DECISION-MAKING SYSTEM WITH DIFFERENT TYPES OF ELEMENTS
Abstract and keywords
Abstract (English):
The corporate environment currently focused on the inclusive workflow, involves bringing together employees from different countries to achieve a common organizational goal. Difficulties that arise in the process of achieving it may be due to a lack of sufficient experience or, on the contrary, past experience interferes with making a decision. To overcome such problems, it is important to develop a decision support system, a team deci-sion support tool and an information system for managers. The information security of the decision-making system is carried out by modeling the security elements of the system that analyze the integrity of information in the process of its operation. Information security modeling is based on information security methods based on ungrouping and creating subsystems with heterogeneous data. This method is provided by a graph and hypograph implementation, which can be converted to a matrix form. For the conceptual apparatus there are used the rules in the form “If A, then B” and their analogues. The model of functioning the decision-making system based on the multi-agent approach is described. The results obtained can be used in the creation of simulators and decision-making systems themselves in various subject areas. By separating data flows into computational and executive ones, data types are distinguished and better modeling of the entire system is carried out. The solution of the problem of maximum fulfillment of the goals set for the decision-making system can be implemented by modified network methods, such as Markov nets, Petri nets, etc.

Keywords:
decision making, physical layer, information layer, element, computational function, executive function
Text
Text (PDF): Read Download

Введение Благодаря современной системе хранения данных в информационных системах имеется большой объем внутренних организационных данных. Однако не все доступные данные могут быть полезны для принятия решения. Поток информации, поступающий через сеть Интернет, увеличивается с каждым днем. Лица, принимающие решения, должны следить за последней информацией, доступной в Интернете. Все больше и больше деловых операций совершается в Интернете. Распространение электронной коммерции создало возможности, а также проблемы для лиц, принимающих решения. Многонациональные компании сталкиваются со сценариями, когда лица, принимающие решения, могут находиться в разных станах мира. Каждый человек, принимающий решения, привносит свое собственное восприятие проблемы во время группового обсуждения. Таким образом, принятие решения посредством консенсуса затрудняется [1, 2]. В настоящее время корпоративная среда поощряет инклюзивный подход к решению задач, когда сотрудники из разных стран объединяются для достижения единой организационной цели, что усложняет процесс принятия решений [2–6]. Некоторые решения могут быть приостановлены из-за отсутствия опыта, в частности в области операций, а зачастую прошлый опыт мешает принять решение, и для определения «узких мест» требуется свежий взгляд на проблему. Для преодоления таких препятствий важно разработать систему поддержки принятия решений, инструмент поддержки командных решений и информационную систему для руководителей. Материалы исследования Рассмотрим предложенную авторами статьи систему принятия решений, состоящую из следующих элементов. ; – набор свойств при использовании данного множества: . Элементы данного множества разнородны, тогда: 1. pi и pj – характеризуются как количественные значения. 2. pj – расширяет и дополняет свойства, характеризующие элемент pi. 3. pi и pj – неоднородные, дающие нечеткое значение. Свойства верны при разнесении их в пространстве следовательно, соотношение 3 выполняется только для элементов с нечеткими значениями. О количественных характеристиках, применимых к системам принятия решения при переводе нечетких значений в количественные различными математическими методами, упоминается в работах [7–9]. В работах [3, 4] данные в информационных системах рассматриваются как совокупность элементов различных (информационного и физического) уровней. Таким образом, можно говорить о существовании свойства, характеризующего принадлежность характеристик к информационному или физическому уровню на основе выполняемого элемента функций: – свойство, характеризующее принадлежность элемента e к физическому или информационному уровню: Функции, выполняемые элементами систем принятия решений, можно разделить на два типа: – вычислительные; – исполнительные. Вычислительные функции позволяют выработать план действий, необходимых для выполнения задач. Исполнительные функции позволяют выполнить задачу, основываясь на плане, разработанном ранее. Таким образом, элементам информационного уровня присущи вычислительные функции, а элементам физического уровня – исполнительные. Можно говорить том, что элементы информационного уровня вырабатывают план, согласно которому элементы физического уровня выполняют поставленные задачи [10–15]. Любой элемент системы принятия решения может относиться только к одному уровню с точки зрения выполняемых функций. Таким образом, , где Pinf – множество элементов информационного уровня ( ), Pphy – множество элементов физического уровня ( ). Графически система принятия решения на основе различных уровней представлена на рис. 1. Рис. 1. Графическое представление системы принятия решения на основе физического и информационного уровня Fig. 1. Graphical presentation of the decision making system based on physical and information layer ∀p_i, p_j ∈ P, i ≠ j осуществляют ИВ ⇒∃ С_(i_j ) – устойчивый канал связи, где ИВ – информационное взаимодействие объектов; С – детерминированный канал связи. В общем случае любой элемент физического уровня должен иметь устойчивый канал связи с одним из элементов информационного уровня, при этом необязательно у каждого элемента информационного уровня будет связь с физическим. Так как тогда и где – множество элементов, взаимодействие которых связано с элементом pi и элементом, находящимся в связи с ним. Тогда . Если то pi может осуществлять взаимодействие с любым элементом системы принятия решения. Если система принятия решений является полносвязной, то , обратное неверно. Основываясь на вышеприведенных тезисах, можно представить систему принятия решения в виде графа G(P), где – множество вершин графа – множество устойчивых каналов связи между . Графическое представление графов приведено на рис. 2. а б в Рис. 2. Графы на основе простейших взаимодействий элементов системы принятия решения: а, б – графы на основе полносвязных киберфизических систем; в – граф на основе киберфизической системы без полной связи Fig. 2. Graphs based on the simplest interactions of elements of the decision-making system: a, б - graphs based on fully connected cyber-physical systems; в - graph based on cyber-physical system without full connection Таким образом, если система принятия решений является полносвязной, то G(P) является связным, т. е. – путь от вершины pi до вершины pj, показанной на рис. 2 а, б. Однако не каждая система является полносвязной (рис. 2, в), т. к. не каждый элемент имеет прямую связь с другими элементами. При данных условиях можно констатировать наличие подсистемы. – подсистема системы принятия решения равносильна следующему выражению: при этом и Следовательно, , где k – количество подсистем системы принятия решений. Полносвязная система имеет только одну подсистему, состоящую из более сложных систем. Заключение Предлагается обобщенная модель функционирования киберфизической системы, определяются критерии выполнения задач и элементы киберфизической системы, рассматривается процесс функционирования системы. Модель защищенного информационного взаимодействия между элементами киберфизической системы позволяет оценить целостность информации во время работы самой системы. Модель защищенного информационного взаимодействия основана на двух основных методах: обеспечении информационной безопасности на основе социальных механизмов и методе временной централизации. Метод обеспечения информационной безопасности, основанный на социальных механизмах, обеспечивает целостность на основе анализа поведения элементов системы и/или проверки данных с использованием приведенных методов. Метод временной централизации представляет угрозу, поскольку позволяет решать проблемы в конкретных точках при использовании централизованного подхода, организующего информационные взаимодействия между элементами киберфизической системы, риск внедрения снижается в момент организации информационного взаимодействия
References

1. Rowstron A., Druschel P. Pastry: Scalable, decentralized object location, and routing for large-scale peer-to-peer systems // IFIP/ACM International Conference on Distributed Systems Platforms and Open Distributed Processing. Berlin: Heidelberg, Springer, 2001. P. 329-350.

2. Yudina M. A. Industriya 4.0: perspektivy i vyzovy dlya obschestva // Gos. upr. Elektron. vestn. 2017. № 60. S. 197-215.

3. Schollmeier R. A definition of peer-to-peer networking for the classification of peer-to-peer architectures and applications // Peer-to-Peer Computing, 2001. Proceedings. First International Conference on IEEE. 2001. P. 385-388. DOI:https://doi.org/10.1109/P2P.2001.990434.

4. Kalyaev I. A., Gayduk A. R. Staynye principy upravleniya v gruppe ob'ektov // Mehatronika, avtomatizaciya, upravlenie. 2004. № 12. P. 27-38.

5. Dobrynin A. P., Chernyh K. Yu., Kupriyanovskiy V. P., Kupriyanovskiy P. V., Sinyagov S. A. Cifrovaya ekonomika - razlichnye puti k effektivnomu primeneniyu tehnologiy (BIM, PLM, CAD, IOT, Smart City, BIG DATA i drugie) // International Journal of Open Information Technologies. 2016. T. 4. № 1. S. 4-11.

6. Santucci G. The internet of things: Between the revolution of the internet and the metamorphosis of objects // Vision and Challenges for Realising the Internet of Things. 2010. P. 11-24.

7. Novikov D. A. Teoriya upravleniya organizacionnymi sistemami. M.: Izd-vo Mosk. psihol.-soc. in-ta, 2005. 584 c.

8. Viner N. Kibernetika, ili upravlenie i svyaz' v zhivotnom i mashine. M.: Nauka, 1983. 344 c.

9. Tyuhtin V. S. Otrazhenie, sistemy, kibernetika. M.: Nauka, 1972. 256 s.

10. Wayne W. Cyber-physical systems // Computer. 2009. N. 42 (3). P. 88-89.

11. Rajkumar R. R., Lee I., Sha L., Stankovic J. Cyber-physical systems: the next computing revolution // Proceedings of the 47th Design Automation Conference ACM (2010, June). P. 731-736. DOI:https://doi.org/10.1145/1837274.1837461.

12. Sha L., Gopalakrishnan S., Liu X., Wang Q. Cyber-physical systems: A new frontier // Sensor Networks, Ubiquitous and Trustworthy Computing, 2008. SUTC'08. IEEE International Conference on IEEE (2008, June). P. 1-9. DOI:https://doi.org/10.1109/SUTC.2008.85.

13. Ganzhur M. A., Ganzhur A. P., Smirnova O. V. Modeling of critical systems implementing negative events using dual Petri nets // MATEC Web of Conferences Volume 226 (2018), XIV International Scientific-Technical Conference “Dynamic of Technical Systems” (DTS-2018). URL: doi.org/10.1051/matecconf/201822604001 (data obrascheniya: 16.10.2021).

14. Zotov A. I., Ganzhur M. A., Avak'yanc A. V. Harakteristika upravlencheskoy struktury i sistemy prohozhdeniya komand // Problemy sovremennogo pedagogicheskogo obrazovaniya. 2018. № 58-3. S. 111-116

15. Marković N., Živanić J., Lazarević Z., Iričanin B. The Mathematical Model for Analysis and Evaluation of the Transient Process of the three-phase Asynchronous Machine Performance // Serbian Journal of Electrical Engineering (DTS-2018). URL: http://www.journal.ftn.kg.ac.rs/Vol_15-3/05-Markovic-Zivanic-Lazarevic-Iricanin.pdf (data obrascheniya: 16.10.2021).


Login or Create
* Forgot password?