Promocijas darbs ir veltīts intelektuālu aģentu tehnoloģijas un datu ieguves metožu pētīšanai un pielietošanai produkta dzīves cikla atbalsta uzdevumos. Promocijas darba mērķis ir izpētīt īsu laika rindu klasterizācijas metodes un balstoties uz intelektuālu aģentu tehnoloģijas un datu ieguves metožu bāzes izstrādāt multiaģentu sistēmas modeli un metodes produkta dzīves cikla fāzes pārejas perioda prognozēšanai. Produkta dzīves cikla vadība ir sarežģīts process, kas ietver sevī tādus dažādus uzdevumus, kā projektēšana, prognozēšana un plānošana, ražošanas, glabāšanas un transportēšanas procesu organizācija, produkta pieejamības un klientu servisa nodrošināšana tirgū, utilizācija u.c. saistītus uzdevumus. Izstrādātā un darbā piedāvātā multiaģentu sistēma ir virzīta uz procesiem, kas saistīti ar prognozēšanas un plānošanas uzdevumu risināšanas atbalstu. Produkta dzīves cikls sastāv no vairākām ar produkta attīstību saistītām fāzēm tirgū. Katra no fāzēm tiek raksturota ar produkta pieprasījuma līmeni, pieprasījuma pieauguma vai krituma tendenci un produkta attīstības izdevumiem, it īpaši reklāmai, kas padara produkta dzīves cikla fāžu robežu noteikšanu par aktuālu un svarīgu uzdevumu. Promocijas darbā ir piedāvāts produkta dzīves cikla vadības atbalsta multiaģentu sistēmas modelis, kas ļauj prognozēt produkta dzīves cikla fāzes pārejas periodu ierobežotas datu pieejamības apstākļos – izmantojot dažas pirmās vērtības produkta pieprasījuma līknē. Ar mērķi nodrošināt multiaģentu sistēmas darbaspējas secīgas datu plūsmas apstākļos, izpildīta vairāku klasterizācijas algoritmu analīze, balstoties uz kuras atlasīti uzdevumam piemērotie algoritmi – pašorganizējošie neironu tīkli un (SOM) un hierarhiskais gravitācijas klasterizācijas algoritms (G-Algorithm). Izpētīti to klasiskie varianti kā arī izstrādātas un aprakstītas to modifikācijas. Ir piedāvāts MEuclidean attāluma mērs, lietojot kuru ir iespējams aprēķināt attālumu starp laika rindām ar atšķirīgu periodu skaitu. Sistēmas efektivitāte tika pārbaudīta, izmantojot starptautiskā projekta ECLIPS ietvaros saņemtu datu kopu un mākslīgi rādītus sintētiskus datus. Iegūtie eksperimentu rezultāti parādīja izstrādātas multiaģentu sistēmas augsto efektivitāti, prognozējot produkta dzīves cikla fāzes pārejas periodu. Eksperimentu izpildīšanai tika izstrādāta specializētā programmatūra. Promocijas darbā tika izpildīta iegūto rezultātu salīdzinošā analīze, tika noformulēti secinājumi par izstrādātas multiaģentu sistēmas efektivitāti un tās pielietojamību PDC fāzes pārejas perioda prognozēšanas uzdevuma risināšanai. Promocijas darbs ir uzrakstīts latviešu valodā, satur ievadu, 5 nodaļas, secinājumus, bibliogrāfisko sarakstu, 5 pielikumus, 47 attēlus, kopā 131 lappuse. Bibliogrāfiskā sarakstā ir 61 nosaukums.