Роль экспертной системы в управлении бизнес процессами

Экспертная система — компьютерная система, использующая знания одного или нескольких экспертов, представленные в некотором формальном виде, а также логику принятия решения человеком-экспертом в трудно- или неформализуемых задачах. Экспертные системы способны в сложной ситуации (при недостатке времени, информации или опыта) дать квалифицированную консультацию (совет, подсказку), помогающую специалисту или менеджеру принять обоснованное решение.

Введение
1. Сущность экспертных систем и их преимущества
2. Применение экспертных систем
3. Сферы применения экспертных систем
4. Возможности использования компьютерных информационных систем
5. Экспертные системы в области оперативного и управленческого контроля
Заключение
Список литературы

Работа состоит из 1 файл

По дисциплине: «Информационные технологии управления»

Тема: «Использование экспертных систем в управлениии »

Преподаватель: Перова М.В.

1. Возможности использования компьютерных информационных систем

1. Экспертные системы в области оперативного и управленческого контроля

Экспертная система — компьютерная система, использующая знания одного или нескольких экспертов, представленные в некотором формальном виде, а также логику принятия решения человеком-экспертом в трудно- или неформализуемых задачах. Экспертные системы способны в сложной ситуации (при недостатке времени, информации или опыта) дать квалифицированную консультацию (совет, подсказку), помогающую специалисту или менеджеру принять обоснованное решение.

Основная идея этих систем состоит в использовании знаний и опыта специалистов высокой квалификации в данной предметной области специалистами менее высокой квалификации в той же предметной области при решении возникающих перед ними проблем.

Преимущества экспертных систем перед человеком-экспертом:

— у них нет предубеждений и они устойчивы к различным помехам;

— они не делают поспешных выводов;

— эти системы выдают не первое нашедшееся, а оптимальное (по определенным критериям) решение;

— база знаний может быть очень и очень большой. Введенные в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

1. Сущность экспертных систем и их преимущества

Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ)- совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.

Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

ЭС — это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличии от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

При создании ЭС возникает ряд затруднений. Это прежде всего связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”.

Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

Экспертная система состоит из базы знаний (части системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового процессора.

При построении подсистем вывода используют методы решения задач искусственного интеллекта.

Преимущества экспертных систем перед человеком-экспертом:

— у них нет предубеждений и они устойчивы к различным помехам;

— они не делают поспешных выводов;

— эти системы выдают не первое нашедшееся, а оптимальное (по определенным критериям) решение;

— база знаний может быть очень и очень большой. Введенные в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

«. первые работы, посвященные экспертным оценкам, появились в бывшем СССР в конце 60-х гг. Одним из первых, осознавших перспективность и значимость технологий экспертного оценивания, был В.М. Глушков — известный ученый в области кибернетики.

После того как были разработаны первые технологии экспертного оценивания и получены с их помощью первые серьезные результаты, возможности их практического использования преувеличивались. И по сей день заблуждения такого рода среди специалистов не редкость.

По инициативе высшего руководства страны в начале 70-х была проведена серия экспериментов для проверки реальных возможностей практического использования методов экспертного оценивания. В качестве объектов для экспертиз были предложены перспективы развития ситуации на Ближнем Востоке область химических разработок и др. Результаты оказались не удовлетворительными, что впоследствии отрицательно сказалось на развитии методов экспертного оценивания в стране.

Необходимо правильно понимать реальные возможности их использования. Безусловно, далеко не все существующие проблемы могут быть решены с помощью экспертных оценок. Хотя корректное использование экспертных технологий во многих случаях остается единственным реальным способом подготовки и принятия обоснованных управленческих решений».

2. Применение экспертных систем

Экспертные системы (ЭС) — это яркое и быстро прогрессирующее направление в области искусственного интеллекта (ИИ). Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется такой проблемной области, в которой не было бы создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.

ЭС — это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции.

ЭС, как и эксперт-человек, в процессе своей работы оперирует со знаниями.

Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы.

ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы)на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

Главное достоинство ЭС — возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на ЭС, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов.

Основными отличиями ЭС от других программных продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи.

Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила (или эвристики), по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов.

Качество ЭС определяется размером и качеством базы знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоение новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

В любой момент времени в системе существуют три типа знаний:

— Структурированные знания — статические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.

— Структурированные динамические знания- изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.

— Рабочие знания- знания, применяемые для решения конкретной задачи или проведения консультации.

Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

3. Сферы применения экспертных систем

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

а) Медицинская диагностика.

Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта. Программная система

“Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

Источник: www.freepapers.ru

Экспертные системы в принятии управленческих решений

Экспертные системы – это система искусственного интеллекта. Эффективность экспертных систем основана на том, что знания эксперта можно тиражировать на машинном носителе и экономить на оплате труда экспертов. Поэтому, экспертные системы эффективны там, где решаются сходные задачи (в технических областях, управлении, финансах, в фирмах, в работе на фондовом рынке и т.д.). Там, где задача связана с индивидуальными особенностями объекта управления, разработка экспертных систем неоправданно дорога.

Экспертные системы основываются на базах знаний и ориентированы на узкую предметную область, которую можно описать базой знаний.

Считается, что применять экспертные системы необходимо тогда, когда обычные алгоритмические методы не подходят.

Экспертные системы работают с использованием эвристических (приближенных) методов, они могут работать с нечеткой информацией – много/мало; лучше/хуже и т.д. – эти нечеткие множества требуют математической подготовки.

Экспертные системы не применяются там, где решения основываются на здравом смысле (общедоступных знаниях широкого спектра). Структура экспертной системы представлена на риc. 2.5 [29].

При создании экспертных систем решаются три основные задачи:

· · выбор метода представления знаний,

· · выбор механизма логического вывода,

· · формирование базы знаний.

Рис. 2.5 Структура экспертной систем

Методы представления знаний в экспертных системах. Существует 3 основных метода представления знаний в экспертных системах:

Продукционные правила – это знания в форме «если … то» — /if_then/ «если «посылка» то «заключение»». Посылка или заключение представляют собой факты или утверждения.

Факты в этих правилах не всегда либо истинны, либо ложны. Коэффициент уверенности характеризует степень достоверности данных.

Используемый коэффициент уверенности хорошо согласуется с эвристическим характером методов.

Семантические сети – предмет рассматривается как совокупность объектов и связей между ними. Объекты представляются вершинами сети, а связи – дугами.

Объекты нижнего уровня наследуют свойства объекта более высокого уровня – экономия памяти. Нет необходимости повторять свойства объектов в нескольких вершинах сети.

Фреймы рассматриваются как некоторые разновидности сети.

Объект – как разновидность этапов или ситуаций, с определенными атрибутами. С атрибутами связаны процедуры. Когда атрибут меняется, процедура выполняется заново.

Механизм логического вывода представлен на рис. 2.6.

Так называется прямой метод вывода, основанный на просмотре продукционных правил по направлению стрелок с целью составления цепочки логического вывода. Если вывод делается против стрелок, т.е. от ответа к исходным данным, то это обратный метод вывода. Если база знаний не велика, то может использоваться прямой метод, но обычно пользуются обратным методом вывода.

Рис. 2.6 Схема механизма логического вывода.

Bhttps://studopedia.su/12_84021_ekspertnie-sistemi-v-prinyatii-upravlencheskih-resheniy.html» target=»_blank»]studopedia.su[/mask_link]

Особенности реализации динамических экспертных систем управления бизнес-процессами

Современные технологии бизнеса характеризуются высокой динамичностью, связанной с постоянно изменяющимися потребностями рынка, ориентацией производства товаров и услуг на индивидуальные потребности заказчиков и клиентов, непрерывным совершенствованием технических возможностей и сильной конкуренцией. В этих условиях требуется разработка информационных систем, которые, с одной стороны, должны оперативно поддерживать функционирование существующих бизнес-процессов, а, с другой стороны, давать прогнозы на долговременной основе об эффективности организации бизнес-процессов и рекомендации по их реорганизации. Первой цели соответствуют динамические экспертные системы оперативного управления бизнес-процессами, второй цели – интеллектуальные системы моделирования бизнес-процессов. В том и другом случае под бизнес-процессом будем понимать взаимосвязанную совокупность материальных, информационных, финансовых потоков или рабочих потоков (workflow), проходящих через взаимодействующие подразделения предприятия и направленных на удовлетворение потребностей клиента (изготовление товара или оказание услуги).

К динамическим бизнес-процессам на предприятии относят:

а) управление заказами; б) управление запасами; в)оперативно-календарное планирование и управление производством.

Организация перечисленных бизнес-процессов определяется целями и задачами предприятия и зависит от конкретных видов выпускаемой продукции и оказываемых услуг. Вместе с тем, перечисленные бизнес-процессы в современных системах управления настолько сильно взаимосвязаны, как, например, в системах реализации заказов «Точно в срок» или «Канбан» [4-6,10], что процессы обработки заказов клиентов, производства, закупок и сбыта рассматриваются фактически как единый бизнес-процесс.

В отличие от описания предприятия на основе иерархической функциональной структуры, которую трудно объективно оценить, описание процессов позволяет точно представить цели, исследуемые характеристики (в том числе динамические) и конечные результаты каждого вида деятельности. Бизнес-процессы определяют прохождение потоков работ независимо от иерархии и границ подразделений, которые их выполняют, и представляют последовательность взаимосвязанных операций. Модель бизнес-процесса должна отражать как направление рабочих потоков, так и
бизнес-правила обработки событий, в зависимости от которых выполняются операции. Пример модели реализации заказов клиента показан на рис. 4 [20].

Рис. 4. Модель бизнес-процесса реализации заказа клиента

На представленной модели бизнес-процесса в прямоугольниках показываются операции и подразделения, которые их осуществляют; в овальных прямоугольниках – события; слева и справа от операций – соответственно входные и выходные материальные, информационные и финансовые или рабочие объекты; в кружках снизу от операций –используемые постоянные ресурсы; простыми стрелками – рабочие потоки; утолщенными стрелками – потоки управления. Таким образом, представленная модель бизнес-процесса отражает динамические потоки событий (управления) и рабочих объектов (данных).

Типичными задачами, которые решаются динамическими экспертными системами оперативного управления бизнес-процессами, являются [3]:

а) Мониторинг бизнес-процессов и оперативное информирование лиц, принимающих решение, об отклонениях;

б) Упреждающая диагностика, прогнозирование отклонений в параметрах операций бизнес-процессов;

в) Динамическое распределение ресурсов в соответствии с изменяющейся обстановкой;

г) Планирование действий, диспетчирование и составление сетевых графиков работ;

д) Моделирование последствий принимаемых решений по изменению процессов.

В основные задачи интеллектуальных систем динамического моделирования для реинжиниринга (реорганизации) бизнес-процессов входят:

a) Определение оптимальной последовательности выполняемых операций, которая приводит к сокращению длительности цикла изготовления и продажи товаров и услуг, обслуживания клиентов. Следствие оптимизации – повышение оборачиваемости капитала и рост всех экономических показателей фирмы.

b) Оптимизация использования ресурсов в различных бизнес-процессах, которая приводит к минимизизации издержек производства и обращения.

c) Построение адаптивных бизнес-процессов, нацеленных на быструю адаптацию к изменениям потребностей конечных потребителей продукции, производственных технологий, поведения конкурентов на рынке и, как следствие, повышение качества обслуживания клиентов в условиях динамичности внешней среды.

d) Отработка рациональных схем взаимодействия с партнерами, сочетания бизнес-процессов, которые оптимизируют финансовые потоки, обеспечение равномерности поступления и использования денежных средств.

Для обоих классов интеллектуальных систем характерны общие особенности реализации:

1) Объектно-ориентированный характер модели проблемной области;

2) Динамическое создание и уничтожение временных (рабочих) объектов;

3) Динамическое поведение как постоянных объектов (ресурсов), так и временных (рабочих) объектов;

4) Многоальтернативность выполнения бизнес-процесса в зависимости от возникающих событий;

5) Анализ и обработка временных характеристик бизнес-процессов.

Перечисленные особенности динамических систем управления бизнес-процессами предопределяют выбор инструментальных программных средств компании Gensym. Полный перечень программных продуктов представлен в Приложении А.

Заключение

Экспертные системы на сегодняшний день являются одними из наиболее успешных систем искусственного интеллекта.

В современном обществе неструктурированные и слабоструктурированные задачи управления и контроля сложных производственных процессов и объектов часто встречаются в таких областях, как авиация, энергетика, машиностроение, медицина, микроэлектроника и др. Поэтому появление экспертных систем, позволяющих быстро и эффективно решать подобные проблемы, считается большим научным достижением.

Кроме того, экспертные системы предлагают ряд качеств, которые доказывают их успешность и полезность. Преимущество экспертных систем перед человеком-экспертом неоспоримо. Например, передача знаний от одного человека другому – долгий и дорогой процесс. Передача искусственной информации – это простой процесс копирования программы или файла данных.

Экспертные системы устойчивы к «помехам», в отличии от человека, который легко поддается влиянию внешних факторов, непосредственно не связанных с решаемой задачей. Эксперт-человек может принимать в тождественных ситуациях разные решения из-за эмоциональных факторов. Результаты экспертной системы – стабильны.

Эксперты, особенно высококвалифицированные обходятся очень дорого. Экспертные системы, наоборот, сравнительно недороги. Их разработка дорога, но они дёшевы в эксплуатации.

Поэтому экспертные системы продолжают развиваться с ускоренными темпами. Если на рубеже 60-х и 70-х годов прошлого века количество ЭС насчитывалось единицами, к концу ХХ века их было порядка тысячи, то сегодня количество существующих экспертных систем сосчитать практически невозможно.

Число экспертных систем растет, совершенствуются методы и алгоритмы вывода решений, увеличивается количество фактов и правил в базах знаний. Учитывая рост их интеллектуальных способностей, можно предположить, что перспективными отраслями разработки экспертных систем станут точное машиностроение и даже политика. Например такие системы, которые получили развитее в последнее время, как перспективные или интеллектуальные гибридные экспертные системы, главной отличительной функцией которых является умение давать правильные предсказания, рекомендации на основе обработки поступающих данных и выявления устойчивых (закономерных) связей между характеристиками данных. Что было бы актуально на фоне непрекращающихся локальных военных конфликтов (Ирак, сектор Газа и т.д.).

Список литературы

1. Буч Г. Объектно-ориентированное проектирование с примерами применения: Пер. с англ. – М.: Конкорд, 1992. – 519с.

2. Вендров А.М. Проектирование программного обеспечения экономических информационных систем: Учебник. – М.: Финансы и статистика, 2000.

3. Данилов А.В., Григорьев С.В., Тельнов Ю.Ф. Имитационное моделирование процессов управления запасами. / Шестая национальная конференция с международным участием «Искусственный интеллект – 98». Сб. научных трудов. – Пущино, РАИИ, 1998, т.3.

4. Емельянов А.А., Власова Е.А., Дума Р.В.. Имитационное моделирование экономических процессов. / Под ред. А.А. Емельянова. – М.: Финансы и статистика, 2002.

5. Ин Ц., Соломон Д. Использование Турбо-Пролога. Пер. с англ. – М.: Мир, 1993. – 608с.

6. Марселлус Д. Программирование экспертных систем на ТУРБО ПРОЛОГЕ. Пер. с англ. – М.: Финансы и статистика, 1994. -256с.

7. Нечеткие множества в моделях управления и искусственного интеллекта/ Под ред. Поспелова Д.А. – М.: Наука, 1986 – 312 стр.

8. Попов Э.В., Шапот М.Д., Кисель Е.Б., Фоминых И.Б. Статические и динамические экспертные системы. – М: Финансы и статистика, 1996. -320с.

9. Построение экспертных систем / Под ред. Ф. Хейес-Рот, Д.Уотерман, Д.Ленат /Пер. с англ. – М.: Мир, 1987. – 441 с.

10. Представление и использование знаний / Пер. с япон.; Под ред. Х.Уэнo, М.Исидзука. – М.: Мир, 1989. – 220 c.

11. Рыбина Г.В. Особенности современных подходов к построению экспертных систем // Труды международного конгресса «Искусственный интеллект в XXI веке». – М.: Физматлит, 2001, том 1. –383 – 390с.

12. Системы управления базами данных и знаний: Справочное издание/ НаумовА.Н., Вендров А.М., Иванов В.К. и др./ Под ред. Наумова А.Н. – М.: Финансы и статистика, 1991 – 180 стр.

13. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертныхсистем на персональных ЭВМ. Пер. с англ. – М.: Финансы и статистика, 1990.- 319с.

14. Тельнов Ю.Ф., Скорова А.А., Андреева Н.В. Проектирование баз знаний. Учебное пособие. – М.: МЭСИ, 1992. – 100с.

15. Тельнов Ю.Ф., Диго С.М., Полякова Т.М. Интеллектуальные системы обработки данных. Учебное пособие. – М.: МЭСИ, 1989. – 102с.

16. Уотерман Д. Руководство по экспертным системам. / Пер. с англ.; Под. ред. Стефанюка В.Л. – М.: Мир, 1989. – 388 с.

17. Форсайт Р. Экспертные системы: принципы и примеры. / Пер. с англ – М.: Радио и связь, 1987.

18. Цикритзис Д., Лоховски Ф. Модели данных. /Пер. с англ. – М.: Финансы и статистика, 1985. – 344с.

19. Шлеер С., Меллор С. Объектно-ориентированный анализ: Моделирование мира в состояниях. Пер. с англ. – Киев: Диалектика, 1993. – 240с.

20. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры /Пер. с англ. – М.: Финансы и статистика, 1987. – 191 с.

21. Decision support systems. Putting theory into practice. Edited by R.H. Sprague, H. Watson. Prentice-Hall, 1993. -437p.

22. Gevarter W.B.. The Nature and Evaluation of Commertial Expert Systems. Building Tools.- Computer, May, 1987. p 24-41.

23. Martinson, F.R. Schindler. Organizational visions for technology assimilation: the strategic road to knowledge-based systems success. IEEE Transactions on engineering management, 1995, Vol 42, No 1, p 10-18.

24. Talebzadeh, Mandutianu S., Winner C.F. Countrywide Loan-Underwriting Expert System. AI Magazine, 1995, april, p. 51-64.

ПРИЛОЖЕНИЕ А

Таблица 1. Программные продукты компании Gensym

Источник: megaobuchalka.ru