Перевести страницу на:  
Please select your language to translate the article


You can just close the window to don't translate
Библиотека
ваш профиль

Вернуться к содержанию

Кибернетика и программирование
Правильная ссылка на статью:

Оценка качественных характеристик документооборота организации

Усманова Ирина Викторовна

кандидат технических наук

доцент, кафедра информационного обеспечения управления и производства, Пензенский государственный университет

440026, г.Пенза, ул.Красная, 40

Usmanova Irina Viktorovna

PhD in Technical Science

Associate Professor of the Department of Informational Support of Management and Production at the Penza State University

44026, Pensa, ul. Krasnaya, d. 40

ivusm@mail.ru
Коровина Людмила Владимировна

440026, г. Пенза, ул. Красная, 40.

Korovina Lyudmila Vladimirovna

-

44026, Pensa, ul. Krasnaya, d. 40

ivusm@mail.ru

DOI:

10.7256/2306-4196.2013.5.9774

Дата направления статьи в редакцию:

17-09-2013


Дата публикации:

1-10-2013


Аннотация: В данной статье приведена многоуровневая модель представления знаний для оценки состояния документооборота организации. Предложены сетевые модели представление знаний, применение которых обеспечивает возможность качественной оценки состояния документооборота на основе разнородных текущих количественных и качественных показателей. Говорится, что эффективный анализ документопотоков включает в себя не только оценку количественных показателей, но и требует объединения в единой многоуровневой модели показателей эффективности документооборота и бизнес-процессов. В статье приводится общая сравнительная характеристика нейронной и семантической сети. Делается вывод, что для анализа документооборота наилучшим выбором будет семантическая сеть. Рассматривается процесс анализа и оценки состояния документооборота с применением семантических сетей на примере предприятия ООО «ИВА-ТРАНС». В заключении говорится, что семантическая сеть прогнозирования состоит из семантических утверждений, которые в свою очередь представлены семантическими конструкциями, узлами которых являются подграфы семантической сети понятий.


Ключевые слова:

модель представления знаний, документооборот, показатели, бизнес-процессы, анализ, экспертная система, инженерия знаний, база знаний, нейронные сети, семантические сети

Abstract: The article describes a multilevel model of knowledge representation for the evaluation of document flow state in organization. The authors propose network models for knowledge representation, the use of which enables the qualitative evaluation of the various current quantitative and qualitative indicators. The authors state that effective analysis of the document flows includes not only the assessment of the quantitative characteristics bur also requires a combination of the performance workflow and business processes indicators into one multilayered model. The authors give an overview of the comparative characteristics of neural and semantic networks and conclude that semantic network is the best choice for the analysis of document flow. The article reviews the process of analysis and evaluation of the present state of document flow based on the semantic networks on the example of “Iva-Trans” L.t.d. In conclusion the authors point out that the semantic network of forecasting is build of semantic statements, which in their turn are represented by semantic constructs with nodes as sub-graphs of the semantic network of concepts.


Keywords:

model of knowledge representation, document flow, indicators, business processes, analysis, expert system, knowledge engineering, knowledge base, neural networks, semantic networks

Своевременный анализ и оценка документооборота организации являются условиями её эффективного функционирования и стабильного развития. Реально повысить эффективность работы организации невозможно без постоянного совершенствования документирования всех ключевых и обеспечивающих бизнес-процессов, а также без улучшения постановки делопроизводства.

В связи с широким внедрением СЭД в практику деятельности организаций эти проблемы особенно обострились.

Эффективный анализ документопотоков включает в себя не только оценку количественных показателей, но и требует объединения в единой многоуровневой модели показателей эффективности документооборота и бизнес-процессов. Именно такой подход позволяет проследить взаимовлияние недочетов, имеющихся в документировании и организации работы с документами, и показателей эффективности ключевых и обеспечивающих бизнес-процессов. Поскольку указанные зависимости между показателями состояния документооборота, параметрами эффективности бизнес-процессов и параметрами эффективности организации носят смысловой характер, задача анализа документооборота требует применения эвристических правил и может быть решена при помощи экспертной системы с использованием методов инженерии знаний.

Инженерия знаний имеет два типа противоположных методов представления, извлечения, структурирования и использования знаний в БЗ о состоянии документооборота:

  • неформальные (семантические) модели представления знаний;
  • формальные модели представления знаний.

К первому типу методов относятся семантические сети, продукции, фреймы, ко второму – нейронные сети.

Каждая модель представления знаний имеет свои преимущества и недостатки. Поэтому необходимо решить, какой из двух подходов является наиболее перспективным при осуществлении анализа документооборота- использование нейронных или семантических сетей.

Общая сравнительная характеристика нейронной и семантической сети приведена в таблице 1 [1, 2, 3, 4, 5, 6,].

Таблица 1

Сравнительная характеристика нейронной и семантической сети

Признак

Нейронная сеть

Семантическая сеть

Наличие строгой математической теории

+

-

Универсальность для каждой предметной области

+

+

Наличие системы логического вывода

+

-

Наглядность

-

+

Самообучаемость

+

-

Возможность получить представление о предметной области

-

+

Необходимость привлечения высококвалифицированного специалиста для настройки сети

+

-

«Слойность»

+

-

Независимость наращивания знаний с сохранением их модульности

-

+

Полученные результаты позволяют сделать вывод, что для анализа документооборота наилучшим выбором будет семантическая сеть.

Для эффективного использования аппарата семантических сетей необходимы следующие компоненты многоуровневой модели информационного обеспечения интеллектуальной системы:

  • основные понятия предметной области;
  • сведения о семантических отношениях между понятиями (анто­нимия, гипонимные отношения, меронимия, синонимия и т.д.);
  • семантические утверждения (предложения), описывающие показатели состояния документооборота, а также эффективности бизнес-процессов и деятельности организации;
  • сведения о причинно-следственных отношениях между утверждениями (семантическая сеть прогнозирования).

Перечисленные компоненты многоуровневой модели представления знаний для оценки состояния документооборота организации описаны и охарактеризованы [7].

Рассмотрим процесс анализа и оценки состояния документооборота с применением семантических сетей [8] на примере предприятия ООО «ИВА-ТРАНС», занимающегося перевозкой грузов как внутри страны, так и за границу. Бизнес-процессы организации являются взаимосвязанными. Как правило, они используют выходную информацию предшествующего процесса и сами являются источниками информации для последующего процесса. Нарушения в процессе исполнения хотя бы одного из них приводят к задержке или неисполнению связанного с ним процесса, что, в свою очередь, влияет на параметры реализации последующего процесса (рисунок 1).

1

Рисунок 1. Взаимосвязь бизнес – процессов

На критерии эффективности бизнес-процессов оказывают влияние не только результаты своевременного и качественного выполнения отдельных бизнес - процессов, но и показатели эффективности документооборота. Например, ошибка в оформлении заявки на перевозку груза может привести к нарушению критерия своевременности погрузки и разгрузки, несоответствию наименования и количества реального груза сведениям, указанным в заявке. В результате увеличивается срок выполнения заказа, нарушается требование своевременного выполнения услуги. Данную ситуацию иллюстрирует фрагмент семантической сети, представленной на рисунке 2.

2

Рисунок 2. Влияние показателя эффективности документирования на эффективность бизнес-процесса

Узлами сети в данном случае являются названия действий бизнес-процессов, показатели качества бизнес-процессов, а также показатели документирования и работы с документами.

Наличие этого компонента модели представления знаний невозможно без семантической сети понятий, используемых в предметной области. Узлами сети являются понятия, характеризующие особенности предметной области, а также понятия, описывающие основные этапы работы с документами. Дуги ориентированного графа соответствуют отношениям смысловой зависимости между понятиями [7].

Показатели документирования и работы с документами являются основой для формулирования и вычисления значений семантических утверждений. Семантические утверждения представляют собой предложения, сформулированные на профессиональном диалекте естественного языка, отражающие отдельные оценки состояния документооборота и принимающие значения «истина» или «ложь» в зависимости от особенностей текущей ситуации. Примерами семантических утверждений являются: «Количество согласований велико», «Количество утверждений велико», «Количество подписаний велико».

Утверждение является семантической конструкцией, узлами которой являются подграфы семантической сети понятий, а также семантические отношения и операции вычисления утверждений. Дуги указывают на установление семантических отношений между понятиями.

Формулировка семантических утверждений основывается на системе частных показателей, позволяющих оценить состояние документооборота организации «от документов» и «от процессов» [9].

Семантические утверждения формулируются в общем виде и могут быть вычислены лишь при анализе конкретной ситуации. По существу, каждое представление утверждения есть фрейм-прототип, т.е. описание стереотипной ситуации, задаваемой утверждением. Гибкость структуры фрейма достигается за счет использования слотов, которые характеризуют понятия, участвующие в утверждении. Например, для понятия «Должностное лицо», которое участвует в утверждениях «Количество подписываемых должностным документов велико», «Количество утверждаемых должностным лицом документов велико», «Количество согласуемых должностным лицом документов велико», слотами являются понятия «ФИО», «Действие», «Процесс», «Показатель эффективности».

Для каждого слота должно быть задано правило присваивания, которое определяет программную процедуру, необходимую для вычисления значения слота. В зависимости от конкретной ситуации и исследуемых характеристик документооборота эти программные процедуры могут быть различными, что обеспечивает возможность гибкой настройки программного обеспечения на особенности рассматриваемой ситуации и предметной области.

Для вычисления значений семантических утверждений необходимы семантическая сеть понятий, база данных о состоянии документо­оборота, база знаний (рисунок 3).

При вычислений значений семантических утверждений необходимо иметь достоверную информацию о реальной ситуации на предприятии. Она хранится в базе данных о состоянии документооборота и является основой для формирования частных показателей оценки документооборота «от документов» и «от процессов», например, позволяет получить данные о количестве подписываемых, согласуемых, утверждаемых документов каждым должностным лицом; о видах документов, создаваемых в организации; наличии унифицированных форм документов; о бизнес-процессах организации; о последова­тельности действий каждого процесса и т.д.

3

Рисунок 3. Компоненты, предоставляющие сведения для вычисления значений семантических утверждений

Для вычисления значений утверждений вида «Состав документов организации неоднороден», «Унифицированные формы документов отсутствуют», «Адресатами являются органы государственной власти», «Последовательность действий процесса нарушена» могут быть использованы обычные запросы на обработку данных базы данных.

Для вычисления значений семантических утверждений, содержащих нечеткие оценки типа «велико», «недостаточно», необходимо предварительное заполнение слотов фреймов-прототипов в соответствии с особенностями текущей ситуации. К утверждениям этой группы относятся, например, следующие: «Количество подписываемых должностным лицом документов велико/мало», «Количество согласуемых должностным лицом документов велико/мало».

На основании семантических утверждений строится сеть прогнозирования, отражающая смысловые взаимозависимости отдельных показателей эффективности состояния документооборота «от документов» и «от процессов».

Сеть прогнозирования представляет собой сеть продукций, узлами которой являются семантические утверждения, а дуги между узлами отражают причинно-следственные связи между показателями вида ЕСЛИ … ТО. Каждой дуге экспертами в данной предметной области приписывается вес, характеризующий вероятность появления события 2 (часть ТО) при условии осуществления события 1 (часть ЕСЛИ).

При построении сети прогнозирования необходимо использование опыта экспертов в области делопроизводства, а также специалистов, ответственных за делопроизводство в данной организации. Именно они формируют состав семантических утверждений, актуальных для организации, а также определяют вероятность появления нарушений в зависимости от наступления того или другого события. Например, если адресатами организации являются органы государственной власти, то неизбежно повышаются требования к оформлению документов. Если в документировании деятельности организации не применяются унифицированные формы документов, то это приводит к появлению ошибок в оформлении документов, а также нарушаются требования к оформлению документов. Если должностное лицо перегружено работой по подписанию, согласованию, утверждению документов, то из-за его занятости с большой долей вероятности появляются ошибки в оформлении документов и т.д.

Таким образом, семантическая сеть прогнозирования состоит из семантических утверждений, которые в свою очередь представлены семантическими конструкциями, узлами которых являются подграфы семантической сети понятий.

Перечисленные компоненты образуют многоуровневую модель представления знаний о состоянии документооборота организации. Ее применение даёт полное представление о состоянии документооборота организации, а также позволяет выработать систему мер по предотвращению и устранению ошибок в организации работы с документами.

Библиография
1. Нейлор, К. Как построить свою экспертную систему / Нейлор К.-Москва, 1991. – 189 с.
2. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика/ Уоссермен Ф.-М: Мир, 1992. – 240 с.
3. Горбань, А. Н. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин и др.-Новосибирск: Наука. Сибирское предприятие РАН, 1998. – 296 с.
4. Круглов, В. В. Искусственные нейронные сети. Теория и практика/ В.В. Круглов, В.В. Борисов – М.: Горячая линия-Телеком, 2001. – 382 с.
5. Вороновский, К. В. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В. Махотило, С.Н. Петрашев, С. А. Сергеев.— М.: ОСНОВА, 1997.— 112 с.
6. Уотермен, Д. Руководство по экспертным системам/ Уотермен Д-Пер. с англ. – М.: Мир, 1989. – 174 с.
7. Усманова, И. В. Сетевые модели представления знаний для решения задачи анализа документооборота организации. – Известия ПГПУ им. В.Г. Белинского.-№ 26. – 2011.-С. 412-417.
8. Усманова, И. В. Взаимодействие интеллектуальных компонентов информационного обеспечения автоматизированной системы анализа и оптимизации документооборота организации/ И.В.Усманова, Л.В.Забродина – Известия ПГПУ им. В.Г. Белинского.-№ 30.-2012.-С. 310-318.
9. Усманова, И. В. Анализ документооборота коммерческого предприятия/И.В.Усманова, Н.Б.Баканова, А.И.Таирова-Х-ая Международная научно-практическая конференция «Современные технологии документо¬оборота в бизнесе, производстве и управлении». Сб. статей – Пенза. – ПДЗ. – 2010.-С.60-62.
10. Корнеенко Д.А., Кашин С.В., Куропаткина А.Е. Критерии оценки информационно-психологической устойчивости it-специалиста // NB: Кибернетика и программирование. - 2013. - 3. - C. 43 - 54. URL: http://www.e-notabene.ru/kp/article_8313.html
References
1. Neilor, K. Kak postroit' svoyu ekspertnuyu sistemu / Neilor K.-Moskva, 1991. – 189 s.
2. Uossermen, F. Neirokomp'yuternaya tekhnika: Teoriya i praktika/ Uossermen F.-M: Mir, 1992. – 240 s.
3. Gorban', A. N. Neiroinformatika / A.N.Gorban', V.L.Dunin-Barkovskii, A.N.Kirdin i dr.-Novosibirsk: Nauka. Sibirskoe predpriyatie RAN, 1998. – 296 s.
4. Kruglov, V. V. Iskusstvennye neironnye seti. Teoriya i praktika/ V.V. Kruglov, V.V. Borisov – M.: Goryachaya liniya-Telekom, 2001. – 382 s.
5. Voronovskii, K. V. Geneticheskie algoritmy, iskusstvennye neironnye seti i problemy virtual'noi real'nosti / G.K.Voronovskii, K.V. Makhotilo, S.N. Petrashev, S. A. Sergeev.— M.: OSNOVA, 1997.— 112 s.
6. Uotermen, D. Rukovodstvo po ekspertnym sistemam/ Uotermen D-Per. s angl. – M.: Mir, 1989. – 174 s.
7. Usmanova, I. V. Setevye modeli predstavleniya znanii dlya resheniya zadachi analiza dokumentooborota organizatsii. – Izvestiya PGPU im. V.G. Belinskogo.-№ 26. – 2011.-S. 412-417.
8. Usmanova, I. V. Vzaimodeistvie intellektual'nykh komponentov informatsionnogo obespecheniya avtomatizirovannoi sistemy analiza i optimizatsii dokumentooborota organizatsii/ I.V.Usmanova, L.V.Zabrodina – Izvestiya PGPU im. V.G. Belinskogo.-№ 30.-2012.-S. 310-318.
9. Usmanova, I. V. Analiz dokumentooborota kommercheskogo predpriyatiya/I.V.Usmanova, N.B.Bakanova, A.I.Tairova-Kh-aya Mezhdunarodnaya nauchno-prakticheskaya konferentsiya «Sovremennye tekhnologii dokumento¬oborota v biznese, proizvodstve i upravlenii». Sb. statei – Penza. – PDZ. – 2010.-S.60-62.
10. Korneenko D.A., Kashin S.V., Kuropatkina A.E. Kriterii otsenki informatsionno-psikhologicheskoi ustoichivosti it-spetsialista // NB: Kibernetika i programmirovanie. - 2013. - 3. - C. 43 - 54. URL: http://www.e-notabene.ru/kp/article_8313.html