Scientific journal

Modern high technologies

ISSN 1812-7320

"Перечень" ВАК

ИФ РИНЦ = 0,940

Процессный подход в практику управления отечественными предприятиями вошел относительно недавно, в связи с этим острой проблемой стало построение качественной модели бизнес-процессов. Инструментом анализа и корректировки процессов в организации является бенчмаркинг на основе референтных моделей (SCOR, DCOR). Проблема применения этих моделей заключается в сложности построения схем процессов «как есть», так как имеет место склонность исполнителей субъективно трактовать содержание, входы и выходы, последовательность операций и процедур в рамках реализации процесса. Такая ситуация осложняется многовариантностью бизнес-процессов в зависимости от конкретных условий их реализации, что в условиях динамичной внешней и внутренней среды становится краеугольным камнем построения эффективной системы бизнес-процессов, лежащей в основе их автоматизации. Проблема неопределенности внешней среды обостряется в рамках решения задачи реализации инновационных процессов, так как данный тип бизнес-процессов характеризуется наиболее высоким уровнем неопределенности и стохастичности прогнозных моделей.

Данная проблема может быть решена на основе применения аналитических инструментов семантического анализа, основанных на применении цифровых инструментов анализа текстовых документов [1]. В основе данного подхода лежит исследование текстовых документов с помощью методов семантического анализа и последующее моделирование бизнес-процесса на его основе в рамках нотации DCOR-модели. Широкое распространение информационных технологий во всех сферах деятельности приводит к накоплению значительного объема данных не только в форме текстовых регламентирующих документов, но и в форме деловой переписки, данных ERP-систем, автоматизированных систем управления проектами и т.п. [2, 3]. Анализ такого рода информации на основе методов семантического анализа позволит минимизировать субъективное влияние исполнителей и исследователей на модель процесса и повысить ее качество.

Целью данного исследования является выявление особенностей применения инструментов семантического анализа для моделирования инновационных бизнес-процессов в рамках методологии DCOR-модели, а также разработка процедуры моделирования инновационного бизнес-процесса на основе инструментов семантического анализа. Отмеченная цель определяет перечень задач данной работы:

– изучить специфику применения инструментов семантического анализа регламентирующих документов, для построения модели бизнес-процесса разработки и коммерциализации инновационного продукта или технологии;

– исследовать количественные индикаторы семантического анализа регламентирующих документов;

– разработать процедуру моделирования инновационных бизнес-процессов, базирующуюся на методах семантического анализа и встраивания его результатов в методологию DCOR-модели.

Материалы и методы исследования

Перечень выбранных методов исследования обоснован поставленными задачами и характером предметной области. Были использованы:

– методология DCOR-модели, разработанная Международным Советом по логистике, включающая в себя рекомендации по структуре и содержанию бизнес-процесса создания и коммерциализации инновационного продукта;

– методы семантического анализа текста, направленные на выявление концептов в документах, выявление семантической и смысловой связи концептов. Применение данного метода обосновано необходимостью анализа соответствия текущего состояния бизнес-процесса и адаптации его в рамках методологии DCOR. В частности, методика построения семантической сети и расчета веса концепта для визуализации и сравнения регламентных документов;

– метод графов в качестве основы для алгоритмов семантического анализа и расчета количественных показателей семантической связи концептов.

Синтез отмеченных методов в рамках процедуры моделирования позволяет разработать модель инновационного процесса, отражающую текущее состояние бизнес-процесса в нотации DCOR-модели.

Результаты исследования и их обсуждение

Методология DCOR-модели была предложена и актуализируется международным Советом по логистике и представляет собой логическое продолжение концепции SCOR-модели. Логика применения данных инструментов определяется использованием их в качестве стандартов и моделей совершенствования бизнес-процессов в цепях поставок. Если SCOR-модель определяет характер текущей деятельности организации, то DCOR-модель – Design Chain Operations Reference model (DCOR, Рекомендуемая модель операций в цепях проектирования) отражает особенности процессов создания и диффузии инноваций, их встраивания в структуру бизнес-процессов организации [4]. Объектами модели являются три различных направления инновационных процессов: Product Refresh (обновление продукта), New Product (новый продукт), New Technology (новая технология). В рамках данной модели выделено пять основных управленческих процессов: Plan (планирование), Research (исследование), Design (проектирование), Integrate (интеграция), Amend (совершенствование). Таким образом, данный инструмент представляет собой метод анализа и оптимизации бизнес-процессов организации, базирующийся на использовании «лучших практик» и сравнения их с текущим состоянием организации.

Применение DCOR-модели в качестве базового конструкта при моделировании бизнес-процессов организации обосновано ее универсальностью, а также актуальным набором инструментов и лучших практик по выстраиванию инновационных процессов в организационных структурах мирового уровня. Вместе с этим применение DCOR-модели не является уникальным и новым направлением научных исследований, однако сложность представляет собой ее адаптация при наложении на текущие бизнес-процессы организации. Так, в работе C. Ou-Yang, I.H. Yin & Y.C. Juan [5] предлагается метод моделирования бизнес-процессов на основе семантического анализа и применения методологии качественного анализа полученных результатов на основе «обоснованной теории» (grounded theory). Методология семантического анализа для моделирования бизнес-процессов эффективно выстраивается на инструментах анализа Big data, так как включает в себя математический анализ закономерностей неколичественных данных: предполагается анализ степени близости терминологических определений основных этапов регламентированного бизнес-процесса и референтной модели. После этого существующий бизнес-процесс на основе анализа полученных количественных данных модернизируется на основе подходов референтной модели с целью исключения дублирования функций и избыточных процессов. Далее проводится оценка полученных данных на основе опросов исполнителей и качественного анализа полученных результатов. В целом данная методика представляет собой достаточно интересный подход, однако существенная сложность заключается в подходе к семантическому анализу, весьма чувствительному к качеству перевода терминологической базы описательной части процесса и DCOR-модели.

В связи с этой проблемой определяется необходимость адаптации методики семантического анализа в рамках исследуемого подхода для построения алгоритма автоматизации моделирования бизнес-процесса. В этой связи интересным представляется подход, представленный в работе А.В. Вицентия и др., который предлагает методологию машинного анализа текстовых документов на основе построения семантической модели предметной области (СМПО) [6], которая представляет собой «структуру взвешенных семантических отношений. СМПО позволяет реализовать процедуры извлечения и хранения множественного контекста употребленных в документах понятий, частично решая проблему совместимости новой информации с уже накопленными знаниями, а также выявить противоречия в семантических образах документов в случае, если новая информация противоречит накопленной». Иными словами построение модели СМПО для бизнес-процесса разработки и коммерциализации нового продукта является базой для автоматизированного анализа и синтеза текущего состояния «как есть» и перспективного совершенствования на основе применения DCOR-модели. То есть фактически задачей построенной модели СМПО является формирование единообразной системы информации о бизнес-процессе, находящейся в одной «системе координат» с референтной моделью. Для построения семантической модели документа авторы предлагают использовать метод «"Semantic Network" – этот метод визуализирует семантическую модель документа в виде семантической сети. Семантическая сеть документа состоит из понятий документа и различных типов отношений между ними» [2]. Таким образом, задача анализа инновационного процесса сводится к построению семантической модели существующих регламентов, сравнение этой модели с документом DCOR-модели.

Вместе с этим актуальной остается задача математической интерпретации смысловых связей регламентирующих документов, анализ которых позволит реализовать задачи построения текущей модели бизнес-процесса. Один из подходов предполагает определение «веса» термина или семантического концепта, который определяется числом вхождений термина t в документе d, обозначаемым tf (term frequency) [7]. В ситуации наличия статистических данных об использовании терминов в наборе документов выполняется схема вычисления веса tf-idf, определяемая следующим образом:

(*)

где df – частота документа, определяемая как количество документов в коллекции, содержащих t, idf – обратная частота документа, N – общее количество документов в коллекции.

В рамках данного исследования была построена СМПО нотации DCOR-модели и регламента реализации бизнес-процесса «Разработка нового продукта» действующего производственного предприятия пищевой промышленности на основе метода «Top 100 words» (табл. 1).

Как видно из табл. 1, данный вид анализа позволил выявить высокую степень различий в семантике двух документов. В результатах анализа среди семантического ядра документа выявлены только два концепта, схожие в двух документах.

Таблица 1

Результаты количественного семантического анализа по методу «Top 100 words» (фрагмент)

Для оценки семантической связи документов целесообразно исследовать регламентные документы и актуальную версию DCOR-модели на основе алгоритма, представленного в работе М.И. Варламова и А.В. Коршунова, который лежит в основе информационно-аналитической системы Текстерра [8]. Согласно данному алгоритму автор оценивает степень смысловой близости концептов посредством анализа графов ссылок Википедии и расчета величины кратчайшего пути [8]:

min{δuw + δwv |w, δuw∈L(u), w, δuv∈L(v)|},

где L(u), L(v) – метки вершин u и v (концепты – ссылки), δuw – расстояние между u и w, и расстояние между w и v соответственно.

На основе данного алгоритма оценивается соответствие текущих процессов и процедур в структуре бизнес-процесса с аналогичными процессами, описанными в методологии DCOR. При этом важной особенностью является расчет двух показателей семантической близости: показатель действия элемента процесса и показатель объекта элемента процесса. Например, в регламентирующем документе выделен процесс «формирования идеи», данный процесс включает действие, обозначенное термином «формирование» и объектом «идеи», аналогично для процесса «R2.1 Receive & Validate Request» (получение и идентификация запроса) в DCOR-модели можно выделить блок «действия» (получение и идентификация) и блок «объекта» (запрос), поэтому оценка семантической связи предполагает две оценки: оценка связи «действия» и «объекта». В табл. 2 представлен фрагмент структуры использованных в исследовании концептов.

Результаты расчета показателей семантической связи для некоторых концептов бизнес-процессов представлены в табл. 3. Цветом в таблице выделены значения семантической близости, имеющие значимые величины. Таким образом, на основе семантического анализа было выявлено соответствие бизнес-процессов регламента предприятия и бизнес-процессов DCOR-модели. На основе выявленной связи построим схему реализации бизнес-процесса в нотации DCOR-модели (рисунок).

На основе результатов сравнительного моделирования текущего бизнес-процесса в нотации DCOR можно сделать следующие выводы:

- процессы ED3, ED8 в текущем регламенте представляют собой единый процесс;

- последовательность реализации элементов бизнес-процесса не соответствует логике DCOR-модели;

– на основе выявленного соответствия можно применять сформулированные в DCOR-модели лучшие в практике в рамках аналогичных бизнес-процессов.

На данном этапе сформирована модель текущего состояния бизнес-процесса создания нового продукта в контексте нотации DCOR-модели. Данная схема является объективным описанием модели бизнес-процесса «как есть» и является основой для дальнейшей оптимизации. На основе данной модели можно решить следующие задачи оптимизации бизнес-процесса:

- выявление дублирующих задач, функций, процессов (отражает цикличность процессов);

- необходимость объединения процессов на основе выявления семантической связи описания содержания процесса;

- применения описанных «лучших практик» для совершенствования эффективности бизнес-процесса.

Заключение

Таким образом, можно систематизировать процедуру анализа процесса разработки и коммерциализации инновационного продукта как последовательность следующих этапов:

- анализ структуры и весов терминов idf с целью определения соответствия общей структуры и содержания бизнес-процессов с методологией DCOR. На данном этапе сравнивается перечень выявленных концептов, а также сравнение полученных «весов» с аналогичными значениями текущей версии DCOR-модели, разработанной Международным Советом по логистике;

- далее на основе метода «semantic network» строится модель регламентирующих документов, отражающая схематическую модель инновационного процесса организации и сравнения ее структуры с семантической сетью нотации DCOR-модели;

- этап количественного автоматизированного семантического анализа на основе алгоритма определения кратчайшего пути графа, что позволяет выявить наиболее семантически близкие описания бизнес-процессов и процедур в регламентирующих документах и нотации DCOR-модели;

- построения модели последовательности выполнения процедур и процессов в текущем состоянии в нотации DCOR.

Развитием данного исследования является разработка методики автоматизированной оптимизации моделей бизнес-процессов посредством применения инструментов машинного обучения. Безусловно, автоматизация систем моделирования бизнес-процессов позволяет существенно развивать управленческие технологии, в том числе за счет снижения трудоемкости аналитической работы по обработке неструктурированных данных о бизнес-процессах. В отличие от традиционного подхода управление на основе количественных данных позволяет решать новые управленческие задачи, в частности задачи моделирования бизнес-процессов на основе анализа текстовых документов. Вместе с этим очевидна необходимость развития методов семантического анализа в контексте отмеченных задач, так как текущие подходы в большей степени ориентированы на решение маркетинговых задач. Современные автоматизированные системы управления в наибольшей степени ориентированы на решение задач контроля и планирования на основе количественных данных, в то время как значительная часть управленческих решений в области построения и моделирования бизнес-процессов остается прерогативой человека. Вместе с этим в условиях динамичных управленческих задач возникает острая необходимость автоматизации решения такого рода задач, что обусловлено необходимостью, с одной стороны, оптимизировать затраты управленческих ресурсов, а с другой, устранить вероятность субъективности и неэффективности принимаемых в данной области управленческих решений.

Таким образом, предлагаемая методика позволяет применять методы и инструменты семантического анализа текстовых документов для построения модели бизнес-процесса в нотации DCOR-модели, что предполагает последующую модернизацию процесса на основе лучших практик.

Исследование выполнено в рамках гранта Президента РФ по государственной поддержке ведущих научных школ РФ № НШ-2600.2020.6