Информационная технология поддержки принятия решений

 

Системы поддержки принятия решений и соответствующая им информационная технология появились усилиями в основном американских ученых в конце 70-х - начале 80-х гг., чему способствовали широкое распространение персональных компьютеров, стандартных пакетов прикладных программ, а также успехи в создании систем искусственного интеллекта.

Главной особенностью информационной технологии поддержки принятия решений является качественно новый метод организации взаимодействия человека и компьютера. Выработка решения, что является основной целью этой технологии, происходит в результате итерационного процесса , в котором участвуют:

§ система поддержки принятия решений (СППР) в роли вычислительного звена и объекта управления;

§ лица, принимающего решение, оценивающего полученный результат вычислений на компьютере.

Окончание итерационного процесса происходит по воле человека. В этом случае можно говорить о способности информационной системы совместно с пользователем создавать новую информацию для принятия решений.

Дополнительно к этой особенности информационной технологии поддержки принятия решений можно указать еще ряд ее отличительных характеристик:

§ ориентация на решение плохо структурированных (формализованных) задач;

§ сочетание традиционных методов доступа и обработки компьютерных данных с возможностями математических моделей и методами решения задач на их основе;

§ направленность на непрофессионального пользователя компьютера;

§ высокая адаптивность, обеспечивающая возможность приспосабливаться к особенностям имеющегося технического и программного обеспечения, а также требованиям пользователя.

Информационная технология поддержки принятия решений может использоваться на любом уровне управления. Кроме того, решения, принимаемые на различных уровнях управления, часто должны координироваться. Поэтому важной функцией и систем, и технологий является координация лиц, принимающих решения, как на разных уровнях управления, так и на одном уровне.

 

Основные компоненты

Рассмотрим структуру системы поддержки принятия решений (рис. 2.4), а также функции составляющих ее блоков, которые определяют основные технологические операции.

Рис. 2.4 - Основные компоненты информационной технологии поддержки принятия решений

 

В состав системы поддержки принятия решений входят три главных компонента: база данных, база моделей и программная подсистема, которая состоит из системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером.

База данных играет в информационной технологии поддержки принятия решений важную роль. Данные могут использоваться непосредственно пользователем для расчетов при помощи математических моделей. Рассмотрим источники данных и их особенности.

1) Часть данных поступает от информационной системы операционного уровня. Чтобы использовать их эффективно, эти данные должны быть предварительно обработаны.

2) Помимо данных об операциях фирмы для функционирования системы поддержки принятия решений требуются и другие внутренние данные, например данные о движении персонала, инженерные данные и т.п., которые должны быть своевременно собраны, введены и поддержаны.

3) Важное значение, особенно для поддержки принятия решений на верхних уровнях управления, имеют данные из внешних источников. В числе необходимых внешних данных следует указать данные о конкурентах, национальной и мировой экономике. В отличие от внутренних данных внешние данные обычно приобретаются у специализирующихся на их сборе организаций.

4) В настоящее время широко исследуется вопрос о включении в базу данных еще одного источника данных - документов, включающих в себя записи, письма, контракты, приказы и т.п. Если содержание этих документов будет записано в памяти и затем обработано по некоторым ключевым характеристикам (поставщикам, потребителям, датам, видам услуг и др.), то система получит новый мощный источник информации.

База моделей. Целью создания моделей являются описание и оптимизация некоторого объекта или процесса. Использование моделей обеспечивает проведение анализа в системах поддержки принятия решений. Модели, базируясь на математической интерпретации проблемы, при помощи определенных алгоритмов способствуют нахождению информации, полезной для принятия правильных решений.

Пример. Модель линейного программирования дает возможность определить наиболее выгодную производственную программу выпуска нескольких видов продукции при заданных ограничениях на ресурсы.

Использование моделей в составе информационных систем началось с применения статистических методов и методов финансового анализа, которые реализовывались командами обычных алгоритмических языков. Позже были созданы специальные языки, позволяющие моделировать ситуации типа "что будет, если?" или "как сделать, чтобы?". Такие языки, созданные специально для построения моделей, дают возможность построения моделей определенного типа, обеспечивающих нахождение решения при гибком изменении переменных.

Существует множество типов моделей и способов их классификации, например, по цели использования, области возможных приложений, способу оценки переменных и т. п.

По цели использования модели подразделяются на оптимизационные, связанные с нахождением точек минимума или максимума некоторых показателей (например, управляющие часто хотят знать, какие их действия ведут к максимизации прибыли или минимизации затрат), и описательные, описывающие поведение некоторой системы и не предназначенные для целей управления (оптимизации).

По способу оценки модели классифицируются на детерминированные, использующие оценку переменных одним числом при конкретных значениях исходных данных, и стохастические, оценивающие переменные несколькими параметрами, так как исходные данные заданы вероятностными характеристиками.

Детерминированные модели более популярны, потому что они менее дорогие, их легче строить и использовать. К тому же часто с их помощью получается вполне достаточная информация для принятия решения.

По области возможных приложений модели разбиваются на специализированные, предназначенные для использования только одной системой, и универсальные - для использования несколькими системами.

Специализированные модели более дорогие, они обычно применяются для описания уникальных систем и обладают большей точностью.

В системах поддержки принятия решения база моделей состоит из стратегических, тактических и оперативных моделей, а также математических моделей в виде совокупности модельных блоков, модулей и процедур: используемых как элементы для их построения (см. рис.6).

Стратегические модели используются на высших уровнях управления для установления целей организации, объемов ресурсов, необходимых для их достижения, а также политики приобретения и использования этих ресурсов. Они могут быть также полезны при выборе вариантов размещения предприятий, прогнозировании политики конкурентов и т.п. Для стратегических моделей характерны значительная широта охвата, множество переменных, представление данных в сжатой агрегированной форме. Часто эти данные базируются на внешних источниках и могут иметь субъективный характер. Горизонт плани­рования в стратегических моделях, как правило, измеряется в годах. Эти модели обычно детерминированные, описательные, специализированные для использования на одной определенной фирме.

Тактические модели применяются управляющими (менеджерами) среднего уровня для распределения и контроля использования имеющихся ресурсов. Среди возможных сфер их использования следует указать: финансовое планирование, планирование требований к работникам, планирование увеличения продаж, построение схем компоновки предприятий. Эти модели применимы обычно лишь к отдельным частям фирмы (например, к системе производства и сбыта) и могут также включать в себя агрегированные показатели. Временной горизонт, охватываемый тактическими моделями, - от одного месяца до двух лет. Здесь также могут потребоваться данные из внешних источников, но основное внимание при реализации данных моделей должно быть уделено внутренним данным фирмы. Обычно тактические модели реализуются как детерминированные, оптимизационные и универсальные.

Оперативные модели используются на низших уровнях управления для поддержки принятия оперативных решений с горизонтом, измеряемым днями и неделями. Возможные применения этих моделей включают в себя ведение дебиторских счетов и кредитных расчетов, календарное производственное планирование, управление запасами и т.д. Оперативные модели обычно используют для расчетов внутрифирменные данные. Они, как правило, детерминированные, оптимизационные и универсальные (т.е. могут быть использованы в различных организациях).

Математические модели состоят из совокупности модельных блоков, модулей и процедур, реализующих математические методы. Сюда могут входить процедуры линейного программирования, статистического анализа временных рядов, регрессионного анализа и т.п. - от простейших процедур до сложных ППП.

Пример.

Программный продукт Forecast Expert, также разработанный фирмой Про-Инвест-Консалтинг, представляет собой универсальную систему прикладного прогнозирования. Forecast Expert предназначен для построения прогноза временного ряда. В качестве прогнозируемых могут выступать параметры как сфер производства и обращения - цены мирового рынка, спрос на изделия, объемы закупок комплектующих и производственных запасов при увеличении объема производства, цены комплектующих, параметры технологических процессов, так и финансового рынка - цены покупки и продажи акций, деловая активность участников рынка, объем предложений свободных средств инвесторами и многое другое.

Применение Forecast Expert позволяет проанализировать имеющиеся данные и построить прогноз с указанием границ доверительного интервала (при заданной вероятности прогноза) на период времени. Модель определяет степень влияния сезонных факторов и учитывает их при построении прогноза.

 

Экспертные системы

 

Наибольший прогресс среди компьютерных информационных систем отмечен в области разработки экспертных систем (ЭС), основанных на использовании элементов искусственного интеллекта. Экспертные системы дают возможность менеджеру или специалисту получать консультации экспертов по любым проблемам, на основе которых этими системами накоплены знания.

Под искусственным интеллектом (ИИ) обычно понимают способности компьютерных систем к таким действиям, которые назывались бы интеллектуальными, если бы исходили от человека. Чаще всего здесь имеются в виду способности, связанные с человеческим мышлением. Работы в области искусственного интеллекта не ограничиваются экспертными системами. Они также включают в себя создание роботов, систем, моделирующих нервную систему человека, его слух, зрение, обоняние, способность к обучению.

Решение специальных задач требует специальных знаний. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Являясь одним из основных приложений искусственного интеллекта, экспертные системы представляют собой компьютерные программы, трансформирующие опыт экспертов в какой-либо области знаний в форму эвристических правил. На практике ЭС используются прежде всего как системы-советчики в тех ситуациях, где специалист сомневается в выборе правильного решения. Экспертные знания, хранящиеся в памяти системы, более глубокие и полные, чем соответствующие знания пользователя.

ЭС находят распространение при решении задач с принятием решений в условиях неопределенности (неполноты) для распознавания образов, в прогнозировании, диагностике, планировании, управлении, конструировании и т.д.

Типичная экспертная система состоит из решателя (интерпретатора), БД (базы данных), БЗ (базы знаний), компонентов приобретения знаний, объяснительного и диалогового компонентов.

БД предназначена для хранения исходных и промежуточных данных, используемых для решения задач, фактографических данных.

Решатель, используя исходные данные из БД и знания из Б3, обеспечивает решение задач для конкретных ситуаций.

Компонент приобретения знаний автоматизирует процесс наполнения Б3.

Объяснительный компонент объясняет, как система получила решение задачи (или почему не получила) и какие знания она при этом использовала. Диалоговый компонент обеспечивает диалог между экспертной системой и пользователем в процессе решения задачи и приобретения знаний.

Экспертные системы создаются для решения разного рода задач профессиональной деятельности человека, и в зависимости от этого выполняют разные функции.

 

Типы экспертных систем

 

Можно назвать несколько типов современных экспертных систем.

1) Экспертные системы первого поколения. Предназначены для решения хорошо структурированных задач, требующих небольшого объема эмпирических знаний. Сюда относятся классификационные задачи и задачи выбора из имеющегося набора вариантов.

2) Оболочки ЭС. Имеют механизм ввода-вывода, но Б3 пустая. Требуется настройка на конкретную предметную область. Знания приобретаются в процессе функционирования ЭС, способной к самообучению.

3) Гибридные ЭС. Предназначены для решения различных задач с использованием Б3. Это задачи с использованием методов системного анализа, исследования операций, математической статистики, обработки информации. Пользователь имеет доступ к объективизированным знаниям, содержащимся в Б3 и пакетах прикладных программ.

4) Сетевые ЭС. Между собой связаны несколько экспертных систем. Результаты решения одной из них являются исходными данными для другой системы. Эффективны при распределенной обработке информации.

При разработке экспертных систем должны участвовать: эксперт той предметной области, задачи которой будет решать система; инженер по знаниям - специалист по разработкам систем; программист - специалист по разработке инструментальных средств. Эксперт определяет знания, то есть описывает предметную область в виде совокупности данных и правил, обеспечивает полноту и правильность введенных в экспертную систему знаний. Данные определяют объекты, их характеристики и значения. Правила указывают на способы манипулирования данными.

Инженер по знаниям помогает эксперту: выявить и структурировать знания, необходимые для функционирования экспертной системы; осуществить выбор инструментальных средств, которые наиболее эффективны для решения задач в данной предметной области; указать способы представления знаний. Программист разрабатывает инструментальную среду, включающую все компоненты экспертной системы, производит ее сопряжение с другими существующими системами.

Виды знаний

 

1) Понятийные знания. Это набор понятий, которыми пользуется ЛПР, работающий в некоторой области интеллектуальной, управляющей деятельности, а также свойства и взаимосвязи этих понятий. Эта категория знаний в основном вырабатывается в сфере фундаментальных наук.

2) Конструктивные знания (близкие к понятийным знаниям).Это знания о структуре и взаимодействии частей различных объектов. Они в основном составляют содержание технических, прикладных наук. К примеру, если взять программирование, то понятийное знание - знание о структуре операторов, данных, языка программирования. Конструктивное знание - это знание об устройстве конкретных программ, о типичных алгоритмах.

3) Процедурные знания. К ним относятся методические правила решения различных задач, с которыми ЛПР уже сталкивался и их решать. В производственной сфере аналогом процедурных знаний являются технологические знания различных производственных процессов. Процедурные знания - это опыт интеллектуальной, управляющей деятельности ЛПР в определенной предметной области.

4) Фактографические знания. Они включают в себя количественные и качественные характеристики конкретных объектов, явлений и их элементов. Их накопление ведется в виде таблиц, справочников, файлов, БД.