'

Управление знаниями В.З. Ямпольский Научный руководитель института “Кибернетический центр”, профессор ТПУ, г.Томск

Понравилась презентация – покажи это...





Слайд 0

Управление знаниями В.З. Ямпольский Научный руководитель института “Кибернетический центр”, профессор ТПУ, г.Томск


Слайд 1

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.


Слайд 2

Диаграмма НТП человечества


Слайд 3

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.


Слайд 4

Future and Emerging Technologies (FET) 2. Cognitive systems, interaction, robotics 1. Network and service infrastructures 3. Components, systems, engineering 4. Digital libraries and content 5. ICT for health 6. ICT for mobility & sustainable growth 7. ICT for independent living and inclusion Socio-economic goals Industry/Tech needs Work Programme 2007 Challenges Draft


Слайд 5

Количество KM статей в ABI Inform database Год публикации Рост числа публикаций по управлению знаниями Source: Gordon & Grant


Слайд 6

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. Примеры


Слайд 7

Основной стимул управления знаниями Организация, которая быстрее других находит новые знания, организует их усвоение сотрудниками, внедряет в практическую деятельность, получает конкурентное преимущество. Университет* - интеллектуально-ориентированная культура, приобретающая, создающая, накапливающая и распространяющая знания. * с точки зрения знаниевого подхода


Слайд 8

Интеллектуальный капитал – новый источник богатства К0 Интеллектуальный капитал (нематериальные активы)


Слайд 9

10 И С Объекты патентного права Объекты авторского права Иные объекты гражданских прав Изобретение Полезные модели Промышленные образцы Товарные знаки Геологические карты, схемы Программы для ЭВМ Базы данных Другие объекты Ноу-хау Техническая документация Результаты НИОКР Структура интеллектуальной собственности (ИС)


Слайд 10

Microsoft: 99% инвестирует в нематериальные активы. IBM: лишь 77% Интеллектуальные К0 освобождаются от основных фондов Интеллектуальные К0 движутся налегке Microsoft IBM


Слайд 11

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) Дисциплины, участвующие в управлении знаниями


Слайд 12

Слагаемые КМ OB KM HR IT


Слайд 13

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).


Слайд 14

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. Рынок знаний


Слайд 15

Корпоративный рынок знаний (КРЗ) Основные участники: Покупатели (искатели) знаний – это специалисты или организации, которые пытаются решить проблемы, сложность и неопределенность которых выше их априорных знаний. 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.


Слайд 16

Какой валютой обмениваются участники КРЗ? Взаимность. 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. Репутация знающего человека, готового делиться знаниями, создает такие преимущества, как надежность рабочего места, ускоренное продвижение по службе, более частые поощрения, приобретение неформального статуса гуру в компании. Альтруизм: содействие «процветанию фирмы», желанием помочь ближнему, наставничество.


Слайд 17

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.


Слайд 18

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.


Слайд 19

Пять решающих факторов для достижения успеха в управлении знаниями.


Слайд 20

Знание как понятие В.З. Ямпольский Институт “Кибернетический центр” ТПУ, г.Томск


Слайд 21

Данные, информация, знания Данные это все, что регистрируется, описывается и воспринимается человеком. Информация – данные в определенном контексте. Информация = Данные + МетаДанные Знания – информация, полезная для решения задачи. Знания = Информация + МетаИнформация


Слайд 22

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).


Слайд 23

Классификация знаний эмпирические знания; теоретические знания; личностные знания; организационные знания; неявные знания; явные знания.


Слайд 24

Классификация знаний Эмпирические знания – наблюдения, наблюдаемые явления. Теоретические знания – законы, теории, обобщения. Гносеологическая цепочка теории познания: <факт – обобщенный факт – эмпирический закон – теоретический закон>


Слайд 25

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.


Слайд 26

Знания специалиста как модель черного ящика


Слайд 27

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.


Слайд 28

Носители знаний в компаниях USA (результаты исследования Delphi Group,)


Слайд 29

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.


Слайд 30

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:


Слайд 31

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.


Слайд 32

Связь между процессами работы со знаниями и бизнес процессами.


Слайд 33

Бизнес процессы и процессы работы со знанием.


Слайд 34

Таксономия понятия «Управление знаниями» и используемых теорий, методов, процессов


Слайд 35

Жизненный цикл знаний В.З. Ямпольский Институт “Кибернетический центр” ТПУ, г.Томск


Слайд 36

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.


Слайд 37

Знания специалиста как модель черного ящика


Слайд 38

В соответствии с методологией системного анализа, в жизненном цикле знаний (ЖЦЗ), как и в жизненном цикле любой сферы деятельности, можно выделить три основных процесса (этапа): выявление потребности в знаниях; производство (создание) знаний; потребление (утилизация) знаний. Жизненный цикл знаний ij


Слайд 39

Европейское представление жизненного цикла знаний (ЖЦЗ)


Слайд 40

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.


Слайд 41

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).


Слайд 42

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.


Слайд 43

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 (Web-semantic). Построение онтологии предметной области компании для семантического доступа к Open Space. Формирование проблемных групп и команд (Virtual Teams). Стимулирование процессов создания нового знания*


Слайд 44

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).


Слайд 45

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). Совершенствование корпоративной системы хранения и извлечения знаний*


Слайд 46

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).


Слайд 47

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. Повышение эффективности использования знаний и интеллектуальной собственности*


Слайд 48

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».


Слайд 49

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.


Слайд 50

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.


Слайд 51

Методы используемые сообществами: Мозговой штурм (Brainstorming) Постпроектный анализ (Post-Project Reviews) Непосредственное общение (Face-to-Face Interaction)


Слайд 52

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).


Слайд 53

Структурная схема ССО компании.


Слайд 54

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.


Слайд 55

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»


Слайд 56

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»


Слайд 57

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 Основные области знаний Ко «ЭлеСи»


Слайд 58

Для сведения оценок уровня знания, сделанных самим опрашиваемым, и ссылок на него, сделанных его коллегами, было предложено использовать следующий метод расчета комплексной оценки Kij : 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 какого-либо 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. Метод расчета коэффициента квалификации сотрудника.


Слайд 59

Гистограмма распределения сотрудников


Слайд 60

Системы управления знаниями В.З. Ямпольский Институт “Кибернетический центр” ТПУ, г.Томск


Слайд 61

Модели представления знаний Сети фреймов Продукционные системы Нейронные сети Семантические сети Онтологии


Слайд 62

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.


Слайд 63

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. Формальное определение онтологии


Слайд 64

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.


Слайд 65

Взаимосвязь между онтологиями онтологической системы


Слайд 66

Структура онтологической модели знаний организации Object


Слайд 67

Пример онтологии задачи


Слайд 68

Knowledge Space


Слайд 69

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).


Слайд 70

Конструкторы классов DAML+OIL Конструкция Синтаксис в ДЛ Пример intersectionOf unionOf complementOf oneOf toClass hasClass hasValue minCardinalityQ maxCardinalityQ cardinalityQ C1 ? . . . ? Cn C1 ? . . . ? Cn ¬С {x1 . . . Xn} ?P.C ?P.C ?P.{x} ?nP.C ?nP.C =nP.C человек ? мужчина доктор ? адвокат ¬мужской {Иван, Маша} ? имеет ребенка.доктор ?имеет ребенка.адвокат ?гражданин.{US} ?2 ребенка.адвокат ?1ребенок.мужского пола =1 родитель.женского пола


Слайд 71

Временная диаграмма развития данных Данные более важны, чем приложения Эпоха программ Эпоха закрытыхданных Эпоха открытых данных (HTML) Эпоха открытых метаданных (XML) Эпоха семанти-ческих моделей (OWL) «Данные менее важны,чем код» «Данные также важны, как код» «Данные более важны, чем код» 1945-1970 1970-1994 1994-2000 2000-2003 2003 - … Временная диаграмма развития данных


Слайд 72

IT , используемые в управлении знаниями Управление документами Управление знаниями Structured Document Repositories File Management System E-mail Full Text Retrieval Real Time Messaging Push Technology Shared Files Knowledge Maps Semantic Analysis Intranet Discussion Groups Net Conferencing Automatic Profiling Управление сотрудничеством White Boarding


Слайд 73

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)


Слайд 74

Иерархия языков описания онтологий XML (eXtended Markup Language) RDF/RDFS (Resource Description Framework) OWL (Ontology Web Language)


Слайд 75

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>


Слайд 76

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


Слайд 77

Структура системы управления знаниями организации


Слайд 78

Подсистемы управления знаниями Система Управления Знаниями Репозитарий знаний (корпоративное хранилище) WEB- Семантик Группы обсуждений (Communities of Practice) Проектные группы (Virtual Teams) Сеть экспертов (Expert Net) Управление интеллектуаль-ной собственностью Среда для работы с неявными знаниями Подсистемы для работы с явными знаниями Онтологии (классификаторы, термины, понятия)


Слайд 79

Структура и состав корпоративного хранилища


Слайд 80

Классификация Web порталов на основе используемых технологий


Слайд 81

Семантический web-портал Уровень интерфейса Редактор онтологий Уровень бизнес-логики Уровень данных Семантическая подсистема Сервер онтологий Сервер семантических метаданных Модуль логического вывода Онтология Семантические метаданных Специальные приложения Функциональные подсистемы портала Категоризация объектов знаний Семантический поиск знаний База знаний профилей специалистов Поддержка работы экспертов Навигация по объектам знаний Автоматическое построение метаданных Подписка на новости Авторизация пользователей База данных LDAP-каталог Внешние источники данных OLEDB, ODBC, JDBC DCOM, CORBA Unified Content API LDAP Портал ПОЛЬЗОВАТЕЛЬ База знаний


Слайд 82

Использование онтологии и семантических метаданных в порталах


Слайд 83

Вычисление семантической близости метаданных


Слайд 84

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.


Слайд 85

Функции системы управления результатами НТД Специалисты компании и дочерних обществ


Слайд 86

КМS Schlumberger


Слайд 87

КМS Schlumberger


Слайд 88

КМS Schlumberger


Слайд 89

КМS Schlumberger


Слайд 90

Приложения СУЗ


Слайд 91

Знание это сила! Френсис Бэкон (1597)


Слайд 92

Спасибо за внимание!


×

HTML:





Ссылка: