ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ У ПРИЙНЯТТІ ЕФЕКТИВНИХ РІШЕНЬ В УПРАВЛІННІ ПІДПРИЄМСТВОМ

Заголовок (російською): 
ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ПРИНЯТИИ ЭФФЕКТИВНЫХ РЕШЕНИЙ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ
Заголовок (англійською): 
ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ПРИНЯТИИ ЭФФЕКТИВНЫХ РЕШЕНИЙ В УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ
Автор(и): 
Доценко С.І.
Савенко В.І.
Базиленко С.О.
Клюєва В.В.
Пальчик С.П.
Гігінейшвілі Д.Я.
Автор(и) (англ): 
Dotsenko Sergey
Savenko Volodymyr
Savenko Volodymyr
Klyuyeva Victoriya
Palchik Sergey
Gigineishvili Johnny
Ключові слова (укр): 
предметна область; діяльність; нейрон; нейронна мережа; функціональна система
Ключові слова (рус): 
предметная область; деятельность; нейрон; нейронная сеть; функциональная система
Ключові слова (англ): 
предметная область; деятельность; нейрон; нейронная сеть; функциональная система
Анотація (укр): 
Розроблено метод моделювання знань про предметну сферу на основі центральної закономірності інтегративної діяльності мозку. Запропоновано модель архітектури знань у формі чотиривимірного процесно-ресурсного представлення моделі знань про діяльність. Доведено практичну застосовність запропонованої моделі для теоретичного обґрунтування моделей архітектур знань для BSC методології та когнітивної структуризації знань в PEST-методології. Показано, що чотири виміри знань для центральних інтеграційних моделей мозкової діяльності забезпечують синтез цілей і визначають його досягнення на основі діалектичного взаємозв'язку між парами технологічних факторів і ресурсними факторами реалізації. Запропонована модель майбутнього результату – це когнітивна модель знань про предметну область. Показано, що модель збалансованої системи показників є теоретичним обгрунтуванням для її структури на основі бінарних відносин у вигляді діалектичних категорій єдності «загальних» і «тотожних» і причинно-наслідкових зв'язків і є практичним прикладом моделі знань про предметну область, заснованої на центральних законах інтегративної активності мозку. Приклади розробки моделей архітектурних знань про компанію демонструють практичне застосування принципу діалектичних відносин у вигляді «спільного» – «єдиного», не усвідомлюючи наявності такого типу відносин і їх ролі в досліджуваних моделях.
Анотація (рус): 
Разработан метод моделирования знаний о предметной области на основе центральной закономерности интегративной деятельности мозга. Предложена модель архитектуры знаний в форме четырехмерного процессно-ресурсного представления модели знаний о деятельности. Доказана практическая применимость предложенной модели для теоретического обоснования моделей архитектур знаний для BSC методологии и когнитивной структуризации знаний в PEST-методологии. Показано, что четыре измерения знаний для центральных интегративных моделей мозговой деятельности обеспечивают синтез целей и определяют его достижения на основе диалектической взаимосвязи между парами технологических факторов и ресурсными факторами реализации. Предложенная модель будущего результата – это когнитивная модель знаний о предметной области. Показано, что модель сбалансированной системы показателей является теоретическим обоснованием для ее структуры на основе бинарных отношений в виде диалектических категорий единства «общих», «тождественных», причинно-следственных связей и является практическим примером модели знаний о предметной области, основанной на центральных законах интегративной активности мозга. Примеры разработки моделей архитектурных знаний о компании демонстрируют практическое применение принципа диалектических отношений в виде «общего» – «единого», не осознавая наличия такого типа отношений и их роли в исследуемых моделях.
Анотація (англ): 
The development of a method for modeling knowledge of the subject domain based on the central pattern of integrative activity of the brain activity. A model of the knowledge architecture in the form of a four-dimensional process-resource representation of the knowledge model about activity is proposed. The practical applicability of the proposed model for theoretical justification of models of knowledge architectures for BSC methodology and cognitive knowledge structuring in PEST methodology proved. It shown that the four dimensions of knowledge for central integrative brain activity patterns provide a synthesis of objectives and deciding on its achievements based on the dialectical relationship between pairs of process factors and resource factors of implementation. The proposed model of the future outcome is both cognitive model of knowledge about the subject area. It is shown that the model of balanced scorecard is quite theoretical justification for its structure on the basis of binary relations in the form of dialectical unity categories of «general» and «identity» and cause-effect relationships and is a practical example of a model of knowledge about the subject area based on central laws integrative brain activity. Examples develop models of architectural knowledge about the company demonstrate the practical application of the principle of dialectical relationship categories in the form of «general» – «single» with no awareness of the availability of this type of relationship and their role in the investigated models.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 34, 2018
Назва журналу, номер, рік випуску (рус): 
Управление развитием сложных систем, номер 34, 2018
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems
Мова статті: 
Українська
Формат документа: 
application/pdf
Документ: 
24.pdf
Дата публікації: 
10 Апрель 2018
Номер збірника: 
34
Розділ: 
ТЕХНОЛОГІЯ УПРАВЛІННЯ РОЗВИТКОМ
Університет автора: 
Харківський національний технічний університет сільського господарства ім. Петра Василенка; Київський національний університет будівництва і архітектури, Київ; Фірма «Progressi», Тбілісі
Литература: 
  1. Kosanke, K. Standardization in ISO for enterprise engineering and integration, in Computers in Industry [Text] /
    K. Kosanke, J. G. Nell // Computers in Industry. – 1999. – Vol. 40, № 2-3. – P. 311–319. doi:10.1016/s0166-3615(99)00034-2
  2. Power, D. J. Web-based and model-driven decision support systems: concepts and issues [Text] / D. J. Power // AMCIS 2000 Proceedings. – 2000. – P. 352–355.
  3. Авилов, А. В. Рефлексивное управление: методологические основания [Текст] / А. В. Авилов. – М.: ГУУ, 2003. – 202 с.
  4. Сторож, В. В. Моделирование интеллектуальной деятельности человека [Текст] / В. В. Сторож // Искусственный интеллект. – 2012. – № 3. – С. 42–50.
  5. Анохин, П. К. Принципиальные вопросы общей теории функциональных систем [Текст] / П. К. Анохин. – М.: Медицина, 1975. – 448 с.
  6. Пупков, К. А. Интеллектуальные системы (Исследование и создание) [Текст]: учеб. пос. / К. А. Пупков, В. Г. Коньков. – Москва: МГТУ им. Н. Э. Баумана, 2001. – 194 с.
  7. Доценко, С. І. Архітектоніка функціональної системи як елемент організації діяльності в загальній теорії підприємства [Текст]: зб. наук. пр. / С. І. Доценко // Вісник НТУ «ХПІ». Серія: Технічний прогрес та ефективність виробництва. – 2013. – № 44 (1017). – С. 41–48.
  8. Осуга, С. Обработка знаний [Текст]: пер. с япон. / С. Осуга. – М.: Мир, 1989. – 293 с.
  9. Попов, Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ [Текст] / Э. В. Попов. – М.: Наука, 1987. – 288 с.
  10. Уотермен, Д. Руководство по экспертным системам [Текст]: пер. с англ. / Д. Уотермен. – М.: Мир, 1989. – 388 с.
  11. Велихов, Е. П. Интеллектуальные процессы и их моделирование [Текст] / Е. П. Велихов, А. В. Чернавский.
    – М.: Наука, 1987. – 396 с.
  12. Haykin, S. Neural Networks: A Comprehensive Foundation [Text] / S. Haykin. – Ed. 2. – Prentice Hall, 1998. – 842 p.
  13. Бостром, Н. Искусственный интеллект. Этапы. Угрозы. Стратегии [Текст] / Н. Востром; пер. с англ. С. Филина. – М.: Манн, Иванов и Фербср, 2016. – 496 с.
  14. Люгер, Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем [Текст]: пер. с англ. / Д. Ф. Люгер. – 4-е изд. – М.: Издательский дом «Вильяме», 2003. – 864 с.
  15. Доценко, С. И. К вопросу о кризисе системной методологии и пути его преодоления [Текст] / С. И. Доценко // Технологический аудит и резервы производства. – 2014. – № 4/1 (18). – С. 12–17. doi:10.15587/2312-8372.2014.26230
  16. Никоненко, А. А. Обзор баз знаний онтологического типа [Текст] / А. А. Никоненко // Искусственный интеллект. – 2009. – № 4. – С. 208–219.
  17. Бурдаев, В. П. Об одном подходе реализации онтологии предметной области [Текст] / В. П. Бурдаев // Искусственный интеллект. – 2010. – № 3. – С. 608–617.
  18. Любченко, В. В. Модели знаний для предметных областей учебных курсов [Текст] / В. В. Любченко // Искусственный интеллект. – 2008. – № 4. – С. 458–462.
  19. Гарбарчук, В. Деякі принципові проблеми теорії інформації на шляху до штучного інтелекту [Текст] / В. Гарбарчук // Искусственный интеллект. – 2008. – № 3. – С. 28–35.
  20. Доценко, С. І. Розвиток принципу бінарних відносин в теорії управління економічними процесами [Текст]: монографія / С. І. Доценко; під ред. В. О. Тімофеєва, І. В. Чумаченко. – Х.: ХНУРЭ, 2015. – 245 с.
  21. Доценко, С. И. Время как фундаментальный организационный фактор в общей теории предприятия [Текст]: монография / С. И. Доценко; под ред. П. Г. Перервы, О. И. Саченко. – Х.: ТОВ Щедра садиба плюс, 2013. – 243 с.
  22. Каплан, Р. С. Сбалансированная система показателей. От стратегии к действию [Текст] / Р. С. Каплан, Д. П. Нортон. – М.: ЗАО «Олимп-Бизнес», 2003. – 214 с.
  23. Доценко, С. І. До питання про теоретичне обґрунтування методології збалансованої системи показників [Текст] / С. І. Доценко; під ред. О. І. Савченко // Праці 7 Міжнародній науково-практичній конференції «Стратегії інноваційного розвитку економіки: бізнес, наука, освіта». – Харків: НТУ «ХПІ», 2015. – С. 265–268.
  24. Макаренко, С. И. Интеллектуальные информационные системы [Текст]: учеб. пос. / С. И. Макаренко. – Ставрополь: СФ МГГУ им. М. А. Шолохова, 2009. – 206 с.

 

References: 
  1. Kosanke, K., Nell, J. G. (1999). Standardisation in ISO for enterprise engineering and integration. Computers in Industry, Vol. 40, № 2-3, 311–319. doi:10.1016/s0166-3615(99)00034-2
  2. Power, D.J. (2000). Web-Based and Model-Driven Decision Support Systems: Concepts and Issues. AMCIS 2000 Proceedings, 352–355.
  3. Avilov, A.V. (2003). Reflexive management: methodological background. Moscow: GUU, 202.
  4. Storozh, V.V. (2012). Modellimg of human intellectual activity. Artificial intellect, 3, 42–50.
  5. Anohin, P.K. (1975). Printsipal questions of general theory of functional systems. Moscow: Meditsina, 448.
  6. Pupkov, K.A., Kon'kov, V.G. (2001). Intellectual systemys (Investigation and creation). Moscow: MSTU n.a. N.E. Baumana, 194.
  7. Dotsenko, S.I. (2013). Architektonic of functional system as an element of organization activity in general theory of business. Visnyk NTU «KhPI». Seria: Technical progress and effectiveness of manufacture, 44 (1017), 41–48.
  8. Osuga, S. (1989). Treatment of knowledge. Translation from Japanese. Moscow: Mir, 293.
  9. Popov, E.V. (1987). Expert systems: Solving of non-formal questions in the dialog with Reshenie computer. Moscow: Nauka, 288.
  10. Waterman, D. (1989). Guideline on expert systems. Translation from English. Moscow: Mir, 388.
  11. Velihov, E.P., Chernavskii, A.V. (1987). Intellectual protcesses in modelling. Moscow: Nauka, 396.
  12. Haykin, S. (1998). Neural Networks: A Comprehensive Foundation. Ed. 2. Prentice Hall, 842.
  13. Vostrom, N. (2016). Artificcial intellect. Stages. Risks. Strategies. Moscow: Mann, Ivanov i Ferbsr, 496.
  14. Luger, G.F. (2003). Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Ed. 4. Moscow: Publishing House «Williams», 864.
  15. Dotsenko, S. (2014). On the issue of system methodology crisis and ways to overcome it. Technology Audit and Production Reserves, 4(1 (18)), 12–17. doi:10.15587/2312-8372.2014.26230