Системы управления знаниями

Управление знаниями
В.З. Ямпольский
Научный руководитель
института “Кибернетический центр”,
профессор ТПУ, г.Томск
Вместо введения
Создание, накопление и распространение знаний
от поколения к поколению определяет темпы
развития человеческой цивилизации.
НТП и прогрессу вообще свойственен сегодня:
- лавинообразный рост объемов и источников
информации;
- лавинообразный рост производителей и
потребителей знаний;
- глобализация различных сфер человеческой
деятельности
- слабая структуризация информации и знаний.
Управление знаниями (КМ) – многообещающее
направление в разрешении такого рода проблем.
1
Диаграмма НТП человечества
2
3
6
75
120
200
400
600
Электричество
Искусственная энергия
Книгопечатание, образование
Преемственность знаний,
писменность
Энергия воды и ветра
Энергия животных
Огонь
650
800
Авиация, атом, ЭВМ, космос,
лазер
Пещеры
400
200
100 50
Управление знаниями (КМ)
Направление КМ начало активно
разрабатываться с середины 90-х годов.
Создаются НИИ, специальные
подразделения Компаний во главе с CKO
– Chief of Knowledge Office.
КМ- крупная подпрограмма IST-6 и ICT-7 в
EU.
Знания рассматриваются как основной
источник конкурентных преимуществ
Компании.
Work Programme 2007 Challenges
Socio-economic goals
1. Network and
service
infrastructures
2. Cognitive
systems,
interaction,
robotics
3. Components,
systems,
engineering
5. ICT for
health
6. ICT for
mobility &
sustainable
growth
7. ICT for
independent
living and
inclusion
Future and Emerging
Technologies (FET)
Industry/Tech needs
4. Digital
libraries
and
content
Рост числа публикаций по управлению
знаниями
Source: Gordon & Grant
700
600
20000000
500
400
300
200
Количество
документов в
Интернет
15000000
Системы управления
знаниями(KMS)
Управление знаниями
(KM)
10000000
5000000
0
2002
2003
Год
2004
100
0
1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
Год публикации
Примеры
• БД рефератов научных статей по
генетике, молекулярной биологии и
биомедицины Pubmed содержит около 15
миллионов публикаций (2006 год).
• БД NCBI Gene о биологических объектах и
их взаимодействиях на уровне геномов,
клеток и организмов содержит 1933023
записей (2006 год).
• В БД Gene Ontology 130696 биологических
процессов и 128548 молекулярных функций
для 107701 клеточных компонент.
Основной стимул управления
знаниями
Организация, которая быстрее других находит
новые знания, организует их усвоение
сотрудниками, внедряет в практическую
деятельность, получает конкурентное
преимущество.
Университет* - интеллектуальноориентированная культура, приобретающая,
создающая, накапливающая и
распространяющая знания.
* с точки зрения знаниевого подхода
Интеллектуальный капитал –
новый источник богатства К0
Интеллектуальный капитал
(нематериальные активы)
1 человеческие активы – знания, опыт,
мастерство, творчество
2
интеллектуальные активы – информация,
стратегии, программы, публикации
3 интеллектуальная собственность – патенты,
секреты, торговые марки, издательские права и т.п.
4 Структурные активы – К0 культура, орг. модели.,
процессы и процедуры производства и маркетинга
5
Бренд – активы – известность, репутация, гудвил К0
Структура интеллектуальной собственности
(ИС)
ИС
Объекты патентного
права
Объекты авторского
права
Изобретение
Геологические
карты, схемы
Полезные модели
Программы
для ЭВМ
Промышленные
образцы
Базы данных
Товарные знаки
Другие объекты
Иные объекты
гражданских прав
Ноу-хау
Техническая
документация
Результаты
НИОКР
10
Интеллектуальные К0
движутся налегке
Билл Гейтс
$85 млрд
Самуэль
Пальмисано
$70,7 млрд
$0,9 млрд
Microsoft
Нематериальные активы
$16,6 млрд
IBM
Материальные активы
Microsoft: 99% инвестирует в нематериальные активы. IBM: лишь 77%
Интеллектуальные К0 освобождаются от основных фондов
Дисциплины, участвующие
в управлении знаниями
 Корпоративная культура (CorporateCulture)
 Организация управления
(Organizational behaviour)
 Управление персоналом
(Human resource management)
 Профессиональное обучение и
повышение квалификации
(Professional training and developement)
 Информационные технологии
(Information Technologies)
Слагаемые КМ
OB
KM
IT
HR
Рынок знаний

В любой организации осуществляется процесс движения
знаний, использующихся с той или иной степенью
продуктивности.

Многие инициативы по управлению знаниями
заканчиваются безуспешно, ибо основываются на
утопических представлениях, что знания перемещаются
без трения и мотивов, что специалисты будут делиться
ими, не заботясь о том, что они получат или потеряют
при этом.

Подобно рынку товаров и услуг имеет место и рынок
знаний, на котором совершаются знаниевые транзакции
(сделки).
Рынок знаний

Люди ищут знания, так как ожидают, что они помогут
преуспеть в работе.

Знания являются действенным средством для снятия
неопределенности, без чего невозможно принятие
обоснованных решений.

Когда сотрудник или подразделение передают свои
знания, то ожидают получить определенную выгоду.

В пределах одной организации денежная форма оплаты
обычно не используется при знаниевых транзакциях.

Рынок знаний, подобно любому другому рынку, является
системой, в которой участники обмениваются
дефицитными ресурсами за настоящую или условную
стоимость.
Корпоративный рынок знаний (КРЗ)
Основные участники:

Покупатели (искатели) знаний – это специалисты или

Продавцы знаний – это, как правило, специалисты
(эксперты) с высокой репутацией на внутреннем рынке
компании, обладающие значительными ресурсами знаний по
определенным проблемам и темам.

Брокеры знаний - выполняют роль связующего звена между
теми, кто нуждается в знаниях и теми, кто их имеет, то
есть между покупателями и продавцами.
организации, которые пытаются решить проблемы,
сложность и неопределенность которых выше их априорных
знаний.
Какой валютой обмениваются
участники КРЗ?

Взаимность.

Репутация знающего человека, готового делиться

Альтруизм:
Взаимный обмен зиждется на том, что
продавец будет тратить время и усилия для обмена
знаниями, если он ожидает, что покупатель будет столь же
старательным продавцом, когда он обратится к нему за его
знаниями.
знаниями, создает такие преимущества, как надежность
рабочего места, ускоренное продвижение по службе, более
частые поощрения, приобретение неформального статуса
гуру в компании.
o
o
o
содействие «процветанию фирмы»,
желанием помочь ближнему,
наставничество.
Доверие:

Доверие должно быть видимым. Не достаточно декларации о
важности доверия в миссии компании. Должны быть прямые и
очевидные признаки доверия, что продавцы знаний имеют высокую
репутацию, что сотрудники и подразделения им отвечают
взаимностью.

Доверие должно быть повсеместным. Если часть внутреннего
рынка знаний компании не заслуживает доверия, то рынок сжимается,
становится асимметричным и, следовательно, менее эффективным.

Доверие должно начинаться с верхов. Образцы поведения
руководства верхнего уровня часто определяют нормы и ценности
компании. Если топ менеджеры компании заслуживают доверия, то
доверие будет просачиваться и олицетворять компанию в целом.
Если же они цинично будут эксплуатировать знания других в личных
целях, то недоверие будет распространяться по всей организации.
Даже сделки, оформленные письменными контрактами, требуют
определенной степени доверия. Внутренний рынок знаний компании,
без письменных контрактов и возможности судебных исков, по сути,
базируется на доверии. Если его нет, то не может быть и рынка
знаний.
Корпоративная культура
включает:






Историю, традиции, ритуалы, правила.
Способ распределения и осуществления
власти.
Степень формализации и
стандартизации управления процессами.
Язык профессионального общения.
Возможности для творческого
самовыражения индивидуумов и групп.
Систему учета мнений персонала.
Пять решающих факторов для достижения
успеха в управлении знаниями.
47,1%
Корпоративная
культура
41,3%
Мотивация и
квалификация
персонала
33,7%
Развитие в
ТОП - менеджменте
29,8%
Структуры
и процессы
27,9%
Информационные
технологии
n = 104
Знание как понятие
В.З. Ямпольский
Институт “Кибернетический центр” ТПУ,
г.Томск
Данные, информация, знания
Данные это все, что
регистрируется,
описывается и
воспринимается
человеком.
Знания
Информация
Данные
Информация – данные в определенном контексте.
Информация = Данные + МетаДанные
Знания – информация, полезная для решения задачи.
Знания = Информация + МетаИнформация
Что такое знания?
«Знания - это проверенные практикой результаты
познания действительности и верное их отражение в
мышлении человека» (БСЭ).
«Знания - это умение сотрудников K0 решать
стоящие перед ними проблемы и задачи».
Знание – это осведомленность, компетентность
или понимание, достигнутое в результате
опыта или обучения. Знание – это сумма и набор
того, что воспринято, обнаружено или выучено.
«Знание – это сложная сеть понятий и многообразных отношений
между ними, которая сознательно (логически) или бессознательно
используется нейронной сетью головного мозга при необходимости
выработки новых суждений или принятия разнообразных
решений»(В.Ф. Турчин).
Классификация знаний






эмпирические знания;
теоретические знания;
личностные знания;
организационные знания;
неявные знания;
явные знания.
Классификация знаний
 Эмпирические знания – наблюдения,
наблюдаемые явления.
 Теоретические знания – законы,
теории, обобщения.
 Гносеологическая цепочка теории
познания: <факт – обобщенный факт
– эмпирический закон –
теоретический закон>
Классификация знаний
Личностные профессиональные знания:




знания познавательного плана («знаю, что»);
прикладное мастерство («знаю, как»);
системное представление («знаю, почему»);
личностная мотивация («хочу знать, почему»).
Организационные знания: стратегические
доктрины, программы, стандарты,
правила, инструкции, коммерческие
знания.
Знания специалиста
как модель черного ящика
Информация
Общение
Априорные
знания
Новые знания
Решения
Научный и
практический опыт
Классификация знаний
Явные знания – описания теорий, методов,
алгоритмов, методик, технологий, машин и систем.
Для информационных систем это:
• данные, базы данных, инструкции;
• программы расчетные, аналитические,
графические;
• адреса ресурсов и ссылки в фондах и Интернете.
Неявные знания – культура мышления, опыт,
мастерство, навыки, интуиция специалистов,
хранящихся в нейронных структурах головного мозга.
Неявные знания существуют в умах специалистов,
развиваясь во времени через опыт, профессиональную
деятельность, обучение. Отчасти они передаются и по
наследству.
Носители знаний в компаниях USA
(результаты исследования Delphi Group,)
Бумажные документы,
26%
В головах
специалистов, 42%
Другие, 12%
Электронные
документы, 20%
Свойства знаний:
Знания долговечны ибо они нематериальны.
Геометрическая модель пирамиды нетленна. Египетские
пирамиды подвержены эрозии.
Знания
инвариантны к пространству.
Знания легко распространяются по
телекоммуникационным сетям. А затраты на
распространение материальных ресурсов (нефть, уголь,
руда)?
Знания можно продавать многократно, ибо они не
отчуждаемы. У того кто продает, остается не меньше.
В коммерциализации знаний имеет место специфическая
проблема: их не покупают пока не поймут в чем их суть, а
познав – теряют желание покупать.
Свойства знаний:
Знания постоянно увеличивающийся ресурс.
Их расширенное воспроизводство
обеспечивает наука, технический прогресс, образование.
Знания социальны.
Они являются и общественным и частным благом.
Общественное благо- культура, образование,
фундаментальная наука. Знания превращаются в
частное благо, когда они востребованы рынком.
Знания чувствительны к фактору времени. Они нужны к
моменту принятия решений. Они могут устаревать.
Период полураспада знаний – потеря половины
первоначальной компетентности. Фундаментальные
знания имеют длительный период полураспада.
Свойства знаний:
Знания орудие конкуренции - движущая сила
экономики.

В основе любого бизнеса лежит особое
профессиональное знание.

С помощью знания модернизируется
существующие и создаются новые продукты,
услуги.

Новое знание повышает эффективность
производства и управления.

Новые знания обеспечивают рост
компетентности персонала.
Связь между процессами работы со знаниями и
бизнес процессами.
Управление знаниями
Среда
обработки
знаний
Обработка знаний
Результат обработки знаний
Управление бизнес-процессами
Среда
бизнеспроцессов
Бизнес процессы
Результат бизнес процессов
Стратегии
Модели
Процессы
Операции
Процедуры
Навыки
Бизнес процессы и процессы
работы со знанием.
Стратегии
Программы
Результат
работы со
знаниями
Практическая
деятельность




Бизнес политики;
Бизнес стратегии;
Бизнес программы;
Бизнес практика и
процессы;
 Товары и услуги.
Среда Бизнес процессов
Стратегии
Программы
Практическая
деятельность
Результат
бизнеспроцессов







Доходность;
Рост;
Доля на рынке;
Удовлетворение
запросов потребителей;
Удержание
сотрудников;
Устойчивость;
Этика.
Таксономия понятия «Управление знаниями»
и используемых теорий, методов, процессов
Управление
знаниями
использует
использует
использует
Организационное
управление
состоит из
состоит из
включает
Миссия
использует
Оптимизация
решений
включает
Управл.
структурами
использует
использует
использует
Проф.
тренинг
Обучение
состоит из
включает
Стратегия
Информационные
технологии
состоит из
Структуры,
процессы,
технологии
Корпоративная
культура
Человеческие
ресурсы
Сообщества
Стимулиров.
компетентности
использует
Целевые
группы и
команды
Управл.
процессами
использует
Моделирование
Программные
системы
Комп.
системы
и сети
использует
Хранилище
знаний
использует
суперкласс для
Мат
программирование
Теория
массового
обслуж.
Теория игр
и стат.
решений
Имитац.
моделир.
Приклад.
ПС
Сетевое
ПО
Семантические
языки
БМ
Web
портал
состоит из
использует
линейное
нелинейное
динамическое
целочисленное
стохастическое
суперкласс для
суперкласс для
управления
проектами
управления
ресурсами
сетевого и
календарн.
Планир-я
экономич.
анализа
статистич.
анализа
SW
портал
Жизненный цикл знаний
В.З. Ямпольский
Институт “Кибернетический центр” ТПУ,
г.Томск
Жизненный цикл знаний

Любая организация зарождается на определенном уровне
знаний своих сотрудников, функционирует, используя и
пополняя корпоративные знания (о продукте, о технологиях, о
потребителях и рынке), являясь одновременно и
получателем, и источником такого рода знаний.

В организации и вне ее происходит непрерывный процесс
движения информации и знаний. Знания поступают в
организацию в разнообразных формах (набор персонала,
повышение квалификации, изучение специальной литературы,
приобретение лицензий), формируются и развиваются в
процессе проектной, инженерно-технической,
производственной и маркетинговой деятельности,
передаются вместе с товарами и услугами.
Знания специалиста
как модель черного ящика
Информация
Общение
Априорные
знания
Новые знания
Решения
Научный и
практический опыт
Жизненный цикл знаний



В соответствии с методологией
системного анализа, в жизненном цикле
знаний (ЖЦЗ), как и в жизненном цикле
любой сферы деятельности, можно
ij
выделить три основных процесса
(этапа):
выявление потребности в знаниях;
производство (создание) знаний;
потребление (утилизация) знаний.
Европейское представление
жизненного цикла знаний (ЖЦЗ)
выявление
знаний
использовани
е знаний
клиенты
клиенты
создание
знаний
Бизнес Процесс
распространен
ие знаний
потребители
партнеры
хранение
знаний
Состав основных этапов
жизненного цикла знаний
 Выявление и идентификация знаний.
 Стимулирование процессов создания
нового знания.
 Совершенствование корпоративной
системы хранения и извлечения знаний.
 Распространение и обмен знаниями.
 Повышение эффективности использования
знаний и интеллектуальной собственности.
Выявление
и идентификация знаний
•
Анализ патентов и изобретений (Patent Evaluation).
•
Анализ результатов НИОКР (Research & Development).
•
Разведка (поиск) технологий (Technology Scouts).
•
Формирование библиотеки ноу-хау (Know-How).
•
Обращение к брокерам знаний (Knowledge broker)
внутри и вне компании.
•
Постпроектный анализ (Postproject analysis).
•
Разбор полетов (Debriefing).
Стимулирование процессов создания
нового знания

Пополнение электронных и книжных фондов
библиотеки (Library).

Проведение тематических семинаров (Workshops).

Организация работы кружков по разделам знаний
(Knowledge circles).

Стимулирование рационализаторского движения
(Suggestion Scheme).

Оформление лучших практических решений (Best
Practices).

Построение карт знаний (Knowledge maps).

Описание успешных историй (Success Stories).

Мозговой штурм (Brainstorming) – SWOT - analys.
Стимулирование процессов создания
нового знания*

Приобретение знаний на внешнем рынке (External Knowledge Market)

Использование знаний партнеров (External Partners)

Выявление дефицита в знаниях с помощью внешнего (External) и
внутреннего (External) сравнительного анализов (Benchmarking).

Научные исследования и разработки (Research & Development)

Развитие доступа к Интернет ресурсам с помощью поисковых
Интернет систем (Access Open Space).

Развитие доступа к проблемно–ориентированным порталам (Access
Open Space).

Развитие инструментов и технологий семантического поиска (Websemantic).

Построение онтологии предметной области компании для
семантического доступа к Open Space.

Формирование проблемных групп и команд (Virtual Teams).
Совершенствование корпоративной
системы хранения и извлечения знаний

Реинжиниринг корпоративного хранилища данных
(Data Warehouse).

Построение БД метаописаний по документальным
архивам.

Построение БД метаописаний по электронному
архиву и библиотеке.

Построение БД метаописаний по базам данных
компании.

Совершенствование системы управления
документами (Document Management System).

Актуализация и сопровождение БД «Кто есть кто»
в компании (Who`s Who DB).
Совершенствование корпоративной
системы хранения и извлечения знаний*

Формирование и сопровождение БД по опыту (Experience
DB).

Создание БД протоколы совещаний, решения (Minutes DB).

Развитие БД заказчики, партнеры, потребители (Yellow
Pages)

Пополнение и совершенствование доступа к электронным
фондам специальной литературы (Specialist Literature).

Пополнение и совершенствование доступа к электронным
руководствам, справочникам.

Расширение функциональности и пополнение
инструментальных средств компьютерного
проектирования, разработки, конструирования
производства и тестирования устройств, комплексов и
систем (Applied Co. Tools).
Повышение эффективности использования
знаний и интеллектуальной собственности

Коммерциализация патентов, изобретений, разработок компании.

Коммерциализация бренда.

Обеспечение эффективности доступа к знаниям в DOKB
(Distributed Organizational Knowledge Base) с рабочих мест
основных бизнес-процессов.

Использование метаописаний и онтологии для семантического
поиска знаний.

Расширение функциональности и сферы применения
универсальных и специализированных инструментальных систем
проектирования, разработки, конструирования производства и
тестирования (Applied Co. Tools).

Создание в интранет и использование проектных зон для
реализации комплексных проектов виртуальными командами
(Virtual Teams).
Повышение эффективности использования
знаний и интеллектуальной собственности*

Использование БД «Профили компетентности
специалистов и экспертов» для обмена знаниями.

Выделение экспертов из числа наиболее
квалифицированных сотрудников компании
определение их статуса и стимулов.

Ротация носителей знаний между подразделениями
компании.

Стимулирование генерации и внедрения
рационализаторских предложений.

Выделение брокеров (антрепренеров) знаний в
компании.
Команды, создающие знания
Команды включают [И. Нонака, Х. Такеучи ]:
 Практиков – операторов и специалистов,
 Организаторов - менеджеры средних звеньев
 Идеологов - высшее руководство.

Операторы - собирают, комбинируют и генерируют
неявное знание о навыках, опыте.

Специалисты - накапливают, систематизируют,
обновляют.

Организаторы – перебрасывают мост между тем
«что есть» и тем, что «должно быть».
Идеологи – формируют базисные концепции, видение,
декларируют политику компании.
Практики – знают «что есть», идеологи «что должно
быть».
Профессиональные сообщества
Существуют:
 Сообщества по интересам, (по темам).
 Сообщества по практической деятельности (по сфере
деятельности).
 Сообщество по целям (до момента их достижения).
В больших и малых организациях существуют:
 формальные группы:
 функциональные и целевые,
 проектные команды.

неформальные группы:
 курильщиков
 кофе-брейков
 охотников и рыболовов и т.п.
Содействие сообществам
со стороны компании:
Содействие со стороны организации в становлении и
функционировании конкретного сообщества может
выражаться:

в выявлении или выборе координатора,

в создании инфраструктуры сообщества (например,
информационной среды взаимодействия: Е-mail,
интранет, проектная зона),

в привлечении новых членов путем распространения
информации об интересах, приоритетах и намечающихся
действиях,

в согласовании усилий актива, координатора и спонсора
сообщества и их взаимодействия с его членами,

в оценке и признании результатов, праздновании и
оповещении об успехах как внутри, так и вне общества и
т.п.
Методы используемые сообществами:



Мозговой штурм (Brainstorming)
Постпроектный анализ (Post-Project Reviews)
Непосредственное общение (Face-to-Face
Interaction)
Корпоративные системы
обучения персонала
Априорная система обучения это училища, колледжи,
институты, университеты.
Корпоративная система обучения обеспечивает быструю
адаптацию знаний (фундаментальных и прикладных) к
профилю и предмету деятельности предприятия, к
требованиям рабочих мест, новых технологий, продуктов
и услуг.
Формы обучения персонала:
• Групповое обучение (преподаватель —группа),
• Индивидуальное обучение (наставник – ученик),
• Сетевая система обучения (индивидуальная, групповая).
Структурная схема ССО компании.
Internet
web-портал
Хранилище
знаний
компании
Рабочая
станция
администратора
ССО
Сервер
сетевой
среды
обучения
Рабочая
станция
преподавателяэксперта
Рабочие
станции
обучающих
Эксперты компании
Эксперт – это квалифицированный специалист,
выработавший в процессе научного и/или практического
опыта определенные знания и суждения об оцениваемых
объектах (явлениях, процессах) и руководствующийся ими
в практической деятельности.
Эксперты могут включаться в состав команд,
создающих знания, участвовать в мозговых штурмах,
дискуссиях (очных, виртуальных) в постпроектных
анализах.
Их предназначение – оценка идей, стратегий,
альтернатив.
Особый вид деятельности экспертов –
консультирование.
Проблемы: подбор, условия работы, стимулирование.
Основные области знаний Ко «ЭлеСи»
Приборы и средства автоматизации

•
•
•
•
•
•
•
•
Знания по измерительным преобразователям
Знания по модулям ввода/вывода
Знания по коммуникационному оборудованию
Знания по программируемым логическим
контролерам
Знания по управляемым электроприводам
Знания по преобразователям энергии и системам
электропитания
Знания по промышленным компьютерам и серверам
Знания по конструктивам для средств
автоматизации
Основные области знаний Ко «ЭлеСи»
Системы и комплексы АСУ ТП

•
•
•
•
•
•
•
•
Знания по системам автоматического
регулирования
Знания по автоматизации добычи нефти
Знания по автоматизации резервуарных парков
Знания по автоматике нефтеперекачивающих
станций
Знания по комплексам телемеханики магистральных
трубопроводов
Знания по автоматизации узлов учёта нефти и газа
Знания по автоматизации переработки нефти
Знания по системам автоматического
пожаротушения
Основные области знаний Ко «ЭлеСи»
Теория, методы и программное обеспечение для создания
средств и систем автоматизации

•
•
•
•
•
•
•
•
Теория, методы и ПО для проведения научных исследований по
проблемам автоматизации
Теория, методы и ПО для проектирования приборов и средств
автоматизации
Теория, методы и ПО для разработки приборов и средств
автоматизации
Теория, методы и ПО для конструирования приборов и средств
автоматизации
Теория, методы и ПО для производства приборов и средств
автоматизации
Теория, методы и ПО для тестирования приборов и средств
автоматизации
Теория, методы и ПО для моделирования и управления
технологическими процессами
Теория, методы и ПО для моделирования и управления
производственными процессами
lij
Метод расчета коэффициента
квалификации сотрудника.
Для сведения оценок уровня знания, сделанных самим
опрашиваемым, и ссылок на него, сделанных его коллегами, было
предложено использовать следующий метод расчета комплексной
оценки Kij :
K ij 
lij
Ej
 RS  S ij
где,
n – число областей знаний, ;
mj – число претендентов на звание эксперта в j области знаний, ;
lij- число претендентов высказавшихся за i-го претендента в j -ой
области знаний;
Ej – максимальное число претендентов, высказавшихся за какоголибо претендента в j-ой области знаний;
RS – интервал шкалы самооценки (для нашего случая равен 3);
Sij – значение самооценки i-го специалиста в j-ой области знаний.
Гистограмма распределения сотрудников
кол-во специалистов
14
13
12
10
10
9
8
7
7
7
6
6
6
5
4
4
4
3
3
2
2
1
1
1
1
1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
количество выбранных сотрудниками областей знаний
19
20
21
22
23
Системы управления знаниями
В.З. Ямпольский
Институт “Кибернетический центр” ТПУ,
г.Томск
Модели представления знаний
Сети фреймов
 Продукционные системы
 Нейронные сети
 Семантические сети
Онтологии
Онтология – формализованное описание
предметной области
Онтология = (классификаторы, тезаурусы,
карты знаний,энциклопедии ) :

Описание множества терминов, понятий и связей
между ними;

Мета описания, связывающие информационные
ресурсы с понятиями онтологии;

Структуры хранения и процедуры извлечения
описаний ресурсов и данных;

Интеллектуальный интерфейс пользователя;

Технология работы с базой знаний для решения
задачи.
Формальное определение онтологии
Под онтологией  понимается знаковая система где
C, T, P, F, L, А,

С – множество элементов, которые называются понятиями;
T – частичный порядок на множестве С, задающий отношения «подкласс»
и «суперкласс»;

P – множество элементов, которые называются свойствами
(двуместными предикатами);

F – функция, которая назначает каждому элементу множества P
множество элементов из множества С;

L = {LC, LP, C, P} – множество текстовых меток, которые определяют
профессиональные термины организации и их соответствие, соответствие
C – элементам множества С, P – элементам множества P;

А – набор аксиом онтологии – утверждения о элементах предметной
области, которые считаются верными, выраженных с использованием
соответствующего логического языка.

Модель семантического описания
ресурсов знаний
Мзi = {Mki (), Mci()} , где
Mki () – контекстные метаданные объекта
знаний, описывающие взаимосвязи объекта с
другими объектами организации или литералами,
Mki() = (r1(Oзi, v1) ∧ r2(Oзi , v2) ∧ … ∧ rr(Oзi , vr)),

Mci() – контентные метаданные объекта знаний,
описывающие знания, которые содержатся в
объекте.
Msi() = ({r1(s1, v1), k1} ∧ {r2(s2, v2), k2} ∧ … ∧ {pk(sk, vk),
kk}), где
- ri - предикат (отношения) из онтологии ;
- si – экземпляр или понятие онтологии ;
- vi - экземпляр или литерал;
- ki - важность данного утверждения для объекта i.

Взаимосвязь между онтологиями
онтологической системы
Метаонтология
Онтология
задач
Онтология
ПО
Структура онтологической модели
знаний организации
Object
Thing
Области знаний организации
Онтология организации
Подобласти знаний
Объект
Документ
Агент
Заказчик
Проект
Онтология подобласти
знаний
Файл
Книга
Группа
Сотрудник
Онтология подобласти
знаний
Объект
Пример онтологии задачи
Проект
разработки
имеет
экземпляр
имеет
экземпляр
АД с короткозамкнутым
ротором
заказчик
имеет
экземпляр
исполнитель
имеет
отношение к
НИИ «ЭлеСи-ТУСУР»
продукт
Арматура запорная и
запорно-регулирующая
Софт-стартер 1
Электропривод 1
ЗАО «ЭлеСи»
Проект «Разработка
блока плавного пуска»
имеет
экземпляр
Электродвигатель 1
Организация
входит
в состав
имеет
экземпляр
имеет
экземпляр
использует
Арматура магистрального
нефтепровода 1
имеет
экземпляр
Блок плавного пуска
входит
в состав
ЭП переменного тока
Магистральный
трубопровод
имеет
экземпляр
Нефтепровод 1
Knowledge Space
Ontology
Concept 4
Concept1
Concept 3
MetaData
Object1
MetaData
Object2
Concept N
Concept2
Дескриптивные логики
 Семейство логических формализмов для
представления и рассуждения (логического
вывода) о концептуальных знаниях
 Это разрешимое подмножество логики
предикатов первого порядка
 Основным видом логического вывода в ДЛ
является установление родовидовых
отношений (subsumption), обычно
записываемых как C  D (т.е., понятие С
является подвидом понятия D).
Конструкторы классов
DAML+OIL
Пример
Конструкция
Синтаксис в ДЛ
intersectionOf
C1 ⊓ . . . ⊓ Cn
человек ⊓ мужчина
unionOf
C1 ⊔ . . . ⊔ Cn
доктор ⊔ адвокат
complementOf
¬С
¬мужской
oneOf
{x1 . . . Xn}
{Иван, Маша}
toClass
∀P.C
∀ имеет ребенка.доктор
hasClass
∃P.C
∃имеет ребенка.адвокат
hasValue
∃P.{x}
∃гражданин.{US}
minCardinalityQ
≥nP.C
≥2 ребенка.адвокат
maxCardinalityQ
≤nP.C
≤1ребенок.мужского пола
cardinalityQ
=nP.C
=1 родитель.женского пола
Временная диаграмма
развития данных
Данные более важны, чем приложения
Эпоха
программ
Эпоха
закрытых
данных
Эпоха
открытых
данных
Эпоха
открытых
метаданных
(HTML)
(XML)
Эпоха
семантических
моделей
(OWL)
«Данные менее
важны,чем код»
1945-1970
1970-1994
«Данные также
важны, как код»
1994-2000
«Данные более
важны, чем код»
2000-2003
Временная диаграмма развития данных
2003 - …
IT , используемые в управлении
знаниями
Управление документами
Intranet
Semantic
Analysis
Knowledge
Maps
White Boarding
Structured Document
Repositories
Full Text
Retrieval
Push
Technology
Real Time
Messaging
Automatic Profiling
Net Conferencing
Discussion Groups
File Management
System
E-mail
Shared
Files
Управление сотрудничеством
Программные системы для КМ

AskMe Enterprise (AskMe Co.)

Hyperwave eKnowledge Portal (HyperWave Ltd.)

Knowledge Discovery System (IBM,Lotus)

Deskartes Universal Knowledge (Knowledge
Management Software Co.)

Know-Net (European Consortium)

myLivelink KM Portal (Open Text Corp.)


Exsys CORVID (expert shell software)
SharePoint Portal Server 2003 (Microsoft)
Иерархия языков описания онтологий
OWL
(Ontology Web Language)
RDF/RDFS
(Resource Description Framework)
XML (eXtended Markup Language)
Семантические Метаданные
(RDF)
<?xml version='1.0' encoding='UTF-8'?>
<rdf:RDF xmlns:rdf= ... >
<kms:Domain_Term rdf:about="#_chip"
rdfs:label="_chip"/>
<kms:Domain_Term
rdf:about="#_controller"
rdfs:label="_controller"/>
...
<kms:Person about="#_ivanov"
kms:birth_date="23.07.76"
kms:first_name="Sergey"
kms:last_name="Ivanov"
rdfs:label="_ivanov">
<kms:knows rdf:resource="#_chip"/>
<kms:author_of
rdf:resource="#_document_1"/>
<kms:knows
rdf:resource="#_micro_software"/>
<kms:knows rdf:resource="#_sensor"/>
</kms:Person>
</rdf:RDF>
Корпоративная Система
Управления Знаниями (СУЗ)
Включает методологию и программное
обеспечение для работы с явными и
скрытыми знаниями организации.
 Набор методик
• построения онтологии.
• проведения аудита знаний.
• выбор поддерживаемых бизнес-процессов

База знаний организации
• Онтологии (язык OWL).
• Семантические мета-описания (язык RDF).
Семантический портал для работы со
знаниями:

• Профили экспертов.
• Инструменты для работы с базой знаний.
• Поддержка выполнения бизнес процессов
Структура системы управления
знаниями организации
Среда деятельности организации
Бизнес-процессы
 
...
Уровень поддержки
интерфейсов
пользователей
Уровень работы с
информацией и
данными

Web-портал (интерфейс доступа пользователей к всему
множеству знаний и сервисов)
Уровень поддержки
бизнес-процессов по
работе со знаниями
(уровень бизнес-логики)
Уровень работы со
знаниями
...
Бизнес-процессы
Поддержка бизнес-процессов процессов
работы со знаниями
База знаний организации
Реляционная СУБД
со схемой базы
знаний
Хранилище
Хранилище
документов
Хранилище
документов
документов
Базы данных
Базы данных
Подсистемы управления знаниями
Система Управления
Знаниями
Среда для работы с неявными
знаниями
Подсистемы для работы с явными
знаниями
Управление
интеллектуальной
собственностью
WEBСемантик
Репозитарий
знаний
Сеть
экспертов
Группы
обсуждений
Проектные
группы
(корпоративное
хранилище)
(Expert Net)
(Communities of
Practice)
(Virtual Teams)
Онтологии (классификаторы, термины, понятия)
Структура и состав
корпоративного хранилища
ДАННЫЕ
ИНФОРМАЦИЯ
ЗНАНИЯ
Метаданные
Структура
архивов
Онтологии
Справочники,
каталоги
Отчеты,
методики,
технологии
Правила
выбора
БД, файлы,
Webстраницы
Электронные
документы,
чертежи
Базы знаний
Классификация Web порталов на
основе используемых технологий
Информационные
технологии
KW
SW
SKW
Технологии
управления знаниями
Семантические
технологии
Z
Семантический web-портал
ПОЛЬЗОВАТЕЛЬ
Портал
Уровень
интерфейса
Специальные
приложения
Интернет-обозреватель
HTML-страница
Unified Content
API
Уровень
данных
Внешние
источник
и данных
DCOM,
CORBA
OLEDB,
ODBC,
JDBC
База
данных
Авторизация
пользователей
Подписка на новости
Автоматическое
построение
метаданных
Навигация по
объектам знаний
Поддержка работы
экспертов
База знаний профилей
специалистов
Семантический поиск
знаний
Категоризация
объектов знаний
Функциональные подсистемы портала
Уровень
бизнеслогики
Редактор
онтологий
HTTP(S)
SMTP, RSS
LDAP
LDAPкаталог
Семантическ
ая
подсистема
Сервер
онтологий
Модуль
логического
вывода
Сервер
семантических
метаданных
База знаний
Семантические
метаданных
Онтология
Использование онтологии и семантических
метаданных в порталах
Онтология
Запрос
бл
из
о
ст
ь
Категоризация
ст
о
из
бл
ь
Рубрика
Документ
близость
Рекомендации
Документ
Поиск
Вычисление семантической
близости метаданных
n
SM FO MD DL (q i ), MD DL (q j )  

max
smd ix MD DL ( q i )
smd jy MD DL ( q j )
(k ix * k jy * SE F (smd ix , smd jy ))
n
n
SM CO MD DL (q i ), MD DL (q j )  
m

smd ix MD DL ( q i )
m
max
smd jy MD DL ( q j )
(k ix * k jy * SE C (smd ix , smd jy ))
n

SMCO MD DL (qi ), MD DL (q j ) , если  max (SE C (smd ix , smd jy ))  0
SMCS MD DL (qi ), MD DL (q j )   
0, иначе

Созданные в ИКЦ
программные системы

Система управления результатами научно
технической деятельности “ЮКОС ЭП”
2002-2003гг. (внедрена в 3 объединениях).

Petroleum Engineers Virtual Network ЦППС НД
(внедрена в ТПУ – HWU центре) 2003 г.

Грант по программе «Интеграция».
Подготовка монографии «Системы
управления знаниями» 2004 г.

Разработка проекта и базовых элементов
системы управления знаниями компании
«ЭлеСи» 2005 г.
Функции системы управления
результатами НТД
Запросы на
получение
прав по
использованию
РНТД
Общение
с коллегами
Доступ
к описаниям,
документам
Подписка на
новости
системы
Занесение
комментарий
об
использовании
Специалисты
компании и
дочерних обществ
Консультация
у эксперта
Дискуссии по
проблемам
НТД
Поиск информации
по проблемным
ситуациям
КМS Schlumberger
КМS Schlumberger
КМS Schlumberger
КМS Schlumberger
Приложения СУЗ
Знание это сила!
Френсис Бэкон
(1597)
Спасибо за внимание!