Решений

Системы поддержки принятия решений и соответствующая им информационная технология появились благодаря усилиям в основном американских ученых в конце 1970-х – начале 1980-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 служит 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 и 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.

Рассмотрим структуру системы поддержки принятия решений в контексте ее основных компонентов (рис. 2.3), определяющих основные технологические операции.

Рисунок 2.3 – Основные компоненты информационной

технологии поддержки принятия решений

Таким образом, 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. Часть данных поступает от информационной системы операционного уровня, предварительно обрабатываемые для их.

Помимо данных об операциях фирмы для функционирования системы поддержки принятия решений требуются и другие внутренние данные, например данные о движении персонала, инженерные данные и др., которые должны быть своевременно собраны, введены и поддержаны. В числе необходимых внешних данных следует указать данные о конкурентах, национальной и мировой экономике.

Кроме внутренних и внешних данных в базе необходим еще один источник данных – документы, включающие в себя записи, письма, контракты, приказы и др. Если содержание этих документов будет записано в памяти и обработано по некоторым ключевым характеристикам (поставщикам, потребителям, датам, видам услуг и т.д.), то система получит новый источник информации.

База моделей. Цель создания моделей заключается в описании и оптимизации некоторого процесса исследуемого объекта. Использование моделей обеспечивает проведение анализа в системах поддержки принятия решений. Базируясь на математической интерпретации проблемы, при помощи определенных алгоритмов модели способствуют выработке и оценке альтернативы решений, нахождению недостающей информации, полезной для принятия обоснованных управленческих 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 типовых экономических моделей, дают возможность нахождения и выбора альтернативы решения при гибком изменении переменных.

Типовые модели экономических объектов, процессов, явлений имеют различные способы их классификации. Рассмотрим следующие классификационные признаки, определяющие цели управления.

По цели использования модели подразделяются на оптимизационные, связанные с нахождением экстремальных значений некоторых показателей (максимизации прибыли или минимизации затрат и др.), и описательные (описывающие поведение некоторой системы), 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 имеют вероятностные характеристики. Отметим, что детерминированные модели более популярны при решении типовых задач экономики. Они менее дорогие, доступны в разработке и использовании, позволяют получить информацию для принятия решения.

По области возможных приложений можно выделить специализированные модели, используемые только одной системой, и универсальные – несколькими системами. Специализированные модели более дорогие, они применяются для описания уникальных систем и обладают большей точностью.

В системах поддержки принятия решения база моделей включает стратегические, тактические и оперативные модели, а также математические модели в виде совокупности модельных блоков, модулей и процедур, используемых как элементы для их построения.

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 др. Для них 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. Стратегические модели обычно детерминированные, описательные, специализированные для использования на одном определенном предприятии.

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 и др. Эти модели применимы обычно лишь к отдельным компонентам технологического процесса предприятия (система производства и сбыта, маркетинга и менеджмента) и могут также включать в себя агрегированные показатели. Временной горизонт, охватываемый тактическими моделями, – от одного месяца до двух лет. Основное внимание при реализации данных моделей должно быть уделено внутренним данным фирмы, хотя могут быть использованы данные из внешних источников. Как правило, тактические модели реализуются как детерминированные, оптимизационные и универсальные.

Оперативные модели применяются 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 (могут быть использованы в различных организациях).

Математические модели состоят из совокупности модельных блоков, модулей и процедур, реализующих математические методы. В них могут входить процедуры линейного и нелинейного программирования, статистического анализа временных рядов, регрессионного анализа и др. – от простейших процедур до сложных ППП.

Пример. Программный продукт Forecast Expert, фирмы Про-Инвест-Консалтинг, представляет собой универсальную систему прикладного прогнозирования и анализа данных при заданной вероятности прогноза на период времени. Модель определяет степень влияния сезонных факторов и учитывает их при построении прогноза. 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).

• Технология использования экспертных систем

Создание и использование экспертных систем является одним из концептуальных этапов развития информационных технологий. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных специалистов – экспертов.

Исходя из собственного опыта, эксперт анализирует ситуацию и распознает наиболее полезную информацию, оптимизирует принятие решений, отсекая тупиковые пути.

Экспертная система – это совокупность методов и средств организации, накопления и применения знаний для решения сложных задач в некоторой предметной области. Экспертная система достигает более высокой эффективности за счет перебора большого числа альтернатив при выборе решения, опираясь на высококачественный опыт группы специалистов, анализирует влияние большого объема новых факторов, оценивая их при построении стратегий, добавляя возможности прогноза.

Основой экспертной системы служит совокупность знаний (базы знаний), структурированных в целях формализации процесса принятия решений.

Экспертные системы разрабатываются с расчетом на обучение и способны обосновать логику выбора решения, т.е. обладают свойствами адаптивности и ее аргументирования. У большинства экспертных систем имеется механизм объяснения. Этот механизм использует знания, необходимые для объяснения того, каким образом система пришла к данному решению. Очень важным является определение области применения экспертной системы, границ использования и действия.

Преимущества экспертных систем по сравнению с использованием опытных специалистов состоят в следующем:

– достигнутая компетентность не утрачивается, может документироваться, передаваться, воспроизводиться и наращиваться;

– имеют место более устойчивые результаты, отсутствуют эмоциональные и другие факторы человеческой ненадежности;

– высокая стоимость разработки уравновешивается низкой стоимостью эксплуатации, возможностью копирования, а в совокупности они дешевле высококвалифицированных специалистов.

Недостатком экспертных систем, характерным для их современного состояния, является меньшая приспособляемость к обучению новым правилам и концепциям, к творчеству и изобретательству. Использование экспертных систем позволяет во многих случаях отказаться от высококвалифицированных специалистов, но предполагает оставить в системе место эксперту с более низкой квалификацией.

Экспертная система служит средством для расширения и усиления профессиональных возможностей конечного пользователя, направлена на достижение компетентности в конкретной предметной области того же уровня, что и специалисты-эксперты.

Однако недостаточно просто находить лучшие решения, это надо делать быстро. Методы нахождения решений проблем достигаются на основе рассуждений, исходящих из фундаментальных принципов в случае некорректных данных и неполных наборов правил, и разработаны в компьютерных экспертных системах, но именно они присущи специалистам высокого уровня.

Отличия экспертных систем от обычных компьютерных:

– экспертные системы манипулируют знаниями, тогда как любые другие системы – данными;

– экспертные системы, как правило, дают эффективные оптимальные решения и способны иногда ошибаться, но в отличие от традиционных компьютерных систем они имеют потенциальную способность учиться на своих ошибках.

Экспертные системы как инструмент в работе пользователей совершенствуют свои возможности решать трудные, неординарные задачи в ходе практической работы (табл. 1).

Основными участниками их разработки являются: эксперт предметной области, задачи которой будет решать система; инженер по знаниям – специалист по разработкам систем; программист – специалист по разработке инструментальных средств. Эксперт определяет знания (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 управления данными.

Таблица 1 –Типичные категории применения экспертных систем

Категория	Решаемая проблема
Интерпретация	Описание ситуации по информации, поступающей от датчиков
Прогноз	Определение вероятных последствий заданных ситуаций
Диагностика	Выявление причин неправильного функционирования системы по результатам наблюдений
Проектирование	Построение конфигурации объектов при заданных ограничениях
Планирование	Определение последовательности действий
Наблюдение	Сравнение результатов наблюдений с ожидаемыми результатами
Отладка	Составление рецептов исправления неправильного функционирования системы
Ремонт	Выполнение последовательности предписанных исправлений
Обучение	Диагностика, отладка и исправление поведения обучаемого
Управление	Управление поведением системы как целого

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.

Экспертная система FOLIO (Стенфордский университет, США) помогает консультантам по инвестициям определять цели клиентов и подбирать портфели ценных бумаг, наиболее соответствующие этим целям. Система определяет нужды клиента в ходе интервью и затем рекомендует, в каких пропорциях необходимо распределить капиталовложения между разными фондовыми инструментами, чтобы наилучшим образом удовлетворить запросы клиента. Так же она различает небольшое число классов ценных бумаг (ориентированные на дивиденды акций с невысоким уровнем риска или на акции с высоким уровнем риска) и содержит знания о свойствах (годовых процентах на капитал) ценных бумаг каждого класса. В системе применена основанная на правилах схема представления знаний с прямой цепочкой рассуждений для вывода целей и схема линейного программирования для максимизации соответствия между целями и предлагаемым портфелем.

• Нейросетевые технологии в финансово-экономической