База знаний

Описание предложения

Что происходит сейчас:

 Для поиска необходимой информации и ее актуализации тратится от 20% рабочего времени работника.

На форматирование и выполнение требований к оформлению организационно-распорядительных документов уходит много времени.

Отправить замечание к документу невозможно в пару кликов. 

Для ускорения реализации моделирования и подготовки решений с помощью искусственного интеллекта необходимы графы знаний

Что вы предлагаете изменить и каким видите новый процесс:

1. Сделать базу знаний по железнодорожному транспорту с быстрым полнотекстовым поиском и чтением (без необходимости открытия документов в программах) по всем профильным книгам, научным статьям (в том числе переводным [2]), журналам, нормативным документам, стандартам, телеграммам, распоряжениям и приказам с перекрестными ссылками в визуализацией в виде графов. [1], [5], [6], [8], [9], [10]
2. Добавить возможность добавлять в личную базу знаний связанные цитаты (то есть при потери актуальности цитата меняется либо приходит уведомление об изменении), закладки или целиком тексты парой кликов. 
3. Визуализировать базу знаний (как личную так и общую) в виде 2,3 или 4 d сети связей и объектов, то есть в виде двухмерной сети, трехмерной или трёхмерной с изменением по времени. 
4. Автоматически изменять нормативные документы или части нормативных документов при изменении первоисточников [4], [34]
5. Добавить возможность делится своими базами знаний. [9]
6. Включить функционал комментирования каждого абзаца, внесения предложений.[9] [30]
7. Добавить функцию подписки на изменения интересующих документов, баз знаний пользователей, разделов, тематик.
8. Привязать знания к ответственным за исполнение должностным лицам, объектам и подвижному составу [3]
9. Включить в работу персонала дорожных библиотек добавления и обновления базы знаний [8], [32]
10. Оплачивать работу по пополнению, уточнению и поиску ошибок базы знаний как работникам ОАО "РЖД" (в обязанности которых не входит работа над базой знаний) так и сторонним специалистам. 
11. В перспективе автоматически оценивать сложность языка нормативной документации [16], [17] и проверять противоречивость между документами, соответствие законодательству и наличие смысловых ошибок
12. Создать функционал вставки ссылок на существующие нормативные документы при создании новых, единого оформления (шаблоны четко заданы и не теряется время на правки (пробелы отступы, шрифты и т.д.) в соответствие с новыми требования к документам) [34] 
13. Возможно добавить функционал истории посещений, изменений внесения замечаний
14. Добавить функционал запроса доступа к нормативным документам недоступного уровня (вышестоящим или смежных дирекций) при работе над предложениями, замечаниями или улучшениями (сейчас в ЕАСД вижу документы которые хорошо бы знать при подачи предложений но не имею доступа и вариантов запроса доступа к ним)
15. Автоматически моделировать процессы в АСУ БМ при создании нормативных документов по шаблонам (на перспективу)

Какой будет положительный эффект и что это даст:

1. Все данные будут под рукой в удобном для чтения и запоминания виде, для оценки динамики изменений можно использовать показатель эффективности цифровой трансформации - количество операций и время на поиск информации, необходимой для работы [23]
2. Добавятся хорошая основа для создания искусственного интеллекта
3. Возможность получить грант на разработку системы [25], [26]
4. Снизится необходимость в печатных документах [33]
5. Повышение удовлетворенности и положительного опыта сотрудников при работе в ОАО "РЖД" [28], [29]
6. Выполнение KPI цифровой трансформации [30], [31], [32], [33], [34]
7. Снижение рисков цифровой трансформации [35], [36] в части уменьшение факторов влияющих на угасание энтузиазма сотрудников, увеличение текучести кадров, риски принятия ошибочных решений из-за искажения или потери данныx, несвоевременного предоставления требуемой управленческой информации, рисков несоблюдения требований законодательства и регуляторов, растущая необходимость предоставления отчетности по существующей контрольной среде для внешних пользователей 
8. Отслеживание работы в системе для понимания над чем работал в тот день (дневник работы)
9. При едином хранилище проще отслеживать уровень доступа - реализовать концепцию zerotrust [36]
10. Возможно создавать команды единомышленников по изменению и улучшению нормативных документов, при общедоступных замечаниях и предложениях

Источники

1. Представление знаний https://neerc.ifmo.ru/wiki/index.php?title=Представление_знаний

2. Идея №1311652. Смена принципа работы с идеями - создание системы, определяющей «фронтиры» науки и технологий в целях планирования научных исследований и постановки прорывных задач технологического развития ОАО "РЖД" https://prodvizhenie.rzd.ru/proposals/1311652

3. Идея №589392. n-D моделирование цифровой железнодорожной станции https://prodvizhenie.rzd.ru/proposals/589392

4. Идея №259401. Автоматическая передача изменений из нормативных документов в нормативно-справочные базы информационных систем ОАО "РЖД" https://prodvizhenie.rzd.ru/proposals/259401

5. Как я веду Zettelkasten в Notion уже год: стартовый набор и полезные трюки https://habr.com/ru/post/509756/

6. Второй мозг для тебя навсегда. Обсидиан является мощными базами знаний на вершине в локальной папке в виде обычного текста Markdown файлов.https://obsidian.md/

7. Anne-Laure Le CunffКак использовать Roam Research: инструмент для метапознания https://nesslabs.com/roam-research 

8. Давыденко, И. Т. Методика коллективного проектирования баз знаний с использованием семантической модели коллективного проектирования баз знаний / И. Т. Давыденко, А. В. Федотова, М. Н. Святкина // Информационные технологии и системы 2014 (ИТС 2014) : Материалы международной научной конференции, Минск, 29 октября 2014 года. – Минск: Белорусский государственный университет информатики и радиоэлектроники, 2014. – С. 154-155. https://libeldoc.bsuir.by/bitstream/123456789/26360/1/Metodika%20kollektivnogo.PDF  

При коллективном инжиниринге знаний любая база знаний рассматривается как результат консенсуса группы специалистов о модели некоторой области знаний, что должно быть обеспечено соответствующими средствами проектирования [1]. Для эффективной организации проектирования баз знаний интеллектуальных справочных систем необходимо включать в со-став основной системы в качестве подсистем следующие компоненты:

 – интеллектуальную подсистему поддержки проектирования и сопровождения системы: help-систему информационного обслуживания разработчиков баз знаний; интеллектуальную систему автоматизации проектирования;

 – интеллектуальную подсистему управления проектированием и сопровождением системы.

 средствам проектирования также относятся:

 – средства верификации баз знаний, включающие пополняемую библиотеку команд и операций верификации баз знаний;

 – средства анализа качества баз знаний, позволяющие определить такие характеристики баз знаний как полнота, связность, информативность;

 – средства редактирования баз знаний, решающие проблему синхронизации редактирования семантической модели базы знаний и соответствующего фрагмента ее исходного текста несколькими разработчиками;

 – средства поддержки коллективной разработки баз знаний.

9. Notion - Новый инструмент, который объединяет ваши повседневные рабочие приложения в одно целое. Это универсальное рабочее пространство для вас и вашей команды https://www.notion.so/

10. Розенберг И.Н., Дулин С.К. О перспективах географической интероперабельности в геопространственной Semantic WEB стр. 328-330 http://www.vniias.ru/images/img/Trudy_niias/trudy_niias_10_2014.pdf 

Сегодня ведущей парадигмой структурирования информационного контента являются онтологии, или иерархические концептуальные структуры, которые формируются аналитиком на основе изучения и структурирования потоков информации, документов, протоколов извлеченных знаний и других источников. С методической точки зрения это один из наиболее систематических и наглядных способов структурирования и формализации знаний ... Для того, чтобы ознакомить с результатами своего труда других специалистов, необходимо преобразовать знания из одной формы представления в другую и распространить их по доступным каналам связи. Этот процесс назван диссеминацией. На четвертом этапе происходит изучение полученного знания, его осознание и усвоение 

11. Шабельников А.Н., Суханов А.В. Цифровая станция как киберфизическая система "Именно многократное и совместное использование информации обеспечивает генерацию знаний, достоверность используемых данных" стр. 20  http://www.vniias.ru/images/img/ISUZHT/pdf/2019.pdf

 12. Ерофеев А.А., Терещенко О.А., Лавицкий В.В. Интеллектуальная система управления перевозочным процессом на Белорусской железной дороге "Для достижения поставленной цели предусматривается решение следующих задач [2, 4]:

• разработка функциональной архитектуры ИСУПП, обеспечивающей реализацию скоординированного комплексного управления эксплуатационной работой с использованием всеми участниками этой деятельности единой информационной модели, включающей базу данных, базу знаний и базу опыта;" стр. 79 http://www.vniias.ru/images/img/ISUZHT/pdf/2019.pdf

 13. Клепов А.В., Броневицкий В.А., Капустин Н.И. Онтология ИСУЖТ " http://www.vniias.ru/images/img/ISUZHT/pdf/2018.pdf "В инженерии знаний под онтологией понимается детальное описание некоторой проблемной области, которое используется для формального и декларативного определения ее концептуализации. Часто онтологией называют базу знаний специального вида, которую можно разделять, отчуждать и самостоятельно использовать" стр. 16 

14. Верескун В.Д., Бутакова М.А., Карташов О.О. Децентрализованный логический вывод для интеллектуального управления транспортными технологическими процессами "Прикладная часть  начинается с формирования онтологии предметной области. Данный подход основан на создании системы с непрерывной адаптацией, расширением и масштабированием, которая должна поддерживать использование, которое заранее не известно. Формирование различных сложных взаимосвязей между элементами должно быть соответствующим образом зарегистрировано и представлено в информационной модели. 

Для этого необходимо определить необходимые технологии и методы логического вывода при децентрализованных рассуждениях в интеллектуальных системах управления. Благодаря онтологии и использованию базовых возможностей платформы создается предметно-ориентированный язык. DSL обеспечивает основу для решения прикладных задач МИС. Решение прикладных задач реализуется путем создания сложных динамических моделей и модулей адаптивного планирования железнодорожных перевозок.

Дескриптивная логика (далее ДЛ) – это семейство формализованных логических представлений, знаний [1]" стр. 82  http://www.vniias.ru/images/img/ISUZHT/pdf/2018.pdf

 15. Глухарев М. Л., Исаева М.Ф., ПГУПС, г. Санкт-Петербург Управление доступом в объектных базах данных на реляционной платформе, используемых в информационных системах на железнодорожном транспорте

"Современная парадигма научных знаний предполагает отображение окружающего мира с точки зрения системы взаимосвязанных, взаимодополняющих и динамически изменяющихся объектов. 

Для создания наиболее полной картины информационного поля необходимо хранение объектов с набором изменяющихся во времени значений характеристик и свойств." стр.102 http://www.vniias.ru/images/img/ISUZHT/pdf/2017.pdf 

 16. В Высшей школе экономики разместили в открытом доступе сервис "Оценка синтаксической сложности нормативных текстов" для проверки языка нормативных документов  https://lawreadability.hse.ru/ 

 17. Оценка читабельности текста https://plainrussian.ru/ 

 18. Чернов А.В., Карташов О.О., РГУПС, г. Ростов-на-Дону Методы облачных вычислений и технологий для интерактивных,

интеллектуальных объектов инфраструктуры железнодорожного транспорта

"В большинстве случаев, формальное описание языка цели представления знаний, которое используется системой, составляет затруднения. Один из способов преодоления этой проблемы состоит в разработке представления знаний с описанием понятий. Обращение к основным уровням управления и описание возможных действий с понятием будет разделено на различные блоки и подсистемы, которые в свою очередь будут представлять единый информационный блок" стр. 16 http://www.vniias.ru/images/img/ISUZHT/pdf/2016.pdf

19. Цуриков А.Н. Способ обучения искусственной нейронной сети на основе знаний эксперта // Инновации в науке, № 13-1 (2012), Новосибирск, с. 6-21. https://cyberleninka.ru/article/n/sposob-obucheniya-iskusstvennoy-neyronnoy-seti-na-osnove-znaniy-eksperta  Использование предлагаемого способа обучения ИНС обеспечивает по сравнению с известным способом «обучение с учителем» следующие преимущества:

расширение класса задач, решаемых с помощью технологии ИНС;

ИНС содержит в себе знания конкретного эксперта и может имитировать его интеллектуальную деятельность; создание компьютером визуальных образов облегчает работу эксперта

 20. Шабельников А.Н., Ростовский филилал ОАО «НИИАС», г. Ростов-на-Дону Стратегия и инструментарий интеллектуализации сортировочных процессов в КСАУ СП

"Помимо средств обеспечения возможности планирования и мониторинга работ по техническому обслуживанию и ремонту (ТОиР), подсистема включает в себя дополнительные специализированные модули:

модуль предотказной диагностики функционирования оборудования КСАУ СП и  модуль формирования и ведения базы знаний по ТОиР http://www.vniias.ru/images/img/ISUZHT/pdf/2016.pdf стр. 234

 21. Тарасов М.В., МФТИ, г. Москва Хоботов Е.Н., МФТИ, МГТУ им. Н.Э. Баумана, ИПУ РАН, г. Москва

Кузнецова А.Ю., ИПУ РАН им. В.А. Трапезникова, г. Москва Шавин М. Ю., МФТИ, г. Москва

Построение расписаний движения грузовых поездов в железнодорожной сети

"Обычно приоритетные правила должны формироваться на основе опыта и знаний наиболее квалифицированных специалистов в области планирования перевозок и формирования расписаний движения поездов. В машиностроительном производстве с их помощью удается строить весьма эффективные расписания работ" стр. 49 http://www.vniias.ru/images/img/ISUZHT/pdf/2015.pdf 

 22. Феофилов А.Н., ОАО «НИИАС», г. Москва

Интеллектуальное управление парком вагонов оператора подвижного состава 

"В конечном итоге цепь модернизаций системы управления оператора подвижного состава должна привести к интеллектуальной системе оперативного управления перевозками, содержащей как традиционную модель управления на основе обработки баз данных об оперативной ситуации на филиалах и Компании в целом, так и принципиально новую модель принятия решений на основе использования  базы знаний, отражающую вариантные технологии управления в нормативных производственных условиях и целенаправленные стратегии управления в нестандартных ситуациях". стр. 73 http://www.vniias.ru/images/img/ISUZHT/pdf/2015.pdf

 23. №393971. Показатель эффективности цифровой трансформации - количество операций и время на поиск информации, необходимой для работы https://prodvizhenie.rzd.ru/proposals/393971

 24. конкурс Up Great направлен на создание новых подходов в ИИ, которые позволят машине разбираться и учитывать, как соотносятся причина и следствие. Такие подходы будут полезны и в обработке естественных языков, и во многих других областях применения ИИ. В конкурсе будет создаваться технология, которая сможет находить смысловые ошибки в любых текстах и сообщать об этом в режиме реального времени: Конкурс проводится по тематике использования технологий машинного анализа текста для повышения качества и скорости выявления фактических и смысловых ошибок в академических эссе студентов, школьников и иных обучающихся. Технологии, развиваемые в рамках проведения конкурса, смогут стать ядром широкого спектра продуктов.

Обработка естественного языка (NLP, natural language processing) является динамично развивающейся областью искусственного интеллекта, находящейся в фокусе большого количества специалистов и при этом имеет достаточно низкий «порог входа»: для разработки NLP-решений специалисту не требуется значительных инвестиций в оборудование и фундаментальных научных знаний.  https://ai.upgreat.one/about-project/

 25. К сфере искусственного интеллекта будут относится проекты, направленные на развитие, создание и внедрение технологий компьютерного зрения,  обработки естественного языка, распознавания и синтеза речи,  интеллектуальных систем поддержки принятия решений, перспективных методов ИИ. Экспертиза проекта будет осуществляться по трем направлениям – соответствие критерию предмета, критерию базовой технологии и критерию результата реализации.  Всего в федпроекте заложено порядка  12 млрд. рублей на грантовую поддержку решений в области искусственного интеллекта в рамках реализации федерального проекта «Искусственный интеллект», также разработанного в МЭР. Фонд содействия инновациям уже запустил конкурс на соответствующие программы, например, гранты на коммерциализацию ИИ-решений. https://www.economy.gov.ru/material/news/v_minekonomrazvitiya_opredelili_chto_schitat_proektami_v_sfere_iskusstvennogo_intellekta.html

 26. Приказ Минэкономразвития России от 29.06.2021 N 392 "Об утверждении критериев определения принадлежности проектов к проектам в сфере искусственного интеллекта" (Зарегистрировано в Минюсте России 28.07.2021 N 64430) http://www.consultant.ru/document/cons_doc_LAW_391797/59d9de3f45ad3da728f213091c268480aa3f1f24/

 27. Указ Президента Российской Федерации от 10.10.2019 г. № 490 О развитии искусственного интеллекта в Российской Федерации http://www.kremlin.ru/acts/bank/44731

 28. Идея №391122. Индекс потребительской лояльности NPS и удовлетворенности сотрудников eNPS - как показатель эффективности цифровой трансформации  https://prodvizhenie.rzd.ru/proposals/391122

 29. Идея №1353967. Уникальный, интересный опыт, впечатления персонала от работы как элемент бренда и привлекательности работы на железнодорожном транспорте  https://prodvizhenie.rzd.ru/proposals/1353967

 30. Идея №402565. KPI – это ключевой показатель эффективности Цифровой трансформации - количество операций и время на отправку сообщений о улучшениях, нарушениях, предложениях в контексте конкретного процесса. объекта, подвижного состава, указания, распоряжения и др. https://prodvizhenie.rzd.ru/proposals/402565 

 31. Идея №402541. KPI - доля цифровых активов к общему количеству реальных объектов https://prodvizhenie.rzd.ru/proposals/402541

 32. Идея №394063. Показатель эффективности цифровой трансформации - количество операций и время на поиск специалиста или руководителя отвечающего за данный участок работы или процесс https://prodvizhenie.rzd.ru/proposals/394063

 33. Идея №393793. Показатель цифровой трансформации - количество печатных документов  https://prodvizhenie.rzd.ru/proposals/393793

 34. Идея №393698. Показатель эффективности цифровой трансформации - количество операций ручного ввода (первичного, вторичного) данных https://prodvizhenie.rzd.ru/proposals/393698

 35. Идея №391389. Риски цифровой трансформации https://prodvizhenie.rzd.ru/proposals/391389

 36. Идея №471545. Мероприятия по снижению рисков при цифровой трансформации: Zero Trust и Next-Generation Access  https://prodvizhenie.rzd.ru/proposals/471545

_______

Буду признателен за комментарии:

https://prodvizhenie.rzd.ru/proposals/1373326

(Доступны после регистрации)

Или в Notion https://serg-borisovich.notion.site/1f3c1f9b2f79432dba20f28171da61aa