Реализация онтологического подхода в обучающей экспертной системе для подготовки менеджеров проектов

УДК 007:519.816

РЕАЛИЗАЦИЯ ОНТОЛОГИЧЕСКОГО ПОДХОДА В ОБУЧАЮЩЕЙ ЭКСПЕРТНОЙ СИСТЕМЕ ДЛЯ ПОДГОТОВКИ МЕНЕДЖЕРОВ ПРОЕКТОВ ^{^*}

А.П. Еремеев^¹, В.П. Малиновский^²

Рассматривается задача сохранения и передачи корпоративного опыта сотрудникам компании. Используется онтологический подход как эффективное средство представления разнородных знаний, необходимых менеджерам для успешного ведения проектов. Предлагается система вывода на основе онтологии, решающая в обучающей экспертной системе (ОЭС) задачу передачи знаний пользователю. ОЭС создается на основе архитектуры «клиент-сервер» для обеспечения одновременной работы нескольких пользователей.

Введение

Накопление и дальнейшее использование корпоративного опыта является одной из важнейших задач современной компании. Даже в небольшой компании каждый день накапливается опыт по работе с клиентами, по решению производственных проблем, по применению управленческих технологий и т.д. Все эти знания в большинстве своем остаются личными знаниями сотрудников. В то же время они могут использоваться, например, для обучения новых сотрудников предприятия и для повышения квалификации уже работающих [Попов и др., 1996; Olivera, 2000]. Рассмотрим область знаний об управлении высокотехнологическими проектами. Данную предметную область можно разделить на следующие подобласти:

Знания о ходе выполнения высокотехнологического проекта и об управляющих воздействиях на него. Эта область знаний достаточно жестко регламентирована, в первую очередь технологическими требованиями. Принятие решений менеджером проекта имеет линейный характер (принятие решение о запуске очередного этапа определяется лишь успешным завершением предыдущего). Под управляющими воздействиями понимаются технические задания, приказы, докладные записки и другая документация, с помощью которой менеджер влияет на протекание проекта.
Знания об управлении проектами, в первую очередь, различные подходы к проектному менеджменту. В этой области рассматриваются цели и задачи управления проектами, а также управленческие методы и технологии. Знания из этой области используются в первую очередь для принятия решений по управлению проектом в ситуации, подверженной влиянию множества внешних и внутренних факторов.
Знания об управленческих командах и их членах. Знания из этой области нужны менеджерам проектов для определения своей роли в управленческой команде, которая наиболее эффективна с точки зрения успешного ведения проекта. Командная роль является некоторым набором психологических и профессиональных качеств, которыми может обладать или нет данный менеджер проекта. Знание набора командных ролей, которым может обладать данный член команды, помогает ему принять решение о том, какую именно последовательность ролей он должен сыграть для успешного ведения проекта за все время его протекания.

Современный уровень развития интеллектуальных систем позволяет решить задачу сохранения и передачи корпоративного опыта [Ларичев и др., 2003; Тельнов, 2002]. С точки зрения передачи опыта, использование на практике интеллектуальных систем направлено на эффективное решение задачи обучения сотрудников компании.

В обучении менеджеров проектов первостепенной задачей является выработка навыка принятия решений в различных ситуациях. Описанные выше три области знаний можно рассмотреть как три соответствующих уровня принятия решений менеджером проекта. На уровне технологических знаний менеджеру проекта для принятия решений преимущественно требуется лишь знание технологического процесса создания сложного промышленного объекта. На уровне управленческих знаний необходим анализ многих факторов, которые могут повлиять на течение проекта, и принятие решений носит уже нелинейный характер. Уровень управленческих команд требует от менеджера анализа собственного поведения и его влияния на проект, а также влияния поведения других менеджеров, входящих в команду. Обучение менеджеров на каждом из этих уровней является самостоятельной задачей, требующей различных типов знаний и процедур обучения.

Рассмотрим обучающую экспертную систему (ОЭС), которая, во-первых, решает задачу сохранения корпоративного опыта в базе знаний, во-вторых, с помощью набора пользовательских интерфейсов осуществляет передачу этих знаний пользователям, и, в третьих, за счет поддержки многопользовательской работы обеспечивает процесс формирования управленческих команд. В ОЭС предусмотрена возможность обучения менеджеров проектов на всех трех указанных уровнях. Для этого в ней реализован онтологический подход для представления знаний, передаваемых обучаемому пользователю. Использование онтологии обусловлено тем, что они обладают, по крайней мере, двумя важными преимуществами, необходимыми для эффективного решения практической задачи обучения. Эти преимущества – возможность интеграции разнородных знаний (например, для трех уровней принятия решений) и наглядность представления знаний в ОЭС.

Онтологии для ОЭС по подготовке менеджеров проектов

ОЭС содержит два основных компонента, которые обеспечивают решение задачи обучения. Первый компонент – база знаний, в которой хранятся знания о всех трех областях. Второй – система вывода, которая на основе модели обучаемого для каждой области вырабатывает эффективную последовательность обучения.

Используемый онтологический подход позволяет рассмотреть два основных компонента ОЭС как онтологическую систему. Формальная модель онтологической системы выглядит следующим образом: , где – онтологии, которые используются в базе знаний (метаонтология, онтологии предметной области и задач соответственно), а - система вывода, в основе которой лежит сетевое или гиперграфовое представление онтологии [Гаврилова и др., 2001].

Рассмотрим модель онтологии, которая используется в предлагаемой ОЭС. Модель онтологии, приведенная в [Гаврилова и др., 2001], дополняется множеством оценок E, которые присваиваются концептам (узлам сети) и отражают уровень освоения пользователем ОЭС представленного в базе знаний материала. Таким образом, формальная модель онтологии используемой предметной области следующая: . Множества и образуют концептуальный граф [Baget et al., 2002], лежащий в основе модели представления знаний. На рис. 1 приведен фрагмент сети, отображающий знание «инициирование есть один из этапов проекта, предшествующ

ий планированию»:

Рис. 1. Пример фрагмента сети, отображающего знание

В этом примере участвуют три важных типа отношений – «is_a», «part_of» и «follow_by». Первое служит для образования иерархии понятий, второе для описания элементов системы, а третье для отображения последовательности понятий, которые необходимы при описании процессов.

Онтология дополнена множеством E для оценки степени освоения пользователем того или иного концепта из базы знаний. Изначально, до того, как пользователь начнет работать с ОЭС, всем концептам сети присваивается минимальное значение из множества E (например, 0). В результате работы пользователя состояние онтологии меняется за счет того, что некоторые концепты, которые в той или иной степени освоены пользователем, принимают значения из множества E, отличные от минимального. В дальнейшем, по мере продвижения пользователя в освоении предметной области все больше концептов принимает ненулевые значения. Важным моментом является то, что распределение оценок монотонно. Это требование исходит из необходимости полноты освоенных пользователем знаний. Технически заполнения концептов оценками из множества E осуществляется путем прохождения пользователем различных тестов. На рис. 2 приведен предыдущий фрагмент сети, но уже с присвоенными понятиям оценками. На этом рисунке можно видеть границу знаний, освоенных пользователем (отмечено штриховой линией).

Рис. 2. Фрагмент сети с оценками из множества E и отображением границы знаний пользователя

Для каждого типа знаний, рассмотренного ранее, существует свой источник формирования оценочных значений. Для знаний об управленческих командах значения множества E показывают выраженность того или иного ролевого признака пользователя. Таким образом, формируется некий профиль пользователя. Для знаний об управлении проектами оценки означают степень освоения пользователем материала, хранящегося в базе знаний. Для знаний о реальном проекте оценивается успешность управляющих воздействий на имитацию проекта.

Так как предметная область разделена на три подобласти, то в обучении может возникнуть ситуация, когда пользователь должен будет освоить некоторую совокупность взаимосвязанных знаний из двух или трех подобластей. Рассмотрим множество функций интерпретации Ф, используемое в онтологии ОЭС для этого случая. Функция интерпретации задана на множествах X и E и выглядит следующим образом: , где - концепты, принадлежащие множеству X, - присвоенные концептам оценки из множества E, а n определяется количеством подобластей, концепты из которых задействованы в функции. Вследствие того, что функции интерпретации не зависят от отношений между понятиями, для некоторого фрагмента сети можно задать произвольное подмножество функций интерпретации. Это подмножество образует альтернативы для принятия решений пользователем в ситуации, описываемой данным фрагментом.

В ОЭС использовались статические функции интерпретации. Дальнейшим развитием онтологии может быть динамическое формирование значений на основе либо уже описанных параметров функции, либо путем расширения их другими, параметрами, например, отражающими воздействие на процесс обучения преподавателя.

Онтология задач ОЭС

Рассмотрим онтологию задач O^t, которые решает ОЭС. Первая задача – учебная и заключается в передаче пользователю необходимого ему раздела предметной области, описываемого соответствующим фрагментом онтологии. Здесь важную роль играет наглядность в представлении знаний, обеспечиваемая онтологическим подходом. Для более углубленного изучения предметной области концепты снабжаются ссылками на внешние источники информации по данной тематике. После освоения некоторого раздела пользователь проходит тестирование, в результате которого формируется набор оценок из множества E для освоенных концептов. Для этой задачи используются знания из области об управлении проектами.

Вторая задача – диагностическая, заключающаяся в формировании у пользователя представления о командных ролях и проверке соответствия его психологических и профессиональных качеств на соответствие командным ролям. В результате формируется множество оценок, которое отражает ролевой профиль данного пользователя. Здесь используются знания о командных ролях.

И третья задача – имитационная, в ходе которой группа пользователей пробует применять освоенные знания на имитационной модели управления реальным высокотехнологическим процессом. В этой задачи используются знания из всей предметной области O^d, при этом для согласования знаний из трех подобластей используются функции интерпретации. Управленческие решения, формируемые пользователями, также моделируются множеством функций интерпретации. Данная задача усложняется тем, что при выводе должны одновременно обрабатываться пересекающиеся фрагменты онтологий нескольких (до 10) пользователей. Таким образом, в рабочей памяти одновременно находятся: множество фрагментов сетей с оценками для каждого i-го пользователя , множество функций интерпретации, доступных каждому пользователю , и множество значений функций интерпретации, выбранных пользователями .

На основе онтологии задач разрабатывается программная реализация и пользовательские интерфейсы, а также определяются режимы работы ОЭС. Связь онтологий O^t и O^d с системой вывода осуществляется при помощи метаданных, хранящихся в онтологии , в которой хранится вся управляющая информация, необходимая для функционирования вывода для каждой описанной задачи.

Вывод в ОЭС

Рассмотрим систему вывода , реализованную в ОЭС. Для диагностической и учебной задач используется вывод на сети без использования функций интерпретации. Для этих задач вывод начинается с задания на сети некоторой исходной ситуации sit₀=(X₀,R₀,E₀), определяющей текущий уровень подготовки пользователя и являющейся результатом входного тестирования. Далее задается конечная ситуация sit_e=(X_e,R_e,E_e), которая отражает то состояние подготовки пользователя, которое необходимо достичь. При этом целевое состояние может определяться несколькими способами. Во-первых, исходя из понимания заданного объема знаний, которые должен освоить пользователь (например, пользователь должен освоить три определенных темы с заданным уровнем оценок из множества E). Во-вторых, исходя из некоторого целевого понятия сети, которое задается, исходя из условия задачи, определенного в онтологии O^t (например, для области знаний об управленческих командах таким понятием является «командная роль», то есть считается, что пользователь освоил эту область, если он соответствует хотя бы одной командной роли).

Основная задача вывода для этих двух задач заключается в нахождении на онтологии такого пути, что последовательность изучаемых понятий должна быть эффективной для пользователя, что, в свою очередь, означает целостное и простое освоение пользователем ОЭС материала из базы знаний. Это происходит при выполнении следующих основных условий:

из двух маршрутов достижения целевой ситуации выбирается тот, которые начинается от узла с большим значением из множества E;
путь на сети должен захватывать понятия, которые связаны с текущим проходимым пользователем отношениями «is_a» или «part_of».

В начале вывода в рабочей памяти находятся описание целевой ситуации sit_e, условия прекращения вывода (для диагностической задачи – это фиксированные узлы сети, а для учебной – задаваемый фрагмент сети). Далее система строит различные пути достижения целевой ситуации sit_e, опираясь при этом на выполнение условий эффективности, описанных ранее. Дополнительно вводится временное ограничение на работу вывода. Следует отметить, что находимый в результате вывода эффективный путь, не всегда является кратчайшим путем на сети.

Задача осложняется наличием многомерности, обусловленной спецификой имитации. Эта многомерность, как уже отмечалось, имеет два источника: ситуация описывается знаниями из нескольких подобластей; и одновременно с ОЭС взаимодействуют несколько пользователей. Исходная ситуация задается знаниями о высокотехнологическом проекте, связанными с результатами обучения и диагностики пользователей, и представляется в виде , где ID – регистрационный номер пользователя в ОЭС. Конечная ситуация задается как описание успешного или неуспешного завершения проекта или его этапа. Ее формальное описание аналогично целевой ситуации для задач диагностики и обучения. Задача вывода состоит в нахождении эффективного пути, но при этом группа обучаемых пользователей может на него воздействовать в определенных точках сети. В этих точках формируется ситуация , в которой пользователи снова ставятся перед выбором функций интерпретации из заданного набора. При этом возможно, что вывод не дойдет до очередной ситуации , что означает отсутствие решения в заданной онтологии для выбранного группой пользователей подмножества функций интерпретации.

Заключение

Рассмотренная ОЭС работает в следующих основных режимах: диагностическом, обучающем и имитационном. Для каждого типа взаимодействия пользователя с системой разработан соответствующий пользовательский интерфейс, состоящий из следующих основных блоков: блок представления знаний, блок обработки действия пользователя (тесты, имитации) и блок общения для групповой работы. ОЭС построена по архитектуре «клиент-сервер», что позволяет работать с ОЭС группе обучаемых пользователей. Это обеспечивает возможность обучения и оценки управленческих команд.

Набор режимов ОЭС обеспечивает следующую основную последовательность обучения и отбора команд и их участников:

Диагностический режим. Обрабатываются данные о ролевом профиле пользователя (обучаемого). Пользователь также получает первоначальное представление о работе в управленческой команде. Через этот режим работы проходит наибольшее количество пользователей, при этом часть из них отсеивается.
Учебный режим. Проверяется уровень владения пользователем управленческими технологиями. Далее задается тот объем знаний, который должен освоить пользователь, и система вывода разрабатывает программу обучения. После работы с ОЭС в этом режиме также отсеивается некоторое количество пользователей и принимается решение о составе групп, которые будут работать в имитационном режиме.
Имитационный режим. В этом режиме работает только группа пользователей. Успех или неудача управления имитацией проекта служит показателем для принятия решения об эффективности данной группы как управленческой команды.

Таким образом, в результате получается некоторая траектория пользователя на сети, которая служит для его индивидуальной оценки. Разработанная ОЭС используется для обеспечения первоначальной подготовки и отбора менеджеров проектов на крупном промышленном предприятии, а также для формирования и комплектации управленческих команд, численность которых достигает 50 человек.

Список литературы

[Попов и др., 1996] Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. – М.: Финансы и статистика, 1996.

[Olivera, 2000] Olivera F. Memory systems in organizations: an empirical investigation of mechanism for knowledge collection, storage and access // Journal of Management Studies, September 2000. – Blackwell Publishers, 2000.

[Ларичев и др., 2003] Ларичев О.И., Стернин М.Ю., Маломуж С.С. и др. Интеллектуальные обучающие системы для пользователей лазерных технологических комплексов // Новости искусственного интеллекта № 4, 2003.

[Тельнов, 2002] Тельнов Ю.Ф. Проектирование систем управления знаниями // Новости искусственного интеллекта № 4, 2002.

[Гаврилова и др., 2001] Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – СПб.: Питер, 2001.

[Baget et al., 2002] Baget J.F., Mugnier M.L. Extensions of Simple Conceptual Graphs: the Complexity of Rules and Constraints // Journal of Artificial Intelligence, Volume 16, 2002.

* Работа выполнена при финансовой подержке РФФИ (проект № 02-07-90042)

1 111250, Москва, Красноказарменная 14, МЭИ (ТУ), eremeev@apmsun.mpei.ac.ru

2 111250, Москва, Красноказарменная 14, МЭИ (ТУ), orando-site@yandex.ru