Достоинства и недостатки существующих подходов поддержки принятия решений

Содержание:

Введение

Проблема выбора при принятии решений присутствует абсолютно во всех сферах деятельности современного человека. Современные люди должны принимать решения в любом месте и в любое время. Во время управления компанией, в политической деятельности, в управлении бизнесом, при выборе смартфона или продуктов и во многих других случаях.

Очевидно, что человек желает чтобы принимаемое решение, будет наилучшем из представленных альтернатив, однако рассмотреть все аспекты и детали, которые могут повлиять на выбор в принятии решения, невозможно без посторонней помощи. Конечно, есть и исключения, но усилия и затраты для обработки огромного количества информации также будут огромными.

Между тем некоторые не принимаемые решения могут привести к значительным потерям ресурсов и возможностей. И чем сложнее ситуация, тем больше потери.

Стремление к повышению оптимальности принимаемых решений привело к появлению науки, которая носит название «Теория принятия решений». Основной задачей данной науки является выбор из возможных вариантов, лучших для достижения определенной цели, или ранжирование различных вариантов с точки зрения их влияния на достижение этой цели, независимо от той области, в которой принимается решение. Иначе говоря, законы принятия решений едины для всех предметных областей.

Постоянное развитие информационных технологий привело к созданию таких систем, которые специально предназначены для поддержки принятия решений. Человек и такие системы отлично дополняют друг друга. Ведь такие системы прекрасно справляется с сортировкой всевозможных альтернатив, а человек хорошо разбирается в необходимых целях и итоговых оценках решений. Все это помогло созданию систем поддержки принятия решений (СППР).

Системы поддержки принятия решений стремительно завоевывают все области сфер деятельности современного человека. Все чаще и чаще можно встретить системы, внедренные в организации с целью повышения эффективности процесса принятия решения, что обуславливает актуальность подробного изучения влияния развития информационных технологий на подходы к созданию систем поддержки принятия решений.

Особенно актуальна тема выбора того или иного подхода или метода, направленного на решение определенных задач. Технологий, и, как следствие, методов и подходов, применяемых в СППР, очень много. И выбор того или иного подхода, с конечной целью получить ранжирование альтернатив, должен опираться на исходные данные и знания, полученные в процессе принятия решений без применения технологий.

Таким образом, объектом исследования является задача изучения подходов к построению системы принятия решений и их достоинств и недостатков.

Предметом исследования является информатизация процесса принятия решения, с целью повышения его эффективности.

Цель данного исследования – изучение эффективности существующих походов к созданию систем принятия решений путем изучения их достоинств и недостатков.

Этапами проведения работы будет рассмотрение истории СППР, разбор классификаций имеющихся систем, вопрос внедрения систем в работу, достоинства и недостатки этих процессов.

Глава 1.Теоретические основы поддержки принятия решения

Система поддержки принятия решений − это система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана в бизнесе и предпринимательстве.

С помощью таких систем поддержки принятия решений можно не только проследить за всеми доступными информационными активами, но и получить сравнительные значения объемов продаж, а также спрогнозировать доход организации при внедрении новой технологии, а еще рассмотреть все возможные альтернативные решения многих задач. Поддержка принятия решений и заключается в помощи лицу, принимающему решение, в процессе принятия решений. Она включает в себя следующее:

• помощь лицу, принимающему решение при анализе объективной составляющей, то есть в понимании и оценке сложившейся ситуации;
• выявление предпочтений лица, принимающего решение;
• генерацию возможных решений, то есть формирование списка альтернатив; – оценку возможных альтернатив;
• анализ возможных последствий принимаемых решений;
• определение лучшего с точки зрения лица, принимающего решение варианта для выбора.

Задача принятия решений – одна из самых распространенных в любой предметной области. Ее решение сводится к выбору одной или нескольких лучших альтернатив из некоторого набора. Для того чтобы сделать такой выбор, необходимо четко определить цель и критерии (показатели качества), по которым будет проводиться оценка некоторого набора альтернативных вариантов. Выбор метода решения такой задачи зависит от количества и качества доступной информации.

Данные, необходимые для осуществления обоснованного выбора, можно разделить на 4 категории: информация об альтернативных вариантах, информация о критериях выбора, информация о предпочтениях, информация об окружении задач.

1.1 История систем поддержки принятия решений

В конце 60-ых появился новый вид информационных систем (ИС) – модель-ориентированные системы поддержки принятия решений (Model-oriented Decision Support Systems – DSS) или системы управленческих решений (Management Decision Systems – MDS) и соответствующая информационная технология. В 70-ых появились критерии проектирования систем поддержки принятия решений в менеджменте, и принципы создания систем поддержки принятия решений: анализ, разработка, проектирование, внедрение и оценка.

В 1981 году было описано, каким образом на практике можно построить систем поддержки принятия решений. Тогда была разработана информационная система руководителя (Executive Information System – EIS) – система, которая предназначена для обеспечения текущей адекватной информации для поддержки принятия управленческих решений менеджером. Появление в начале 80-ых годов персональных компьютеров (ПК) позволило автоматизировать ведение учета и обработку данных не только крупным компаниям, но и даже небольшим компаниям, не имеющим высококвалифицированного управленческого и технического специалистов в рядах своего персонала. Для данной категории потребителей были созданы приложения нового, коммерческого типа, интегрирующие несколькими различными функциями и позволяющие нескольким частям приложения манипулировать единожды введенными исходными данными.

Начиная с 1990 годов разрабатываются так называемые хранилища данных (Data Warehouses). В 1993 году для систем поддержки принятия решений специального вида, был предложен термин OLAP (Online Analytical Processing) – оперативный анализ данных или аналитическая обработка данных в реальном времени, для поддержки принятия важных решений. Исходные данные представлены в виде многомерного куба, по которому можно получать нужные разрезы, которые называются отчетами. Выполнение операций над данными осуществляется OLAP-машиной. По способу хранения данных различают несколько видов таких систем MOLAP, ROLAP и HOLAP. По месту размещения OLAP-машины различаются OLAP-клиенты и OLAP-серверы. OLAP-клиент – машина, которая производит построение многомерного куба и вычисления происходят на клиентском ПК, а OLAP-сервер получает запрос, после чего вычисляет и хранит агрегатные данные на сервере, выдавая только результаты.

В 2005 году 27 октября на Международной конференции «Информационные и телемедицинские технологии в охране здоровья» в Москве представили СППР нового класса – PSTM (Personal Information Systems of Top Managers). Основным отличием PSTM от систем, которые уже существовали, является построение этой системы для конкретного лица, принимающего решение, с предварительной логико-аналитической обработкой информации в автоматическом режиме и выводом ее на один экран.

1.2 Структура СППР

В состав системы принятия решений входят следующие компоненты:

Источники данных: документы, внешние источники, внутренние источники, ИС оперативной обработки данных.

• Модель данных.
• База моделей: математическая, оперативная, тактическая.
• Программная подсистема управления: СУБД, СУБМ, система управления интерфейсом.
• Источники данных

Часть данных поступает от информационной системы операционного уровня. Для того чтобы применять их эффективно, такие данные должны быть предварительно обработаны.

Модель данных состоит из 5 классов данных:

1. Источники данных.
2. Хранилище данных.
3. Оперативный склад данных.
4. Витрины данных.
5. Метаданные.

Пример структуры СППР представлен на Рис. 1 ниже.

Рис. 1 Пример структур СППР

Хранилище данных представляет собой предметно-ориентированное основание или же совокупность баз данных, извлекаемых из источников, которые организованы по секторам, отражающим определенный предметный район бизнеса.

Администрирование данных, которое включает в себя регулярное пополнение данных из источников, если необходимо, ручной ввод, сверка и корректировка данных в оперативном складе.

Администрирование хранилища данных. В задачу администрирования хранилища входят все вопросы, связанные с поддержанием архитектуры хранилища, его эффективной и бесперебойной работы, защитой и восстановлением данных после сбоев.

Администрирование доступа к данным обеспечивает сопровождение профилей пользователей, разграничение доступа к конфиденциальным данным, защиту информации от несанкционированного доступа.

Оперативный склад данных – технологический элемент хранилища данных в системы принятия решений, который служит буфером между транзакционными источниками данных и хранилищем.

Витрины данных можно представить в виде логически или физически разделенных подмножеств хранилища данных. Обычно они строятся для обслуживания нужд определенной группы пользователей.

Метаданные — любые данные о данных.

В общем случае можно выделить по крайней мере три аспекта метаданных, которые должны присутствовать в системе.

1. С точки зрения пользователей:

• метаданные для бизнес-аналитиков,
• метаданные для администраторов,
• метаданные для разработчиков.

1. С точки зрения предметных областей:

• структуры данных хранилища,
• модели бизнес-процессов,
• описания пользователей,
• технологические и пр.

1. С точки зрения функциональности системы:

• метаданные о процессах трансформации,
• метаданные по администрированию системы,
• метаданные о приложениях, метаданные о представлении данных пользователям.

Системы поддержки принятия решений представляют из себя прошедшие большой путь развития логические системы сбора и анализа данных которые за время своего развитие увеличили сферу своего применения с систем осуществляющих помощь в принятии бизнес решений до систем помогающих в медицине.

Глава 2. Классификация СППР

Программно компоненты структуры системы принятия решений в зависимости от сложности поставленных задач реализованы по-разному, в связи с этим на рынке программных продуктов предлагаются различные системы принятия решений. Все такие СППР можно классифицировать по различным признакам[2]. Классификация по различным признакам продемонстрирована ниже на Рис 2.

Рис. 2 Классификация СППР

2.1 Классификация на уровне пользователя

На уровне пользователя делят системы принятия решений на пассивные, активные и кооперативные СППР.

Пассивная СППР – это такая система, которая помогает лицу, принимающему решение в принятии верного решения, но не может вынести вариант, какое именно решение принять человеку.

Активная СППР – это такая система, которая помогает лицу, принимающему решение в принятии верного решения, и может сделать предложение, какое именно решение следует выбрать.

Кооперативная СППР позволяет лицу, принимающему решение модифицировать, дополнить или улучшить решения, предлагаемые системой, посылая затем данные изменения в систему для проверки. А система же, в свою очередь, на основе этого, изменяет эти решения, и посылает их опять пользователю [4]. Процесс продолжается до тех пор, пока не будет получено согласованное решение.

2.2 Классификация по функциональному наполнению интерфейса системы

В зависимости от функционального наполнения интерфейса системы выделяют два основных типа систем принятия решений: EIS и DSS.

EIS (Execution Information System) информационные системы руководства предприятия. Эти системы нацелены на неподготовленных пользователей, имеют облегченный интерфейс, базисный комплект предлагаемых вероятностей, фиксированные формы представления информации. EIS-системы изображают совместную понятную картину текущего состояния бизнес-показателей работы фирмы и веяния их становления, с вероятностью углубления рассматриваемой информации до значения больших объектов фирмы.

Для ИСР свойственны надлежащие главные черты: доклады, как правило, основываются на нормальных для организации запросах; количество последних сравнительно невелико; ИСР дает доклады в наиболее комфортном облике, включающем таблицы, бизнес графику, мультимедийные способности и т.п.

DSS (Desicion Support System) - полнофункциональные системы анализа и изучения данных, рассчитанные на подготовленных пользователей, имеющих познания как в части предметной области изучения и в части компьютерной грамотности. Технологии такового типа возводятся на принципах многомерного представления и анализа данных OLAP.

Такое разделение систем на 2 не значит, собственно, что возведение системы принятия решений всякий раз подразумевает реализацию лишь только 1-го из данных типов. EIS и DSS имеют все шансы работать параллельно, разделяя совместные данные и/или сервисы, предоставляя собственный функционал высококвалифицированному управлению, например специалистам аналитических отделов фирм.

2.3 Классификация на концептуальном уровне

На концептуальном уровне различает следующие системы принятия решений, управляемые:

• сообщениями(Communication-Driven DSS);
• данными(Data-Driven DSS);
• документами(Document-Driven DSS);
• знаниями(Knowledge-Driven DSS);
• моделями(Model-Driven DSS).

СППР, управляемые моделями, характеризуются в основном доступом и манипуляцией с математическими моделями.

Управляемая сообщениями СППР(Communication-Driven DSS) (ранее групповая СППР - GDSS) поддерживает группу пользователей, работающих над выполнением общей задачи.

СППР, управляемые данными (Data-Driven DSS) или СППР, ориентированные на работу с данными (Data-oriented DSS), в основном ориентируются на доступ и манипуляции с данными.

СППР, управляемые документами (Document-Driven DSS), управляют, осуществляют поиск и манипулируют неструктурированной информацией, заданной в различных форматах.

Наконец, СППР, управляемые знаниями (Knowledge-Driven DSS), обеспечивают решение задач в виде фактов, правил, процедур.

На техническом уровне различает системы принятия решений всего предприятия и настольные.

СППР всего предприятия подключена к большим хранилищам информации и обслуживает многих менеджеров компании.

Настольная СППР – малая система, обслуживающая лишь один компьютер пользователя.

2.4 Классификация по архитектуре

На сегодняшний день можно выделить четыре наиболее популярных типа архитектур систем принятия решений:

Функциональная СППР.

Независимые витрины данных.

Двухуровневое хранилище данных.

Трехуровневое хранилище данных.

Архитектура СППР с трехуровневым хранилищем данных, представлен на Рис 3.

Рис. 3 Архитектура СППР с трехуровневым хранилищем данных

2.5 Классификация в зависимости от вида данных, с которыми работают СППР

В зависимости от вида данных, с которыми системы работают, условно, их можно разделить на оперативные, и стратегические.

Оперативные СППР предназначены для немедленного реагирования на изменения текущей ситуации в управлении финансово-хозяйственными процессами компании. СППР такого типа получили название Информационных Систем Руководства (Executive Information Systems, ИСР).

Для ИСР характерны следующие основные черты:

• отчеты, базируются на стандартных для организации запросах; число последних относительно невелико;
• ИСР представляет отчеты в максимально удобном виде, включающем, наряду с таблицами, деловую графику, мультимедийные возможности и т. п.;
• как правило, ИСР ориентированы на конкретный вертикальный рынок, к примеру финансы, маркетинг, управление ресурсами.

Стратегические СППР ориентированы на анализ значительных объемов разнородной информации, поиск наиболее рациональных вариантов развития бизнеса компании с учетом влияния различных факторов, предполагают глубокую проработку данных.

Основным компонентом систем принятия решений этого уровня являются правила принятия решений, которые на основе агрегированных данных дают возможность менеджерам компании обосновывать свои решения, применять факторы устойчивого роста бизнеса компании и снижать риски. Технологии такого типа строятся на принципах многомерного представления и анализа данных (OLAP).

По критерию режима анализа данных информационно-аналитические системы (ИАС) подразделяются на две категории:

статические (включающие предопределенный набор сценариев обработки данных и составления отчетов); в эту категорию входят ИСР;

динамические - поддерживающие построение и выполнение нерегламентированных запросов и формирование отчетов произвольной формы.

Системы поддержки всех типов создавались и создаются для того, чтобы улучшить и облегчить или удешевить процесс управленческих решений на предприятии. И с ходом времени вместе с фазами развития систем, развивалась и выполняемая этими системами функция.

Например, на ранней фазе развития систем поддержки принятия решений, основной функцией было вычисление. Примерами таких инструментариев могу служить калькуляторы, первые компьютерные программы, простейшие модели исследования операций и т.д.

В дальнейшем, в фазе промежуточного развития, основными функциями систем были поиск, хранение и отображение информации для принятия решения, примерами таких систем, служат первые СУБД и файловые системы.

В текущей фазе развития таких систем, выполнение вычислений для принятия решения на отобранной информации и запросные системы, примером могут служить современные СППР.

И дальнейшее будущее направления таких систем – это формулирования и выполнения интеллектуальных шагов процесса принятия решений, тем самым выполняя роль экспертных систем.

Сегодня системы поддержки принятия решений достигли значительных высот развития, и структура предлагаемых вариантов представляет собой многоплановую классификацию учитывающую многие пожелания руководителя компании выбирающего для своей фирмы систему которая будет помогать ему в руководстве.

Глава 3. Внедрение СППР на предприятиях

Сегодня состояние дел в области использования систем принятия решений обстоит следующим образом:

Непрерывно возрастает объем технологических предложений, требующих больших вложений, и в соответствии с эти усилением зависимости от внешних предложений (к примеру, от поставщиков программного обеспечения).

Изменяется роль ИТ в хозяйственной деятельности многих компаний. При выполнении внутрифирменных процессов функция ИТ прекратила быть вспомогательной, превратившись в самую важную составную часть продукта или производственных мощностей. Хозяйственные риски в настоящее время во многом определяются рисками в данной сфере. Осуществление же передовых высокопроизводительных организационных проектов, требует полного применения потенциала ИТ с помощью телекоммуникационных средств[7].

Можно выделить шесть заинтересованных групп, от которых зависит принятие решений в сфере ИТ:

1. Руководство, должно управлять информационными технологиями как стратегическим потенциалом компании для его эффективной работы;
2. Специалисты, которые должны заниматься поиском решений для системной оптимизации специальных функциональных задач;
3. Менеджеры хозяйственных подразделений, которые должны применить информационные технологии в силу логики своей деятельности, для того чтобы удовлетворить запросы клиентов, снижать затраты и потери ресурсов и времени;
4. Менеджеры службы бухгалтерского учета, если таковые предусмотрены организационной структурой компании, для оптимизации процессов с финансовой стороны;
5. Поставщики информационных технологий, должны предоставлять услуги в соответствии с проблемными установками своих заказчиков;
6. Собственное информационно-технологическое подразделение, должны работать над собственными программные продуктами для оптимизации процессов предприятия.

Во многих компаниях такие группы интересов не получают нужного признания. Руководящее звено нередко делегирует надлежащие полномочия группе работников, следя за выполнением нескольких заданных показателей. Намеренный отказ менеджмента компании от собственных обязанностей, очевидно, приводит к принятию некомпетентных решений, и, конечно, к постановке невозможных плановых задач. Зачастую попросту у них отсутствует должная мотивация в данной сфере деятельности.

Большинство фирм решают вопросы внедрения СППР, используя 2 варианта:

Первый заключается в том, что компания создает внутри компании информационно-технологический участок, который предлагает услуги и нефирменному рынку, тем самым как бы доказывая, что возможность рентабельного использования своих мощностей.

Однако, все чаще компании выбирают другой путь, когда большая часть собственного ИТ персонала переводится в распоряжение создаваемых дочерних компаний или со специализированными ИТ партнерами компаний.

Проблемы, возникающие при внедрении СППР:

• возрастает роль высшего менеджмента в управлении ИТ потенциалом ;
• увеличение знаний у высшего руководства в области ИТ, чтобы принимать компетентные решения.
• более эффективная организация технологий и применение их в производстве для создания новых товаров и услуг;
• делегирование функций в сфере ИТ отделам и другим подразделениям.

Ниже показаны, какие именно требования к СППР и в какие сегменты ложатся на Рис. 4.

Рис. 4 Схема требований к СППР

На схеме ниже представляю примерное видение архитектуры, с и примерами инструментов используемых в данный момент :

Рис. 5 Схема требований к СППР

Также, одним из популярных направлений использования СППР, являются системы поддержки принятия врачебных решений (СППВР), также с применением методов искусственного интеллекта (ИИ). Постоянно появляются новости о создании различными компаниями и научно-исследовательскими группами и объединениями новых решений в области поддержки принятия врачебных решений.

3.1 Этапы внедрения системы и настройка

Построение и, конечно, внедрение систем поддержки принятия решений – это большой скачок в направлении развитии компании. Но для совершения такого скачка нужно вложить некоторую сумму денег и времени, после чего возможна эффективная отдача. Препятствием для внедрения многих готовых СППР является стоимость. Не многие руководители готовы выкладывать большую сумму денег за возможности и обещания повышения эффективности работы компании. Ведь им предоставляется в основном инструмент, включающий в себя средства разработки и набор готовых методов. Очень часто для настройки под конкретную систему ведения бизнес процесса нужно потратить практически столько же усилий и времени, сколько бы хватило на построение своей собственной системы, удовлетворяющей современному развитию технологий. Опыт показывает, что срок введения СППР составляет от 6 месяцев до 1 года.

Многие же исходят из мнения, что разрабатывать систему лучше самостоятельно, используя передовые разработки в области программного обеспечения и считается, что это наиболее дешевый вариант внедрения системы. При этом основным аспектом будет необходимость формировать информационное поле, ориентированное на аналитическую обработку, по структуре и по содержанию. Ведь развитие системы поддержки принятия решения будет представлять введение новых модулей, которые отвечают за отдельные задачи и неразрывно связанные с другими компонентами СППР. В таком случае срок внедрения системы поддержки принятия, очевидно, увеличится, но система будет включать огромное разнообразие средств аналитической обработки.

Разработка и внедрение СППР, должно проходить согласно следующему плану описанному ниже. Этапы разработки СППР включают в себя:

1.Определение потребности и описание основных пользователей системы поддержки принятия решений.

2.Определение желаемых результатов функционирования системы поддержки принятия решений.

3.Определение источников данных для системы.

4.Разработка информационной модели системы поддержки принятия решений.

5.Определить нужный способ хранения данных и тип хранилища.

6. Определить систему визуализации и анализа данных.

7. Разработка технологической модели системы.

8. Разработка графика внедрения системы.

Этап внедрение и настройка системы включает в себя:

1.Покупку и установку ПО.

2.Разграничение пользовательских прав доступа к системе.

3.Подготовка структуры базы для заполнения данными, и установка взаимосвязей.

4.Наполнение хранилища данными.

5.Тестовая реализация одной из подзадач системы.

6.Оценка реализованных возможностей системы.

7.Корректировка планов по развитию.

8.Реализация оставшихся подзадач системы.

Сопровождение и дальнейшее развитие системы:

1.Администрирование системы

2.Обучение пользователей, которые будут работать с системой

• 1. 3.2 Модернизации системы.

Внедрение систем поддержки принятия решений на предприятие должно быть неспешным процессом. Обучение персонала и внимание к изменяющимся показателям предприятия должны обеспечить безболезненное внедрение системы в работу предприятия. При должном внимании и грамотном подходе к процессу данный шаг приведет к к улучшению эффективности принятия решений, и следовательно к увеличению конкурентоспособности предприятия в целом.

Глава 4. Существующие методы и подходы к построению СППР их достоинства и недостатки

Логический подход. Основой для логического подхода служат Булева алгебра и нечеткая логика. Каждый программист знаком с нею и с логическими операторами (пример – оператор IF). Свое дальнейшее развитие Булева алгебра получила в виде исчисления предикатов, в котором она расширена за счет введения предметных символов, отношений между ними, кванторов существования и всеобщности.

Практически каждая система поддержки принятия решений, построенная на логическом принципе, представляет собой машину доказательства теорем. И при этом исходные данные хранятся в базе данных в виде аксиом, а правила логического вывода - отношения между ними.

Кроме того, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель доказана, то трассировка примененных правил позволяет получить цепочку действий, необходимых для реализации поставленной цели.

Мощность такой системы определяется возможностями генератора целей и машиной доказательства теорем.

Нечеткая логика. Основным ее отличием является то, что правдивость высказывания может принимать в ней, кроме да/нет (1/0), еще и промежуточные значения – не знаю (0.5): пациент скорее жив, чем мертв (0.75), пациент скорее мертв, чем жив (0.25).

Данный подход больше похож на мышление человека, поскольку он на вопросы редко отвечает только «да» или «нет». Для большинства логических методов характерна большая трудоемкость, поскольку во время поиска доказательства возможен полный перебор вариантов.

Поэтому данный подход требует эффективной реализации вычислительного процесса и хорошая работа обычно гарантируется при сравнительно небольшом размере базы данных.

Структурный подход. Под структурным подходом подразумевают попытки построения СППР путем моделирования структуры человеческого мозга. Такие информационные системы называются интеллектуальными. Термин artificial intelligence (AI 1956 г.) означает «умение рассуждать разумно» и обычно трактуется, как свойство автоматических систем выполнять отдельные разумные действия, свойственные человеку. К примеру, выбирать и принимать правильные решения на основе ранее полученного опыта и (или) рационального анализа внешних воздействий.

Эволюционный подход. Довольно большое распространение получил и эволюционный подход. При построении СППР по данному подходу основное внимание уделяется построению начальной модели и правилам, по которым она может изменяться (эволюционировать). Причем модель может быть составлена по самым различным методам, это может быть и ИНС, и набор логических правил, и модель, где есть генетические алгоритмы.

В принципе можно сказать, что эволюционных моделей как таковых не существует, существуют только эволюционные алгоритмы обучения, но модели, полученные при эволюционном подходе, имеют некоторые характерные особенности, что позволяет выделить их в отдельный класс. Такими особенностями являются перенесение основной работы разработчика с построения модели на алгоритм ее модификации и то, что полученные модели практически не сопутствуют извлечению новых знаний о среде, окружающей систему, то есть она становится как бы вещью в себе.

Имитационный подход. Еще один широко используемый подход к построению СППР – имитационный. Данный подход является классическим для кибернетики с одним из ее базовых понятий – «черным ящиком».

Черный ящик – устройство, программный модуль или набор данных, информация о внутренней структуре и содержании которых отсутствуют полностью, но известны спецификации входных и выходных данных. Объект, поведение которого имитируется, как раз и представляет собой такой «черный ящик». Не важно, что у него и у модели внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя точно так же.

Так здесь моделируется другоая способность человека – копировать то, что делают другие, не вдаваясь в подробности, для чего это нужно. Зачастую эта способность экономит массу времени.

Основным недостатком имитационного подхода еще является низкая информационная способность большинства моделей, построенных с его помощью.

Метод - способ достижения цели, определенным образом упорядоченная деятельность. Основные причины невыполнимости методов принятия решений:

• недостоверные исходные допущения;
• информационные ограничения;
• чрезмерная стоимость;
• неправильное применение (к примеру, из-за сложности или страха пользователей).

Методы принятия решений делятся по виду, содержанию, по числу лиц, принимающих решение.

По видам:

• методы получения информации
• методы прогнозирования
• методы моделирования
• методы генерации альтернатив
• методы выбора альтернативы и др.

По содержанию:

• количественные (линейное и динамическое программирование, теория игр, сетевые модели и т. п.)
• качественные (экспертные, мозговой штурм и т. п.)
• неформальные (использование газет, журналов, шпионаж и т. п.);

По числу лиц, принимающих решение:

• индивидуальные и коллективные (групповые).

Преимущества коллективного принятия решений:

Коллективное управление более действенно в том случае, когда нужно отыскать взвешенное решение спорной или же трудной многоаспектной трудности на базе общих познаний и навыков специалистов различных секторов работы.

Коллективное управление разрешает принять роль в решение задач, тем более неоднозначных, всем заинтересованным лицам, до этого только ведущим исполнителям, а после и рядовым сотрудникам, что увеличивает их заинтересованность в последующей работе, может помочь расширить собственные познания и повысить квалификацию.

Коллективное управление разрешает совместить старания по решению задач тех сотрудников, для коих они не считается "своими", и они не стремятся взыскивать на себя всецело обязанность за них, но и готовы в соответственном размере поделить данную обязанность с другими.

Главные недостатки коллективных методов: высокая стоимость и отсутствие оперативности.

Современные информационные системы интеллектуальной поддержки процессов разработки и реализации управленческих решений (Системы поддержки принятия решений - СППР) представляют собой системы, максимально адаптированные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения.

Информационная сложность заключается в надобности учета довольно большущих размеров данных, которая буквально неосуществима без поддержки современной вычислительной техники. В данных критериях количество вероятных заключений, как правило, очень велико, и выбор рационального из них без всестороннего анализа быстрее всего приведет к грубыми промахам.

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.

Условно СППР можно классифицировать по методам решения определенных проблем.

Различные подходы существуют и сейчас. На практике очень четкой границы между ними нет. Очень нередко встречаются смешанные системы, где часть работы выполняется по одному типу, а часть – по другому.

4.1 Методы поддержки принятия управленческих решений на основе информационных технологий

Поддержка принятия решений с помощью информационных технологий, включая анализ и выработку альтернатив, в СППР осуществляется следующими методами:

• информационный поиск;
• интеллектуальный анализ данных;
• извлечение (поиск) знаний в базах данных;
• рассуждение на основе прецедентов;
• имитационное моделирование;
• генетические алгоритмы;
• искусственные нейронные сети;
• искусственный интеллект.

Информационный поиск (information retrieval) – это процесс поиска неструктурированной документальной информации и наука об этом поиске.

Процесс поиска включает в себя последовательность операций, направленных на сбор, обработку и предоставление необходимой информации заинтересованным лицам. В общем случае поиск информации состоит из четырех этапов;

• определение (уточнение) информационной потребности и формулировка информационного запроса;
• установление совокупности возможных держателей информационных массивов (источников);
• извлечение информации из выявленных информационных массивов;
• ознакомление с полученной информацией и оценка результатов поиска.

Различают поиск: полнотекстовый – по всему содержимому документа; по метаданным – по неким атрибутам документа, поддерживаемым системой (название документа, дата создания, размер, автор и т.д.); по изображению– по содержанию изображения.

Информационный поиск осуществляется следующими методами: адресный – процесс поиска документов по чисто формальным признакам, указанным в запросе;

• семантический – процесс поиска документов по их содержанию;
• документальный – процесс поиска в хранилище информационно-поисковой системы первичных документов или в базе данных вторичных документов, соответствующих запросу пользователя;
• фактографический – процесс поиска фактов, соответствующих информационному запросу.

Интеллектуальный анализ данных (data mining) – это выявление скрытых закономерностей или взаимосвязей между переменными в больших массивах необработанных данных. Такой анализ предусматривает решение задач классификации, моделирования и прогнозирования, кластеризации, сокращения описания, ассоциации, анализа отклонений, визуализации и др.

Процесс извлечения познаний в базах данных включает в себя выполнение очередности операций, важных для помощи аналитическому процессу. К ним относятся:

• консолидация данных;
• подготовка анализируемых выборок данных (в том числе обучающих);
• очистка данных от факторов, мешающих их корректному анализу;
• трансформация – оптимизация данных для решения определенной задачи;
• анализ данных;
• интерпретация и визуализация результатов анализа, их применение в бизнес-приложениях.

Есть весь ряд способов извлечения фактов и их трансформаций: способ близкого соседа (nearest neighbor); способ извлечения фактов на базе деревьев решений; способ извлечения фактов на базе знаний; способ извлечения с учетом применимости фактов.

Кроме рассмотренных способов для извлечения фактов имеют все шансы благополучно использоваться и иные способы, к примеру установка искусственного происхождения нейронных сеток.

Имитационное моделирование – метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно "проиграть" во времени как для одного испытания, так и заданного их множества. Непосредственно результаты будут определяться случайным характером процессов. По таким данным можно получить достаточно устойчивую статистику.

Генетический алгоритм (genetic algorithm) – эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путем последовательного подбора, комбинирования и вариации искомых параметров с применением механизмов, напоминающих биологическую эволюцию. Генетический алгоритм является разновидностью эволюционных вычислений (evolutionary computation). Его отличительная особенность состоит в акценте на применение оператора "скрещивания", который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. Генетические алгоритмы служат главным образом для поиска решений в очень больших, сложных пространствах поиска.

Искусственные нейронные сети – математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма. Данное понятие возникло при изучении процессов, протекающих в мозге при мышлении, и при попытке смоделировать эти процессы. Первой такой моделью мозга был перцептрон. Впоследствии модели стали применять в практических целях, как правило, в задачах прогнозирования. С точки зрения машинного обучения нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т.п. С математической точки зрения обучение нейронных сетей – многопараметрическая задача нелинейной оптимизации. С точки зрения кибернетики нейронная сеть используется в задачах адаптивного управления. С точки зрения развития вычислительной техники и программирования нейронная сеть – вариант решения проблемы эффективного параллелизма, а с точки зрения искусственного интеллекта она является основой философского течения коннективизма и главным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.

Искусственный интеллект – наука и разработка интеллектуальных машин и систем, особенно интеллектуальных компьютерных программ, направленных на то, чтобы понять человеческий интеллект. При этом используемые методы не обязаны быть биологически правдоподобны. Но проблема состоит в том, что неизвестно, какие вычислительные процедуры мы хотим называть интеллектуальными. Ученые исследовали только некоторые механизмы интеллекта, поэтому под интеллектом в пределах этой науки имеют в виду только вычислительную часть возможности достигнуть целей в мире. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР.

Из множества известных методов и подходов к принятию решений также наибольший интерес вызывают те, которые дают возможность учитывать многокритериальность и неопределенность, а также позволяют осуществлять выбор решений из множеств альтернатив различного типа при наличии критериев. Среди таких методов, которые учитывают специфику процесса проблемной ситуации, выделяются более математико-формульные методы: метод главного критерия; метод линейной свертки; метод отношения предпочтений ЛПР; метод анализа иерархий и другие.

Заключение

Учитывая величину вовлекаемых финансовых и иных ресурсов, сложность и многоэтапность проектов и выбора подходов построения СППР, очевидна, высокая стоимость ошибок проектирования. Промахи выбора программного обеспечения могут повлечь за собой финансовые затраты, не говоря уже о повышении времени выполнения проекта.

Впрочем, применение СППР перспективно уже хотя бы потому, что каждое управленческое решение субъективно, основано политикой деятельности компании, отражает главные цели организации и, что самое основное, не всегда обязательно верное. Все это ведет к надобности формализации процесса принятия решений и привлечения вспомогательных средств, для понижения риска принятия неправильного решения. Риск, который возрастает с накоплением информации, подлежащей обработке.

В данной работе были рассмотрены системы поддержки принятия решений, их зарождение и значение в настоящем времени. Считается, что в дальнейшем будет только увеличение распространения СППР, которые будут с успехом применяться в самых разных отраслях: телекоммуникациях, финансовой сфере, торговле, промышленности, медицине и многих других. Ведь эти системы, основанные на знаниях, имеют определенные преимущества перед человеком: у них нет предубеждений, связи с чем, они не делают поспешных выводов, эти системы работают систематизировано, тем самым рассматривая все детали, в большинстве случаев, выбирая наилучшую альтернативу из всех возможных, а сама база знаний, может быть очень и очень большой. Что касается человека, то он пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые могут быть непосредственно не связаны с решаемой задачей. Однако стоить помнить, что эти системы не заменяют специалиста, а являются инструментом в его руках.

Библиография

1. Арлазаров В.Л., Журавлев Ю.И., Ларичев О.И., Лохин В.М., Макаров И.М., Рахманкулов В.З., Финн В.К. Теория и методы создания интеллектуальных компьютерных систем // Информационные технологии и вычислительные системы. -1998. -№1.
2. Бондарь И.В., Гуменникова А.В., Золотарёв В.В., Попов А.М. Система поддержки принятия решений по защите информации «Оазис»// Программные продукты и системы. – 2011. – № 3.
3. Герчикова И.Н. Процесс принятия и реализации управленческих решений/ И.Н. Герчикова //Менеджмент в России и за рубежом, 2013. № 12.
4. Ларичев О. И. Петровский А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития. // Итоги науки и техники. Сер. Техническая кибернетика. — Т.21. М.: ВИНИТИ, 1987,
5. Терелянский П. В. Системы поддержки принятия решений. Опыт проектирования: монография / П. В. Терелянский; ВолгГТУ. – Волгоград, 2009.
6. Трахтенгеру Э.А. Компьютерная поддержка принятия решений. – М.: Наука, 1998.
7. Чекинов Г.П., Куляница А.Л., Бондаренко В.В. Применение ситуационного управления в информационной поддержке принятия решений при проектировании организационно технических систем // Информационные технологии в проектировании и производстве, № 2, 2003.