Производство по делам об административных правонарушениях (АП) является одним из видов административно-юрисдикционного производства, основная цель которого заключается в объективном выяснении обстоятельств дела об АП, в обеспечении законности разрешения рассматриваемого дела и исполнения вынесенного постановления, а также в выявлении причин и условий, способствовавших совершению АП. В настоящее время в Российской Федерации проблема правонарушений и ответственности за них остается актуальной, так как прослеживается тенденция роста числа АП: по данным Министерства юстиции, каждый год совершается более 12 тысяч АП (см. www.minjust.ru/ ru/press/news/svedeniya-ob-osushchestvlenii-gosudar stvennogo-kontrolya-nadzora-i-municipalnogo-6).

В процессе производства по делам об АП у органов, уполномоченных вести учет административных дел, возникает ряд проблем [1]:

‒     высокая нагрузка на специалистов, связанная с непрерывным ростом числа дел об АП;

‒     формирование документации, необходимой для ведения производства по делам об АП, в текстовых процессорах, не позволяющих существенно автоматизировать процесс;

‒     затруднения, возникающие при отслеживании процессуальных сроков;

‒     принятие решений по делам об АП на основе опыта лица, принимающего данное решение;

‒     отсутствие единой базы по делам даже в рамках одной организации.

С целью предотвращения проблем, возникающих при ведении производства по делам об АП, поставлена задача разработки программной системы поддержки принятия решений в процессе анализа АП. Для обеспечения гибкости в условиях непрерывного развития интернет-технологий требуется предусмотреть возможность работы с системой как через веб-интерфейс, так и с помощью настольного приложения.

Поддержку принятия решения в процессе производства по делам об АП резонно строить на основе технологии Case-based reasoning (CBR) [2]. Технология CBR появилась сравнительно недавно, однако успела занять свое место среди технологий поддержки принятия решения [3]. Текущий уровень развития CBR позволяет применить ее для поддержки принятия решений по процессу производства по делам об АП [4], однако требуется разработать модель, обеспечивающую выявление, хранение и анализ прецедентов (паттернов) в исследуемой предметной области.

Научная новизна работы заключается в построении алгоритмов и программной системы на основе CBR-модели принятия решений для повышения эффективности производства по делам об АП.

Основной практический результат исследования – интеллектуальная информационная система для организаций, уполномоченных возбуждать и рассматривать дела об АП, предназначенная для автоматизации поддержки принятия решений и контроля процессуальных сроков на всех этапах производства по делам об АП.

Декомпозиция предметной области

Для достижения поставленной цели проведена декомпозиция предметной области [5], представленная на рисунке 1. По результатам выполненной декомпозиции выделены основные функции системы:

-     ведение картотеки дел об АП с возможностью поиска и сортировки;

-     формирование календаря задач для пользователя системы;

-     контроль процессуальных сроков по делам об АП;

-     формирование документов и отчетов, необходимых в процессе ведения производства;

-     поддержка принятия решения по делу об АП.

Модель поддержки принятия решений

В разработанной системе реализована математическая модель поддержки принятия решений на основе технологии CBR поиска описания прецедентов (паттернов) решения аналогичных задач в базах знаний. Модель поддержки принятия реше- ний обеспечивает представление и интерпретацию данных, информации, знаний, понимания в процессе разработки управленческих решений [6].

Задача принятия решений по управлению сложной системой является многокритериальной [7]. В системе такая задача T (Task) в общем виде описывается следующим образом: T = , где S (Situation) – текущая ситуация принятия решений; A (Alternatives) – множество альтернативных прецедентов (возможных вариантов развития ситуации), из которых осуществляется выбор; C (Criteria) – множество критериев для оценки предлагаемых прецедентов; M (Model) – модель расчета вектора критериев для каждого из предлагаемых прецедентов; P (Preferences) – предпочтения для каждого из критериев; R (Rule) – правило для выбора окончательного варианта из множества альтернативных прецедентов [8, 9].

Прецедент описывается в виде паттерна, который является структурой, отражающей некоторые характерные свойства задачи поиска решения. Паттерны имеют слотовую структуру и классифицируются по приложениям, степени обобщения описываемых решений и группам задач. Между собой паттерны находятся в отношениях ассоциации, обобщения и зависимости [10, 11].

Паттерн P (Pattern) в системе описывается тетрадой P = , где N (Name) – уникальное имя паттерна; G (Goal) – задача и условия применения паттерна; S (Solution) – решение задачи; R (Result) – результаты применения паттерна.

В системе для поддержки принятия решений используется совокупность рассуждений по преце- дентам и качественных рассуждений, основанных на онтологической модели представления зна- ний [6]. Процесс принятия решений на основе интеграции различных типов рассуждений представлен на рисунке 2, где 1 – структура паттерна, 2 – формализованные знания о предметной области, 3 – сохраненные паттерны, 4 – новый паттерн, 5 – результаты качественного моделирования.

Метод рассуждений по паттернам, реализованный в системе, использует как общие знания предметной области, аналогичные ситуации и решения, так и специфические данные и выводы из конкретных ситуаций (паттернов). Решение по задаче принимается исходя из аналогичной ситуации, имевшей место в прошлом, и принятого по ней решения [12].

После загрузки паттернов выбирается наиболее соответствующий текущей задаче поиска решения. Производится сравнение признаков в текущей ситуации и в выбранных паттернах. Вводится метрика (расстояние) на пространстве всех признаков, в этом пространстве определяется точка, соответствующая текущему случаю, и в рамках этой метрики из точек, представляющих паттерны, находится ближайшая к ней. Каждому признаку назначают вес, который представляет его относительную ценность. Вычисляется полная степень близости D паттерна по всем признакам в раз- рабатываемой системе: , где wj – вес j-го признака; sim – функция подобия (метрика); xij и xik – значения признака xj для текущего случая и существующего паттерна соответственно [13].

Таким образом, CBR-подход, реализуемый в системе, обеспечивает возможность использования опыта, накопленного системой, без привлечения эксперта. Подход позволяет сократить время, повысить точность поиска решения текущей проблемы посредством использования решений для аналогичных задач, исключить повторное получение ошибочного решения.

Информационно-логический проект системы

При проектировании системы выбрана трехуровневая архитектура в связи с наличием клиента, сервера приложений и сервера БД, с которым работает сервер приложений. Архитектура системы учета дел показана на рисунке 3.

В системе сервер приложений представляет собой совокупность следующих компонентов:

‒     сервис работы с Высшим арбитражным судом (ВАС) РФ, взаимодействующий с БД исполнительного производства, БД справочников;

‒     сервис административного производства, предназначенный для взаимодействия с Почтой России, Единым государственным реестром юридических лиц (ЕГРЮЛ), клиентским приложением и web-приложением, а также с БД административного производства, справочников и шаблонов документов и отчетов.

Сервер БД, входящий в состав системы, включает в себя БД:

‒     исполнительного производства;

‒     справочников системы учета дел об АП;

‒     шаблонов отчетов и документов, необходимых в процессе ведения производства по делам;

‒     дел об АП.

По функциональному признаку разрабатываемая система разделена на подсистемы:

-     управления, обеспечивающую взаимодействие остальных подсистем между собой;

-     формирования документов, позволяющую сохранять в виде файлов документы, необходимые в процессе ведения производства;

-     фильтрации, сортировки и поиска дел об АП по различным критериям;

-     контроля процессуальных сроков;

-     работы с БД, обеспечивающую хранение, модификацию данных, необходимых для функционирования системы;

-     взаимодействия с сайтом ВАС РФ для контроля исполнения, предоставляющую возможность ведения исполнительного производства;

-     визуализации.

В процессе проектирования системы учета построена логическая модель БД, представленная на рисунке 4. Эта модель описана по методологии IDEF1X. Одними из основных сущностей являются административное дело, участник дела и документ, формируемый по административному делу.

Разработанная автоматизированная система учета административных дел состоит из програм- мных модулей, представленных на рисунке 5. Основные модули системы, содержащие бизнес-логику, – Procedimiento.Core.dll, представляющий доменную модель производства по делам об АП, и Arbitration.Core.dll, предназначенный для исполнительного производства. В состав системы включаются модуль работы с данными об административном производстве (Procedimiento.Data.dll) и модуль работы с данными исполнительного производства (Arbitration.Data.dll). Для формирования докумен- тов, необходимых в процессе производства по делам, использован модуль ManagedWord.dll, позволяющий взаимодействовать с Microsoft Word.

Модуль MySql.Data.dll предоставляет возможность взаимодействия и работы с СУБД, выбран- ной для системы. Система содержит такие исполняемые модули, как Argus, представляющий собой web-часть системы, Proce- dimiento.exe, являющийся исполняемым файлом по процессу административного производства, и Arbit- ration.exe – исполняемый файл по процессу исполнительного производства.

Разработанные модули предоставляют возмож- ность доступа к функционалу системы учета дел при помощи доступа к сети Интернет и браузера. Программные модули системы составляют две ее основные части – клиентское и серверное приложения. Клиентское приложение реализовано на языке PHP с использованием Java- Script. Серверная часть разработана на языке C# и обеспечивает взаимодействие с БД. БД системы построена на основе системы управления БД MySQL в соответствии с шаблоном проектирования модель-представление-контроллер (MVC).

Функциональные возможности системы

Авторизированному пользователю в зависимости от его прав доступа на данный момент доступен определенный функционал системы. Диаграмма вариантов использования, представленная на рисунке 6, показывает, какие возможности имеют пользователи с различными правами при работе с разработанной системой. Пользователи могут иметь одну из следующих ролей: администратор, начальник отдела, специалист.

Функционал, предоставленный администратору, включает работу с пользователями и с шаблонами документов, необходимых для административного производства. В функции специалиста входят управление календарем задач, работа с участниками процесса и с делами, включающая создание, редактирование и поиск дел по заданному критерию. Пользователь с ролью начальника отдела, кроме работы с делами и управления календарем, имеет возможность удаления дела, формирования отчетов, принятия решения по делу, а также распределения задач по специалистам.

Система учета дел обеспечивает автоматизацию сбора, планирования и анализа информации по делам об АП, используемой в процессе ведения производства по делам об АП. Экранные формы, содержащие картотеку дел и календарь задач, порождаемые системой, приведены на рисунках (см. http://www.swsys.ru/uploaded/image/2018_1/2018-1-dop/15.jpg, http://www.swsys.ru/uploaded/image/ 2018_1/2018-1-dop/16.jpg).

Заключение

Разработана прецедентная система поддержки принятия решений в процессе анализа АП, поддерживающая возможность работы как через веб-интерфейс (JavaScript, Angular), так и с помощью настольного приложения (.NET WPF). Система предназначена для автоматизации поддержки принятия решений и контроля процессуальных сроков в процессе производства по делам об АП, обеспечивает автоматизацию сбора, планирования и анализа информации, используемой в процессе производства по делам об АП, и обладает следующими функциональными возможностями:

-     ведение картотеки дел по правонарушениям;

-     анализ сведений об участниках дела;

-     принятие решений по делам на основе предыдущего опыта с использованием модели CBR;

-     формирование документов, необходимых для производства по делам;

-     формирование календаря задач и контрольных дат.

Система предназначена для организаций, уполномоченных возбуждать и рассматривать дела об АП, ожидается, что она позволит таким организациям:

‒     повысить точность принимаемых решений по делам об АП;

‒     уменьшить нагрузку на специалистов, сократить время формирования отчетности;

‒     исключить процессуальные нарушения при ведении производства по делам об АП.

Представляется целесообразным продолжение исследования в направлении повышения эффективности технологии поддержки принятия решения в части исполнительного производства.

Литература

1.     Романова Е.А., Головнин О.К. Программная система поддержки принятия решений в процессе производства по делам об административных правонарушениях // Информационные технологии интеллектуальной поддержки принятия решений: сб. тр. Всерос. конф. Уфа: Изд-во УГАТУ, 2017. Т. 1. С. 115–118.

2.     Кочкин Г.А., Кочкина В.Р., Голубкин И.А. Проблемы рассуждений по прецедентам, детализации, интеграции оценки схожести прецедентов // Инженерный вестн. Дона. 2013. № 4. URL: www.ivdon.ru/ru/magazine/archive/n4y2013/2215 (дата обращения: 01.12.2017).

3.     Варшавский П.Р., Зо Лин Кхаинг, Аркар Мьо. Применение методов поиска решения на основе прецедентов в информационных поисковых системах // Программные продукты и системы. 2013. № 3. С. 114–119.

4.     Головнин О.К., Михеева Т.И., Сидоров А.В. Автоматизированная система интеллектуальной поддержки принятия решений в распределенных средах // Вестн. УГАТУ. 2014. Т. 18. № 5. С. 131–138.

5.     Верба В.С., Михеев В.А. Системный анализ методов проектирования многофункциональной информационной системы // Изв. ЮФУ. 2008. № 8. С. 109–116.

6.     Кириенко В.Е. Об одном подходе к классификации систем поддержки принятия решений // Проблемы управления в социальных системах. 2013. № 8. С. 66–73.

7.     Кузьмич Р.И., Масич И.С. Модификация целевой функции при построении паттернов для увеличения различности правил в модели классификации // Системы управления и информационные технологии. 2014. № 2. С. 14–17.

8.     Литовкин Д.В., Кульцова М.Б., Конкин Е.Е., Жуко- ва И.Г. Применение качественного моделирования для поддержки принятия решений по управлению сложными системами // Изв. ВолгГТУ. 2015. № 14. С. 63–69.

9.     Шуршев В.Ф., Кочкин Г.А., Кочкина В.Р. Модель системы поддержки принятия решений на основе рассуждений по прецедентам // Вестн. АГТУ. Сер.: Управление, вычислительная техника и информатика. 2013. Вып. 2. С. 175–183.

10.   Михеева Т.И., Михеев С.В., Головнин О.К., Сапры- кин О.Н. Паттерны проектирования сложноорганизованных систем. Самара: Интелтранс, 2015. 216 с.

11.   Норенков И.П., Уваров М.Ю. Поддержка принятия решений на основе паттернов проектирования // Наука и образование. 2011. № 9. URL: technomag.bmstu.ru/doc/228646.html (дата обращения: 01.12.2017).

12.   Карпов Л.Е., Юдин В.Н. Адаптивное управление по прецедентам, основанное на классификации состояний управляемых объектов // Тр. ИСП РАН. 2007. № 2. С. 37–58.

13.   Alekhin R.V., Varshavskiy P.R. Implementation of case-based reasoning module for intelligent decision support system. Proc. 14th National Conf. Artificial Intelligence with Intern. Participation CAI-2014. 2014, vol. 2, Kazan, RITs Shkola Publ., pp. 5–13.