Информационное и программное обеспечение принятия решений по организации капитального ремонта объектов жилищного фонда при неполных экспертных оценках

Анатолий Семенов
К. т. н., доцент кафедры программного обеспечения вычислительной техники и автоматизированных систем факультета математики и информационных технологий Оренбургского государственного университета.
Анна Горюнова
Магистр технических наук, аспирант кафедры систем автоматизации производства Оренбургского государственного университета.

Актуальность исследуемой проблемы обусловлена выявленными проблемами, связанными с комплексом предоставления жилищно-коммунальных услуг (ЖКХ) и содержанием жилищного фонда (ЖФ), организацией процесса принятия решений о проведении капитального ремонта в условиях противоречивой, неполной и нечеткой информации. В целях повышения эффективности принятия управленческих решений разработана интеллектуальная система поддержки принятия решений (ИСППР), обеспечивающая автоматизацию контроля и оценку состояния объектов ЖФ, планирование их капитального ремонта на основе экономико-математических методов ранжирования альтернатив и распределения ресурсов с учетом многокритериальности, гибридизации моделей и методов искусственного интеллекта, позволяющих решать задачи в условиях неполных экспертных оценок.

Введение

В последнее время у собственников жилья возникает множество вопросов в связи организацией процесса капитального ремонта и его проведением. Законодательные изменения в финансировании капремонта, нечеткие правовые формулировки, а также отсутствие единой методики определения необходимости проведения ремонтно­восстановительных работ, адекватного и оперативного формирования комплекса работ — всё это добавило сложности управляющим компаниям (УК). Использование информационных технологий УК ограничено на текущий момент отсутствием полного и автоматизированного учета и мониторинга объектов коммунального хозяйства.

Анализ существующих разработок в области управления объектами ЖКХ на основе информационно­коммуникационных систем и правительственных документов, регламентирующих и стимулирующих деятельность в этой области, показал, что эффективность их применения на практике остается довольно низкой. Это объясняется недостаточной проработанностью экономико­математического инструментария современных методов принятия решений и соответствующих вычислительных процедур, объединяющих методы интеллектуального извлечения знаний, технологии нечеткого моделирования и методы искусственного интеллекта, ориентированных на организацию эффективных организационно­экономических механизмов планирования капитального ремонта жилищного фонда. Обзор современных исследований в области разработок структур, применяемых моделей, информационного и программного обеспечения интеллектуальных систем поддержки принятия решений, выявил отсутствие работ, посвященных автоматизации информационных процессов по планированию капитального ремонта, принятию управленческих решений в сфере ЖКХ, реализующих модели с учетом ограничений, налагаемых на параметры системы и неопределенности предметной области [1].

Поэтому комплекс предоставления жилищно­коммунальных услуг (ЖКУ) в целом и содержание жилищного фонда (ЖФ) в частности в настоящее время является важной социально­экономической задачей, решение которой обусловливает разработку интеллектуальных систем реального времени, типичными представителями которых являются интеллектуальные системы поддержки принятия решений (ИСППР), ориентированные на открытые и динамические предметные области.

Под ИСППР понимают организационно­техническую систему, состоящую из интеллектуального комплекса средств поддержки принятия решений, взаимосвязанного и взаимодействующего с пользователями и сетями ЭВМ, и выполняющую решения поставленных задач.

Такие системы относятся к классу интегрированных интеллектуальных систем, сочетающих строгие математические методы и модели поиска решения с нестрогими, эвристическими (логико­лингвистическими) моделями и методами, базирующимися на знаниях специалистов­экспертов, моделях человеческих рассуждений [2].

Для разработки архитектуры ИСППР авторами выбраны два базовых класса: архитектуры, которые базируются на принципах и методах работы со знаниями, и гибридные архитектуры, базирующиеся, в том числе, и на основе мягких вычислений.

------

* Работа выполнена в рамках договора № 0022240 16-3 от 11.04.2016 грант в рамках программы «УМНИК» ФРИИ 16-3.

Постановка задачи

Задача состоит в разработке информационного и программного обеспечения интеллектуальной системы поддержки принятия решений по организации и планированию капитального ремонта, оценки и контролю состояния объектов жилищного фонда на основе гибридизации формальных моделей, позволяющих решать задачи в условиях неполных экспертных оценок и вариативности входных параметров, и является актуальной научной проблемой.

Решение задачи

Научную новизну решения поставленной задачи определяет то, что авторами впервые, по отношению к существующим аналогам, предлагается решать ее на основе реализации в структуре ИСППР технологии экспертных систем (ЭС), метода анализа иерархий (МАИ) и гибридизации МАИ, а также теории доверия Демпстера — Шефера (ТДШ). Структура основных модулей разрабатываемой ИСППР планирования капитального ремонта представлена на рис. 1.

Рис. 1. Структура основных модулей

Рис. 2. Контекстная диаграмма методологии IDEF0

Информационной базой исследования являются данные Администрации городского округа г.Оренбурга Оренбургской области, управления жилищно­коммунального хозяйства ГО г.Оренбурга и ЖЭУ 4/1 города Оренбурга.

На основе анализа информационных потоков ЖЭУ 4/1 разработана функциональная модель автоматизации информационных процессов планирования капитальных ремонтов жилищного фонда, представленная в нотации методологии IDEF0 на рис. 2.

Разрабатываемая ИСППР представляет собой совокупность методических и программных средств решения следующих задач:

• реализация двух режимов работы (эксперта и пользователя);
• авторизация пользователей в системе;
• определение состояния многоквартирного дома (МКД);
• формирование сметы;
• просмотр списка МКД;
• формирование БЗ;
• хранение справочной информации о сотрудниках, МКД, материалах для ремонта;
• ведение документов, описывающих основной технологический процесс (акт осмотра, рекомендации, отчеты);
• формирование списка критериев и альтернатив на основе использованных математических методов.

Для реализации базы данных выбрана СУБД MS SQLServer, а в качестве среды разработки приложения — VisualC#. На рис. 3 представлен интерфейс ИСППР, обеспечивающий разграничение прав доступа пользователя и экспертов.

Рис. 3. Главное окно ИСППР

С целью последующей оценки эффективности принятия решений в ИССПР программно реализованы модули ЭС, МАИ и гибридизация МАИ+ТДШ, а соответствующие им базы знаний разработаны применительно к решению задачи определения типа требуемого ремонта и комплекса ремонтно­восстановительных мероприятий.

Технология экспертных систем

В качестве модели представления знаний в ЭС выбрана продукционная модель, а для получения заключений реализован прямой логический вывод. Основой для разработки базы знаний послужили положения ведомственных строительных норм «Правила оценки физического износа жилых зданий ВСН 53­86(р) от 1988 г.» [3, 4].

Разработанная база знаний содержит более 100 правил определения состояния МКД по 10 видам конструктивных элементов.

Таблица 1. Матрица парных сравнений критериев

Таблица 2. Матрицы парных сравнений альтернатив

Например, правило № 2, хранимое в базе знаний ЭС, будет выглядеть так: «Если в фундаменте были обнаружены мелкие трещины в цоколе и под окнами 1­го этажа, то тип ремонта определен как текущий, физический износ 10­20% и требуется расшивка трещин».

ЭС позволяет по наблюдениям, выявленным посредством выездной проверки технического состояния конкретного типа конструкции, наблюдаемого физического износа, возраста здания, группы капитальности и даты последнего капитального ремонта МКД, определить тип требуемого ремонта, рассчитать физический износ исследуемого конструктивного элемента, сформировать перечень требуемых работ, которые помогут восстановить нормальное состояние рассматриваемой конструкции [5]. Фрагмент базы правил и результат работы ЭС представлены на рис. 4 и 5 соответственно.

Рис. 4. Фрагмент экранной формы таблицы «Правила»

Меню «Акт осмотра» позволяет пользователю выбрать предпосылки продукционного правила и в ходе консультации с ЭС получить решение и сформировать отчет по результатам проверки конструктивного элемента МКД [6].

Представленные на рис. 5 результаты: эффективный физический износ фундамента — 19,56%; рекомендации — «расшивка трещин»; тип ремонта — «текущий», свидетельствуют о том, что в ходе логического вывода сработало правило № 2 [7].

Рис. 5. Отчет работы ЭС

Метод анализа иерархий (МАИ)

В роли альтернатив выступают возможные рекомендации — комплекс ремонтно­восстановительных работ. Критериями оценки альтернатив будут являться наблюдения, то есть текущее состояние конструкции. Такая формализация объекта исследования позволила построить матрицы парных сравнений для выбора оптимального набора работ по выявлению и устранению отклонений от нормативного состояния МКД [8]. Для сравнения критериев между собой, согласно значениям шкалы относительной важности Саати, составляется матрица (табл. 1). Затем формируются матрицы парных сравнений имеющихся альтернатив по каждому из критериев (табл. 2).

Алгоритм метода анализа иерархий представлен в обобщенной форме:

1. Построение иерархической структуры задачи многомерного выбора.
2. Выполнение попарных экспертных сравнений элементов каждого уровня иерархии.
3. Определение вектора приоритетов для каждого уровня иерархии.
4. Определение максимальных собственных значений и степени согласованности матриц парных сравнений.
5. Определение индексов согласованности и отношений согласованности для матриц суждений.
6. Синтез приоритетов уровней [9].

Экранная форма работы модуля МАИ представлена на рис. 6.

Рис. 6. Результат работы МАИ

При тех же наблюдениях, что и при работе экспертной системы, в качестве результата системой рекомендована «Расшивка трещин».

Таблица 3. Матрица преимущества отдельных множеств альтернатив по сравнению с общим их множеством

Несмотря на ряд преимуществ применения продукционных экспертных систем или метода анализа иерархий для принятия управленческих решений, имеют место очевидные минусы их использования в предметных областях, которые характеризуются неопределенностью. При решении задач многокритериального принятия решений информация об альтернативах решений может быть неполной вследствие временных ограничений, неточности экспертных знаний, нематериального характера некоторых критериев, а также вариативность параметров и др. [10].

Теория Демпстера — Шефера

Теория доверия Демпстера — Шефера является одним из подходов к многокритериальному моделированию процессов принятия решений. В отличие от ряда других близких к ней теорий (нечетких множеств, приближенных множеств и т.д.), гибридизация МАИ и ТДШ выявляет не превосходство альтернатив друг над другом, что предполагает их попарное сравнение, а преимущество отдельных множеств альтернатив по сравнению с общим их множеством.

Множество альтернатив представлено набором, значения которого характеризуют варианты принятия решения (различные варианты устранения выявленных отклонений от нормативного состояния МКД). Набор критериев — возможные нарушения в состоянии МКД.

Алгоритм ДШ/МАИ представлен в обобщенной форме и состоит из нескольких этапов:

1. Определение множества альтернатив и критериев решений.
2. Формирование групп альтернатив относительно критериев, при этом к альтернативам, находящимся в одной группе, имеется одинаковое доверие.
3. Проведение парных сравнений сформированных групп альтернатив с фреймом различения (всем множеством альтернатив) по каждому из критериев.
4. Нахождение значений функций базового распределения доверия mj(·) для групп альтернатив и фрейма по каждому из критериев j = 1, ..., q методом главного собственного вектора.
5. Агрегирование полученных в п. 4 функций базового распределения доверия, используя правило Демпстера.
6. Расчет значений полного доверия Bel(·) и правдоподобия Pls(·), построение доверительных интервалов для групп альтернатив.
7. Ранжирование альтернатив (групп альтернатив) [9].

Проведем формализацию 3­го и 4­го этапов. Сформированная матрица преимущества отдельных множеств альтернатив по сравнению с общим их множеством представлена в табл. 3.

Элементы нормированного главного собственного вектора матрицы равны (формула 1).

(1)

где di — количественное выражение степени преобладания группы альтернатив;

r — количество групп альтернатив по рассматриваемому критерию;

wc — вес критерия.

Значения функций доверия Bel(A) и правдоподобия Pls(A) (этап 6) события  рассчитываются по формулам (2) и (3) соответственно.

(2)

Bel(A) ≤ Pi ≤ Pls(A),                                                             (3)

где m(Ai) — агрегированное значение функций базового распределения доверия;

Pi — степени нестрогого преобладания интервала.

Результат работы модуля гибридизации методов ДШ/МАИ представлен на рис. 7.

Рис. 7. Результат работы МАИ+ТДШ

Четыре из четырех экспертов выбрали предпочтительной альтернативу «Расшивка трещин», два эксперта также посчитали данную рекомендацию привлекательной, равно как и «Укрепление кладки».

Таким образом, следует считать «Расшивку трещин» максимально верной и объективной рекомендацией.

Выводы

Полученные результаты решения одной задачи тремя модулями и выполненное тестирование с применением системы компьютерной алгебры Mathcad и «Экспертной системы» свидетельствуют об адекватности разработанных алгоритмов и их программной реализации.

Этап опытного тестирования ИСППР в ЖЭУ 4/1 показал, что автоматизация информационных процессов принятия решений позволила сократить время проведения подготовительных работ и повысить качество принимаемых решений, влияющих на эффективность проведения предстоящего комплекса восстановительных работ как в условиях полной определенности, так и при неполных экспертных оценках.

Дальнейшее направление исследований связано с оценкой эффективности принятия решений на основе предложенных моделей, разработкой баз знаний выбранной предметной области и интеллектуального интерфейса системы поддержки принятия решений, включение в архитектуру ИСППР новых модулей на основе методов Data Mining. 

Список литературы:

1. Горюнова А.М. Интеллектуальная поддержка принятия решений в сфере планирования капитального ремонта жилищного фонда / А.М. Горюнова, Н.М. Юдина // Управление экономическими системами. 2017. № 4 (98).
2. Горюнова А.М. Обзор и анализ проблем предоставления жилищно­коммунальных услуг на примере планирования капитального ремонта / А.М. Горюнова, А.М. Семенов. Теоретические и практические проблемы развития современной науки. Материалы X международной научно­практической конференции. Махачкала: НИЦ «Апробация». 2016. С. 45­49. ISBN 978­5­9907922­9­6.
3. Горюнова А.М. Методика определения физического износа здания или конструктивного элемента многоквартирного дома на основе синтеза методик опытного и расчетного анализа / А.М. Горюнова. Международная заочная естественно­научная конференция. Сборник XVIII международной научной конференции «Техно­конгресс», 11.12.2017, Кемерово, с.15­17.
4. Жилые здания. Строительные нормы и правила. Введ. 08.09.00. М.: НЦ ЭНАС, 2000. 25 с. ISBN 5­93196­342­1.
5. Правила содержания и проведения капитального ремонта общего имущества многоквартирного дома [Электронный ресурс]. Служба защиты прав потребителей. Электрон. дан. Режим доступа: http://pravpotrebitel.ru/zhkh/soderzhanie­obshhego­imushhestva­v­mnogokvartirnom­dome.html (дата обращения: 12. 03. 2016).
6. Жаданов В.И. Исследование поглощающих свойств материала строительных конструкций на примере железобетонной перемычки/ В.И. Жаданов, М.Ю. Нестеренко, Г.А. Столповский, А.М. Нестеренко // Известия высших учебных заведений. Строительство, Новосибирск. 2016. № 9 (693). С. 76­86.
7. Определение износа объекта недвижимости [Электронный ресурс]. Информационный бизнес­портал. Электрон. дан. Режим доступа: http://market­pages.ru/ (дата обращения: 24. 09. 2016).
8. Ручкин В.Н. Универсальный искусственный интеллект и экспертные системы / В.Н. Ручкин, В.А. Фумин. СПб.: БХВ­Петербург. 2009. 240 с.
9. Недашковская Н.Н. Оценивание чувствительности метода ДШ/МАИ к изменениям во множестве альтернатив / Н.Н. Недашковская // Системні до­слідження та інформаційні технології. 2012. № 1. С. 17­30. ISSN 1681­6048.
10. Скарга­Бандурова И.С. Моделирование решений с использованием структур доверия Демпстера — Шефера // Восточно­Европейский журнал передовых технологий. 2013. № 6/4 (66). С. 53­58. ISSN 1729-3774.