Программные продукты и системы

Проектирование как один из широко распространенных видов интеллектуальной деятельности характеризуется устойчивым жизненным циклом, структура которого зафиксирована в международных стандартах [1, 2]. Согласно этим стандартам, первой и одной из наиболее ответственных стадий жизненного цикла является формирование концепции проекта, которая обычно формулируется в виде вербальных высказываний, задающих главную идею проекта на уровне понятий. В сложившейся проектной практике [3] концепция формируется в высшем управленческом звене проекта, причем для этого обычно используется эвристический метод, основывающийся на личных профессиональных знаниях авторов концепции. Очевидно, что такой, в значительной степени субъективный подход не гарантирует оптимальности принимаемых решений и не может считаться надежным проектным инструментом. Альтернативой эвристическому методу должна служить методология, которая опирается на тщательно подготовленную, широко обобщенную и четко структурированную информацию, всесторонне описывающую проектируемую сущность, а также на формализованную логику обработки этой информации. Один из вариантов реализации такой методологии обсуждается в настоящей работе.

Формирование концептуальных проектов включает две фазы – генерирование альтернативных концепций и выбор предпочтительной альтернативы.

Генерирование концепций строится на анализе существующей понятийной информации о рассматриваемой сущности. Структурированное понятийное описание сущности может существовать в различных формах, среди которых важное место занимают фасетные классификаторы [4], которые представляют данные о рассматриваемой сущности в виде системы соподчиненных атрибутов этой сущности.

Фасетные классификаторы относятся к группе классификаторов комбинаторного типа. В простейшем варианте фасетный классификатор представляет собой связный двухуровневый древовидный граф, вершины которого задают состав атрибутов, описывающих классифицируемую сущность, а ребра – структуру отношений между этими атрибутами. Нулевым уровнем фасетного классификатора является вершина, задающая классифицируемую сущность. Вершины первого уровня выполняют роль дискриминаторов и описывают аспекты классификации. Второй уровень классификатора образован вершинами графа, которые содержат атрибуты-категории (далее – атрибуты), представляющие собой наборы альтернативных реализаций дискриминаторов. В общем случае такая фасетная классификационная структура содержит I дискриминаторов, которые декомпозированы на группы, включающие по Ji атрибутов.

Таким образом, вершины нижнего уровня фасетной классификационной структуры представляют собой множество атрибутов классифицируемой сущности, которые в совокупности описывает на понятийном уровне К возможных вариантов реализации этой сущности. При этом каждая k-я альтернативная реализация описывается неповторяющимся сочетанием ij-х вершин нижнего уровня классификатора, извлеченных по одной из каждой i-й группы, связанной с каждым из имеющихся дискриминаторов классификатора.

Например, для генерирования концепций сущности «Металлорежущий станок» можно воспользоваться фасетным классификатором (см. рис.), который содержит три дискриминатора D1, D2, D3. Каждый из этих дискриминаторов имеет альтернативные реализации в семи атрибутах, образующих три группы {а11, а12}, {а21, а22, а23}, {а31, а32}, связанные с дискриминаторами D1, D2, D3 соответственно (табл.1). Эти атрибуты образуют двенадцать неповторяющихся сочетаний по три (К1–К12), в которых реализуются все описанные классификатором концепции рассмотренной сущности (табл. 2).

Таблица 1

Элементы классификатора

*  ID – идентификатор

Как видно из рассмотренного примера, генерирование концепций на классификационных структурах сводится к решению простой комбинаторной задачи. Такая формализация процесса создает определенные предпосылки для его автоматизации, а также для формирования объективных подходов к выбору предпочтительного варианта концепции из множества сгенерированных альтернатив.

Таблица 2

Концепции сущности “Металлорежущий станок”

Для выбора предпочтительной концепции из числа альтернатив, сгенерированных на классификационной структуре, можно использовать экспертное оценивание [5] или метод продукционных правил [6].

Экспертное оценивание – это метод, в котором оценка исследуемого объекта формируется на основе персональных мнений экспертов, привлеченных к решению рассматриваемой задачи. В рассматриваемой здесь задаче объектом оценивания являются альтернативы концепции проекта, сгенерированные на фасетном классификаторе. Как отмечалось выше, фасетная классификационная структура в общем случае содержит I дискриминаторов, которые декомпозированы на группы, включающие по Ji атрибутов.

Экспертное оценивание сгенерированных на классификаторе концепций складывается из двух стадий: 1) присвоение каждому из атрибутов классификатора единичных экспертных оценок qij; 2) формирование комплексной экспертной оценки Qk для каждой из К концепций по совокупности единичных оценок qijk. Обычно комплексная экспертная оценка k-й концепции определяется суммированием единичных оценок: Q k  = S i q ijk, где Qk – комплексная экспертная оценка k-й концепции; qijk – единичная экспертная оценка j-го атрибута в группе, относящейся к i-му дискриминатору k-й концепции.

Полученные комплексные оценки альтернативных концепций проекта позволяют проранжировать привлекательность этих концепций и выбрать из них наиболее предпочтительный вариант.

Так, если в рассмотренном примере, выбирается концепция станка для серийной механообработки деталей повышенной точности и сложной формы в составе комплексно автоматизированной производственной системы, а экспертные оценки имеют значения, приведенные в таблице 2, то наиболее предпочтительной концепцией является концепция К10 (табл. 3), а ряд предпочтительности концепций имеет вид: К5, К1, К6, К2,3, К11, К4,7, К12, К8,9, К10.

Таблица 3

Выбор предпочтительной концепции методом экспертного оценивания

* Шкала оценивания возрастающая, семибалльная

При использовании метода продукционных правил определение предпочтительной концепции достигается последовательным выполнением однородных процедур по выбору предпочтительного атрибута в каждой из групп, порождаемых дискриминаторами. При этом выбор предпочтительных атрибутов осуществляется по продукционным правилам «Если…То», сформулированным для каждого дискриминатора. Результатом выполнения таких процедур является предпочтительная концепция, которая представляет собой совокупность выбранных предпочтительных атрибутов исследуемой сущности. Содержание продукционного правила удобно задавать в форме таблицы решений.

Таблица 4

Выбор концепции методом продукционных правил

Например, если выбирается концепция металлорежущего станка для рассмотренного выше примера, то применение метода продукционных правил дает приведенный результат.

В заключение можно сделать следующее общее замечание, вытекающее из сопоставления рассмотренных методов выбора предпочтительной концепции.

Метод экспертных оценок предполагает оценивание всех рассматриваемых альтернатив и порождает информацию, открывающую возможности для анализа всей гаммы рассматриваемых концепций.

В противоположность ему, метод продукционных правил оценивает только одну концепцию, которая директивно принимается как наиболее предпочтительная. Последнее можно отнести к недостаткам второго метода. Но, с другой стороны, метод продукционных правил базируется на более строгом логическом механизме, чем метод экспертного оценивания, что создает хорошие предпосылки для автоматизации решения рассматриваемой здесь задачи. Эта особенность метода продукционных правил является его достоинством.

В свете сказанного ответ на вопрос о применении для работы первого или второго методов не может быть однозначным и зависит от конкретных условий проектирования.

Список литературы

1. A Guide to the Project Management Body of Knowledge – PMI (USA), 1969.

2. International Competence Baseline – IPMA (Europe), 1965.

3. Васильев В.В., Щарабарова А.Г. Управление проектами – М.: ЛАНИТ, 2004. – 134 с.

4. Евгенев Г.Б. Системология инженерных знаний – М.: Изд-во МГТУ им. Н.Э.Баумана, 2001 – 376 с.

5. Бобровников Г.Н., Клебанов А.И. Комплексное прогнозирование создания новой техники – М.: Экономика, 1989. – 201 с.

6. Калянов Г.Н. Консалтинг при автоматизации предприятий – М.: СИНТЕГ, 1997. – 316 с.