации решений позволяет создавать дополнительную стоимость в компании по сравнению со стоимостью, создаваемой в отсутствие такой информации.