Розробка правил узгодження рішень в багатоканальних системах прийняття рішень

Автор(и)

DOI:

https://doi.org/10.15587/2706-5448.2021.244665

Ключові слова:

узгодження рішень, вирішальне правило, одноетапна багатоканальна система прийняття рішень, надійність каналу

Анотація

Дослідження присвячене розробці правил для узгодження рішень в багатоканальних системах прийняття рішень. Розглядаються системи, які в автоматизованому безперервному режимі обробляють сигнали, що надходять з різних каналів, та на їх основі приймають остаточне рішення. Одним з найбільш проблемних етапів в роботі таких систем є власне узгодження рішень, отриманих з різних каналів. Можливими є випадки, коли різні канали подають сигнали з протилежними значеннями. Тоді вибір вирішального рішення має залежати від надійності каналів, що розглядаються.

Об’єктом дослідження є процеси, які мають місце в ході узгодження рішень в багатоканальних системах прийняття рішень. Розробка та впровадження таких систем дозволить в автоматизованому режимі узагальнювати рішення, отримане з різних каналів, підвищувати надійність та ефективність систем в цілому.

У ході дослідження були використані такі методи:

– системний підхід – при аналізі структури та схеми функціонування багатоканальних одноетапних систем прийняття рішень;

– метод математичного моделювання – для формалізації задачі узгодження рішень в багатоканальних системах прийняття рішень;

– метод аналізу – при розробці правил узгодження рішень.

Авторами виконано аналіз структури одноетапної багатоканальної системи прийняття рішень. Розглядається випадок, коли канали, на основі початкових даних, які надходять в систему, приймають рішення щодо наявності або відсутності певного факту. Тобто, канали подають сигнали з множини {True, False}.

В дослідженні розроблені вирішальні правила узгодження рішень, які враховують не тільки сигнали, отримані з різних каналів, а й надійності самих каналів. Як зазвичай у теорії прийняття рішень, різні правила можуть давати різні результати для одних і тих же початкових даних. Вибір вирішального правила залежить від особи, що приймає рішення, його особистих психологічних якостей та сфери застосування системи.

Біографії авторів

Оксана Юріївна Мулеса, Ужгородський національний університет

Доктор технічних наук, доцент

Кафедра програмного забезпечення систем

Юрій Юрійович Білак, Ужгородський національний університет

Кандидат фізико-математичних наук, доцент

Кафедра програмного забезпечення систем

Євгеній Богданович Кикина, Ужгородський національний університет

Аспірант

Кафедра програмного забезпечення систем

Дмитро Ярославович Ференс, Ужгородський національний університет

Аспірант

Кафедра кібернетики і прикладної математики

Посилання

  1. Norgeot, B., Glicksberg, B. S., Butte, A. J. (2019). A call for deep-learning healthcare. Nature Medicine, 25 (1), 14–15. doi: http://doi.org/10.1038/s41591-018-0320-3
  2. Jin, C., Chen, W., Cao, Y., Xu, Z., Tan, Z., Zhang, X. et. al. (2020). Development and evaluation of an artificial intelligence system for COVID-19 diagnosis. Nature Communications, 11 (1). doi: http://doi.org/10.1038/s41467-020-18685-1
  3. Wang, T., Guan, L., Zhang, Y. (2009). A survey on application of artificial intelligence technology in power system stability assessment. Power System Technology, 33 (12), 60–65.
  4. Roberts, J. (2016). Thinking machines: The search for artificial intelligence. Distillations, 2 (2), 14–23.
  5. Kostopoulou, O., Delaney, B. C., Munro, C. W. (2008). Diagnostic difficulty and error in primary care – a systematic review. Family Practice, 25 (6), 400–413. doi: http://doi.org/10.1093/fampra/cmn071
  6. Kondro, W. (2004). Canadian report quantifies cost of medical errors. The Lancet, 363 (9426), 2059. doi: http://doi.org/10.1016/s0140-6736(04)16492-1
  7. Graber, M. L. (2013). The incidence of diagnostic error in medicine. BMJ Quality & Safety, 22 (Suppl 2), ii21–ii27. doi: http://doi.org/10.1136/bmjqs-2012-001615
  8. Alexander, A., Kumar, M., Walker, H. (2018). A decision theory perspective on complexity in performance measurement and management. International Journal of Operations & Production Management, 38 (11), 2214–2244. doi: http://doi.org/10.1108/ijopm-10-2016-0632
  9. Tsyganok, V., Kadenko, S., Andriichuk, O. (2020). Hybrid Decision Support Methodology Based on Objective and Expert Data. 2020 IEEE 11th International Conference on Dependable Systems, Services and Technologies (DESSERT), 265–271. doi: http://doi.org/10.1109/dessert50317.2020.9125022
  10. Mulesa, O., Geche, F., Voloshchuk, V., Buchok, V., & Batyuk, A. (2017). Information technology for time series forecasting with considering fuzzy expert evaluations. 2017 12th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT), 105–108. doi: http://doi.org/10.1109/stc-csit.2017.8098747
  11. Salih, M. M., Zaidan, B. B., Zaidan, A. A. (2020). Fuzzy decision by opinion score method. Applied Soft Computing, 96, 106595. doi: http://doi.org/10.1016/j.asoc.2020.106595
  12. Tsyganok, V., Kadenko, S., Andriichuk, O., Roik, P. (2018, October). Combinatorial Method for aggregation of incomplete group judgments. 2018 IEEE First International Conference on System Analysis & Intelligent Computing (SAIC). doi: http://doi.org/10.1109/saic.2018.8516768
  13. Lizunov, P., Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S. (2019). Improvement of the method for scientific publications clustering based on n-gram analysis and fuzzy method for selecting research partners. Eastern-European Journal of Enterprise Technologies, 4 (4 (100)), 6–14. doi: http://doi.org/10.15587/1729-4061.2019.175139
  14. Kirichenko, L., Radivilova, T., Bulakh, V., Zinchenko, P., Saif Alghawli, A. (2020). Two Approaches to Machine Learning Classification of Time Series Based on Recurrence Plots. 2020 IEEE Third International Conference on Data Stream Mining & Processing (DSMP), 84–89. doi: http://doi.org/10.1109/dsmp47368.2020.9204021
  15. Kuchansky, A., Biloshchytskyi, A., Bronin, S., Biloshchytska, S., Andrashko, Y. (2020). Use of the Fractal Analysis of Non-stationary Time Series in Mobile Foreign Exchange Trading for M-Learning. Advances in Intelligent Systems and Computing. Cham: Springer, 950–961. doi: http://doi.org/10.1007/978-3-030-49932-7_88

##submission.downloads##

Опубліковано

2021-12-07

Як цитувати

Мулеса, О. Ю., Білак, Ю. Ю., Кикина, Є. Б., & Ференс, Д. Я. (2021). Розробка правил узгодження рішень в багатоканальних системах прийняття рішень. Technology Audit and Production Reserves, 6(2(62), 6–9. https://doi.org/10.15587/2706-5448.2021.244665

Номер

Розділ

Інформаційні технології: Оригінальне дослідження