Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,940

ПРИМЕНЕНИЕ DCOR-МОДЕЛИ ПРИ МОДЕЛИРОВАНИИ БИЗНЕС-ПРОЦЕССОВ НА ОСНОВЕ СЕМАНТИЧЕСКОГО АНАЛИЗА ТЕКСТОВЫХ ДОКУМЕНТОВ

Зарайченко И.А. 1 Галимулина Ф.Ф. 1 Лубнина А.А. 1
1 ФГБОУ ВО «Казанский национальный исследовательский технологический университет»
В статье предложена методика моделирования инновационных бизнес-процессов на основе семантического анализа текстовых документов в контексте нотаций DCOR-модели. Сущность методики заключается в последовательных этапах: семантический анализ концептов и анализ последовательности. Семантический анализ проводится в несколько этапов. Первый этап сводится к выявлению близости документов на основе расчета «весов» концептов. После этого рассчитывается семантическая близость концептов текущих регламентирующих документов и нотации DCOR-модели на основе алгоритма определения минимального расстояния между вершинами графа, определяющими близость концептов. Далее на основе сравнения последовательностей задач и операций проводится анализ последовательности выполнения операций. В результате реализации данной методики формируется концептуальная модель инновационного бизнес-процесса в контексте нотации DCOR, что является основой для последующей оптимизации структуры бизнес-процесса по следующим направлениям: исключение дублирования, объединение семантически схожих операций, применение лучших практик референтной модели. В отличие от традиционного подхода применение инструментов семантического анализа позволит повысить качество построенных моделей, а также сократить затраты человеческих ресурсов по их построению. Развитием данного метода является разработка инструментов автоматизированной оптимизации бизнес-процессов.
DCOR-модель
референтная модель
инновационный процесс
проектирование бизнес-процесса
семантический анализ
алгоритм
семантическая сеть
семантическая модель предметной области
1. Шинкевич А.И., Барсегян Н.В. Пути повышения эффективности организации производственных процессов на нефтехимических предприятиях за счет применения систем автоматизации // Русский инженер. 2019. № 4. С. 48–51.
2. Lubnina A.A., Shinkevich M.V., Yalunina E.N., Gaydamashko I.V., Savderova A.F., Komissarova M.A. Innovative strategy for improving the efficiency of industrial enterprises management. Espacios. 2018. Т. 39. № 9. P. 25.
3. Сучков М.А., Галимулина Ф.Ф. Принципы управления криптоданными в рамках инновационного развития информационной среды предприятия // Наука и бизнес: пути развития. 2020. № 5 (107). С. 152–154.
4. Сергеев В.И. DCOR моделирование как развитие стандарта SCOR-модели // Логистика и управление цепями поставок. 2008. № 4 (27). С. 8–13.
5. Ou-Yang C., Yin I.H., Juan Y.C. A DCOR-based NPD process redesign approach with grounded theory evaluation. South African Journal of Industrial Engineering. 2019. Vol. 30 (2). P. 45–60.
6. Вицентий А.В., Шишаев М.Г., Диковицкий В.В. Опыт использования визуализации семантических моделей документов для экспресс-контент-анализа (на примере нормативно-правовых актов, регламентирующих развитие пространственно-распределенных систем) // Труды Кольского научного центра РАН. 2018. № 10–9 (9). С. 99–111.
7. Salton G., McGill M.J. Introduction to modern information retrieval. McGraw-Hill, 1983.
8. Варламов М.И., Коршунов А.В. Расчет семантической близости концептов на основе кратчайших путей в графе ссылок Википедии // Машинное обучение и анализ данных. 2014. Т. 1. № 8. С. 1107–1125.

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:

missing image file (*)

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)

Регламент бизнес-процесса

TF-IDF

Описание DCOR-модели (APICS)

TF-IDF

Проекта

124

Процесс

140

Продукта

91

Элемент

129

Руководитель

81

Модель

128

Процесс

79

Уровень

125

нового продукта

78

Цепочки

118

план

77

Планирование

117

руководитель проекта

76

элемент процесса

115

этапе

74

Метрика

114

затрат

67

связанной

113

рынок

67

показатели

112

документа

65

дизайн

111

npd

64

исследование

111

вывод

64

проектирование

111

проектирование

63

производительности

111

продукта на рынок

63

интеграция

110

проекта команда

62

поставок

110

работ

62

   

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.

Таблица 2

Структура концептов, использованных в исследовании

 

Действие

Объект

Регламент

1.1. Формирование идеи

Формирование

Идея

1.2. Работы по регистрации знака

Регистрация

Знак

2. Формирование и утверждение проекта

Формирование, утверждение

Проект

3. Формирование плана проекта

Формирование, план

Проект

4. Разработка и освоение производства нового продукта

Разработка, производство

Продукт

5.1. Подготовка запуска вывода продукта на рынок

Подготовка, вывод

Рынок

DCOR-модель

R2.1. Receive & Validate Request

Receive, validate

Request

R2.2. Schedule Research Activities

Schedule, Research

Activities

R2.5. Transfer Findings /Materials

Transfer

Materials

R2.6. Authorize Supplier Payment

Authorize

Payment

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).

missing image file

Схема последовательности выполнения операций «как есть». Примечание. Пунктирной линией обозначена логика DCOR-модели, сплошной линией – фактическая логика реализации процесса в исследуемой организации

Таблица 3

Результаты расчета показателей семантической связи для некоторых концептов бизнес-процессов

 

D2.1 Получение, подтверждение и декомпозиция

D2.2 Планирование производственных мероприятий

ED.2 Управление показателями производства

ED.3 Управление информацией о производстве

ED.5 Управление производственными мощностями

ED.8 Мониторинг соответствия плановым показателям

ED.9 Управление интеллектуальной собственностью

1.1. Формирование идеи

(0,62; 0,53)

(0; 0,01)

(0,08; 0)

(0,12; 0)

(0,0; 24)

(0,35; 0)

(0,06; 0,02)

1.2. Работы по регистрации знака

(0,12; 0)

(0,08; 0,13)

(0,12; 0,22)

(0,11; 0)

(0; 0,03)

(0; 0,01)

(0,51; 0,67)

2. Формирование и утверждение проекта

(0; 0,01)

(0,73; 0,44)

(0; 0,01)

(0,07; 0,04)

(0,12; 0)

(0,06; 0,02)

(0; 0,14)

3. Формирование плана проекта

(0; 0)

(0,72; 0,58)

(0,11; 0,05)

(0; 0)

(0,14; 0,08)

(0; 0)

(0,05; 0,09)

4. Разработка и освоение производства нового продукта

(0; 0,07)

(0; 0)

(0,07; 0,17)

(0; 0,08)

(0,61; 0,3)

(0,12; 0)

(0; 0,01)

5.1. Подготовка запуска вывода продукта на рынок

(0,11; 0,05)

(0; 0,03)

(0,71; 0,48)

(0; 0,04)

(0,06; 0,02)

(0,11; 0)

(0; 0)

5.2. Обеспечение достижения целевых рыночных задач проекта

(0; 0,01)

(0; 0)

(0,12; 0)

(0,51; 0,43)

(0,08; 0,13)

(0,61; 0,72)

(0,05; 0,1)

6. Оценка и контроль финансовых показателей проекта

(0; 0)

(0,21; 0,11)

(0,48; 0,52)

(0; 0)

(0,07; 0,04)

(0,06; 0,2)

(0; 0,02)

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


Библиографическая ссылка

Зарайченко И.А., Галимулина Ф.Ф., Лубнина А.А. ПРИМЕНЕНИЕ DCOR-МОДЕЛИ ПРИ МОДЕЛИРОВАНИИ БИЗНЕС-ПРОЦЕССОВ НА ОСНОВЕ СЕМАНТИЧЕСКОГО АНАЛИЗА ТЕКСТОВЫХ ДОКУМЕНТОВ // Современные наукоемкие технологии. – 2020. – № 10. – С. 38-44;
URL: https://top-technologies.ru/ru/article/view?id=38252 (дата обращения: 18.07.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674