Контекстно-ориентированная поддержка принятия решений при конфигурировании производственных систем

Целью диссертационного исследования является повышение эффективности принятия решений при конфигурировании производственных систем за счет разработки новых моделей и методов, обеспечивающих семантическую интеграцию с существующим модельно-алгоритмическим аппаратом, учитывающих контекстную информацию о самих системах и их окружении, а также позволяющих повысить уровень автоматизации и интеллектуализации процессов принятия решений. Методы: системного анализа, исследования операций, теории графов, теории множеств и отношений, а также методы машинного обучения, управления онтологиями и контекстом. Результаты: Разработана оригинальная методология контекстно-ориентированной поддержки принятия решений при конфигурировании производственных систем, учитывающая контекст конфигурирования и предпочтения лица, принимающего решения, позволяющая осуществлять представление проблемной области в интерпретируемом виде и базирующаяся на технологиях машинного обучения, генеративного и нейросимволического искусственного интеллекта. Разработана модель представления знаний с помощью мультиаспектных онтологий, обеспечивающих интеграцию разнородных аспектов проблемной области в общую онтологию и отличающихся возможностью сохранения их независимости и внутренних формализмов и возможностью повторного использования существующих методов решения задач конфигурирования элементов производственных систем, а также нотация описания и методология построения таких онтологий. Разработана онтологическая модель конфигурации производственной системы, позволяющая не только описывать структуру системы, ее компоненты и их поведение, но и поддерживать активные механизмы конфигурирования, а также обеспечить семантическую интероперабельность аспектов. Предложен оригинальный метод учета предпочтений лица, принимающего решения, основанный на гранулярном представлении информации и позволяющий количественно оценивать надежность предпочтений в зависимости от ситуации. Разработан метод поддержки принятия решений с использованием нейросетевого подхода, основанный на использовании графовых нейронных сетей и нейросимволического интеллекта, позволяющий повысить качество нейросетевых моделей, в том числе при недостатке обучающих данных. Разработан оригинальный метод генерации альтернативных конфигураций на основе генеративного дизайна, основанный на использовании генеративной нейросетевой модели и отличающийся наличием композитного дискриминатора, объединяющего свойства нейросетевого и аналитического подходов. Предложена сервис-ориентированная технологическая структура рекомендательной системы, отличающаяся возможностью использования сторонних сервисов, предоставляющих различную информацию и способных решать типовые задачи, и способностью формировать персонализированные рекомендации проактивно. Внедрение: Основные результаты исследований внедрены в АО «Майнинг Элемент», СПб ФИЦ РАН, Университет ИТМО, КБНЦ РАН, СПбГЭТУ ЛЭТИ. Область применения: системы управления корпоративными знаниями, системы моделирования предприятий, конфигурирования сложных систем.