Содержание к диссертации
Введение
ГЛАВА 1. Анализ методов принятия управленческих решений и их классификация 9
1.1 Понятие управленческого решения, его структура, классификация управленческих решений 9
1.2 Методические вопросы в принятии управленческих решений 13
1.3 Анализ процесса поддержки принятия управленческих решений 15
1.4 Задачи прогнозирования в системах поддержки принятия решений 19
1.5 Проблемы моделирования и оптимизации управляемого бизнес-процесса (структурный анализ) 22
1.6 Вопросы построения информационного моделирования систем поддержки принятия решений в бизнес-процессах 26
1.7 Нейронные сети и их применение в системах поддержки принятия решений. 31
Цели и задачи исследования 33
ГЛАВА 2. Теоретическое обоснование автоматического выбора вида управленческого решения 35
2.1 Место системы поддержки принятия решений в системе управления предприятием 35
2.2 Процесс перехода от иерархической системы управления к объектно-функциональной системе управления предприятием...39
2.3 Предпосылки построения динамических сетевых организационных структур в объектно-функциональной системе управления предприятием 40
2.4 Построение модели формирования динамических сетевых структур управления
2.5 Информационное обеспечение систем поддержки принятия решений 47
2.6 Алгоритм формирования альтернатив управленческих решений 49
2.7 Программируемые управленческие решения в объектно-функциональной системе управления 50
2.8 Использование информационных ресурсов для поддержки принятия управленческих решений 52
2.9 Использование искусственных «нейронных сетей» для обработки производственной информации 55
2.9.1 Определение «нейронные сети» и их классификация 55
2.9.2 Функциональные особенности нейронных сетей 58
2.9.3 Обучение нейронных сетей 60
2.10 Формализация процесса принятия программированного управленческого решения 63
2.11 Программирование управленческого решения в трехмерном пространстве 66
2.12 Использование «куба решений» для принятия управленческих решений 68
Выводы по второй главе 71
ГЛАВА 3. Методическое обеспечение системы подготовки программируемых управленческих решений 72
3.1 Методика подготовки и обработки производственной информации для разработки управленческого решения 72
3.2 Моделирование объектов бизнес-процессов 74
3.3 Анализ производственной информации искусственными нейронными сетями 75
3.4 Схема алгоритма разработки и принятия управленческих решений 78
3.5 Сети Кохонена для группирования объектов управления 81
3.6 Использование временных рядов для прогнозирования показателей бизнес-процесса 84
3.7 Графическое представление производственной информации 92
Выводы по третьей главе: 97
ГЛАВА 4. Практическое применение результатов исследования для принятия управленческих решений на примере многономенклатурного производства 98
4.1 Использование искусственных нейронных сетей для обработки информации о производственном процессе 98
4.2 Применение искусственных нейронных сетей при проведении анализа производственной информации 100
4.2.1 Обработка информации, полученной на предприятии по производству обуви 101
4.3 Прогнозирование динамики развития параметра бизнес-процесса с использованием искусственных нейронных сетей 109
4.3.1 Прогнозирование динамики развития параметра бизнес-процесса обувного производства 111
Выводы по четвертой главе 113
Заключение 114
Список используемых источников
- Анализ процесса поддержки принятия управленческих решений
- Предпосылки построения динамических сетевых организационных структур в объектно-функциональной системе управления предприятием
- Анализ производственной информации искусственными нейронными сетями
- Применение искусственных нейронных сетей при проведении анализа производственной информации
Введение к работе
Актуальность темы диссертационного исследования.
В современных системах управления предприятий все больше возрастает роль анализа производственной информации и принятия на его основе управленческих решений. Руководство предприятий интересует, какой наиболее рациональный вид управленческого решения необходимо принимать в возникшей проблемной ситуации.
Количество параметров, по которым следует отслеживать развитие бизнес-процессов предприятия становится все больше. Отклонение этих показателей от нормативного не всегда дает полное представление о состоянии производства. Поэтому сложно оценить, где произошли негативные процессы и почему они вовремя не были устранены. В этом плане наибольший интерес может представить обработка первичной информации, которая передается в интегрированную базу данных.
В результате анализа производственной информации можно определить исполнителя бизнес-процесса, который нарушил ход производства. Для использования системы, обеспечивающей информационную поддержку процесса принятия управленческих решений в условиях многономенклатурного производства, необходим большим объемом производственной информации.
Вопросом повышения эффективности управленческих решений занимались такие ученые как Н. И. Архипова, В. Н. Бурков, В. Н. Волкова, А. А. Денисов,
А. В. Костров, Э. А. Трахтенгерц, А. Н. Швецов, D. Marquardt, P. Gill, W. Murray,
M. Wright и другие. Сегодня рынок программных продуктов предлагает разнообразные автоматизированные информационные системы, такие как, SAP/R3, BOSS-корпорация, «Парус», «Галактика», «1С-Предприятие» и т.п. В данных системах достаточно хорошо разработаны методы анализа и учета деятельности предприятия. Тем не менее, возрастающая сложность задач, решаемых руководителями разных уровней в ходе реализации производственного процесса, сохраняет актуальность проблемы моделирования и проектирования систем управленческих решений.
Объект исследования – система управления промышленным предприятием.
Предмет исследования система поддержки принятия управленческих решений.
Цель работы – повышение экономической эффективности системы управления промышленным предприятием (многономенклатурное производство).
Задачи исследования. Для достижения указанной цели поставлены и решены следующие задачи.
-
Разработка механизма подготовки данных о бизнес-процессе для последующей её автоматизированной обработки в системе поддержки принятия управленческих решений.
-
Разработка алгоритма, обеспечивающего методическую и информационную поддержку принятия запрограммированного управленческого решения для многономенклатурного производства.
-
Разработка методики группирования объектов управления многономенклатурного производства на основе нейросетевых технологий для автоматического определения вида управленческого решения.
-
Разработка методики определения вида управляющего воздействия на объект управления путем прогнозирования изменения показателей бизнес-процессов во времени.
Методы исследования.
В диссертационной работе использовались общая теория систем; теория управления предприятием; системный анализ и статистические методы.
Основные положения, выносимые на защиту.
-
Механизм обработки показателей бизнес-процесса, на основе которого осуществляется автоматизация функций управления объектами бизнес-процессов.
-
Алгоритм, обеспечивающий методическую и информационную поддержку принятия запрограммированного управленческого решения в современных структурах интегрированного производства.
-
Методика группирования объектов управления на основе нейросетевых технологий для управления бизнес-процессами в условиях динамически изменяющегося ассортимента выпускаемой продукции.
-
Математическая модель программирования и автоматического выбора вида управленческого решения.
Научная новизна.
-
Предложен алгоритм автоматического определения вида управленческого решения (административное, технико-технологическое, организационно-экономическое) на основе использования трехмерного фазового пространства (куб решений).
-
Разработана методика анализа производственной информации, характеризующей текущее состояние бизнес-процесса.
Реализация результатов работы. Результаты, выводы и рекомендации, полученные в ходе проведения исследования, экспериментально апробированы в процессе управления производственным процессом коммерческих предприятий г. Костромы: многономенклатурное производство обуви (ИП Левыкин, г. Кострома) и производства металлорежущего инструмента (ОАО «КЗАЛ», г. Кострома).
Апробация работы. Результаты работы прошли апробацию на 5 научно-практических конференциях: Всероссийской научно-практической конференции «Управление в социальных и экономических системах» (Пенза, 2004), Всероссийской научной конференции студентов и аспирантов «Молодые исследователи – регионам» (Вологда, 2005), Всероссийской научно-практической конференции «Достижения ученых XXI века» (Тамбов, 2005), Международной научно-технической конференции «Современные информационные технологии» (Пенза, 2005), Международной научно-технической Интернет-конференции «Информационные технологии в управлении и моделировании» (http://conf.bstu.ru/conf/docs/0030/0739.doc, 2005).
Публикации. По теме диссертации опубликованы 9 статей, включая 1 в изданиях по перечню ВАК.
Структура и объем работы. Диссертационная работа объемом 135 с., состоит из введения, четырех глав, выводов, заключения, списка библиографии и четырех приложений; содержит 31 рисунок и 9 таблиц.
Анализ процесса поддержки принятия управленческих решений
Информационное обеспечение обладает развитой многоуровневой структурой и должно осуществлять взаимодействие между различными бизнес-процессами внутри системы и с внешней средой. Это требует создания специальных методов согласования информационного обеспечения различных уровней, разработки системы связей между ними и специальных классификаторов.
Разработка информационного обеспечения включает в себя проектирование входных данных, выходных результатов и информационных массивов. Важными принципами организации информационного обеспечения являются: однократный ввод данных и многократное их использование; агрегация и фильтрация данных; зависимость степени агрегации от уровня принятия решений.
Под информационной системой (ИС) мы будем понимать систему, позволяющую создавать, хранить, получать, обрабатывать информацию о бизнес-процессе, а также обмениваться ею.
Основными компонентами ИС являются: хранилище информации; обработчик информации; интерфейс ИС (компонент, позволяющий пользователю общаться с ИС, вводить и получать информацию); телекоммуникационная система (выполняет функцию передачи информации с обеспечением ее защиты).
Информационные системы строятся на базе современных информационных технологий. Под информационными технологиями (ИТ) понимается мно 27 жество методов, способов и средств сбора, накопления, хранения, поиска, обработки и передачи информации на основе применения средств вычислительной техники. ИТ определяют как упорядоченную последовательность взаимосвязанных действий, выполняющихся с момента возникновения информации до получения результата.
Использование ИС, реализованных на основе современных ИТ, позволяет значительно повысить эффективность управления предприятием так как обеспечивает выполнение следующих критериев информации: полнота (количество); релевантность (полезность, содержательная значимость); точность (недвусмысленность, качественная дифференцируемость); надежность; понятность; актуальность (своевременное предоставление в распоряжение, скорость передачи); гибкость (приспособляемость к различным способам передачи, применимость для различных видов информации). Также рассматривается возможность прикладного использования современных ИТ, в том числе для построения автоматизированного документооборота и поддержки управленческих решений и производственных процессов [52 - 72].
Под компьютерным анализом понимается человеко-машинная процедура, состоящая из фазы анализа ситуации, фазы принятия решения и оценки последствий принимаемых решений. Компьютерный анализ может быть статический и динамический [73, 74].
Существует класс задач, в которых анализ сложившейся обстановки, принятие по ней решения является достаточным и не требует дальнейшего анализа (по данной конкретной ситуации). Такой компьютерный анализ называется статическим.
Статический подход к анализу ситуаций дается в [71, 73 - 76]. В этих работах приводится большое число примеров принятия решений и предлагаются методы, позволяющие произвести численную оценку возможных решений и произвести их ранжировку. При этом считается, что вся необходимая информация известна и на основе этой информации и предлагаемых процедур находится наилучшее решение. Для многих задач такой подход дает хорошие результаты [28-31].
В настоящее время следует рассчитывать только на использование комплексного программного обеспечения (ПО). Одним из таких комплексов ПО является OLAP-технологии. Мнемоника OLAP OnLine Analytical Processing переводится как оперативная аналитическая обработка данных. Эта технология является инструментом анализа экономической информации и предназначена для поддержки процесса принятия управленческих решений. В основе OLAP лежат идеи самостоятельного формирования отчетов, предметная ориентированность, предоставление прямого доступа к данным, сосредоточение данных в одном месте. Реализацией этих положений является многомерное представление информации в специальных базах данных и доступ к ним через клиентское приложение.
Программные средства OLAP - это инструмент оперативного анализа данных, содержащихся в хранилище. Главной особенностью является то, что эти средства ориентированы на использование не специалистом в области информационных технологий, не экспертом-статистиком, а профессионалом в прикладной области, например, менеджером кредитного отдела, менеджером бюджетного отдела, директором. Они предназначены для общения аналитика с проблемой, а не с компьютером.
В отличие от традиционных систем искусственного интеллекта технология OLAP не пытается моделировать естественный интеллект, а усиливает его возможности мощностью современных вычислительных серверов и хранилищ данных.
К признакам OLAP, основанным на законах психологии относятся: разделение данных на показатели (переменные) и измерения, определяющие соответственно состояние и пространство бизнеса; логическое представление значений показателей в виде многомерных кубов, упорядоченных по равноправным измерениям; неограниченное число уровней иерархических связей между значения 29 ми измерений; гибкое манипулирование данными, которое обеспечивает возможность построения подмножества значений показателя по любому дискриминирующему правилу, определенному на множестве значений его измерений и возможность построения подмножества значений измерения по любому дискриминирующему правилу, определенному на множестве значений любой из переменных для логических операции над полученными множествами; неограниченные возможности агрегирования заданного подмножества значений показателя, что предоставляет возможность вычислять не только сумму значений, но и любой другой определенный пользователем функционал, например минимум, максимум, среднее, медиана и пр.; возможность обработки запросов в процессе аналитического осмысления данных пользователем; возможность графического представления данных конечному пользователю в удобном виде для анализа и принятия решений.
Технология OLAP призвана повысить эффективность информационно-аналитической и управленческой деятельности ЛПР. Используя эти средства, можно быстро и обоснованно принимать оперативные и стратегические решения. Открытые при помощи OLAP закономерности затем реализуются в экономических моделях.
Данная технология основана на понятии хранилища данных. Источникам данных для информационного хранилища служит в первую очередь информация из разрозненных транзактных информационных систем, основанных на различных реляционных СУБД, которые обслуживают повседневную деятельность предприятия. Хранилище данных не предназначается для замены существующих систем, а является надстройкой над ними. Размер хранилищ данных оценивается в десятки терабайт.
Предпосылки построения динамических сетевых организационных структур в объектно-функциональной системе управления предприятием
Одним из эффективных методов координации производственных процессов является объектно-функциональное (ОФ) управление. Построение такой структуры управления связано с проблемами распределения функций, ответственности за ресурсы организации при неизменном составе объектов управления, ЛПР, числа уровней управления. Целью ОФ структуры управления является структуризация системы управления предприятием для обеспечения формирования и эффективного функционирования сетевой модели управления. Данная методология основана на следующих положениях: 1. Создание единого информационного пространства управленческих решений и управляющих воздействий. 2. Исключение дублирующих информационных потоков и, следовательно, дублирующих функций управления. 3. Децентрализация функций управления и перераспределение ответственности за ресурсы предприятия при решении управленческих задач. 4. Формирование регламента создания, использования и хранения информационных ресурсов предприятия в интегрированной базе данных. 5. Отслеживание этапов жизненного цикла информации для решения задач оперативного управления предприятием. 6. Формирование показателей для оценки текущего состояния предприятия, прогнозирование развития бизнеса. 7. Мотивация труда ЛПР, за своевременные и качественные управляющие воздействия в пределах делегированных полномочий и данных им прав на использование ресурсов предприятия. Отличительной особенностью объектно-функциональной системы управления (ОФ СУ) является динамическое проецирование на существующие функции управления организационно - производственными объектами предприятия новых информационных связей, изменяющихся в зависимости от конкретного содержания решаемых управленческих задач. При решении управленческой задачи иерархия в системе управления остается неизменной, меняется лишь информационная структура процесса принятия управленческих решений. Система распределения прав на информационные запросы в зависимости от решаемой задачи позволяет строить варианты сетевого взаимодействия ЛПР с объектами управления по соответствующему набору функций. Поэтому ОФ СУ позволяет принимать эффективные управленческие решения не только за счет увеличения скорости передачи информации по компьютерным сетям, но и за счет оперативного реагирования системы управления на возмущающие внешние и внутренние факторы.
ОФ СУ отличается от существующих систем управления предприятием по следующим критериям [32]: 1. Эффективно функционирует в изменяющихся условиях внешней и внутренней среды. 2. Позволяет принимать управленческие решения в масштабе реального времени согласно разработанному регламенту бизнес-процессов предприятия. 3. Обеспечивает формализованное распределение прав, обязанностей, ответственности и ресурсов предприятия между ЛПР. 4. Позволяет бесконфликтно разрешать проблемные ситуации, вызванные отклонениями от нормального хода бизнес-процессов.
ОФ СУ является наиболее оптимальной системой управления для построения динамических сетевых структур управления в ходе реализации управленческих решений [29, 32]. При построении динамических структур управления необходимо учитывать набор принципов и алгоритмов функционирования системы управления в целом. Создание динамических структур управления осуществляется по следующим направлениям: 1. Построение структуры при заданных функциях и алгоритмах функционирования предприятия. 2.Синтез функций, алгоритмов функционирования, правил поведения ЛПР и взаимодействия между ними в заданной системе. 3.Построение структуры управления. 2.2 Процесс перехода от иерархической системы управления к объектно-функциональной системе управления предприятием
В [29] представлена практическая реализация построения динамических сетевых структур управления. Ее целесообразно начинать с анализа существующей системы управления предприятием по следующим критериям, представленным в табл. 5.
Анализ производственной информации искусственными нейронными сетями
Для формирования БД УР предлагается схема алгоритма, представленная на рис. 15. При формировании управленческого решения следует учитывать цели бизнес-процесса, которые математически можно представить в виде древовидного графа.
Практическую реализацию задачи формирования управленческого решения можно структурировать следующим образом. 1. Построение существующей схемы организационного взаимодействия ЛПР в рамках выбранного бизнес-процесса. 2. Построение бизнес-процесса, в рамках которого решается задача построения управленческого решения. 3. Решение задачи управления разработкой УР для частной ситуации. 4. Структурирование информационных массивов для формирования интегрированной базы данных по управленческому решению. 5. Построение структур взаимодействия ЛПР для решения задачи определения оперативной потребности в принятии рационального УР из выявленных альтернативных управленческих решений.
Задачу построения динамической структуры управленческого решения для координации деятельности структурных подразделений предприятия в условиях ОФ СУ с учетом формулы (1) можно представить в виде кортежа информации для анализа проблемной ситуации и принятия управленческого решения, согласно [29], в следующем виде: (A,B,C,D,E,F,G,), Анализ входных и выходных параметров бизнес-процесса Расчет регламентного времени бизнес-процесса Определение диапазонов изменения показателей бизнес-процесса Анализ динамических показателей бизнес-процесса и их изменение во времени Построение куба решений Формирование списка УР по категориям:1 административные;2 организационно-технические;3 технико-технологические. і 8 Запись списка УР в базу данных управлен- ческих решений БДУР Рис. 15. Схема алгоритма подготовки БД управленческих решений где А - дерево целей - достижение максимально эффективного использования ресурсов предприятия с целью решения его стратегических задач на основе выбора оптимального управленческого решения;
В - множество решаемых задач - расчет потребности в принятии управленческого решения, оперативный контроль за ходом реализации УР;
С - множество функций управления, реализуемых для функционирования предприятия, предотвращение кризисных ситуаций, а при их возникновении -для скорейшего их разрешения; D-множество объектов управления - данные по обувному предприятию; Е - множество административных бизнес-процессов; F- совокупность ЛПР, образующих иерархию управления; G - множество критериев выбора (согласно оперативно-календарному планированию работ основных структурных подразделений).
Практический анализ процесса формирования альтернатив управленческих решений позволяет выявить более эффективные решения, а также степень и качество воздействия этих решений на бизнес-процесс в целом. Учитывая разнородность хранимых данных и потребность в обеспечении обобщенных средств их обработки, базовым информационным элементом системы является управленческое решение.
Объект данных системы определяется в зависимости от специфики данных, общих свойств, типа, характеристики, названия и определяет конечную цель. Количество объектов в системе не должно быть ограниченным и иметь ограничений на глубину вложенности.
Объект данных входных параметров определяет информацию о начальных условиях функционирования бизнес-процесса и его нормативных показателях.
Объект данных выходных параметров содержит необходимую информацию по входным параметрам бизнес-процесса и идентификацию объектов бизнес-процесса.
Инфологическая модель включает в себя фактографическую информацию об объектах бизнес-процесса, его свойствах и значения параметров.
Модель данных системы хранит в себе информацию и необходимые параметры для ее работы. На основании хранимых данных возможно решать задачи группирования и прогнозирования управленческих решений, делать заключения об изменении ситуации для удовлетворения потребностей производства. 3.3 Анализ производственной информации искусственными нейронными сетями
Поскольку при многономенклатурном производстве совокупность объектов управления может составлять несколько сотен позиций, то наиболее рационально сгруппировать их для того, чтобы в аналогичных условиях для одинаковых бизнес-процессов принимать типовые запрограммированные управленческие решения.
В данной работе для классификации и прогнозирования развития временных параметров бизнес-процесса используются искусственные нейронные сети. При решении задач с использованием нейронной сети необходимо собрать данные для ее обучения. Обучающий набор данных представляет собой ряд наблюдений, для которых указаны значения входных и выходных переменных. При подготовке данных для работы в нейронной сети нужно использовать следующие правила. 1. Выбор первоначальных переменных осуществляется интуитивно. 2. Первоначально можно все данные включить в переменные, которые могут влиять на результат, а на следующих этапах сократит это множество. 3.Нейронные сети могут работать с числовыми данными, лежащими в определенном ограниченном диапазоне. Числовые данные масштабируются в подходящий для сети диапазон, а пропущенные значения можно заменить средним значением этой переменной по всем имеющимся обучающим примерам. 4. Нечисловые данные других типов можно либо преобразовать в числовую форму, либо объявить незначащими. 5. Значения дат и времени можно преобразовать в числовые значения, вычитая из них начальную дату (время). 6. Подвергаются преобразованию и значения денежных сумм. 7. С произвольными текстовыми полями работать нельзя, и их нужно сделать незначащими или применить систему кодирования. Для обучения нейронной сети используются наблюдения. Количество наблюдений зависит от ряда параметров, например, от размера сети, от сложности того отображения, которое нейронная сеть должна воспроизвести. С ростом количества переменных количество наблюдений возрастает нелинейно. Для большинства задач требуется до нескольких сотен или тысяч наблюдений. Если данных окажется мало, то будет недостаточно информации для обучения сети.
Таким образом, требуется предварительный анализ данных для снижения нелинейности и обеспечения условия достаточности данных.
Во многих реальных задачах встречаются не вполне достоверные данные. Значения некоторых переменных могут быть искажены шумом или частично отсутствовать. Для работы с такими данными пакет ST Neurol Networks имеет ряд специальных средств.
Применение искусственных нейронных сетей при проведении анализа производственной информации
Для достижения максимального эффекта от управления производственной системой заранее должен быть спрогнозирован ожидаемый результат. Одним из способов реализации этой задачи является моделирование бизнес-процессов и построение на основе полученной модели математического описания влияния входных данных на выходные параметры. Для проведения подобных исследований необходимо извлекать первичную информацию о состоянии объектов бизнес-процесса и проводить ее анализ. В зависимости от масштаба производства, его технологических процессов на предприятиях накапливается тот или иной объем информации, который находится в базах данных. Для оперативного извлечения необходимой информации создается надстройка над базами данных, которая описывает модели объектов бизнес-процессов на уровне метаданных. Такая структура базы данных отличается особой гибкостью, которая заключается в том, что менеджер может интерактивно сформировать запрос на выбор той или иной информации, не прибегая к услугам IT-специалиста. Для крупного предприятия это особенно важно, так как его информационные системы достаточно сложны по структуре данных и объемны по содержанию, к тому же типовые запросы, как правило, недостаточны для получения полной информации, необходимой при принятии управленческого решения в конкретной ситуации. Выборку информации и ее анализ целесообразнее осуществлять на основе метамоделей объектов бизнес-процессов. С наибольшей эффективностью метамодели используются на следующих уровнях: - при построении модели информационных потоков; - при построении модели данных и создании клиентских приложений. На сегодняшний день программная реализация метамодели для анализа первичной производственной информации реализована в среде Delphi и позволяет моделировать данные для баз данных Oracle, InterBase, 1С v8 и т. п. Для поддержки процесса создания информационных запросов к базам данных используются следующие программные средства: построитель метаданных, генератор запросов к базам данных, модуль формирования отчетов, модуль статистической обработки информации нейронными сетями (средствами dll-библиотеки Statistical Neural Networks). На рис. 20 показан фрагмент интерфейса программы моделирования базы данных.
При решении задач, поставленных перед автоматизированными системами управления предприятием, нейросетевые технологии позволяют обрабатывать сравнительно большие объемы статистической информации и получать математические зависимости различных факторов и их развитие во времени.
Выбор альтернатив при принятии управленческого решения намного упрощается, если объект управления можно отнести к определенной группе. Для объектов, относящихся к одной группе, в схожих проблемных ситуациях рациональные управленческие решения будут одинаковы.
В примерах, приведенных ниже, нейронная сеть должна отнести каждое наблюдение к одному из нескольких классов. Данная классификация осуществляется сетями Кохонена.
Для построения сети Кохонена необходимо, используя алгоритм построения сети из третьей главы, указать тип сети, на основе чего Помощник автоматически определяет параметр пре/пост-процессирования, включая выходную переменную (рис. 21). Сеть Кохонена состоит из двух слоев: входного и выходного-топологической карты.
Алгоритм обучения сети Кохонена корректирует положение центров в слое топологической карты таким образом, чтобы приблизить их к центрам кластеров в обучающих данных. На каждом этапе обучения алгоритм выбирает элемент, чей центр лежит ближе всего к обучающему наблюдению. Этот элемент и соседние с ним корректируются так, чтобы они больше походили на данное обучающее наблюдение. Важную роль в обучении сети Кохонена играет окрестность элемента.
При обучении окрестность постепенно сужается, и одновременно уменьшается скорость обучения. В данном случае достаточная эффективность достигается при одном этапе равном 1000. При этом Скорость обучения - Learning rale изменяется с начального значения 0,01 до конечного значения 0,001, а размер окрестности будем все время сохранять равным единице (рис. 22).
Экспериментальная проверка используемого в настоящем исследовании метода проводилась на основе анализа данных, полученных в ходе рабо 102 ты предприятия по производству обуви (см. Приложение 1 «Бизнес-процесс предприятия по производству обуви»). Для рассматриваемого производства характерна периодическая смена номенклатуры выпускаемых моделей обуви, а также постоянное внесение изменений в конструкцию и материалы большинства моделей, обусловленные изменяющимися условиями на рынке данного товара. Имеющиеся мощности производства позволяют одновременно выбирать из ассортимента до 800 различных моделей (Приложение 2 «Номенклатура производимой обуви»). В связи с этим, согласно предложенной методике, возникает необходимость постоянно перегруппировывать объекты управления.
