WO2022010380A1 - Method and automated system for solving problems - Google Patents

Method and automated system for solving problems Download PDF

Info

Publication number
WO2022010380A1
WO2022010380A1 PCT/RU2021/050099 RU2021050099W WO2022010380A1 WO 2022010380 A1 WO2022010380 A1 WO 2022010380A1 RU 2021050099 W RU2021050099 W RU 2021050099W WO 2022010380 A1 WO2022010380 A1 WO 2022010380A1
Authority
WO
WIPO (PCT)
Prior art keywords
module
solving
actions
objects
subgoals
Prior art date
Application number
PCT/RU2021/050099
Other languages
French (fr)
Russian (ru)
Inventor
Илья Владимирович ВОЛОЧКОВ
Original Assignee
Илья Владимирович ВОЛОЧКОВ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Илья Владимирович ВОЛОЧКОВ filed Critical Илья Владимирович ВОЛОЧКОВ
Publication of WO2022010380A1 publication Critical patent/WO2022010380A1/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions

Definitions

  • This technical solution relates to the field of computer technology, in particular to a method and system for solving problems.
  • the knowledge management system for resolving situations contains: a knowledge creation unit; a knowledge organization unit, the input of which is connected to the output of the knowledge creation unit; a knowledge localization unit, with the input of which the output of the knowledge organization unit is connected; a knowledge positioning unit, with the input of which the output of the knowledge localization unit is connected, and a knowledge reuse unit, with the inputs of which the outputs of the knowledge localization and positioning units are connected; a system integration block, the inputs and outputs of which are connected, respectively, with the inputs and outputs of the blocks of knowledge creation, knowledge organization, knowledge localization, knowledge positioning, knowledge reuse; and a system visualization unit, the input of which is connected to the output of the system integration unit.
  • the well-known solution is a hybrid expert system (ES) using knowledge models combined into a knowledge base with an inference machine. It is possible to search for suitable documents by query based on semantic analysis both in local databases (DB) and on the Internet.
  • the "inventing machine” has knowledge (and produces answers) that in its part exceeds the knowledge of the most qualified specialists. It contains powerful information bases of technical special effects from different fields of knowledge, catalog of methods for solving problems, some calculation models are used, in particular, functional cost analysis.
  • Some of these databases are built using knowledge models, in particular semantic networks, production models, and subject-action-object models (SAO models). Visual and graphic images are also used: graphs, images, drawings to improve work efficiency, connected to some knowledge models.
  • the system was implemented on standard machine-readable media protected from copying by access codes, without special devices for reading machine-readable media and their protection.
  • the system is connected to computers through reading devices, and during operation, the PS core is read into the computer and work is performed in the computer's RAM with swapping information volumes from a machine-readable medium.
  • the claimed results are achieved through the implementation of a computer-implemented method of solving problems, performed using at least one processor and containing the steps at which: a) receive data containing parameters characterizing the problem being solved; while the parameters contain at least a description of the objects of the task and data describing the conditions and restrictions; b) modeling at least one state of the objects of the problem being solved at the time of obtaining the final result using a database containing information on similar categories of tasks, taking into account the conditions, restrictions and objects of the task entered at step a); c) create a list of successive stages of action to achieve a positive final result of solving the problem; d) form subgoals within the steps identified in step c); at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage; e) identify the operating systems necessary for the implementation of the final result and for the implementation of sub-goals within the stages; while the systems contain a set of actions and/or objects; f) model the properties of existing systems, in which
  • each subgoal within the stage of actions on the way to the final result of solving the problem is taken as an independent final result of solving the problem and analyzed with the execution of stages a) - k) for it.
  • a database is used that contains information on similar categories of tasks, taking into account the conditions, restrictions and objects entered at step a) tasks.
  • the method is implemented using a machine learning model.
  • the results of the machine learning model are evaluated and corrected via the Internet.
  • • data receiving module that receives data containing parameters characterizing the problem being solved; while the parameters contain at least a description of the objects of the task and data describing the conditions and restrictions;
  • a module for creating a list of action steps that creates a list of successive action steps to achieve a positive final result of solving the problem • a sub-goal formation module that generates sub-goals within the stages; at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage;
  • action option selection module which selects action options for modeling the properties of existing systems, in which subgoals are implemented with the least resource costs, and options for eliminating the causes of interference based on the parameters that characterize the task;
  • the system is implemented as a cloud platform.
  • system further comprises a machine learning module containing at least one machine learning model capable of making decisions and automated learning based on the tasks being solved.
  • the results of the machine learning module are further evaluated and trained via the Internet. DESCRIPTION OF THE DRAWINGS
  • FIG. 1 illustrates a computer-implemented method for solving problems.
  • FIG. 2 illustrates an automated problem solving system.
  • FIG. 3 illustrates an example of a general view of a computing system that provides the implementation of the claimed solution.
  • the present invention is aimed at providing a computer-implemented method and system for solving problems (author's name in Russian - "Troublehacking", in English - “Troublehacking”).
  • troublehacking is a methodology for improving systems, a set of methods and tools aimed at inventing non-standard ways to solve problems and applying them in practice.
  • Most of the troublehacking methods are based in their essence on the well-known theory of inventive problem solving (TRIZ), which has been refined and improved taking into account current developments and advances in the technical level.
  • TRIZ inventive problem solving
  • the main difference between troublehacking and TRIZ is the scope of the methods. If TRIZ serves for the most part to solve technical problems, then troublehacking serves to solve a wide range of problems, including not only technical, but also non-technical problems, which can also be solved using existing technical means and computational algorithms (approaches).
  • the claimed computer-implemented method for solving problems (100) can be executed using standardized computing devices.
  • step (101) receive data containing parameters characterizing the problem being solved; wherein the parameters contain at least a description of the task objects and data describing the conditions and constraints.
  • various input information can be used to model the implementation of the input task. For example, forecasting an increase in attendance at a business facility, an increase in sales, an increase in the company's capitalization, the geographical location of an object, average throughput, the number of employees, costs, consumables, etc.
  • the data generates common basic entities for the formation of the input state of the model, its further formation and analysis of the stages for solving the problem.
  • step (102) using a database containing information on similar categories of tasks, taking into account the conditions, constraints, and task objects entered at step (101), at least one state of the objects of the problem being solved is modeled at the time of obtaining the final result.
  • the database is updated and contains information about similar implementations of tasks, which allows you to obtain modeling parameters for solving a problem based on successful examples of implementing similar or similar tasks.
  • the state of an object is understood as its property, in which it meets the criteria of the entered parameters. In this case, a situation is possible when the object, based on the specified criteria, cannot be implemented, which is reported using the computing environment.
  • the state of the object must correspond to the objective properties of the model, which does not contradict the input data and the imposed restrictions. For example, an increase in sales for a coffeeshop with a cost budget of 500,000 rubles in a period of 1 month.
  • the input parameters determine the existing variations of already performed successful calculations, which will be selected as possible relevant solutions to the current problem.
  • step (103) a list of sequential action steps is created to achieve a positive final result of solving the problem.
  • similar results of modeling similar solutions to problems are selected from the database or the machine learning module is involved, which is trained on user requests and the choice of criteria for the formation of related solution results, depending on the possibility of classifying the input task.
  • the generated stages contain information on the hierarchical order of the implementation of the task, starting from the parent step (the final result), in the direction of the key actions necessary to achieve the final state of the model.
  • subgoals are formed within the steps identified at step (SW); at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage.
  • Each stage contains a set of parameters and actions of one or more objects associated with the result of solving the input problem.
  • the parameters that have a critical impact on the successful implementation of each stage can be: stage implementation period, stage costs, geographical location, change in the mode of operation of the object, etc.
  • the ranking of subgoals is performed to determine the subgoal with the highest weight for solving the problem; at the same time, such a subgoal is taken as an independent final result of solving the problem and can be analyzed as an independent task within the framework of modeling each of the subgoals.
  • the parameters mentioned above are analyzed for each sub-objective within the stage depending on the associated data and properties. For example, an increase in sales is associated with equipment and / or advertising for a particular business area.
  • the model generates an associated state matrix depending on the input parameters at step (101), choosing the most optimal solutions, based, for example, on the established costs for the implementation of the corresponding step.
  • each subgoal can be represented as a state matrix, which can be processed using a machine learning model, such as an artificial neural network (ANN), to find possible variations in the execution of a step and then rank them to select the optimal one.
  • ANN artificial neural network
  • step (106) the properties of the operating systems are modeled, in which the subgoals are implemented with the least resource costs. This is done by ranking the modeled variations in step (105) and selecting on a set of parameters including systems to identify the most resource efficient outcomes.
  • a database or knowledge base can be used that contains information on similar categories of tasks, taking into account the input conditions, constraints and objects of the task introduced at step (101).
  • Interferences that affect the implementation of subgoals and entail resource costs are identified.
  • Interferences are objects, their properties, as well as external influences that have a negative impact on the successful implementation of subgoals.
  • disruptions may include, but are not limited to, fluctuations in exchange rates, the interruption of the supply of required products from specified suppliers, changes in location conditions of a territorial nature (for example, the demolition of a building), a decline in demand for facilities, etc.
  • the causes of interference are identified in the form of determining the properties of operating systems that most lead to the occurrence of interference identified at step (107).
  • Interference includes parameters that are critical for the simulated subgoals and on which it becomes possible to model future states.
  • the noise parameters are analyzed in the time range associated with the input data and take into account combinations of analytical approaches and synthetic modeling based on the generated knowledge base on the subject of the problem being solved. The ranking of systems and their influence allows for a more accurate filtering of the outcomes of solving the problem.
  • step (109) the selection of options for modeling the properties of existing systems, in which subgoals are implemented with the least resource costs, and options for eliminating the causes of interference based on the parameters characterizing the task, are selected.
  • This stage is carried out with the help of a decisive block and a knowledge base, based on the ranking of subgoals for their final accounting.
  • the selected options are filtered and sorted, taking into account the input conditions and restrictions, after which at the stage (111) generate a chain of actions for solving problems based on the options identified at the stage (PO).
  • the chain of actions includes a set of options for actions leading to the final result of solving the problem.
  • the chain of actions is formed based on the maximum saving of resources with the maximum expected result of solving the problem.
  • the chain of actions may take into account: the likely speed of the implementation of the action, the amount of resources needed for the action, the amount of potential financial and other types of costs, potential negative impacts, the skills and knowledge necessary for the implementation of the action, organizations interested in solving the problem, the necessary conditions for the implementation of the action, required systems in the form of objects and actions.
  • the chain is formed in a hierarchical order, where for each action there can be several stages, which can form variations of the chains of stages and goals to achieve the desired effect.
  • FIG. 2 shows a general view of the automated problem solving system (200).
  • the claimed system consists of the following components:
  • the above modules (201) - (211) are interconnected and can be a single computing device, such as a computer, or a set of devices that provide the implementation of a given functionality.
  • the system (200) makes it possible to implement the above method (100) with the help of firmware, with the execution of the corresponding steps of the method (100) using firmware modules, the functionality of which will be described below.
  • the data receiving module (201) is configured to receive data containing parameters characterizing the task being solved, which include a description of the task objects and data describing conditions and restrictions.
  • various input information can be used as input to model the implementation of the input task. For example, predicting an increase in the attendance of a business facility, an increase in sales, an increase in the company's capitalization, the geographic location of an object, the average throughput, the number of employees, costs, consumables, etc.
  • the data forms common basic entities to form the input state of the model for its further formation and analysis of stages to solve the problem.
  • the database (202) contains information on similar categories of tasks, taking into account the received data containing the conditions, restrictions and objects of the task.
  • the database is updated and contains information about similar implementations of tasks, which allows you to obtain modeling parameters for solving a problem based on successful examples of implementing similar or similar tasks.
  • the simulation module (203) is configured to simulate at least one state of the objects of the problem being solved at the time of obtaining the final result using the database.
  • the module for creating a list of steps of actions (204) is configured to create a list of sequential steps of actions to achieve a positive final result of solving the problem.
  • the sub-goal generation module (205) is configured to generate sub-goals within the steps; at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage.
  • the module for detecting operating systems (206) is configured to identify operating systems necessary for the implementation of the final result and for the implementation of subgoals within the stages; while the systems contain a set of actions and/or objects.
  • the module for modeling the properties of operating systems (207) performs modeling of the properties of operating systems, in which subgoals are implemented with the least cost of resources.
  • the interference detection module (208) is configured to:
  • the module for selecting options for actions (209) selects options for modeling the properties of existing systems in which subgoals are implemented with the least resource costs, and options for eliminating the causes of interference based on the parameters that characterize the task.
  • the filtering and sorting module (210) is configured to filter and sort the selected actions based on input conditions and constraints.
  • the generation module (211) is configured to generate a chain of actions for solving problems based on the options determined by the filtering and sorting module.
  • the claimed decision is carried out using a machine learning model, and the results of the machine learning model can be evaluated and corrected via the Internet. Correction is necessary for a more accurate selection of options for actions, systems and objects to solve the problem at each stage. For the most effective solution of problems, it is necessary to rely on reliable information in the current and predicted time slices. Additional training of machine learning models allows leveling possible inaccuracies in the classification of events and related parameters.
  • the system (200) can be implemented as a cloud platform and be a client-server architecture for end users to access it. Also, the system (200) can be executed as an expert system and integrated into the company's internal infrastructure, for example, to generate business plans, analytical slices, etc.
  • FIG. 3 shows an example of a general view of a computing system (300), which provides the implementation of the claimed method (100) or is a part of a computer system (for example: a server, a personal computer, a part of a computing cluster) that processes the necessary data to implement the claimed technical solution.
  • a computing system 300
  • FIG. 3 shows an example of a general view of a computing system (300), which provides the implementation of the claimed method (100) or is a part of a computer system (for example: a server, a personal computer, a part of a computing cluster) that processes the necessary data to implement the claimed technical solution.
  • the system (300) comprises one or more processors (301), memory means such as RAM (302) and ROM (303), input/output interfaces (304), one or more means of input/output (305) and a device for networking (306).
  • the processor (301) (or multiple processors, multi-core processor, etc.) can be selected from a variety of devices currently widely used, for example, manufacturers such as IntelTM, AMDTM, AppleTM, Samsung ExynosTM , MediaTEKTM, Qualcomm SnapdragonTM, etc.
  • the processor or one of the processors used in the system (300) should also be understood as a graphics processor, such as NVIDIA GPU or Graphcore, the type of which is also suitable for full or partial execution of the method (100), and can also be used to train and apply machine learning models in various information systems.
  • a graphics processor such as NVIDIA GPU or Graphcore, the type of which is also suitable for full or partial execution of the method (100), and can also be used to train and apply machine learning models in various information systems.
  • RAM (302) is a random access memory and is designed to store machine-readable instructions executable by the processor (301) to perform the necessary data logical processing operations.
  • the RAM (302) typically contains the executable instructions of the operating system and associated software components (applications, program modules, etc.). In this case, the RAM (302) may be the available memory of the graphics card or graphics processor.
  • a ROM (303) is one or more persistent storage devices such as a hard disk drive (HDD), a solid state drive (SSD), flash memory (EEPROM, NAND, etc.), optical storage media ( CD-R/RW, DVD-R/RW, BlueRay Disc, MD), etc.
  • I/O interfaces (304) are used to organize the operation of system components (300) and organize the operation of external connected devices.
  • the choice of appropriate interfaces depends on the specific version of the computing device, and therefore the I / O interfaces (304) can be: PCI, AGP, PS / 2, IrDa, FireWire, LPT, COM, SATA, WEE, Lightning, USB (2.0 , 3.0, 3.1, micro, mini, type C), TRS/Audio jack (2.5, 3.5, 6.35), HDMI, DVI, VGA, Display Port, RJ45, RS232 and T. n.
  • various means (305) of I/O information are used, for example: keyboard, display (monitor), touch display, touchpad, joystick, mouse, light pen, stylus, touch panel , trackball, speakers, microphone, augmented reality, optical sensors, tablet, indicator lights, projector, camera, biometric identification tools (retinal scanner, fingerprint scanner, voice recognition module), etc.
  • the networking tool (306) provides data transmission via an internal or external computer network, for example: intranet, Internet, LAN, etc.
  • One or more means (306) can be used (but not limited to): Ethemet card, GSM modem, GPRS modem, LTE modem, 5C modem, satellite communication module, NFC module, Bluetooth and/or BLE module, Wi-Fi module, etc.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present technical solution relates to a method and system for solving problems. A method for solving problems comprises the steps of: obtaining data containing parameters which characterize a problem to be solved; modelling the state of the objects of the problem to be solved upon obtaining a final outcome; creating a list of successive action steps to be taken in order to achieve a positive final outcome from the problem solving; forming subtasks within said steps; identifying the action systems necessary to realize the final outcome and to realize the subtasks within the steps; modelling the properties of the action systems under which the subtasks are realized with minimal demand on resources; identifying obstacles impacting the realization of the subtasks and placing demand on resources; identifying the causes of said obstacles; selecting action options for modelling the properties of the action systems under which the subtasks are realized with minimal demand on resources, and options for eliminating the causes of the obstacles on the basis of the parameters characterizing the problem; filtering and sorting the selected action options; generating a chain of actions for solving problems on the basis of said options.

Description

СПОСОБ И АВТОМАТИЗИРОВАННАЯ СИСТЕМА РЕШЕНИЯ ЗАДАЧ METHOD AND AUTOMATED SYSTEM FOR SOLVING PROBLEMS
ОБЛАСТЬ ТЕХНИКИ FIELD OF TECHNOLOGY
[1] Настоящее техническое решение относится к области вычислительной техники, в частности к способу и системе решения задач. [1] This technical solution relates to the field of computer technology, in particular to a method and system for solving problems.
УРОВЕНЬ ТЕХНИКИ BACKGROUND OF THE INVENTION
[2] Известна система управления знаниями для разрешения ситуаций (патент РФ N° 2480826), которая предназначена для разрешения проблемных ситуаций, связанных с неудовлетворительным качеством конкретных объектов. Система управления знаниями для разрешения ситуаций содержит: блок создания знаний; блок организации знаний, со входом которого соединен выход блока создания знаний; блок локализации знаний, со входом которого соединен выход блока организации знаний; блок позиционирования знаний, со входом которого соединен выход блока локализации знаний, и блок повторного использования знаний, со входами которого соединены выходы блоков локализации и позиционирования знаний; блок системной интеграции, входы и выходы которого соединены, соответственно, со входами и выходами блоков создания знаний, организации знаний, локализации знаний, позиционирования знаний, повторного использования знаний; и блок системной визуализации, вход которого соединен с выходом блока системной интеграции. [2] Known knowledge management system for resolving situations (RF patent N ° 2480826), which is designed to resolve problematic situations associated with unsatisfactory quality of specific objects. The knowledge management system for resolving situations contains: a knowledge creation unit; a knowledge organization unit, the input of which is connected to the output of the knowledge creation unit; a knowledge localization unit, with the input of which the output of the knowledge organization unit is connected; a knowledge positioning unit, with the input of which the output of the knowledge localization unit is connected, and a knowledge reuse unit, with the inputs of which the outputs of the knowledge localization and positioning units are connected; a system integration block, the inputs and outputs of which are connected, respectively, with the inputs and outputs of the blocks of knowledge creation, knowledge organization, knowledge localization, knowledge positioning, knowledge reuse; and a system visualization unit, the input of which is connected to the output of the system integration unit.
[3] Известна компьютерная система для решения изобретательских задач «Изобретающая машина» (В. М. Цуриков. Проект «Изобретающая машина». Современное состояние и реальные перспективы. Научно-практическая конференция «Теория и практика обучения техническому творчеству», Миасс, 23-27 мая, 1988. - С. 37-43), которая состоит из компьютера, машиночитаемого носителя, программного средства (ПС) и пользователя и предназначена для решения технических задач. В решении используются разные модели знаний, объединенные в базу знаний, а также используется машина логического вывода. Данная система производит поиск документов в локальных базах данных (БД) и в сети Интернет, используя семантический анализ. [3] A well-known computer system for solving inventive problems "Inventing Machine" (V. M. Tsurikov. Project "Inventing Machine". Current state and real prospects. Scientific and practical conference "Theory and practice of teaching technical creativity", Miass, 23- May 27, 1988. - S. 37-43), which consists of a computer, a machine-readable medium, a software tool (PS) and a user and is designed to solve technical problems. The solution uses different knowledge models combined into a knowledge base, and also uses an inference engine. This system searches for documents in local databases (DB) and on the Internet using semantic analysis.
[4] Известное решение представляет собой гибридную экспертную систему (ЭС) с использованием моделей знаний, объединенных в базу знаний, имеющую машину логического вывода. Имеется возможность искать подходящие документы по запросам на основе семантического анализа как в локальных базах данных (БД), так и в сети Интернет. «Изобретающая машина» обладает знаниями (и выдает ответы), в своей части превосходящими знания наиболее квалифицированных специалистов. В ней содержатся мощные информационные базы технических спецэффектов из разных областей знания, каталог методов решения задач, используются некоторые расчетные модели, в частности функционально-стоимостного анализа. Некоторые из этих баз построены с использованием моделей знаний, в частности семантических сетей, продукционных моделей и моделей «субъект - акция - объект» (САО-модели). Также применяются визуальные и графические образы: графики, изображения, чертежи для повышения эффективности работы, подключенные к некоторым моделям знаний. [4] The well-known solution is a hybrid expert system (ES) using knowledge models combined into a knowledge base with an inference machine. It is possible to search for suitable documents by query based on semantic analysis both in local databases (DB) and on the Internet. The "inventing machine" has knowledge (and produces answers) that in its part exceeds the knowledge of the most qualified specialists. It contains powerful information bases of technical special effects from different fields of knowledge, catalog of methods for solving problems, some calculation models are used, in particular, functional cost analysis. Some of these databases are built using knowledge models, in particular semantic networks, production models, and subject-action-object models (SAO models). Visual and graphic images are also used: graphs, images, drawings to improve work efficiency, connected to some knowledge models.
[5] Выполнена система на стандартных машиночитаемых носителях, защищенных от копирования кодами доступа, без специальных устройств чтения машиночитаемых носителей и их защиты. Система подключается к компьютерам через устройства считывания, а при функционировании ядро ПС считывается в компьютер и работа выполняется в оперативной памяти компьютера с подкачкой объемов информации с машиночитаемого носителя. [5] The system was implemented on standard machine-readable media protected from copying by access codes, without special devices for reading machine-readable media and their protection. The system is connected to computers through reading devices, and during operation, the PS core is read into the computer and work is performed in the computer's RAM with swapping information volumes from a machine-readable medium.
[6] Из патента RU 2607977 С1 известна автоматизированная система моделирования объекта, обеспечивающая формирование анализируемых объектов с помощью интеллектуальной вычислительной среды, позволяющей формировать связи между параметрами моделируемого объекта и осуществлять анализ связей для прогнозирования состояния выходного объекта. [6] From patent RU 2607977 C1, an automated object modeling system is known that provides the formation of analyzed objects using an intelligent computing environment that allows you to form links between the parameters of the modeled object and analyze links to predict the state of the output object.
[7] Известные из уровня техники решения имеют ограниченную функциональность в части того, что для автоматизированного интеллектуального решения задач необходимо формировать иерархическое разбиение параметров, вносящих невязки и помехи при прогнозировании результатов решения задач с ранжированием по выявлению исходов с наименьшими потерями при достижении цели. [7] The solutions known from the prior art have limited functionality in terms of the fact that for automated intelligent problem solving, it is necessary to form a hierarchical partitioning of parameters that introduce residuals and interference when predicting the results of solving problems with ranking to identify outcomes with the least losses when achieving the goal.
[8] Кроме того, в данных системах используется большое количество ресурсов, что приводит к частому возникновению нарушений работоспособности этих систем и требованию больших объемов внешних данных для донастройки или корректировки, исходя из прогнозного моделирования. [8] In addition, these systems use a large amount of resources, which leads to the frequent occurrence of malfunctions of these systems and the requirement of large amounts of external data for further adjustment or adjustment based on predictive modeling.
СУЩНОСТЬ ТЕХНИЧЕСКОГО РЕШЕНИЯ ESSENCE OF THE TECHNICAL SOLUTION
[9] Технической проблемой, на решение которой направлено заявленное изобретение, является создание компьютерно-реализуемого способа и системы решения задач, которые устраняют недостатки, присущие известным решениям из уровня техники. [9] The technical problem to which the claimed invention is directed is the creation of a computer-implemented method and system for solving problems that eliminate the shortcomings inherent in the known solutions of the prior art.
[10] Техническим результатом, достигающимся при решении вышеуказанной технической проблемы, является то, что использование заявленного способа и системы обеспечивает эффективное автоматизирование решение задачи за счет комплексного анализа состояний объектов на каждом моделируемом этапе решения задачи при поиске путей ее решения. [10] The technical result achieved when solving the above technical problem is that the use of the claimed method and system provides effective automation of the solution of the problem due to the integrated analysis of the states of objects at each simulated stage of solving the problem when searching for ways to solve it.
[11] Дополнительным техническим результатом является отбор вариантов решения задачи с наименьшими затратами ресурсов. [11] An additional technical result is the selection of options for solving the problem with the least expenditure of resources.
[12] Заявленные результаты достигаются за счет осуществления компьютерно- реализуемого способа решения задач, выполняемого с помощью по меньшей мере одного процессора и содержащего этапы, на которых: а) получают данные, содержащие параметры, характеризующие решаемую задачу; при этом параметры содержат по меньшей мере описание объектов задачи и данные, описывающие условия и ограничения; б) моделируют по меньшей мере одно состояние объектов решаемой задачи в момент получения итогового результата с помощью базы данных, содержащей информацию по схожим категориям задач с учетом введенных на этапе а) условий, ограничений и объектов задачи; в) создают список последовательных этапов действий для достижения положительного итогового результата решения задачи; г) формируют подцели внутри этапов, выявленных на этапе в); при этом подцели содержат действия и/или свойства объектов этапа, которые необходимы для решения задачи данного этапа; д) выявляют действующие системы, необходимые для реализации итогового результата и для реализации подцелей внутри этапов; при этом системы содержат совокупность действий и/или объектов; е) моделируют свойства действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов; ж) выявляют помехи, оказывающие воздействие на реализацию подцелей и влекущие затраты ресурсов; з) выявляют причины помех в виде определения свойств действующих систем, которые в наибольшей степени приводят к возникновению выявленных на этапе ж) помех; и) осуществляют подбор вариантов действий для моделирования свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, и вариантов устранения причин помех на основе параметров, характеризующих задачу; к) осуществляют фильтрацию и сортировку подобранных вариантов действий с учетом входных условий и ограничений; л) генерируют цепочку действий для решения задач на основании вариантов, определенных на этапе к). [12] The claimed results are achieved through the implementation of a computer-implemented method of solving problems, performed using at least one processor and containing the steps at which: a) receive data containing parameters characterizing the problem being solved; while the parameters contain at least a description of the objects of the task and data describing the conditions and restrictions; b) modeling at least one state of the objects of the problem being solved at the time of obtaining the final result using a database containing information on similar categories of tasks, taking into account the conditions, restrictions and objects of the task entered at step a); c) create a list of successive stages of action to achieve a positive final result of solving the problem; d) form subgoals within the steps identified in step c); at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage; e) identify the operating systems necessary for the implementation of the final result and for the implementation of sub-goals within the stages; while the systems contain a set of actions and/or objects; f) model the properties of existing systems, in which subgoals are implemented with the least expenditure of resources; g) identify obstacles that affect the implementation of subgoals and entail resource costs; h) identify the causes of interference in the form of determining the properties of operating systems, which to the greatest extent lead to the occurrence of interference identified at stage g); i) carry out the selection of options for modeling the properties of existing systems, in which sub-goals are implemented with the least expenditure of resources, and options for eliminating the causes of interference based on the parameters characterizing the task; j) carry out filtering and sorting of the selected options for actions, taking into account the input conditions and restrictions; k) generate a chain of actions to solve problems based on the options identified in step j).
[13] В одном из частных вариантов осуществления способа после формулирования подцелей на этапе г) каждая подцель внутри этапа действий на пути к итоговому результату решения задачи берется как самостоятельный итоговый результат решения задачи и анализируется с выполнением для нее этапов а) - л). [13] In one of the particular embodiments of the method, after formulating the subgoals at stage d), each subgoal within the stage of actions on the way to the final result of solving the problem is taken as an independent final result of solving the problem and analyzed with the execution of stages a) - k) for it.
[14] В другом частном варианте осуществления способа после формулирования подцелей на этапе г) выполняется их ранжирование для определения подцели с наибольшим весом для решения задачи, причем данная подцель принимается за самостоятельный итоговый результат решения задачи и анализируется с выполнением для нее этапов а) - л). [14] In another particular embodiment of the method, after formulating the subgoals at step d), they are ranked to determine the subgoal with the highest weight for solving the problem, and this subgoal is taken as an independent final result of solving the problem and analyzed with the execution of steps a) - l ).
[15] В другом частном варианте осуществления способа на этапе е) при моделировании свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, используется база данных, содержащая информацию по схожим категориям задач с учетом введенных на этапе а) условий, ограничений и объектов задачи. [15] In another particular embodiment of the method at step e), when modeling the properties of existing systems in which subgoals are implemented with the least resource costs, a database is used that contains information on similar categories of tasks, taking into account the conditions, restrictions and objects entered at step a) tasks.
[16] В другом частном варианте осуществления способ реализуется с помощью модели машинного обучения. [16] In another particular embodiment, the method is implemented using a machine learning model.
[17] В другом частном варианте осуществления способа результаты работы модели машинного обучения оцениваются и корректируются через сеть Интернет. [17] In another particular embodiment of the method, the results of the machine learning model are evaluated and corrected via the Internet.
[18] Заявленные результаты также достигаются за счет осуществления автоматизированной системы решения задач, содержащей взаимосвязанные между собой: [18] The claimed results are also achieved through the implementation of an automated system for solving problems, containing interconnected:
• модуль приема данных, осуществляющий прием данных, содержащих параметры, характеризующие решаемую задачу; при этом параметры содержат по меньшей мере описание объектов задачи и данные, описывающие условия и ограничения;• data receiving module that receives data containing parameters characterizing the problem being solved; while the parameters contain at least a description of the objects of the task and data describing the conditions and restrictions;
• базу данных, содержащую информацию по схожим категориям задач с учетом принятых данных, содержащих условия, ограничения и объекты задачи; • a database containing information on similar categories of tasks, taking into account the received data, containing conditions, restrictions and objects of the task;
• модуль моделирования, осуществляющий моделирование по меньшей мере одного состояния объектов решаемой задачи в момент получения итогового результата с помощью базы данных; • a simulation module that simulates at least one state of the objects of the problem being solved at the time of obtaining the final result using the database;
• модуль создания списка этапов действий, осуществляющий создание списка последовательных этапов действий для достижения положительного итогового результата решения задачи; • модуль формирования подцелей, осуществляющий формирование подцелей внутри этапов; при этом подцели содержат действия и/или свойства объектов этапа, которые необходимы для решения задачи данного этапа; • a module for creating a list of action steps that creates a list of successive action steps to achieve a positive final result of solving the problem; • a sub-goal formation module that generates sub-goals within the stages; at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage;
• модуль выявления действующих систем, осуществляющий выявление действующих систем, необходимых для реализации итогового результата и для реализации подцелей внутри этапов; при этом системы содержат совокупность действий и/или объектов; • a module for identifying existing systems, which performs the identification of existing systems necessary for the implementation of the final result and for the implementation of subgoals within the stages; while the systems contain a set of actions and/or objects;
• модуль моделирования свойств действующих систем, осуществляющий моделирование свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов; • a module for modeling the properties of operating systems, which simulates the properties of operating systems, in which subgoals are implemented with the least expenditure of resources;
• модуль выявления помех, осуществляющий: • interference detection module, which performs:
- выявление помех, оказывающих воздействие на реализацию подцелей и влекущих затраты ресурсов; - identification of obstacles that affect the implementation of sub-goals and entail resource costs;
- выявление причины помех в виде определения свойств действующих систем, которые в наибольшей степени приводят к возникновению выявленных помех модулем выявления помех; - identifying the cause of interference in the form of determining the properties of existing systems that most lead to the occurrence of detected interference by the interference detection module;
• модуль подбора вариантов действий, осуществляющий подбор вариантов действий для моделирования свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, и вариантов устранения причин помех на основе параметров, характеризующих задачу; • action option selection module, which selects action options for modeling the properties of existing systems, in which subgoals are implemented with the least resource costs, and options for eliminating the causes of interference based on the parameters that characterize the task;
• модуль фильтрации и сортировки, осуществляющий фильтрацию и сортировку подобранных вариантов действий с учетом входных условий и ограничений; • a filtering and sorting module that filters and sorts selected options for actions, taking into account input conditions and restrictions;
• модуль генерации, осуществляющий генерацию цепочки действий для решения задач на основании вариантов, определенных модулем фильтрации и сортировки. • a generation module that generates a chain of actions for solving problems based on the options defined by the filtering and sorting module.
[19] В одном из частных вариантов осуществления система выполняется в виде облачной платформы. [19] In one of the private embodiments, the system is implemented as a cloud platform.
[20] В другом частном варианте осуществления система дополнительно содержит модуль машинного обучения, содержащий по меньшей мере одну модель машинного обучения, выполненную с возможностью принятия решений и автоматизированного обучения на основании решаемых задач. [20] In another particular embodiment, the system further comprises a machine learning module containing at least one machine learning model capable of making decisions and automated learning based on the tasks being solved.
[21] В другом частном варианте осуществления системы результаты работы модуля машинного обучения дополнительно оцениваются и обучаются через сеть Интернет. ОПИСАНИЕ ЧЕРТЕЖЕЙ [21] In another particular embodiment of the system, the results of the machine learning module are further evaluated and trained via the Internet. DESCRIPTION OF THE DRAWINGS
[22] Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения. К заявке прилагаются следующие чертежи: [22] The implementation of the invention will be described hereinafter in accordance with the accompanying drawings, which are presented to explain the essence of the invention and in no way limit the scope of the invention. The following drawings are attached to the application:
[23] Фиг. 1 иллюстрирует компьютерно-реализуемый способ решения задач. [23] FIG. 1 illustrates a computer-implemented method for solving problems.
[24] Фиг. 2 иллюстрирует автоматизированную систему решения задач. [24] FIG. 2 illustrates an automated problem solving system.
[25] Фиг. 3 иллюстрирует пример общего вида вычислительной системы, которая обеспечивает реализацию заявленного решения. [25] FIG. 3 illustrates an example of a general view of a computing system that provides the implementation of the claimed solution.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ IMPLEMENTATION OF THE INVENTION
[26] В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако квалифицированному в предметной области специалисту будет очевидно, каким образом можно использовать настоящее изобретение как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы излишне не затруднять понимание особенностей настоящего изобретения. [26] In the following detailed description of the implementation of the invention, numerous implementation details are provided to provide a clear understanding of the present invention. However, one skilled in the art will appreciate how the present invention can be used with or without these implementation details. In other instances, well-known methods, procedures, and components have not been described in detail so as not to unnecessarily obscure the features of the present invention.
[27] Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму технической реализации настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов. [27] In addition, from the foregoing it will be clear that the invention is not limited to the above implementation. Numerous possible modifications, changes, variations and substitutions, while retaining the essence and form of the technical implementation of the present invention, will be obvious to those skilled in the subject field.
[28] Настоящее изобретение направлено на обеспечение компьютерно- реализуемого способа и системы решения задач (авторское наименование на русском языке - «Траблхакинг», на английском - «Troublehacking»). [28] The present invention is aimed at providing a computer-implemented method and system for solving problems (author's name in Russian - "Troublehacking", in English - "Troublehacking").
[29] При этом траблхакинг (англ trouble - проблема, неприятность и hacking — взлом, поиск лазеек) - это методология совершенствования систем, набор методов и средств, направленных на изобретение нестандартных путей решения задач, и применение их на практике. Большая часть методов траблхакинга основывается в своей сущности на широко известной теории решения изобретательских задач (ТРИЗ), которая была доработана и усовершенствована с учетом текущих разработок и достижений технического уровня. Главным же отличием траблхакинга от ТРИЗ является область применения методов. Если ТРИЗ служит по большей части для решения технических задач, то траблхакинг служит для решения широкого круга задач, включая не только технические, но и нетехнические задачи, которые так же могут быть решены с помощью существующих технических средств и вычислительных алгоритмов (подходов). [29] At the same time, trouble hacking is a methodology for improving systems, a set of methods and tools aimed at inventing non-standard ways to solve problems and applying them in practice. Most of the troublehacking methods are based in their essence on the well-known theory of inventive problem solving (TRIZ), which has been refined and improved taking into account current developments and advances in the technical level. The main difference between troublehacking and TRIZ is the scope of the methods. If TRIZ serves for the most part to solve technical problems, then troublehacking serves to solve a wide range of problems, including not only technical, but also non-technical problems, which can also be solved using existing technical means and computational algorithms (approaches).
[30] Как представлено на Фиг. 1, заявленный компьютерно-реализуемый способ решения задач (100) может исполняться с помощью стандартизованных вычислительных устройств. [30] As shown in FIG. 1, the claimed computer-implemented method for solving problems (100) can be executed using standardized computing devices.
[31] На этапе (101) получают данные, содержащие параметры, характеризующие решаемую задачу; при этом параметры содержат по меньшей мере описание объектов задачи и данные, описывающие условия и ограничения. В качестве входных данных может применяться различная входная информация для моделирования реализации входной задачи. Например, прогнозирование увеличения посещаемости бизнес-объекта, увеличение продаж, увеличение капитализации компании, географическая локация объекта, средняя пропускная способность, количество сотрудников, затраты, расходные материалы и т. и. Данные генерируют общие базовые сущности для формирования входного состояния модели, ее дальнейшего формирования и анализа этапов для решения поставленной задачи. [31] At step (101) receive data containing parameters characterizing the problem being solved; wherein the parameters contain at least a description of the task objects and data describing the conditions and constraints. As input data, various input information can be used to model the implementation of the input task. For example, forecasting an increase in attendance at a business facility, an increase in sales, an increase in the company's capitalization, the geographical location of an object, average throughput, the number of employees, costs, consumables, etc. The data generates common basic entities for the formation of the input state of the model, its further formation and analysis of the stages for solving the problem.
[32] Далее на этапе (102) с помощью базы данных, содержащей информацию по схожим категориям задач с учетом введенных на этапе (101) условий, ограничений и объектов задачи моделируют по меньшей мере одно состояние объектов решаемой задачи в момент получения итогового результата. База данных является обновляемой и содержит сведения о схожих реализациях задач, что позволяет получить параметры моделирования решения задачи, исходя из успешных примеров реализации схожих или аналогичных задач. [32] Next, at step (102), using a database containing information on similar categories of tasks, taking into account the conditions, constraints, and task objects entered at step (101), at least one state of the objects of the problem being solved is modeled at the time of obtaining the final result. The database is updated and contains information about similar implementations of tasks, which allows you to obtain modeling parameters for solving a problem based on successful examples of implementing similar or similar tasks.
[33] Под состоянием объекта понимается его свойство, при котором он соответствует критериям введенных параметров. При этом возможна ситуация, когда объект, исходя из заданных критериев, не может быть реализован, о чем сообщается с помощью вычислительной среды. Состояние объекта должно отвечать объективным свойствам модели, не противоречащей вводным данным и накладываемым ограничениям. Например, прирост объема продаж для кофешопа с бюджетом затрат 500000 рублей в срок 1 месяц. [33] The state of an object is understood as its property, in which it meets the criteria of the entered parameters. In this case, a situation is possible when the object, based on the specified criteria, cannot be implemented, which is reported using the computing environment. The state of the object must correspond to the objective properties of the model, which does not contradict the input data and the imposed restrictions. For example, an increase in sales for a coffeeshop with a cost budget of 500,000 rubles in a period of 1 month.
[34] В этом случае входные параметры определяют существующие вариации уже произведенных успешных расчетов, которые будут отбираться как возможные релевантные решения текущей задачи. [34] In this case, the input parameters determine the existing variations of already performed successful calculations, which will be selected as possible relevant solutions to the current problem.
[35] На этапе (103) создают список последовательных этапов действий для достижения положительного итогового результата решения задачи. На данном шаге из базы данных отбираются аналогичные результаты моделирования схожих решений задач или происходит задействование модуля машинного обучения, который обучается на запросах пользователей и выборе критериев формирования связанных результатов решения в зависимости от возможности классификации входной задачи. [35] At step (103), a list of sequential action steps is created to achieve a positive final result of solving the problem. At this step, similar results of modeling similar solutions to problems are selected from the database or the machine learning module is involved, which is trained on user requests and the choice of criteria for the formation of related solution results, depending on the possibility of classifying the input task.
[36] Формируемые этапы содержат сведения иерархического порядка реализации поставленной задачи, начиная от родительского шага (итогового результата), по направлению ключевых действий, необходимых для достижения итогового состояния модели. [36] The generated stages contain information on the hierarchical order of the implementation of the task, starting from the parent step (the final result), in the direction of the key actions necessary to achieve the final state of the model.
[37] После чего на этапе (104) формируют подцели внутри этапов, выявленных на этапе (ЮЗ); при этом подцели содержат действия и/или свойства объектов этапа, которые необходимы для решения задачи данного этапа. Каждый этап содержит набор параметров и действий одного или нескольких объектов, связанных с итогом решения входной задачи. При формировании подцелей этапа, параметрами, оказывающими критическое влияние на успешную реализацию каждого этапа, могут выступать: срок реализации этапа, затраты по этапу, географическое расположение, изменение режима функционирования объекта и т. и. [37] After that, at step (104), subgoals are formed within the steps identified at step (SW); at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage. Each stage contains a set of parameters and actions of one or more objects associated with the result of solving the input problem. When forming the sub-goals of the stage, the parameters that have a critical impact on the successful implementation of each stage can be: stage implementation period, stage costs, geographical location, change in the mode of operation of the object, etc.
[38] Выполняется ранжирование подцелей для определения подцели с наибольшим весом для решения задачи; при этом такая подцель принимается за самостоятельный итоговый результат решения задачи и может анализироваться как самостоятельная задача в рамках моделирования каждой из подцелей. [38] The ranking of subgoals is performed to determine the subgoal with the highest weight for solving the problem; at the same time, such a subgoal is taken as an independent final result of solving the problem and can be analyzed as an independent task within the framework of modeling each of the subgoals.
[39] Упомянутые выше параметры анализируются для каждой подцели внутри этапа в зависимости от связанных данных и свойств. Например, увеличение объема продаж связано с оборудованием и/или рекламой для определенной сферы бизнеса. Модель формирует связанную матрицу состояний в зависимости от входных параметров на этапе (101), выбирая наиболее оптимальные решения, исходя, например, из установленных затрат на реализацию соответствующего этапа. [39] The parameters mentioned above are analyzed for each sub-objective within the stage depending on the associated data and properties. For example, an increase in sales is associated with equipment and / or advertising for a particular business area. The model generates an associated state matrix depending on the input parameters at step (101), choosing the most optimal solutions, based, for example, on the established costs for the implementation of the corresponding step.
[40] На этапе (105) выявляют действующие системы, необходимые для реализации итогового результата и для реализации подцелей внутри этапов; при этом системы содержат совокупность действий и/или объектов. Системы определяют ключевые позиции, которые необходимы для успешного выполнения подцелей этапа, например, необходимый тип оборудования (при этом с учетом входных ограничений по бюджету в случае его установки), количество и квалификация персонала, сырье, тип сырья, поставщики для получения продукции и т. и. За счет применения обновляемой базы данных и/или базы знаний это позволяет получить пласт информации, необходимой для учета анализа совокупных вариантов достижения требуемых этапов. [41] Реализация каждой подцели может представляться в виде матрицы состояний, которая может обрабатываться с помощью модели машинного обучения, например искусственной нейронной сетью (ИНС), для нахождения возможных вариаций выполнения этапа и их последующего ранжирования для выбора оптимального. [40] At step (105), the operating systems necessary to implement the final result and to implement the subgoals within the steps are identified; while the systems contain a set of actions and/or objects. The systems determine the key items that are necessary for the successful completion of the sub-goals of the stage, for example, the type of equipment required (while taking into account the input budget restrictions if installed), the number and qualifications of personnel, raw materials, type of raw materials, suppliers for obtaining products, etc. and. Through the use of an updatable database and/or knowledge base, this provides a layer of information necessary to account for the analysis of aggregate options to achieve the required milestones. [41] The implementation of each subgoal can be represented as a state matrix, which can be processed using a machine learning model, such as an artificial neural network (ANN), to find possible variations in the execution of a step and then rank them to select the optimal one.
[42] Далее на этапе (106) моделируют свойства действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов. Это осуществляется за счет ранжирования смоделированных вариаций на этапе (105) и отбора по совокупности параметров, включающих в себя системы, с выявлением наиболее эффективных исходов с точки зрения затрат ресурсов. Во время моделирования свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, может использоваться база данных или база знаний, содержащая информацию по схожим категориям задач с учетом введенных на этапе (101) входных условий, ограничений и объектов задачи. [42] Next, at step (106), the properties of the operating systems are modeled, in which the subgoals are implemented with the least resource costs. This is done by ranking the modeled variations in step (105) and selecting on a set of parameters including systems to identify the most resource efficient outcomes. When modeling the properties of existing systems, in which subgoals are implemented with the least resource costs, a database or knowledge base can be used that contains information on similar categories of tasks, taking into account the input conditions, constraints and objects of the task introduced at step (101).
[43] На этапе (107) выявляют помехи, оказывающие воздействие на реализацию подцелей и влекущие затраты ресурсов. Помехами являются объекты, их свойства, а также внешние воздействия, которые оказывают негативное влияние на успешную реализацию подцелей. Например, такие помехи могут представлять собой (но этим не ограничиваться) скачки валютных курсов, прекращение поставок требуемой продукции от заданных поставщиков, изменение условий расположения территориального характера (например, снос здания), спад спроса на объекты и т. и. [43] At step (107), interferences that affect the implementation of subgoals and entail resource costs are identified. Interferences are objects, their properties, as well as external influences that have a negative impact on the successful implementation of subgoals. For example, such disruptions may include, but are not limited to, fluctuations in exchange rates, the interruption of the supply of required products from specified suppliers, changes in location conditions of a territorial nature (for example, the demolition of a building), a decline in demand for facilities, etc.
[44] На этапе (108) выявляются причины помех в виде определения свойств действующих систем, которые в наибольшей степени приводят к возникновению выявленных на этапе (107) помех. Помехи включают в себя параметры, которые критичны для моделируемых подцелей и на которых появляется возможность моделирования будущих состояний. Параметры помех анализируются во временном диапазоне, связанном с входными данными, и учитывают комбинации аналитических подходов и синтетического моделирования на основании сформированной базы знаний по предмету решаемой задачи. Ранжирование систем и их влияния позволяет осуществить более точную фильтрацию исходов решения задачи. [44] At step (108), the causes of interference are identified in the form of determining the properties of operating systems that most lead to the occurrence of interference identified at step (107). Interference includes parameters that are critical for the simulated subgoals and on which it becomes possible to model future states. The noise parameters are analyzed in the time range associated with the input data and take into account combinations of analytical approaches and synthetic modeling based on the generated knowledge base on the subject of the problem being solved. The ranking of systems and their influence allows for a more accurate filtering of the outcomes of solving the problem.
[45] Далее на этапе (109) осуществляют подбор вариантов действий для моделирования свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, и вариантов устранения причин помех на основе параметров, характеризующих задачу. Данный этап выполняется с помощью решающего блока и базы знаний, исходя из ранжирования подцелей для их итогового учета. [45] Next, at step (109), the selection of options for modeling the properties of existing systems, in which subgoals are implemented with the least resource costs, and options for eliminating the causes of interference based on the parameters characterizing the task, are selected. This stage is carried out with the help of a decisive block and a knowledge base, based on the ranking of subgoals for their final accounting.
[46] На этапе (ПО) осуществляют фильтрацию и сортировку подобранных вариантов действий с учетом входных условий и ограничений, после чего на этапе (111) генерируют цепочку действий для решения задач на основании вариантов, определенных на этапе (ПО). [46] At the stage (PO), the selected options are filtered and sorted, taking into account the input conditions and restrictions, after which at the stage (111) generate a chain of actions for solving problems based on the options identified at the stage (PO).
[47] Цепочка действий включает в себя набор вариантов действий, ведущих к получению итогового результата решения задачи. При этом цепочка действий формируется, исходя из максимальной экономии ресурсов при максимальном ожидаемом результате решения задачи. Цепочка действий может учитывать: вероятную скорость реализации действия, количество необходимых для действия ресурсов, количество потенциальных финансовых и иного типа затрат, потенциальные негативные воздействия, необходимые для реализации действия навыки и знания, организации, заинтересованные в решении задачи, необходимые условия для реализации действия, требуемые системы в виде объектов и действий. При этом цепочка формируется в иерархическом порядке, где для каждого действия может быть несколько этапов, которые могут формировать вариации цепочек этапов и целей для достижения требуемого эффекта. [47] The chain of actions includes a set of options for actions leading to the final result of solving the problem. In this case, the chain of actions is formed based on the maximum saving of resources with the maximum expected result of solving the problem. The chain of actions may take into account: the likely speed of the implementation of the action, the amount of resources needed for the action, the amount of potential financial and other types of costs, potential negative impacts, the skills and knowledge necessary for the implementation of the action, organizations interested in solving the problem, the necessary conditions for the implementation of the action, required systems in the form of objects and actions. In this case, the chain is formed in a hierarchical order, where for each action there can be several stages, which can form variations of the chains of stages and goals to achieve the desired effect.
[48] На Фиг. 2 представлен общий вид автоматизированной системы решения задач (200). Заявленная система состоит из следующих компонентов: [48] In FIG. 2 shows a general view of the automated problem solving system (200). The claimed system consists of the following components:
- модуля приема данных (201); - data receiving module (201);
- базы данных (202); - databases (202);
- модуля моделирования (203); - modeling module (203);
- модуля создания списка этапов действий (204); - a module for creating a list of action steps (204);
- модуля формирования подцелей (205); - subgoal formation module (205);
- модуля выявления действующих систем (206); - module for detecting operating systems (206);
- модуля моделирования свойств действующих систем (207); - module for modeling the properties of operating systems (207);
- модуля выявления помех (208); - interference detection module (208);
- модуля подбора вариантов действий (209); - module for selecting options for actions (209);
- модуля фильтрации и сортировки (210); - filtering and sorting module (210);
- модуля генерации (211). - generation module (211).
[49] При этом указанные выше модули (201) — (211) взаимосвязаны между собой и могут представлять собой единое вычислительное устройство, например компьютер, или совокупность устройств, обеспечивающих реализацию заданного функционала. [49] In this case, the above modules (201) - (211) are interconnected and can be a single computing device, such as a computer, or a set of devices that provide the implementation of a given functionality.
[50] Система (200) позволяет реализовать с помощью программно-аппаратных средств вышеуказанный способ (100) с исполнением соответствующих этапов способа (100) с помощью программно-аппаратных модулей, функционал которых будет раскрыт ниже. [51] Модуль приема данных (201) выполнен с возможностью осуществлять прием данных, содержащих параметры, характеризующие решаемую задачу, которые включают в себя описание объектов задачи и данные, описывающие условия и ограничения. Как было указано выше, в качестве входных данных может применяться различная входная информация для моделирования реализации входной задачи. Например, прогнозирование увеличения посещаемости бизнес-объекта, увеличение продаж, увеличение капитализации компании, географическая локация объекта, средняя пропускная способность, количество сотрудников, затраты, расходные материалы и т. п. Данные формируют общие базовые сущности для формирования входного состояния модели для ее дальнейшего формирования и анализа этапов для решения поставленной задачи. [50] The system (200) makes it possible to implement the above method (100) with the help of firmware, with the execution of the corresponding steps of the method (100) using firmware modules, the functionality of which will be described below. [51] The data receiving module (201) is configured to receive data containing parameters characterizing the task being solved, which include a description of the task objects and data describing conditions and restrictions. As mentioned above, various input information can be used as input to model the implementation of the input task. For example, predicting an increase in the attendance of a business facility, an increase in sales, an increase in the company's capitalization, the geographic location of an object, the average throughput, the number of employees, costs, consumables, etc. The data forms common basic entities to form the input state of the model for its further formation and analysis of stages to solve the problem.
[52] База данных (202) содержит информацию по схожим категориям задач с учетом принятых данных, содержащих условия, ограничения и объекты задачи. База данных является обновляемой и содержит сведения о схожих реализациях задач, что позволяет получить параметры моделирования решения задачи, исходя из успешных примеров реализации схожих или аналогичных задач. [52] The database (202) contains information on similar categories of tasks, taking into account the received data containing the conditions, restrictions and objects of the task. The database is updated and contains information about similar implementations of tasks, which allows you to obtain modeling parameters for solving a problem based on successful examples of implementing similar or similar tasks.
[53] Модуль моделирования (203) выполнен с возможностью осуществлять моделирование по меньшей мере одного состояния объектов решаемой задачи в момент получения итогового результата с помощью базы данных. [53] The simulation module (203) is configured to simulate at least one state of the objects of the problem being solved at the time of obtaining the final result using the database.
[54] Модуль создания списка этапов действий (204) выполнен с возможностью осуществлять создание списка последовательных этапов действий для достижения положительного итогового результата решения задачи. [54] The module for creating a list of steps of actions (204) is configured to create a list of sequential steps of actions to achieve a positive final result of solving the problem.
[55] Модуль формирования подцелей (205) выполнен с возможностью осуществлять формирование подцелей внутри этапов; при этом подцели содержат действия и/или свойства объектов этапа, которые необходимы для решения задачи данного этапа. [55] The sub-goal generation module (205) is configured to generate sub-goals within the steps; at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage.
[56] При этом модуль выявления действующих систем (206) выполнен с возможностью осуществлять выявление действующих систем, необходимых для реализации итогового результата и для реализации подцелей внутри этапов; при этом системы содержат совокупность действий и/или объектов. [56] At the same time, the module for detecting operating systems (206) is configured to identify operating systems necessary for the implementation of the final result and for the implementation of subgoals within the stages; while the systems contain a set of actions and/or objects.
[57] Модуль моделирования свойств действующих систем (207) осуществляет моделирование свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов. [57] The module for modeling the properties of operating systems (207) performs modeling of the properties of operating systems, in which subgoals are implemented with the least cost of resources.
[58] Модуль выявления помех (208) выполнен с возможностью осуществлять: [58] The interference detection module (208) is configured to:
- выявление помех, оказывающих воздействие на реализацию подцелей и влекущих затраты ресурсов; - выявление причины помех в виде определения свойств действующих систем, которые в наибольшей степени приводят к возникновению выявленных помех модулем выявления помех. - identification of obstacles that affect the implementation of sub-goals and entail resource costs; - identifying the cause of interference in the form of determining the properties of existing systems that most lead to the occurrence of detected interference by the interference detection module.
[59] Модуль подбора вариантов действий (209) осуществляет подбор вариантов действий для моделирования свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, и вариантов устранения причин помех на основе параметров, характеризующих задачу. [59] The module for selecting options for actions (209) selects options for modeling the properties of existing systems in which subgoals are implemented with the least resource costs, and options for eliminating the causes of interference based on the parameters that characterize the task.
[60] Модуль фильтрации и сортировки (210) выполнен с возможностью осуществлять фильтрацию и сортировку подобранных вариантов действий с учетом входных условий и ограничений. [60] The filtering and sorting module (210) is configured to filter and sort the selected actions based on input conditions and constraints.
[61] Модуль генерации (211) выполнен с возможностью осуществлять генерацию цепочки действий для решения задач на основании вариантов, определенных модулем фильтрации и сортировки. [61] The generation module (211) is configured to generate a chain of actions for solving problems based on the options determined by the filtering and sorting module.
[62] Кроме того, заявленное решение осуществляется с помощью модели машинного обучения, и результаты работы модели машинного обучения могут оцениваться и корректироваться через сеть Интернет. Корректировка необходима для более точного подбора вариантов действий, систем и объектов для решения задачи на каждом этапе. Для наиболее эффективного решения задач необходимо опираться на достоверные сведения в текущем и прогнозируемом временных срезах. Дополнительная тренировка моделей машинного обучения позволяет нивелировать возможные неточности классификации событий и связанных с ними параметров. [62] In addition, the claimed decision is carried out using a machine learning model, and the results of the machine learning model can be evaluated and corrected via the Internet. Correction is necessary for a more accurate selection of options for actions, systems and objects to solve the problem at each stage. For the most effective solution of problems, it is necessary to rely on reliable information in the current and predicted time slices. Additional training of machine learning models allows leveling possible inaccuracies in the classification of events and related parameters.
[63] Система (200) может быть выполнена в виде облачной платформы и представлять собой клиент-серверную архитектуру для доступа к ней конечных пользователей. Также система (200) может выполняться как экспертная система и интегрироваться во внутреннюю инфраструктуру компании, например, для формирования бизнес-планов, аналитических срезов и т. и. [63] The system (200) can be implemented as a cloud platform and be a client-server architecture for end users to access it. Also, the system (200) can be executed as an expert system and integrated into the company's internal infrastructure, for example, to generate business plans, analytical slices, etc.
[64] На Фиг. 3 представлен пример общего вида вычислительной системы (300), которая обеспечивает реализацию заявленного способа (100) или является частью компьютерной системы (например: сервером, персональным компьютером, частью вычислительного кластера), обрабатывающей необходимые данные для осуществления заявленного технического решения. [64] In FIG. 3 shows an example of a general view of a computing system (300), which provides the implementation of the claimed method (100) or is a part of a computer system (for example: a server, a personal computer, a part of a computing cluster) that processes the necessary data to implement the claimed technical solution.
[65] В общем случае система (300) содержит объединенные общей шиной информационного обмена один или несколько процессоров (301), средства памяти, такие как ОЗУ (302) и ПЗУ (303), интерфейсы ввода/вывода (304), одно или несколько средств ввода/вывода (305) и устройство для сетевого взаимодействия (306). [66] Процессор (301) (или несколько процессоров, многоядерный процессор и т. п.) может выбираться из ассортимента устройств, широко применяемых в настоящее время, например, таких производителей, как Intel™, AMD™, Apple™, Samsung Exynos™, MediaTEK™, Qualcomm Snapdragon™ и т. и. Под процессором или одним из используемых процессоров в системе (300) также необходимо понимать графический процессор, например GPU NVIDIA или Graphcore, тип которых также является пригодным для полного или частичного выполнения способа (100), а также может применяться для обучения и применения моделей машинного обучения в различных информационных системах. [65] In general, the system (300) comprises one or more processors (301), memory means such as RAM (302) and ROM (303), input/output interfaces (304), one or more means of input/output (305) and a device for networking (306). [66] The processor (301) (or multiple processors, multi-core processor, etc.) can be selected from a variety of devices currently widely used, for example, manufacturers such as Intel™, AMD™, Apple™, Samsung Exynos™ , MediaTEK™, Qualcomm Snapdragon™, etc. The processor or one of the processors used in the system (300) should also be understood as a graphics processor, such as NVIDIA GPU or Graphcore, the type of which is also suitable for full or partial execution of the method (100), and can also be used to train and apply machine learning models in various information systems.
[67] ОЗУ (302) представляет собой оперативную память и предназначено для хранения исполняемых процессором (301) машиночитаемых инструкций для выполнения необходимых операций по логической обработке данных. ОЗУ (302), как правило, содержит исполняемые инструкции операционной системы и соответствующих программных компонент (приложения, программные модули и т. и.). При этом в качестве ОЗУ (302) может выступать доступный объем памяти графической карты или графического процессора. [67] RAM (302) is a random access memory and is designed to store machine-readable instructions executable by the processor (301) to perform the necessary data logical processing operations. The RAM (302) typically contains the executable instructions of the operating system and associated software components (applications, program modules, etc.). In this case, the RAM (302) may be the available memory of the graphics card or graphics processor.
[68] ПЗУ (303) представляет собой одно или более устройств постоянного хранения данных, например: жесткий диск (HDD), твердотельный накопитель данных (SSD), флэш- память (EEPROM, NAND и т. и.), оптические носители информации (CD-R/RW, DVD- R/RW, BlueRay Disc, MD) и др. [68] A ROM (303) is one or more persistent storage devices such as a hard disk drive (HDD), a solid state drive (SSD), flash memory (EEPROM, NAND, etc.), optical storage media ( CD-R/RW, DVD-R/RW, BlueRay Disc, MD), etc.
[69] Для организации работы компонентов системы (300) и организации работы внешних подключаемых устройств применяются различные виды интерфейсов В/В (304). Выбор соответствующих интерфейсов зависит от конкретного исполнения вычислительного устройства, в связи с чем интерфейсы В/В (304) могут представлять собой: PCI, AGP, PS/2, IrDa, FireWire, LPT, COM, SATA, ШЕ, Lightning, USB (2.0, 3.0, 3.1, micro, mini, type C), TRS/Audio jack (2.5, 3.5, 6.35), HDMI, DVI, VGA, Display Port, RJ45, RS232 и T. n. [69] Various types of I/O interfaces (304) are used to organize the operation of system components (300) and organize the operation of external connected devices. The choice of appropriate interfaces depends on the specific version of the computing device, and therefore the I / O interfaces (304) can be: PCI, AGP, PS / 2, IrDa, FireWire, LPT, COM, SATA, WEE, Lightning, USB (2.0 , 3.0, 3.1, micro, mini, type C), TRS/Audio jack (2.5, 3.5, 6.35), HDMI, DVI, VGA, Display Port, RJ45, RS232 and T. n.
[70] Для обеспечения взаимодействия пользователя с вычислительной системой (300) применяются различные средства (305) В/В информации, например: клавиатура, дисплей (монитор), сенсорный дисплей, тачпад, джойстик, манипулятор мышь, световое перо, стилус, сенсорная панель, трекбол, динамики, микрофон, средства дополненной реальности, оптические сенсоры, планшет, световые индикаторы, проектор, камера, средства биометрической идентификации (сканер сетчатки глаза, сканер отпечатков пальцев, модуль распознавания голоса) и т. и. [71] Средство сетевого взаимодействия (306) обеспечивает передачу данных посредством внутренней или внешней вычислительной сети, например: интранет, Интернет, ЛВС и т. п. В качестве одного или более средств (306) может использоваться (но не ограничиваться этим): Ethemet-карта, GSM-модем, GPRS-модем, LTE-модем, 5С-модем, модуль спутниковой связи, NFC-модуль, Bluetooth и/или BLE-модуль, Wi-Fi модуль и др. [70] To ensure user interaction with the computing system (300), various means (305) of I/O information are used, for example: keyboard, display (monitor), touch display, touchpad, joystick, mouse, light pen, stylus, touch panel , trackball, speakers, microphone, augmented reality, optical sensors, tablet, indicator lights, projector, camera, biometric identification tools (retinal scanner, fingerprint scanner, voice recognition module), etc. [71] The networking tool (306) provides data transmission via an internal or external computer network, for example: intranet, Internet, LAN, etc. One or more means (306) can be used (but not limited to): Ethemet card, GSM modem, GPRS modem, LTE modem, 5C modem, satellite communication module, NFC module, Bluetooth and/or BLE module, Wi-Fi module, etc.
[72] Представленные материалы заявки раскрывают предпочтительные примеры реализации технического решения и не должны трактоваться как ограничивающие иные, частные примеры его воплощения, не выходящие за пределы испрашиваемой правовой охраны, которые являются очевидными для специалистов соответствующей области техники. [72] The submitted application materials disclose preferred examples of the implementation of the technical solution and should not be interpreted as limiting other, particular examples of its implementation that do not go beyond the scope of the requested legal protection, which are obvious to specialists in the relevant field of technology.

Claims

ФОРМУЛА FORMULA
1. Компьютерно-реализуемый способ формирования цепочки решения поставленной задачи, выполняемый с помощью по меньшей мере одного процессора и содержащий этапы, на которых: а) получают данные, содержащие параметры, характеризующие решаемую задачу; при этом параметры содержат по меньшей мере описание объектов задачи и данные, описывающие условия и ограничения; б) моделируют по меньшей мере одно состояние объектов решаемой задачи в момент получения итогового результата с помощью базы данных, содержащей информацию по схожим категориям задач с учетом введенных на этапе а) условий, ограничений и объектов задачи; в) создают список последовательных этапов действий для достижения положительного итогового результата решения задачи; г) формируют подцели внутри этапов, выявленных на этапе в); при этом подцели содержат действия и/или свойства объектов этапа, которые необходимы для решения задачи данного этапа; д) выявляют действующие системы, необходимые для реализации итогового результата и для реализации подцелей внутри этапов; при этом системы содержат совокупность действий и/или объектов; е) моделируют свойства действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов; ж) выявляют помехи, оказывающие воздействие на реализацию подцелей и влекущие затраты ресурсов; з) выявляют причины помех в виде определения свойств действующих систем, которые в наибольшей степени приводят к возникновению выявленных на этапе ж) помех; и) осуществляют подбор вариантов действий для моделирования свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, и вариантов устранения причин помех на основе параметров, характеризующих задачу; к) осуществляют фильтрацию и сортировку подобранных вариантов действий с учетом входных условий и ограничений; л) генерируют цепочку действий для решения задач на основании вариантов, определенных на этапе к), причем цепочка действий включает в себя набор вариантов действий, ведущих к получению итогового результата решения поставленной задачи.1. A computer-implemented method for forming a chain for solving a given problem, performed using at least one processor and containing the steps of: a) obtaining data containing parameters characterizing the problem being solved; while the parameters contain at least a description of the objects of the task and data describing the conditions and restrictions; b) modeling at least one state of the objects of the problem being solved at the time of obtaining the final result using a database containing information on similar categories of tasks, taking into account the conditions, restrictions and objects of the task entered at step a); c) create a list of successive stages of action to achieve a positive final result of solving the problem; d) form subgoals within the steps identified in step c); at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage; e) identify the operating systems necessary for the implementation of the final result and for the implementation of sub-goals within the stages; while the systems contain a set of actions and/or objects; f) model the properties of existing systems, in which subgoals are implemented with the least expenditure of resources; g) identify obstacles that affect the implementation of subgoals and entail resource costs; h) identify the causes of interference in the form of determining the properties of operating systems, which to the greatest extent lead to the occurrence of interference identified at stage g); i) carry out the selection of options for modeling the properties of existing systems, in which sub-goals are implemented with the least expenditure of resources, and options for eliminating the causes of interference based on the parameters characterizing the task; j) carry out filtering and sorting of the selected options for actions, taking into account the input conditions and restrictions; k) generate a chain of actions for solving problems based on the options identified in step j), and the chain of actions includes a set of options for actions leading to the final result of solving the problem.
2. Способ по п. 1, характеризующийся тем, что после формулирования подцелей на этапе г) каждая подцель внутри этапа действий на пути к итоговому результату решения задачи берется как самостоятельный итоговый результат решения задачи и анализируется с выполнением для нее этапов а) - л). 2. The method according to claim 1, characterized in that after formulating the subgoals at stage d), each subgoal within the stage of actions on the way to the final result of solving the problem is taken as an independent final result of solving the problem and analyzed with the execution of stages a) - k) for it .
3. Способ по и. 1, характеризующийся тем, что после формулирования подцелей на этапе г) выполняется их ранжирование для определения подцели с наибольшим весом для решения задачи; причем данная подцель принимается за самостоятельный итоговый результат решения задачи и анализируется с выполнением для нее этапов а) - л). 3. Method according to and. 1, characterized by the fact that after formulating the subgoals at stage d) they are ranked to determine the subgoal with the highest weight for solving the problem; moreover, this subgoal is taken as an independent final result of solving the problem and analyzed with the execution of stages a) - k) for it.
4. Способ по и. 1, характеризующийся тем, что на этапе е) при моделировании свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, используется база данных, содержащая информацию по схожим категориям задач с учетом введенных на этапе а) условий, ограничений и объектов задачи. 4. Method according to and. 1, characterized by the fact that at stage e) when modeling the properties of existing systems, in which subgoals are implemented with the least resource costs, a database is used that contains information on similar categories of tasks, taking into account the conditions, restrictions and objects of the task introduced at stage a).
5. Способ по и. 1, характеризующийся тем, что осуществляется с помощью модели машинного обучения. 5. Method according to and. 1, characterized in that it is carried out using a machine learning model.
6. Способ по и. 5, характеризующийся тем, что результаты работы модели машинного обучения оцениваются и корректируются через сеть Интернет. 6. Method according to and. 5, characterized in that the results of the machine learning model are evaluated and corrected via the Internet.
7. Автоматизированная система решения задач, содержащая взаимосвязанные между собой: 7. Automated system for solving problems, containing interconnected:
• модуль приема данных, осуществляющий прием данных, содержащих параметры, характеризующие решаемую задачу; при этом параметры содержат по меньшей мере описание объектов задачи и данные, описывающие условия и ограничения; • data receiving module that receives data containing parameters characterizing the problem being solved; while the parameters contain at least a description of the objects of the task and data describing the conditions and restrictions;
• базу данных, содержащую информацию по схожим категориям задач с учетом принятых данных, содержащих условия, ограничения и объекты задачи; • a database containing information on similar categories of tasks, taking into account the received data, containing conditions, restrictions and objects of the task;
• модуль моделирования, осуществляющий моделирование по меньшей мере одного состояния объектов решаемой задачи в момент получения итогового результата с помощью базы данных; • a simulation module that simulates at least one state of the objects of the problem being solved at the time of obtaining the final result using the database;
• модуль создания списка этапов действий, осуществляющий создание списка последовательных этапов действий для достижения положительного итогового результата решения задачи; • модуль формирования подцелей, осуществляющий формирование подцелей внутри этапов; при этом подцели содержат действия и/или свойства объектов этапа, которые необходимы для решения задачи данного этапа; • a module for creating a list of action steps that creates a list of successive action steps to achieve a positive final result of solving the problem; • a sub-goal formation module that generates sub-goals within the stages; at the same time, subgoals contain actions and/or properties of stage objects that are necessary to solve the task of this stage;
• модуль выявления действующих систем, осуществляющий выявление действующих систем, необходимых для реализации итогового результата и для реализации подцелей внутри этапов; при этом системы содержат совокупность действий и/или объектов; • a module for identifying existing systems, which performs the identification of existing systems necessary for the implementation of the final result and for the implementation of subgoals within the stages; while the systems contain a set of actions and/or objects;
• модуль моделирования свойств действующих систем, осуществляющий моделирование свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов; • a module for modeling the properties of operating systems, which simulates the properties of operating systems, in which subgoals are implemented with the least expenditure of resources;
• модуль выявления помех, осуществляющий: о выявление помех, оказывающих воздействие на реализацию подцелей и влекущих затраты ресурсов; о выявление причины помех в виде определения свойств действующих систем, которые в наибольшей степени приводят к возникновению выявленных помех модулем выявления помех; • interference detection module that performs: o identification of interference that affects the implementation of sub-goals and entails resource costs; o identifying the cause of interference in the form of determining the properties of existing systems that most lead to the occurrence of detected interference by the interference detection module;
• модуль подбора вариантов действий, осуществляющий подбор вариантов действий для моделирования свойств действующих систем, при которых подцели реализуются с наименьшими затратами ресурсов, и вариантов устранения причин помех на основе параметров, характеризующих задачу; • action option selection module, which selects action options for modeling the properties of existing systems, in which subgoals are implemented with the least resource costs, and options for eliminating the causes of interference based on the parameters that characterize the task;
• модуль фильтрации и сортировки, осуществляющий фильтрацию и сортировку подобранных вариантов действий с учетом входных условий и ограничений; • a filtering and sorting module that filters and sorts selected options for actions, taking into account input conditions and restrictions;
• модуль генерации, осуществляющий генерацию цепочки действий для решения задач на основании вариантов, определенных модулем фильтрации и сортировки. • a generation module that generates a chain of actions for solving problems based on the options defined by the filtering and sorting module.
8. Система по и. 7, характеризующаяся тем, что выполняется в виде облачной платформы. 8. System for and. 7, which is characterized by the fact that it is carried out in the form of a cloud platform.
9. Система по и. 7, характеризующаяся тем, что дополнительно содержит модуль машинного обучения, содержащий по меньшей мере одну модель машинного обучения, выполненную с возможностью принятия решений и автоматизированного обучения на основании решаемых задач. 9. System for and. 7, characterized in that it further comprises a machine learning module containing at least one machine learning model capable of making decisions and automated learning based on the tasks being solved.
10. Система по и. 9, характеризующаяся тем, что результаты работы модуля машинного обучения дополнительно оцениваются и обучаются через сеть Интернет. 10. System for and. 9, characterized in that the results of the machine learning module are additionally evaluated and trained via the Internet.
PCT/RU2021/050099 2020-07-09 2021-04-14 Method and automated system for solving problems WO2022010380A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
RU2020122823 2020-07-09
RU2020122823A RU2744767C1 (en) 2020-07-09 2020-07-09 Method and automated system for solving problems

Publications (1)

Publication Number Publication Date
WO2022010380A1 true WO2022010380A1 (en) 2022-01-13

Family

ID=74874364

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2021/050099 WO2022010380A1 (en) 2020-07-09 2021-04-14 Method and automated system for solving problems

Country Status (2)

Country Link
RU (1) RU2744767C1 (en)
WO (1) WO2022010380A1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235829A (en) * 2023-09-20 2023-12-15 四川大学 Innovative design opportunity identification and characterization method and system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5596502A (en) * 1994-11-14 1997-01-21 Sunoptech, Ltd. Computer system including means for decision support scheduling
US7512583B2 (en) * 2005-05-03 2009-03-31 Palomar Technology, Llc Trusted decision support system and method
RU2607977C1 (en) * 2015-06-30 2017-01-11 Александр Игоревич Колотыгин Method of creating model of object

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5596502A (en) * 1994-11-14 1997-01-21 Sunoptech, Ltd. Computer system including means for decision support scheduling
US7512583B2 (en) * 2005-05-03 2009-03-31 Palomar Technology, Llc Trusted decision support system and method
RU2607977C1 (en) * 2015-06-30 2017-01-11 Александр Игоревич Колотыгин Method of creating model of object

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PETROVSKY A.B.: "Teoriya prinyatiya resheny", UNIVERSITETSKY UCHEBNIK. PRIKLADNAYA MATEMATIKA I INFORMATIKA. MOSKVA, IZDATELSKY TSENTR ''AKADEMIYA, 2009, ISBN: 978-5-7695-5093-5 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235829A (en) * 2023-09-20 2023-12-15 四川大学 Innovative design opportunity identification and characterization method and system
CN117235829B (en) * 2023-09-20 2024-04-30 四川大学 Innovative design opportunity identification and characterization method and system

Also Published As

Publication number Publication date
RU2744767C1 (en) 2021-03-15

Similar Documents

Publication Publication Date Title
Masum et al. Intelligent human resource information system (i-HRIS): A holistic decision support framework for HR excellence.
Angilella et al. The financing of innovative SMEs: A multicriteria credit rating model
Holdaway Harness oil and gas big data with analytics: Optimize exploration and production with data-driven models
Owolabi et al. Predicting completion risk in PPP projects using big data analytics
Assefa Tsehayae et al. Developing and optimizing context-specific fuzzy inference system-based construction labor productivity models
US20120158624A1 (en) Predictive modeling
Alalawneh et al. The barriers to big data adoption in developing economies
Dittert et al. A data analytics framework for business in small and medium-sized organizations
WO2022010380A1 (en) Method and automated system for solving problems
CN117519656A (en) Software development system based on intelligent manufacturing
Elwakil et al. Construction knowledge discovery system using fuzzy approach
Saleem et al. Systematic literature review of identifying issues in software cost estimation techniques
Ensafi et al. Machine learning and artificial intelligence applications in building construction: present status and future trends
US20220414504A1 (en) Identifying traits of partitioned group from imbalanced dataset
Dagnaw et al. Data management practice in 21st century: systematic review
Filipkovska et al. Managerial decision support making in economic systems based on cognitive modeling
Puica Predictive analytics functionalities in supply chain management
Nguyen et al. Digital Strategies for Aiding Ease of Decision-Making in the Services Sector
Alshammari Design of System‐of‐System Acquisition Analysis Using Machine Learning
CN109359133B (en) Personalized identification method based on big data and deep learning and robot system
Nikolaevich Problem of Criteria Space Dynamism at Management and Conceptual Approaches for Its Solutions
Chaitongrat et al. Comparing data mining methods for predicting cost construction projects: A case study of cost management datasets from Thailand
Leopold et al. Artificial Intelligence Landscape
Shrivastava et al. Machine Learning: Future Prospectus and Research Direction
Hammoumi et al. Machine Learning (ai) for Identifying Smart Cities

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21837545

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21837545

Country of ref document: EP

Kind code of ref document: A1