В контексте управления организационными системами проблема установления соответствий между множеством доступных исполнителей и множеством имеющихся задач приобретает высокую актуальность, поскольку решение указанной проблемы оказывает влияние на ключевые метрики качества и эффективности системы, включая точность, достоверность и оперативность, а также достижение стратегических целевых показателей, формирующихся с учетом особенностей организации. Целью исследования является проектирование системы поддержки принятия управленческих решений при установлении соответствия исполнитель – задача в организационных системах для повышения оперативности принятия соответствующего решения. Разработка указанной системы рассмотрена в отношении образовательной организации, а именно на примере поддержки принятия решений при распределении дисциплин между преподавателями учебно-научного структурного подразделения. В статье приведено описание этапов проектирования, включающих подробное описание диаграммы вариантов использования, диаграммы последовательности и диаграммы классов, включая объекты и сообщения в диаграмме последовательности, а также диаграмму развертывания. Рассматриваемая система поддержки принятия управленческих решений отличается от существующих программных реализаций применением компонентов интеллектуальной обработки входного набора данных и формированием вариативных рекомендательных сценариев и позволяет повысить оперативность при установлении соответствия исполнитель – задача в организационных системах.
In the context of managing organizational systems, the problem of establishing correspondence between the set of available performers and the set of existing tasks is highly relevant, as this solution impacts key metrics of system quality and effectiveness, including accuracy, reliability, and efficiency, as well as the achievement of strategic targets, which are determined by the specifics of the organization. The aim of this study is to design a management decision support system for establishing performer-task correspondence in organizational systems to improve the efficiency of decision-making. The development of this system is considered in relation to an educational organization, specifically using the example of supporting decision-making when assigning courses to faculty members in an educational and scientific department. The article describes the design stages, including a detailed description of the use case diagram, sequence diagram, and class diagram, including objects and messages in the sequence diagram, as well as a deployment diagram. The considered system for supporting management decision-making differs from existing software implementations by the use of components for intelligent processing of the input data set and the formation of variable recommendation scenarios, and allows for increased efficiency in establishing the correspondence between the performer and the task in organizational systems.
1. Пучкова М.А. Алгоритм интеллектуальной поддержки принятия решения при формировании входного набора данных для последующего установления взаимосвязей «исполнитель – задача» // Современные наукоемкие технологии. 2025. № 8. С. 29–36. URL: https://top-technologies.ru/ru/article/view?id=40461 (дата обращения: 11.09.2025). DOI: 10.17513/snt.40461.
2. Корольков А.П., Балобанов А.А. Методика отбора и оценки кандидатов на вакантные должности в системе МЧС России на основе метода анализа иерархий // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». 2021. № 2. С. 71–77. URL: https://elibrary.ru/item.asp?id=46260661 (дата обращения: 12.09.2025).
3. Кытманов А.А., Горелова Ю.Н., Зыкова Т.В., Пихтилькова О.А., Пронина Е.В. Концептуальный подход к цифровой трансформации образовательного процесса в вузе // Russian Technological Journal. 2024. № 12 (5). С. 98–110. URL: https://www.rtj-mirea.ru/jour/article/view/985 (дата обращения: 15.09.2025). DOI: 10.32362/2500-316X-2024-12-5-98-110.
4. Sen A., Sinha A.P., Zhang C. Developing A Decision Support System for Healthcare Practices: A Design Science Research Approach // Data & Knowledge Engineering. 2024. Vol. 154. URL: https://www.researchgate.net/publication/382340067_Developing_A_Decision_Support_System_for_Healthcare_Practices_A_Design_Science_Research_Approach (дата обращения: 10.09.2025). DOI: 10.1016/j.datak.2024.102344.
5. Tao X., Rylander L., Mårtensson J. Design of an intelligent post-diagnosis decision support system for highly automated trucks // Transportation Research Interdisciplinary Perspectives. 2024. Vol. 28. URL: https://www.sciencedirect.com/science/article/pii/S2590198224002707 (дата обращения: 10.09.2025). DOI: 10.1016/j.trip.2024.101284.
6. Kniežová J., Hrkút P. UML-Based Modeling for Effective Implementation of Constraint-Type Business Rules in Software Development // Procedia Computer Science. 2025. Vol. 257. P. 1060–1066. URL: https://www.sciencedirect.com/science/article/pii/S1877050925008750 (дата обращения: 11.09.2025). DOI: 10.1016/j.procs.2025.03.138.
7. Nair R.P., Thushara M.G., Somasundaram K. Graph-Based Generation and Validation of Use Case Diagrams // Procedia Computer Science. 2025. Vol. 259. P. 1356–1365. URL: https://www.researchgate.net/publication/391677008_Graph-Based_Generation_and_Validation_of_Use_Case_Diagrams (дата обращения: 06.09.2025). DOI: 10.1016/j.procs.2025.04.090.
8. Пучкова М.А., Смоленцева Т.Е., Калач Е.В. Концепция формирования инструментария генерации связей «преподаватель – дисциплина» в структуре организаций высшего образования // Вестник Воронежского института ФСИН России. 2024. № 3. С. 93–99. URL: https://vi.fsin.gov.ru/upload/territory/Vi/nauchnaja_dejatelnost/%D0%92%D0%B5%D1%81%D1%82%D0%BD%D0%B8%D0%BA/v_fsin_2024_3.pdf (дата обращения: 07.09.2025).
9. Старцева Е.Б., Никулина Н.О., Малахова А.И. Система поддержки принятия решений для выбора профиля обучения // Онтология проектирования. 2025. Т. 15. № 2 (56). С. 281–294. URL: https://www.ontology-of-designing.ru/article/2025_2(56)/Ontology_Of_Designing_2025_2_%D0%BE%D0%BF%D1%82.pdf (дата обращения: 11.09.2025). DOI: 10.18287/2223-9537-2025-15-2-281-294.
10. Линкина А.В., Рощин В.С. Разработка функциональных алгоритмов и концептуальной модели информационно-аналитической системы поддержки управления региональным агропромышленным комплексом // Вестник Воронежского государственного университета инженерных технологий. 2023. Т. 85. № 4 (98). С. 115–121. URL: https://www.vestnik-vsuet.ru/vguit/article/view/3425 (дата обращения: 09.09.2025). DOI: 10.20914/2310-1202-2023-4-115-121.
11. Болгов Н.В., Куркин И.А. Принципы применения искусственного интеллекта в системе поддержки принятия решений в банковском менеджменте // Вестник Московского гуманитарно-экономического института. 2025. № 1 (97). С. 13–17. URL: https://elibrary.ru/item.asp?id=80578736 (дата обращения: 08.09.2025). DOI: 10.37691/2311-5351-2025-97-1-13-17.
12. Самойленко В.С., Федотова А.Ю. Архитектура интеллектуальной системы поддержки принятия решений // Международный научно-исследовательский журнал. 2024. № 8 (146). URL: https://research-journal.org/archive/8-146-2024-august/10.60797/IRJ.2024.146.10 (дата обращения: 08.09.2025). DOI: 10.60797/IRJ.2024.146.10.
13. Балобанов А.А. Модель и алгоритм оценки кандидатов на вакантную должность в кадровой системе МЧС России // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». 2021. № 2. С. 178–186. URL: https://elibrary.ru/item.asp?id=46260675 (дата обращения: 12.09.2025).
14. Tawil A.Al., Almazaydeh L., Qawasmeh D. [et al.] Comparative Analysis of Machine Learning Algorithms for Email Phishing Detection Using TF-IDF, Word2Vec, and BERT // Computers, Materials and Continua. 2024. Vol. 81. Is. 2. P. 3395–3412. URL: https://www.techscience.com/cmc/v81n2/58675 (дата обращения: 06.09.2025). DOI: 10.32604/cmc.2024.057279.
15. Xiao L., Li Q., Ma Q., Shen J. [et al.]. Text classification algorithm of tourist attractions subcategories with modified TF-IDF and Word2Vec // PLoS ONE. 2024. № 19 (10). Р. 1–34. URL: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0305095 (дата обращения: 10.09.2025). DOI: 10.1371/journal.pone.0305095.
16. Пучкова М.А. Программные решения организации хранения входного набора данных и последующего формирования разноуровневых связей исполнитель – задача // Безопасность. Управление. Искусственный интеллект. 2025. № 3. С. 29–34. URL: https://jscai.ru/releases (дата обращения: 09.09.2025).