Управление проектом с использованием нечеткой логики

Этот документ призван показать важность и преимущества, которые предлагает нечеткая логика, применяемая для бизнеса в области администрирования и управления, для которого предлагаются теоретические и практические основы и общие положения, касающиеся этой методологии, для реализовать алгоритм для моделирования стратегий, касающихся принятия решений и искусства управления проектами, основанный на человеческом опыте и знаниях, передаваемых через системы искусственного интеллекта.

Динамическое управление проектами с использованием Fuzzy Logic. Целью данной работы является показать нам важность и преимущества, предлагаемые Fuzzy Logic в области бизнес-администрирования и управления, поэтому расскажите о теоретических и практических общих чертах, касающихся этой методологии, чтобы реализовать алгоритм для моделирования стратегий принятия решений и управления проектами, основанный на человеческом опыте и знаниях, направляемых через системы искусственного интеллекта.

ВВЕДЕНИЕ

Управление проектом - это искусство планирования, координации, организации, направления и управления ресурсами таким образом, что предприятие может быть выполнено в рамках определенного объема, времени и затрат, что позволяет получить оптимальные результаты и удовлетворить цели проекта., Когда мы говорим о динамическом управлении, мы имеем в виду применение методологии с учетом переменных, которые могут быть адаптированы к среде, чтобы сталкиваться с ситуациями, которые влияют на первоначально запланированное развитие, и, таким образом, иметь возможность достигать ожидаемых результатов. Динамическое управление требует способности принимать решения в соответствии с изменениями и новыми поставленными задачами в кратчайшие сроки и пытаться минимизировать риск, для которого оно опирается на знания и опыт человека, а также на их способность рассуждения.

Fuzzy Logic - это один из инструментов искусственного интеллекта, который использует человеческий опыт, чтобы генерировать рассуждения, позволяющие принимать решения. С помощью этого инструмента система управления может быть представлена ​​с помощью нелинейной математической модели, для которой она использует лингвистические переменные и ряд ранее определенных условий или правил.

Эта методология пытается эмулировать опыт, приобретенный одним или несколькими людьми с течением времени, эта система будет иметь в своей памяти базу данных с несколькими решениями для одной и той же проблемы, а затем система должна будет выбрать из этих решений это может быть наилучшим образом применено для достижения наилучших результатов. Выбор структуры решения, которой необходимо следовать, будет зависеть от характеристик работы, в которой она будет применяться, кроме того, система сможет со временем учиться и сохранять собственный опыт, для которого она может опираться на алгоритмы нейронной сети и генетические алгоритмы.

Эта логика может быть использована для объяснения мира, в котором мы живем, поскольку она следует человеческому поведению, делая выводы из наблюдаемых фактов. Его применение в оценке стратегий управления бизнесом позволяет моделировать поведение этих стратегий (с использованием программного обеспечения), представляющих квазиреальный сценарий, что позволяет изменять параметры и условия, не влияя на нормальный ход проекта. Среди других преимуществ можно смоделировать развитие проекта, чтобы направить его на ожидаемую социально-экономическую оптимизацию.

ОБЗОР НЕЧЕТКОЙ ЛОГИКИ

Нечеткая логика также известна как нечеткая логика или нечеткая логика и основана на относительной наблюдаемой. В классической логике (двоичная или логическая) есть только два возможных состояния: истина и ложь (1 или 0), в многозначную логику включены логические системы, которые допускают несколько возможных значений истинности. Напротив, нечеткая логика назначает промежуточные значения в пределах шкалы для количественной оценки неопределенности. Например, в соответствии с классической логикой мы можем определить температуру только как «холодную» и «горячую», в соответствии с нечеткой логикой мы можем присвоить бесконечные промежуточные значения, такие как «немного холодно», «тепло», «тепло», «несколько жарко» и т. Д.,

Чтобы понять процесс управления, основанный на методологии, основанной на нечетких системах, мы должны помнить, что логика - это наука, которая учит нас правильно рассуждать, это искусство мышления в соответствии с пониманием и здравым смыслом. Используя правильную логику, можно управлять системой, то есть может быть установлен набор действий, которые поддерживают переменную в пределах желаемых режимов работы.

Каждая система может быть представлена ​​математически с использованием методов идентификации и параметризации системы, что приводит к математической модели, поведение которой можно моделировать и анализировать с помощью компьютерных инструментов. Поэтому мы в состоянии оценить выполнение указанного набора действий, чтобы установить, составляет ли его применение применение правильной логики.

Нечеткая логика использует опыт человека для создания набора правил, которые позволяют следовать логике рассуждения, она может представлять математическую модель системы с помощью лингвистических переменных и ряда ранее определенных условий или правил, их алгоритмов (правила) используйте инструкции IF… THEN (ЕСЛИ… THEN), например: ЕСЛИ существует высокий спрос на мой продукт, ТО Я увеличу цену.

Элементы:

• Лингвистическая переменная: это переменные, вычисленные на естественном языке и не соответствующие точному числовому значению. Лингвистические переменные могут быть разложены на лингвистические термины. Например, температура, поведение, положение, размер, заработок, время и т. Д.

• Дискурс Вселенной: это диапазон всей информации, необходимой для правильного поведения системы. Например, «температура» в диапазоне от 5 до 100 ° С; «Рентабельность» в диапазоне от 10% до 33% и т. Д.

• Лингвистический термин: это подмножества или части, на которые можно разделить лингвистическую переменную. Например, для переменной «размер» вы можете иметь термины: высокий, средний, низкий; для переменной «маржа прибыли» можно использовать термины: ожидаемый, подходящий, удовлетворительный, плохой и т. д.

• Нечеткий набор: это геометрические фигуры, которые представляют функцию, порожденную лингвистическим термином. Они создадут промежуточный выход в диффузной системе. Это могут быть: треугольники, квадраты, трапеции, гауссовы колокола и другие.

• Функция принадлежности: функция принадлежности - это группа нечетких множеств, соответствующих одной лингвистической переменной, связанной со степенью ее принадлежности или принадлежности в диапазоне 0 - 1.

• Fuzzification: Fuzzification - это процесс, выполняемый для преобразования традиционного логического, двоичного, десятичного и / или точного значения в нечеткое значение или величину.

• Процесс вывода: это процесс или методология, которые выполняются для оценки норм, учитывая набор правил (инструкции IF… THEN), которым они должны позволять определять результат. Позволяет работать с наборами: Объединение (ИЛИ), Пересечение (И), Дополнение (НЕ).

• Дефаззификация: это обратный процесс фаззификации, то есть действие преобразования нечеткого значения в точное значение.

Нечеткая логика и обсуждение вселенной

ОЦЕНКА, НАПРАВЛЕНИЕ И УПРАВЛЕНИЕ ПРОЕКТАМИ

Проект - это предприятие, состоящее из набора действий или действий, которые мы можем разделить на задачи, которые не являются циклическими (повторяющимися), которые можно точно охарактеризовать, определенной продолжительности, формально организованными и чьи отношения между ними известны. Проекты требуют использования ресурсов (время, деньги, человеческие ресурсы, материалы, энергия, пространство, материалы, коммуникации, качество, риск и т. Д.); Он также отвечает целям, которые должны быть достигнуты в рамках определенных параметров, поэтому первая задача управления проектом заключается в том, чтобы обеспечить реализацию проекта в рамках определенных параметров; Вторая проблема заключается в распределении и интеграции ресурсов для достижения этих заранее определенных целей.

Каждый проект имеет три различных элемента, которые необходимо согласовать для достижения желаемых результатов:

• Техническое измерение: Относится к набору конкретных знаний в каждой области работы («ноу-хау»), необходимых для решения рассматриваемой проблемы или выполнения порученной ей работы. Человеческое измерение: Относится к межличностным и переговорным отношениям, которые неизбежно возникают среди человеческих агентов, участвующих в организации и выполнении проекта Управление переменными: это относится к набору действий, которые составляют процесс принятия решений для управления конкретным проектом.

Оценка проекта состоит из 3 этапов: начальный, когда проект является только идеей в сознании предпринимателя, второй, когда заявленная идея полностью реализуется, и третий, когда проект завершен. Оценка проекта - это процесс, с помощью которого генерируемые изменения определяются на основе сравнения между текущим состоянием и состоянием, предусмотренным при его планировании; [То есть, делается попытка выяснить, насколько проект достиг своих целей или сколько он будет иметь для их выполнения. В процессе анализа и оценки проекта получается стратегическая информация, которая способствует принятию решений, поэтому она рассматривается как деятельность, направленная на оптимизацию управления проектами, поскольку она способствует оптимизации в распределении ресурсов.

Управление проектом состоит из применения знаний, навыков, инструментов и методов в деятельности проекта для удовлетворения его требований и достижения его целей. Управление проектами - это задача, которая может ложиться на рабочую группу, но во многих случаях это ответственность одного человека. Этот человек стремится поддерживать прогресс и взаимодействие элементов, так что риск уменьшается. Руководитель проекта должен иметь возможность визуализировать весь проект от начала до конца и иметь возможность обеспечить реализацию видения.

Управление состоит из определения того, что должно быть сделано, как это должно быть сделано, кто несет ответственность за это и почему это должно быть сделано. Управление проектами - это искусство планирования, координации, организации, направления и управления ресурсами таким образом, что предприятие может быть выполнено в рамках определенного объема, времени и затрат, что позволяет получить оптимальные результаты и удовлетворить цели проекта., Управление проектами является отраслью административной науки, которая занимается планированием и контролем проектов.

• Планирование: планирование выполнения проекта до его начала Контроль и мониторинг: оценка хода выполнения проекта.

На этапе выполнения проекта всегда есть внутренние и внешние изменения, потому что руководство должно быть готово применить методологию с учетом переменных, которые могут быть адаптированы к среде, чтобы сталкиваться с ситуациями, которые влияют на первоначально запланированное развитие, и таким образом быть в состоянии достичь ожидаемых результатов. Динамическое управление - это способное принимать решения в соответствии с представленными изменениями и новыми задачами в кратчайшие сроки и пытаться минимизировать риск.

Управление проектом состоит из следующих этапов:

• Концепция и планирование (определение характеристик, целей, графиков, схем, мероприятий, менеджеров, распределения ресурсов и т. Д.) Выполнение и коммуникация (информируйте всех участников об эволюции и развитии проекта) Последующие действия и контроль (надзор за выполнение задач, сбор и анализ данных, пересмотр стратегий, которым необходимо следовать и т. д.) Окончательный анализ (оценка ожидаемых результатов в сравнении с полученными результатами)

Управление проектом должно управлять следующими элементами:

• Технико-экономическое предложение, которое описывает цели проекта, мероприятия, которые будут выполнены и как они будут выполняться. Планирование и график проекта, который относится к определению деятельности, этапов и сроков выполнения проекта. Оценка стоимости проекта. Это деятельность, связанная с оценкой ресурсов, необходимых для выполнения плана проекта. Относится к стратегическому направлению проекта и тем, кто отвечает за деятельность. Постепенное написание и отчетность.

ЭКСПЕРТНЫЕ СИСТЕМЫ В ФУЗЗИФИКАЦИИ ПЕРЕМЕННЫХ

Процесс фаззификации - это процесс, который позволяет преобразовать количество CRISP (традиционное логическое значение, двоичное, десятичное, точное) в нечеткое значение или величину, присвоив ему степень принадлежности в соответствии с лингвистическим термином. Этот процесс отвечает набору заранее установленных правил, концептуализируемых на основе знаний, предоставленных человеческим опытом, передаваемых через экспертную систему, реализованную с помощью программного обеспечения.

Экспертная система - это система, которая имитирует поведение группы людей, которые являются экспертами в определенной области, с целью поиска лучшего качества и скорости реагирования, что ведет к повышению производительности проекта. Экспертные системы состоят из обширной базы данных, снабженной тысячами правил, после анализа среди этих правил выберите наиболее подходящий ответ для разрешения определенного обстоятельства. Системы обеспечивают большую гибкость при внедрении новых знаний, поскольку новые стандарты просто программируются в базе данных.

Базовая структура системы:

• База знаний: Содержит опыт (экспертные знания), смоделированные с использованием правил. База фактов (Рабочая память): Содержит факты о конкретной проблеме, возникшей в ходе анализа. Механизм вывода: Моделирует процесс мышления человека. стратегия принятия решений. Модули обоснования: Объясняет рассуждения, используемые системой для достижения определенного вывода. Интерфейс пользователя: Это взаимодействие между системой и пользователем, оно реализуется с помощью программного обеспечения.

Процесс Fuzzification присваивает характеристики лингвистическим переменным, давая начало «неточным понятиям», таким как: температура горячая, инфляция растет медленно, прибыль хорошая, компания мало экспортируется и т. Д. Аналогично, эти понятия могут быть связаны со степенью принадлежности, чтобы определить, насколько переплетена переменная с диффузно назначенной характеристикой.

Например:

У нас есть лингвистическая переменная «сбережения», выраженная в дискуссионном юниверсе (диапазон) от 0 до 100, выраженная лингвистическими терминами «низкие сбережения», «регулярные сбережения», «высокие сбережения» и с функциями членства, как показано в графике.

Нечеткая логика

Вы хотите выполнить Fuzzification (преобразовать в нечеткое значение) значения «55»:

Как показано на графике, это имеет оценку членства:

• 0,25% от «низкой экономии» 0,75% от «обычной экономии» 0% от «высокой экономии»

МЕТОДЫ ДЕФУЗЗИФИКАЦИИ, ПРИМЕНЯЕМЫЕ ДЛЯ УПРАВЛЕНИЯ ПРОЕКТАМИ

После того, как процесс вывода был выполнен (применение правил для получения результата), выполняется процесс дефаззификации, который является обратным процессом фаззификации, то есть представляет собой действие преобразования нечеткого значения в точное значение. Он использует математические функции для определения значения, поэтому мы имеем:

Функция максимального членства: также известен как метод высоты, вывод «четкость» - это максимальная высота окончательного диффузного набора.

Нечеткая логика

Метод центроида: называется центром области, центром тяжести или методом Сугено, это наиболее используемый и самый мощный метод.

Нечеткая логика

Метод максимального эффективного среднего: используется эффективное среднее значение максимума. Используется только для симметричных нечетких выходных множеств.

Нечеткая логика

Метод максимального среднего: То же, что и выше, но выводится только максимальное среднее значение.

ПРИМЕР: ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ

Компания, находящаяся в процессе экспансии на новые рынки, хочет лучше управлять своими расходами на рекламу и сегментацией рынка, чтобы привлечь больше клиентов. Для моделирования различных сценариев требуется разработать систему, основанную на методике Fuzzy.

Лингвистическая переменная	Лингвистические термины	Обсуждение Вселенной
Расходы на рекламу	умеренный излишний	От 1000 до 30000 долларов США в месяц От 20000 до 50000 долларов США в месяц
Сегментация рынка	Свет исчерпывающий	От 1 до 6 моделей сегментации От 5 до 10 моделей сегментации
Количество клиентов	Несколько регулярное Много	От 0 до 500 конечных пользователей От 300 до 700 конечных пользователей От 500 до 1000 клиентов конечного пользователя

Выбор правильных функций членства во многом связан с опытом программиста в сочетании со знанием экспертной системы, поэтому мы имеем:

Экспертные системы и нечеткая логика

Вкратце: количество клиентов (CC), сегментация рынка (SM), расходы на рекламу (GP).

НАБОР СТАНДАРТОВ и / или правил, основанных на знании человеческого опыта (экспертная система)

- ЕСЛИ ГП умеренный, а СМ светлый, то СС мало

- ЕСЛИ ГП умеренный, а СМ исчерпывающий, ТО СЦ регулярный

- Если ГП чрезмерно, а СМ светло, то СЦ регулярно

- ЕСЛИ ГП чрезмерен, а СМ исчерпывающий, ТО СС много

МОДЕЛИРОВАНИЕ: Согласно данным, известно, что ежемесячная стоимость рекламы составляет 22 тысячи долларов США и что существует 7 моделей сегментации рынка, желательно знать ожидаемое количество конечных покупателей.

Согласно анализу, для GP = 22 это соответствует степени «умеренного» членства 0,40 и «чрезмерного» 0,10, таким же образом для SM = 7 это соответствует степени «исчерпывающего» членства 0,45.

Согласно анализу выводов (применение стандартов) наблюдается:

• Для умеренного GP 0,40 и исчерпывающего SM 0,45 получается «обычный» CC с 2 степенями принадлежности (0,40 и 0,45), при перехвате множеств получается результирующее нечеткое значение 0,40. Для избыточного GP 0,10 и исчерпывающего SM 0,45 мы получаем «много» CC с 2 степенями членства (0,10 и 0,45), перехватывая множества, результирующее нечеткое значение равно 0,10.

Анализ помех - Нечеткая логика

Результатом анализа вывода является функция, ограниченная областью, заштрихованной красным, как показано на графике. Затем выполняется процесс дефаззификации, для которого мы будем использовать метод Centroid (симметричный центр геометрической фигуры), вычисляя результаты математической функции для 566 ожидаемых конечных клиентов.

(*) Следует отметить, что в настоящем исследовании необходимо учитывать большее количество лингвистических переменных и терминов и, следовательно, иметь гораздо более обширную, точную и персонализированную базу данных стандартов, для которой требуется поддержка компьютерных инструментов.

ВЫВОДЫ

С помощью этого документа были подняты концепции и основы, которые управляют нечеткой логикой, а также общие и важные аспекты правильного управления проектами, сосредоточив усилия на оптимизации принятия решений в соответствии с изменениями и непредвиденными событиями. это может возникнуть, предоставляя необходимые знания для положительного ответа в короткие сроки, минимизируя риск.

Точно так же была определена важность человеческих знаний в развитии общества и, более точно, в управлении бизнесом, поэтому имел метод, способный хранить эти знания в базе данных и эмулировать человеческие рассуждения, чтобы представить Стратегические решения для квазиреальных сценариев, дает возможность генерировать успешный бизнес. Использование алгоритмов искусственного интеллекта, реализованных с использованием компьютерных инструментов, дает огромные преимущества по сравнению с традиционными методами принятия решений, поскольку сводит к минимуму риск экспериментов в реальной области и повышает навыки людей, отвечающих за управление и руководство проектами.

Через настоящее время стало возможным показать преимущества и применения нечеткой логики в области администрирования, управления, а также управления бизнесом и проектами в целом, используя набор стандартов, хранящихся в экспертных системах, обеспечивая методологию простой реализации, Надежный в течение долгого времени, гибкий к изменениям и шокам, масштабируемый к новым реализациям, способный предложить точные результаты и гибкую производительность среди других.

БИБЛИОГРАФИЯ

• Боядзиев Г.; Боядзиев М. (1997). «Нечеткая логика для бизнеса, финансов и управления». World Scientific. De Cós, M. (1997). «Общая теория проекта, т. I Управление проектами». Редакция Síntesis.Harvey, Robert L. (1994). «Принципы нейронной сети». Prentice-Hall. Englewood Cliffs.Heredia, R. (1999). «Комплексное управление проектами». ЮПМ редакция - ЭЦИИ. Геррера, Ф.; Herrera-Viedma, E. (2000). «Анализ лингвистических решений: этапы решения проблем решения в условиях лингвистической информации». Нечеткие множества и системы, вып. 115, с. 67-82. Кауфманн А.; Джил Алуя Дж. (1987). «Методы оперативного управления для борьбы с неопределенностью». Редакция Hispano Europea.Cordón, Ф. Эррера, Ф. Хоффманн, Л. Магдалена. (2001). Генетические нечеткие системы. Эволюционная настройка и изучение нечетких баз знаний ». World ScientificShtub, А. и другие.(2001). «Управление проектами, инжиниринг, технология и внедрение». Prentice Hall, Terceiro, JB (1996). «Цифровое общество: от Homo Sapiens до Homo Digitalis». Альянс Редакция

_____________

Все права защищены - Copyright © Mg. Инженер Генри Мендибуру Диас

Исполнительный директор, Kaynum (Smart Solutions для бизнеса) Corp.

Kaynum является интегратором решений для бизнеса и управления проектами. Проводить консалтинговые исследования и анализ бизнес-стратегий. Это также обеспечивает предоставление человеческих ресурсов, необходимых для управления и развития инвестиционных проектов.

Скачать оригинальный файл