книги / Управление инновационными проектами

В качестве значения слота может выступать имя другого фрейма; так образуются сети фреймов. Все фреймы взаимосвязаны и образуют единую фреймовую структуру, в которой органически объединены декларативные и процедурные знания. Это дает возможность достаточно естественно производить композицию и декомпозицию информационных структур аналогично тому, как это делал бы человек при описании структуры своих знаний.

Кроме фреймов-образцов, или прототипов, хранящихся в базе знаний, различают фреймы-экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных.

Например, структура таблицы, содержащей список работников, записанная в виде протофрейма, имеет вид

(СПИСОК РАБОТНИКОВ: Фамилия (значение слота 1); Год рождения (значение слота 2);

Специальность (значение слота 3); Стаж (значение слота 4)).

Последний из наиболее распространенных типов экспертных систем – это экспертные системы на основе матрицы признаков (табл. 4). Экспертные системы данного типа имеют два режима работы: режим обучения и режим

отгадывания.

Допустим, есть система из двух объектов, имеющих по три свойства. Например, птица и самолет. Пусть «1» – это присутствие признака, а «0» – наоборот.

Заводим внутри программы массивы 2х3 и 1х3, изначально прописанные нулями. Массив 1х3 будет вектором наших вопросов.

Режим обучения/отгадывания:

Мы говорим системе: что есть «крылья» + «шасси» (1,0,1). Система при отгадывании выполняет следующую манипуляцию:

291

умножаем вектор наших вопросов на все строки в массиве признаков по очереди;

получаем два результата;

выбираем максимальный (это и есть ответ на наш во-

прос).

Поскольку все были нули, программа говорит: «Пти-

ца?», вы отвечаете: «Нет».

Далее происходит следующий алгоритм:

Если программа не угадала, то ваш вектор ответов вычитается из строки массива соответствующему ответу, а к остальным прибавляется.

Если программа угадала, то ничего не происходит.

В нашем случае после первых наших вопросов имеем: птица –1 0 –1, самолет 1 0 1.

Задаем следующий вопрос: что есть «крылья» + «перья»

(1,1,0)?

Программа: Птица: –1+0+0 = –1 Самолет: 1+0+0 = 1 Ответ: Самолет

Вы: неверно Программа: Птица 0 1 –1 Самолет 0 –1 1

После второго нашего заданного вопроса программа обучилась полностью. На вопрос «что есть «перья» будет получен ответ «птица». На вопрос «что есть «шасси» – «самолет». На вопрос «что есть «крылья», «крылья» + «перья» + + «шасси», «перья» + «шасси» программа получит одинаковые результаты при сравнении максимальных элементов. На этот случай в алгоритм поиска максимальных элементов включается следующий кусок, который проверяет, есть ли дубликаты у найденного максимального значения. Если такие имеются, то программа должна сказать: «Похоже на...» – и перечислить варианты ответов с одинаковыми максимальными значениями. При обучении программы следует завести счетчик максимального количества вопросов и по его достижению прекращать какое-либо обучение (два одинаковых за-

292

данных вопроса на результаты работы программы не влияют). Можно использовать количественные значения признаков типа «ноги» при вариантах ответов 1, 2, 3, 4 и т.д. тоже будет работать и намного точнее.

Таблица 4 Матрица признаков объектов

Контрольные вопросы

1.В чем разница между экспертной системой и системой, основанной на знаниях?

2.Почему задача приобретения знаний является узким местом при построении экспертных систем?

3.Как вы понимаете термин «пространство поиска»? Что представляет собой пространство поиска при игре в шахматы?

4.В состав документации, которая прилагается к большинству приборов и технических изделий, как правило, входят руководства по поиску неисправностей. Опишите, как при отсутствии эксперта такие руководства можно с успехом использовать в качестве учебного материала для выполнения упражнений по извлечению знаний на примере разных систем поддержки принятия решений.

5.Какие методы и походы из рассмотренных в предыдущих разделах могут дополнять системы поддержки принятия решений и каким образом?

6.Какие решения могут быть приняты из анализа инновационной кривой?

7.Какие факторы оказывают влияние на развитие инновационного проекта?

8.Опишите, как вы понимаете роль информационных систем и их место в цепочке управления проектами.

293

СПИСОК ЛИТЕРАТУРЫ

1.Методические рекомендации по оценке эффективности инвестиционных проектов и отбору их для финансирования. М.: Официальное издание, 2000.

2.Красовский Ю.Д. Организационное поведение. М.: ЮНИТИ-ДАНА, 2004.

3.Мыльников Л.А., Трушников Д.Н. Моделирование систем: практикум. Пермь: ПГТУ, 2006.

4.Экономико-математические модели и методы: сб. науч. тр. Воронеж: Изд-во Воронежского ун-та, 1989.

5.Шапкин А.С., Шапкин В.А. Теория риска и моделирование рисковых ситуаций. М.: Дашков и К, 2005.

6.Cane C., Sarson T. Structured System Analysis. б.м.: Englewood Cliffs; Prentice-Hall, 1979.

7.Yourdon E., Constantine L. Structured Design. N.J.: Englewood Cliffs, Yourdon Press, Prentice-Hall, 1979.

8.Zhongzhi, Shi. Knowledge-Based Decision Support System // Journal of Computer Science and Technology. Springer Boston, 1987, Т. 2, 1.

9.Винокур В.М., Мыльников Л.А., Перминова Н.В. Подход к прогнозированию успешности инновационного проекта // Проблемы управления. М., 2007.

10.Управление инновационными проектами / В.Л. Попов [и др.]. М.: Инфра-М, 2007.

11.Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.

12.Нечеткая логика: алгебраические основы и приложения // С.Л. Блюмин, И.А. Шуйкова, П.В. Сараев, И.В. Черпаков. Липецк: ЛЭГИ, 2002.

13.Саати Т. Принятие решений: метод анализа иерархий. М.: Радио и связь, 1993.

14.Методы и модели анализа данных: OLAP и Data Mining / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод. СПб.: БХВ-Петербург, 2004.

294

15.Adizes I. Corporate Lifecycles: how and why corporations grow and die and what to do about it. Englewood Cliffs, N.J. : Prentice Hall, 1988.

16.Построение модели жизненного цикла инновационного продукта. Автоматизированные системы управления

иинформационные технологии: матер. Всерос. науч.-практ. интернет-конф., 20 октября – 10 ноября 2006 г. / Л.А. Мыльников, А.В. Звездин, Л.В. Черемных, Н.В. Перминова. Пермь: Изд-во Перм. гос. техн. ун-та, 2007.

17.Яковенко Е.Г., Басс М.И., Махров Н.В. Циклы жизни экономических процессов, объектов и систем. М.: Наука, 1991.

18.Lothar Dietrich, Wolfgang Schirra. Innovationen durch IT (Erfolgsbeispiele aus der Praxis). Berlin: Springer-Verlag, 2006.

19.Мухин О.И. Морфологический анализ и синтез // Моделирование систем. Искусственный интеллект. [Цитиро-

вано: 4 октября 2008 г.] http://stratum.ac.ru/textbooks/intelect/ lections/lection07/lection07.htm.

20.Черноруцкий И.Г. Методы принятия решений. СПб.: БХВ-Петербург, 2005.

21.A hybrid model of fuzzy and AHP for handling public assessments on transportation projects. Arslan, Turan. 36, s.l.: Springer Netherlands. Transportation, 2009.

22.Changes are Knowledge structures from building semantic net versus production rule representation of subject content. Journal of Computer Based Instruction. D.H., Jonassen. 20(4). 1993. P. 99–109.

23.Complex Systems Concurrent Engineering. London: Springer, 2007.

24.Francesco Costanzo, Yuichi Kanda, Toshiaki Kimura, Hermann Kühnle, Bruno Lisant, Jagjit Singh Srai, Klaus-Dieter Thoben, Bernd Wilhelm, Patrick M. Williams. Enterprise Organization and Operation. Berlin; Heidelberg: Springer, 2009.

295

25.Carlos A. Hurtado, Claudio Gutierrez. Equivalence of OLAP Dimension Schemas. Berlin; Heidelberg: Springer, 2004.

26.Innovation project lifecycle prolongation method // Innovation and Knowledge Management in Twin Track Economies: Challenges&Solutions: Proc. Of the 11th Intern. Business Inform. Management Assoc. Conf. M. Amberg, L. Mylnikov. Cairo, 2009.

27.Interval Evaluation by AHP with Rough Set Concept. Kazutomi Sugihara, Yutaka Maeda, Hideo Tanaka. Berlin; Heidelberg: Springer, 1999 r., New Directions in Rough Sets, Data Mining, and Granular-Soft Computing.

28.Multi-objectives fuzzy optimization model for ship form demonstration based on information entropy. Zhang Wei-ying, Lin Yan, Ji Zhuo-shang, Deng Lin-yi. S.l.: Harbin Engineering University, 2006 r., Journal of Marine Science and Application.

29.H. Roland Weistroffer, Charles H. Smith, Subhash C. Narula. Multiple Criteria Decision Support Software. N.Y.: Springer New York, 2005.

30.Process Automation Handbook. London: Springer, 2007.

31.The decline of hit albums, in context. Wired blog

network. [В Интернете] 7 февраля 2006 г. [Цитировано: 10 февраля 2009 г.] http://www.longtail.com/the_long_tail/2006/ 02/the_decline_of_.html.

32.Maria B. Line, Martin Gilje Jaatun, Zi Bin Cheah, A.B. M. Omar Faruk, Havard Husevag Garnes, Petter Wedum. Ubiquitous Intelligence and Computing. Berlin; Heidelberg: Springer, 2008.

33.Sung Baik, Jerzy Bala, Sung Ahn. Visualizing Predictive Models in Decision Tree Generation. Berlin: Springer, Berlin; Heidelberg, 2004.

34.Zadeh L.A. Fuzzy sets. Information and Control, 1965. Vol. 8. N 3.

35.Актуальные вопросы охраны интеллектуальной собственности в условиях действия части четвертой Гражданского

296

кодекса Российской Федерации: тез. докл. участников науч.- практ. конф. (17–18 марта, 2009) / отв. ред. Л.А. Мыльников. М.: ФГУ ФИПС, 2009.

36.Кормен Т., Лейзерсон Ч., Ривест Р. Алгоритмы: построение и анализ. М.: МЦНМО, 2000.

37.Баркер А. Алхимия инноваций. М.: Вершина, 2003.

38.Теория и практика нечетких гибридных систем / И.З. Батыршин, А.О. Недосекин [и др.]; под ред. Н.Г. Ярушкиной. М.: Физматлит, 2007.

39.Норенков И.П. Введение в автоматизированное проектирование технических устройств и систем. М.: Высшая школа, 1986.

40.Хемди А.Таха. Введение в исследование операций. М.: Вильямс, 2001.

41.Бурков В.Н., Коргин Н.А., Новиков Д.А. Введение

втеорию управления организационными системами. М.: Либ-

роком, 2008.

42.Новиков Ф. Дискретная математика для программистов. СПб.: Питер, 2004.

43.Инновации в науке, образовании и производстве. Теоретические основы управления инновациями, № 496. СПб.: Изд-во политехн. ун-та, 2006.

44.Инновационный менеджмент / под ред. С.Д. Ильенковой. М.: ЮНИТИ, 2003.

45.Винокур В.М., Трусов А.В. Интеллектуальная собственность как основа интеллектуальной деятельности. Пермь:

ПГТУ, 2004.

46.Гольдштейн А.Л. Исследование операций: многокритериальные задачи: конспект лекций. Пермь: ПГТУ, 1995.

47.Бурков В.Н., Новиков Д.А. Как управлять проектами. М.: Синергия, 1997.

48.Веников В. Кибернетические модели электрических систем. М.: Энергоатомиздат, 1982.

297

49.Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети: учеб. пособие. М.: Изд-во физ.-мат. лит., 2001.

50.Игошин В.И. Математическая логика и теория алгоритмов. Саратов: Изд-во Саратов. ун-та, 1991.

51.Файзрахманов Р.А. Моделирование и управление материальными потоками производственной системы с учетом факторов неопределенности и риска. Пермь: ПГТУ, 2002.

52.Тарасов В.С., Веренников И.А., Ерунов В.Я. Моделирование технологических процессов с распределенными параметрами: учеб. пособие. Л.: ЛПИ им. М.И. Калинина, 1978.

53.Пупкин В.В. Прикладная лингвистика. М.: Мир,

2008.

54.Медведева Л.П., Трусов А.В. Ресурсные источники инновационного экономического роста в регионе. Пермь:

ЦНТИ, 2007.

55.Перминова Н.В., Меерсон М.Э., Мыльников Л.А. Система подготовки принятия решений в инновационном менеджменте нефтегазовой промышленности // Нефть и газ. 2007. № 4.

56.Величковский Б.М. Современная когнитивная психология. М.: МГУ, 1982.

57.Баталин Г., Васютинский В. Создание распределенных систем сбора данных на основе стандарта OPC // Современные технологии автоматизации. М., 2005. № 2.

58.Ахо А., Хопкофт Дж., Ульман Дж. Структуры данных и алгоритмы. М.: Вильямс, 2001.

59.Атабеков Г.И. Теоретические основы электротехники. Ч. 1. Линейные электрические цепи: учеб. для вузов. М.: Энергия, 1978.

60.Бергман А.К. Экономико-математическое моделирование производственных систем. М.: МАДИ, 1987.

61.Экономическая энциклопедия / под ред. Л.И. Абалкина. М.: Экономика, 1999.

298

62.Трояновский В.М. Элементы математического моделирования в макроэкономике. М.: Изд-во РДЛ, 2001.

63.ISO/TC 176/SC 2 N544. Руководство по концепции процессного подхода и его применении в системах менеджмента.

64.ISO 9000:2000. Системы менеджмента качества. Термины и определения.

65.ISO 9001:2000. Системы менеджмента качества. Требования.

66.ISO 9004:2000. Системы менеджмента качества. Рекомендации по улучшению деятельности.

67.Репин В.В., Елиферов В.Г. Процессный подход к управлению. Моделирование бизнес-процессов. М.: Стандарты

икачество, 2004.

68.Методические рекомендации по оценке эффективности инвестиционных проектов и отбору их для финансирования. М.: Официальное издание, 2000.

69.Фатхутдинов Р. Инновационный менеджмент. М.: Интел-синтез, 2005.

70.Каплан Р., Нортон Д. Сбалансированная система показателей. М.: Олимп-Бизнес, 2004.

71.Инновационный менеджмент: концепции, многоуровневые стратегии и механизмы инновационного развития: учеб. пособие / под ред. В.М. Аньшина, А.А. Дагаева. М.:

Дело, 2006.

72.Jerome S. Engel, David Charron Technology Entrepreneurship Education. Berkley: University of California, 2006.

73.Jeffry A. Timmons, Stephen Spinelli New Venture Creation Enterpreneuship for the 21st Centry. McGrawHill, 2007.

74.Мазур И.И., Шапиро В.Д., Ольдерогге Н.Г. Управление проектами: учеб. пособие для вузов / под ред. И.И. Мазур. М.: Экономика, 2001.

299

Учебное издание

Петроченков А.Б., Севастьянова И.Г., Трусов А.В., Бочкарев С.В., Кавалеров Б.В., Мыльников Л.А., Тимофеева Г.А.

УПРАВЛЕНИЕ ИННОВАЦИОННЫМИ ПРОЕКТАМИ

Учебное пособие

Редактор и корректор Е.В. Копытова

Подписано в печать 2.09.09. Формат 60 90/16.

Усл. печ. л. 18,75.

Тираж 100 экз. Заказ № 181/2009.

Издательство Пермского государственного технического университета.

Адрес: 614990, г. Пермь, Комсомольский пр., 29, к. 113.

Тел. (342) 219-80-33. 300