Какая теория была положена в основу работы систем поддержки принятия решений
Обновлено: 28.04.2024
Но самым главным классом систем, в которых используются экспертные системы в качестве элементов, являются системы поддержки принятия решений. С развитием аналитических методов и появлением новых математических формализмов для обработки больших объёмов данных, для поиска закономерностей, в том числе скрытых, системы поддержки принятия решений получили второе дыхание, и сегодня этот класс систем используется в большом количестве областей применений для снятия с аналитиков и руководителей рутинной работы по сбору и анализу больших массивов информации и подготовке и принятию решений. Так что внимательно посмотрим на такие системы — какие методы в них используются, какие составные элементы в них имеются, каковы взаимосвязи между элементами и всё остальное.
Общая структура систем поддержки принятия решений выглядит следующим образом:
Кратко рассмотрим все элементы, приведённые на схеме, за исключением экспертных систем, которые были детально описаны ранее:
1. Хранилище данных — первичный элемент системы, в который собираются все данные об объекте управления или проблемной ситуации, относительно которых система осуществляет поддержку принятия решений. Как и в случае с экспертной системой в хранилище попадают данные как от пользователей, так и с различного рода датчиков, устройств и иных систем. В отличие от базы данных в хранилище осуществляется первичная обработка данных таким образом, чтобы потом их можно было эффективно использовать для анализа и визуализации. Происходит очистка и преобразование данных, а их хранение осуществляется в специальном формате, который позволяет быстро манипулировать ими. Всё это помогает двух другим компонентам системы — модулям статистического и интеллектуального анализа быстро обрабатывать огромные массивы информации.
2. Модуль статистического анализа предназначается для применения различных методов математической статистики и смежных дисциплин для анализа больших объёмов информации (статистических выборок), в частности, поиска корреляций и причинно-следственных связей, анализа трендов, определения статистических закономерностей и т. д. Большинство методов статистического анализа давно разработаны и апробированы, однако временами появляются новые, а потому важно, чтобы этот элемент системы был открытым для использования новых методов.
3. Модуль интеллектуального анализа используется для проведения глубокого анализа больших объёмов данных методами, которые позволяют обнаруживать скрытые закономерности, нетривиальные и практически полезные интерпретации информации в данных. В первую очередь это методы из разряда технологий Data Mining. Этот модуль сам по себе реализует многие техники искусственного интеллекта, начиная от генетических алгоритмов и искусственных нейронных сетей до отдельных методов символьных вычислений. При этом в рамках интеллектуального анализа данных также могут проводиться и отдельные ветви статистического анализа, либо результаты такого анализа могут браться из соответствующего модуля.
4. Модуль построения отчётности — фактически, центральный модуль, преобразующий результаты анализа и (или) выводы экспертной системы к виду, который доступен для лица, принимающего решения. Основная задача этого модуля — доступная и эффективная визуализация найденных закономерностей и знаний для руководителя, который на основании этой информации может принять взвешенное и оптимальное решение. В этом и заключается сама сущность поддержки принятия решений.
5. Интерфейс аналитика — в процессе принятия решений и его поддержки важна роль аналитика, который готовит окончательный вариант решения или варианты альтернатив на основе того, что рекомендует система. Аналитик модифицирует процедуры извлечения и обработки информации из неструктурированных больших объёмов данных, он же проверяет окончательные результаты работы системы и её объяснения того, как она получила эти результаты. Поэтому для аналитика имеется интерфейс, при помощи которого он может взаимодействовать с системой. Он намного более богат на функциональность, нежели интерфейс руководителя.
Сегодня системы поддержки принятия решений используются во многих областях жизни. В первую очередь необходимо отметить, что они являются неотъемлемой частью деятельности различного штабов, действующих в условиях крайне ограниченного времени — при ликвидации последствий чрезвычайных ситуаций, при очень быстро развивающихся событиях внешнего характера, при невозможности задействования людей при выполнении каких-либо работ. В этих случаях системы поддержки принятия решений используются в рамках так называемого ситуационного управления, когда такая система должна за крайне ограниченное время обработать большие объёмы динамической информации о развитии ситуации, над которой осуществляется управления, и выдавать лицам, принимающим решения, обоснованные прогнозы, планы и решения.
Но не только государственные службы, задействованные в предупреждении и ликвидации последствий чрезвычайных ситуаций, использую системы поддержки принятия решений. Многие коммерческие компании используют системы этого класса для развития своего бизнеса. В первую очередь это относится к организациям, работающим в области телекоммуникационных технологий, розничной продажи, обслуживания массового клиента, банковской сфере. Системы поддержки принятия решений в этих областях находят различные скрытые закономерности в поведении клиентов, что позволяет организациям тонко настраивать тарифные политики или даже организовывать персонализированный маркетинг.
В будущем прогнозируется использование таких систем не только в связке с людьми, принимающими решения, но и автономно, когда сами искусственные интеллектуальные системы начинают самостоятельно принимать решение. Это позволит повысить скорость принятия решений, исключить человеческий фактор в критических областях, а также персонализировать подход к каждому конкретному человеку. И это ожидается не только в части маркетинга (персонализированные рекламные акции и продажи), но и в таких областях, как образование, здравоохранение, юриспруденция и многих других. Хотя, конечно же, остаётся вопросы этического плана и ответственности за решение, ожидается, что эти вопросы будут решены, а уровень решений будет настолько качественным, что говорить об ответственности интеллектуальной системы не придётся.
СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ И ИХ РОЛЬ В ОПЕРАТИВНОМ УПРАВЛЕНИИ ПРЕДПРИЯТИЕМ
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Зачастую у компаний возникают сложности с получением качественной аналитики. Как правило, это связано с тем, что данные хранятся в не удобном для анализа виде, при этом объем накопленных данных с годами постоянно растет. Кроме того, в компании могут одновременно использоваться несколько разных учетных систем, интеграция между которыми часто слабо развита.
В настоящие время активно развиваются системы поддержки принятия решений (СППР). Они представляют собой автоматизированные компьютерные системы, которая создана для помощи в принятии решений в сложных условиях для полного объективного анализа деятельности. Они с успехом применяются в самых разных отраслях: телекоммуникациях, финансовой сфере, торговле, промышленности, медицине и многих других.
Прогнозирование и планирование деятельности предприятия является наиболее перспективной сферой практического применения. Для решения проблем в этой сфере в состав СППР включают большой набор методов и моделей в том числе математическое программирование, статистический анализ, теорию статистических решений и принятия решений при неопределенности, эвристические методы, включающие адаптивность и обучение при решении слабоструктурированных задач, методы теории игр и многие другие подходы.
СППР состоят из двух компонент: хранилища данных и аналитических средств. Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структурах, оптимизированных для выполнения аналитических операций. Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в области информационных технологий, осуществлять навигацию и представление данных в терминах предметной области. Для пользователей различной квалификации, СППР располагают различными типами интерфейсов доступа к своим сервисам.
Пользователь взаимодействует с СППР через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем СППР представляет результаты пользователю через тот же самый пользовательский интерфейс.
Процесс принятия человеком, как блоком принятия решений в СППР, включает четыре стадии:
распознание или осмысление;
традиционные-управляющие информационные системы (помогают опознавать проблемы);
проект или продумывание;
СППР помогают находить ответы на следующие типичные вопросы:
анализ примеров – оценка значений выходных величин для заданного набора значений входных переменных;
параметрический анализ – оценка поведения выходных величин при изменении значений входных переменных;
анализ чувствительности – исследование поведения результатирующих переменных в зависимости от изменения значений одной или нескольких входных переменных;
анализ возможности – нахождения значения входной переменной которые обеспечивают желаемый результат;
анализ влияния – выявление для выбранной результатирующей переменной всех входных переменных, влияющих на ее значение;
анализ данных – прямой ввод в модель ранее имеющихся данных и манипулирование ими при прогнозировании;
сравнения и агрегирование – сравнение результатов двух или более прогнозов, сделанных при различных входных положениях;
анализ риска – оценка изменения выходных параметров при случайных изменениях входных величин;
оптимизация – поиск значений управляемых входных величин обеспечивающих наилучшее значение одной или нескольких результирующих переменных.
Модель управления и управления данными действуют, в основном, незаметно и варьируются от простой модели до сложной комплексной модели планирования, основанной на математическом программировании.
Система поддержки решений СППР решает две основные задачи:
выбор наилучшего решения из множества возможных (оптимизация),
упорядочение возможных решений по предпочтительности (ранжирование).
В обеих задачах первым и наиболее принципиальным моментом является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться и сопоставляться возможные решения Система СППР помогает пользователю сделать такой выбор. Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР, или ИСППР.
Выделяется несколько видов СППР:
активные (разрабатывают правильное решение) непосредственно участвуют в разработке правильного решения;
пассивные (не выделяют конкретного предложения решения, лишь помогают в процессе принятия решения);
С помощью СППР можно проследить за всеми доступными информационными активами, получить сравнительные значения объемов продаж, спрогнозировать доход организации при гипотетическом внедрении новой технологии, а также рассмотреть все возможные альтернативные решения.
Эти системы повышают эффективность работы предприятия, позволяют облегчить и улучшить работу руководителя, открываются новые подходы к решению повседневных и неординарных задач. Кроме того, программы СППР не только просты, но и достаточно эффективны и не требуют особых знаний и капиталовложений.
Читайте также: