С.Ю. Жулёва – ст. преподаватель, кафедра вычислительной и прикладной математики,  Рязанский государственный радиотехнический университет им. В.Ф. Уткина

E-mail: zhuleva.svetlana@bk.ru

А.В. Крошилин – д.т.н., доцент, профессор, кафедра вычислительной и прикладной математики,  Рязанский государственный радиотехнический университет им. В.Ф. Уткина; член-корр. Российской Академии Естествознания

E-mail: alfzdrprog@mail.ryazan.ru

С.В. Крошилина – к.т.н., доцент, кафедра вычислительной и прикладной математики,  Рязанский государственный радиотехнический университет им. В.Ф. Уткина; профессор Российской Академии Естествознания

E-mail: asak_kasa@mail.ru

А.Н. Пылькин – д.т.н., профессор, кафедра вычислительной и прикладной математики,  Рязанский государственный радиотехнический университет им. В.Ф. Уткина; заслуженный работник высшей школы РФ

E-mail: Pylkin.a.n@rsreu.ru

Постановка проблемы. Рассмотрение деятельности медицинских учреждений в современных рыночных условиях является научной базой обоснования принятия управленческих решений в задачах управления медицинскими материальными потоками. При этом возникает проблема автоматизации анализа функционирования медицинского учреждения, позволяющего точно оценивать неопределенность ситуации с помощью современных методов исследования. 

Цель – разработка нечеткой когнитивной карты для учета материальных потоков в системах медицинского назначения; определение формы графической нотации разрабатываемой нечеткой когнитивной карты (НКК); реализация представлений взаимообусловленности входных концептов на выходные на основе НКК в медицинских предметных областях; представление особенностей использования НКК в процессе исследования медико-технологического процесса; предложение способа моделирования медицинских материальных потоков (распределения нагрузки медицинского персонала).

Результаты. Обосновано применение когнитивного анализа в задачах управления медицинскими материальными потоками в интеллектуальных системах медицинского назначения. Главное внимание было уделено разработке НКК для моделирования медицинских предметных областей и на их основе решению задачи распределения нагрузки медицинского персонала. Проиллюстрировано графическое представление разрабатываемой НКК. Рассмотрены особенности разработки НКК, объединяющей в себе все базовые свойства существующих когнитивных карт и обладающей большими возможностями при построении моделей медико-технологических процессов, описывающих медицинские предметные области для их более детальной обработки. 

Практическая значимость. Разработанная НКК и модель медицинской предметной области, реализованная на ее основе, могут быть использованы в задачах управления медицинскими материальными потоками в интеллектуальных системах медицинского назначения. 

1. Жулева С.Ю., Крошилин А.В., Крошилина С.В. Поддержка принятия решений в задачах распределения нагрузки медицинских работников на основе методов искусственного интеллекта // Биомедицинская радиоэлектроника. 2018. № 8. С. 54–59.
2. Pylkin A.N., Tishkina V.V., Kroshilin A.V. Application of Fuzzy Logic in Decision Support System for Analysis of Condition Enterprises // 2018 International Russian Automation Conference (RusAutoCon 2018), September 9th–16th. 2018, Sochi. Russian Federation.
3. Kroshilina S.V., Kroshilin A.V., Tishkina V.V., Pylkin A.N. Designing a System for Analyzing the Activities of Enterprises Using Artificial Intelligence Methods / 2018 7th Mediterranean Conference On Embedded Computing (Meco), 11–14 June 2018. Budva, Montenegro. P. 157–160.
4. Лень Л.С., Никулина Т.Н. Управление медицинским учреждением в современных условиях: проблемы и пути решения // Вестник Астраханскогогосударственного технического университета. 2016. № 2. С. 74–81.
5. Крошилин А.В., Крошилина С.В., Доан Д.Х., Жулева С.Ю., Тишкина В.В. Формирование наборов вариантов течения болезни методом нечеткой кластеризации в системах поддержки принятия медицинских решений // Биомедицинская радиоэлектроника. 2017. № 7. С. 60–66.
6. Фролова М.С., Фролов С. В., Толстухин И. А. Системы поддержки принятия решений для задач оснащения лечебных учреждений медицинской техникой // Университет им. В.И. Вернадского. 2014. Специальный выпуск (52). С. 106–111.
7. Stach W., Kurgan L., Pedrycz W. Genetic learning of fuzzy cognitive maps // Fuzzy Sets and Systems. 2005. V. 153. P. 371–401.
8. Mamdani E.H. Application of fuzzy logic to approximate reasoning using linguistic systems // Fuzzy Sets and Systems. 1977. V. 26. P. 1182–1191.