Системы поддержки принятия решений

УРОК № 10. СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

 

1. Общие сведения о системах поддержки принятия решений

 

Принятие решения в  большинстве случаев заключается в генерации возможных альтернативных решений, их оценке и выборе лучшего варианта. В сложных и ответственных моментах лицо, принимающее решение, обращается к опытным и знающим людям (экспертам) за подтверждением своего решения. Такие обращения представляют собой процесс поддержки принятия решения.

При выборе варианта приходится учитывать большое число неопределенных и противоречивых факторов. Неопределенность является неотъемлемой частью процессов принятия решений, и их можно разделить на три класса:

• неопределённость, связанная с неполнотой знаний о проблеме, по которой должно быть принято решение;
• неопределённость, связанная с невозможностью полного учета реакции окружающей среды на принимаемые решения;
• неопределённость, связанная с неправильным пониманием своих целей лицом, принимающим решение.

Противоречивость возникает из-за неоднозначности оценки ситуаций, ошибки в выборе приоритетов, что, в конечном итоге, сильно осложняет принятие решений. Исследования показывают, что лица, принимающие решения (ЛПР) без дополнительной аналитической поддержки, как правило, используют упрощенные, а иногда и противоречивые правила выбора решения.

Основные функции систем поддержки принятия решений:

• оказание помощи ЛПР при анализе исходной информации (оценке сложившейся обстановки и ограничений, накладываемых внешней средой);
• выявление и ранжирование приоритетов, учет неопределённости в оценках ЛПР и формирование его предпочтений;
• генерация возможных решений (формирование списка альтернатив);
• оценка возможных альтернатив, исходя из предпочтений ЛПР, и ограничение, накладываемое внешней средой;
• анализ возможных последствий принимаемых решений;
• выбор лучшего, с точки зрения ЛПР, возможного варианта.

Формализация методов анализа  и генерации решений, их оценка и  согласование являются достаточно сложной задачей. Её решение стало возможным в связи с широким применением средств вычислительной техники и во многом зависит от возможностей технических программных средств, реализующих методы и способы интеллектуальной поддержки принимаемых решений.

Основные схемы процесса принятия решений (ППР):

• интуитивно-эмпирической (основанной на сравнении проблемной ситуации с ранее встречавшимися схожими ситуациями);
• формально-эвристической (основанной на построении и исследовании модели проблемной ситуации).

Независимо от схемы процесса принятия решений информационное обеспечение управления является одним из решающих факторов принятия эффективных решений. Обычно под информационным обеспечением управления понимают совокупность информационных ресурсов, средств, методов и технологий, способствующих эффективному проведению всего процесса управления, в том числе разработке и реализации управленческих решений.

При построении модели проблемной ситуации исследуют структуру  ППР, которая определяется такими элементами, как состояние исходных данных задачи, модель ситуации принятия решения, ограничения, варианты решений и их последствия, внешние факторы объективного и субъективного характера. Совокупность перечисленных элементов образует определённую среду (систему) принятия решений.

Система поддержки принятия решений (СППР) – система, обеспечивающая лицо, принимающее решение, необходимыми для принятия решения данными, знаниями, выводами и/или рекомендациями.

Ориентация на компьютерные информационные технологии позволяет  выделить новый класс СППР – информационно-аналитические системы поддержки принятия решений (ИА СППР). ИА СППР – это класс человеко-машинных систем, предназначенных для оказания помощи ЛПР в их профессиональной деятельности по использованию данных, знаний и моделей при подготовке и принятии обоснованных решений.

Особенности автоматизированных СППР наиболее ярко проявляются в рамках следующих классификационных признаков: концептуальные модели, решаемые задачи, области применения.

Рассматривая  существующие концептуальные модели СППР, выделяют подходы, основанные на использовании  идеологии информационных систем, искусственного интеллекта и инструментальный подход.

В рамках информационного подхода СППР относят к классу автоматизированных информационных систем, основное назначение которых – «улучшить деятельность работников умственного труда (knowledge workers) в организациях путём применения информационной технологии». Главными компонентами этой модели являются: интерфейс «пользователь –система», база данных и база моделей.

В рамках «интеллектуальных систем» СППР, основанные на знаниях, существенно отличаются от экспертных систем своей целевой направленностью: СППР призвана помочь ЛПР в решении стоящей перед ним проблемы, а ЭС – заменить человека при решении проблемы.

При инструментальном подходе, в зависимости от специфики решаемых задач и используемых технологических средств, выделяют три уровня систем: прикладные, генераторы и инструментальные.

Прикладные СППР служат для поддержки решения отдельных прикладных задач в конкретных ситуациях. С ними работают конечные пользователи (отдельные лица или группы людей).

Генераторы представляют собой пакеты программных средств поиска и выдачи данных, моделирования и т. д., которые используются разработчиками прикладных СППР для создания специализированных систем. Генераторы могут быть быстро «встроены» в прикладную систему.

Инструментальные СППР соответствуют высшему уровню технологичности и предоставляют в распоряжение разработчиков наиболее мощные комплексы средств, связанных единой методологией.

 

2. Архитектура СППР

 

Процедура принятия решений с помощью СППР представляет собой циклический процесс взаимодействия человека и компьютера и включает фазы анализа и постановки задачи, фазы поиска и оптимизации альтернативных решений, реализуемых с помощью компьютера. Современные системы поддержки принятия решений и информационные системы руководителей высшего уровня управления основаны на применении специализированных информационных хранилищ и технологий OLAP (On-Line Analytical Processing) – оперативного анализа данных. Основное назначение OLAP-технологий – динамический многомерный анализ данных, моделирование и прогнозирование. Архитектура типичной системы поддержки принятия решений представлена на рис. 1.

В современных условиях динамичности рынка, обострения конкуренции, комплексности управления бизнес-процессами к СППР предъявляются следующие требования:

• анализ и интеграция множества внешних и внутренних источников маркетинговой, производственной и финансовой информации;
• повышение оперативности анализа эффективности бизнес-процессов и прогнозирование их развития;
• расширение сферы лиц, участвующих в подготовке и принятии управленческих решений;
• автоматизация извлечения знаний о закономерностях в развитии ситуаций для принятия своевременных решений и др.

Рис. 1. Архитектура СППР

 

Для реализации перечисленных требований широко используются информационные хранилища (Data Warehouse), системы оперативного анализа данных (OLAP) и интеллектуального анализа данных (Data Mining). Архитектура информационного хранилища системы поддержки принятия решений представлена на рис. 2.

Рис. 2. Архитектура информационного хранилища СППР

Такие системы по сравнению с традиционными  системами анализа и прогнозирования  на основе применения экономико-математических моделей, баз экспертных знаний и статистических методов имеют преимущества в гибкости и скорости составления запроса и получения ответа, доступности применения, поэтому они могут использоваться не только для обоснования стратегических, но и принятия тактических решений.

Информационное хранилище представляет собой базу обобщённой информации, формируемую из множества внешних и внутренних источников, на основе которых выполняются статистические группировки и интеллектуальный анализ данных. По сравнению с базами данных для оперативной обработки транзакций информационные хранилища обеспечивают более гибкое и простое формирование произвольных справочно-аналитических запросов, а также применение специализированных методов статистического и интеллектуального анализа данных.

Подсистема хранения данных представляет собой многомерное хранилище, организованное в виде:

• физической структуры, в которую с определенной периодичностью загружаются данные из файлов-источников, принадлежащих базам оперативных данных;
• виртуальной структуры, которая динамически используется при запросах, вызывающих физическое манипулирование с файлами-источниками из реляционных баз данных (как надстройка над реляционными базами данных), обеспечивая удобный интерфейс пользователя;
• гибридной структуры, которая используется при построении многоуровневых информационных хранилищ, применяемых на разных уровнях управления корпоративных информационных систем.

Подсистема метаинформации представляет собой описание структуры информационного хранилища: состав показателей, иерархий агрегации измерений, форматов данных, используемых функций, физического размещения на сервере, прав доступа пользователей, частоты обновления.

Подсистема представления  данных (организация витрин данных) представляет собой предметно-ориентированное хранилище, как правило, агрегированной информации, предназначенное для использования группой пользователей в рамках конкретного вида деятельности (маркетинга, финансового менеджмента и др.).

Подсистема оперативного анализа данных (OLAP) используется лицами, подготавливающими информацию для принятия решений путем выполнения различных статистических группировок исходных данных (рис. 3).

Рис. 3. Структура OLAP-системы

 

Подсистема интеллектуального  анализа данных (Data Mining) используется специальной категорией пользователей-аналитиков, которые на основе информационных хранилищ обнаруживают закономерности в деятельности предприятия и на рынке, используемые в дальнейшем для обоснования стратегических или тактических решений.

Необходимость появления DM-технологии продиктована следующими обстоятельствами:

1 - тотальное применение web-серверов обеспечивает доступ к огромному объему разнородной информации, обработка которой с помощью традиционных информационных технологий невозможна;

2 - потребность в выявлении скрытых зависимостей между различными факторами, представленными в различных формах (символьная, числовая, графическая, неструктурированная, структурированная и т. д.);

3 - необходимость в выделении из множества значений, принимаемых факторами, тех, которые определяют поведение объекта и оказывают влияние на его поведение в будущем.

Ответом на поставленные вопросы стала технология, получившая название интеллектуальный анализ данных – процесс извлечения зависимостей из разнородных баз данных. В этом процессе центральное место занимает автоматическое порождение моделей, правил или функциональных зависимостей.

В основе DM-технологии лежит Хранилище данных (Data WareHouse – DWH). DWH – это предметно-ориентированный, интегрированный, неизменяемый и поддерживающий хронологию набор данных, специфическим образом организованный для целей поддержки принятия решений.

Особенно  перспективным является сочетание DWH+DM-технологий, так как они функционируют не по заранее заданным формулам, а на основе функциональных зависимостей, релевантных накопленным данным. В DWH+DM-технологиях используются в различных сочетаниях следующие инструменты: нейронные сети, генетические алгоритмы, средства визуализации процессов, методы порождения деревьев решений, методы, основанные на правилах, методы статистического анализа. Принципиальная новизна этих технологий состоит в том, что управление процессом решения задач носит не алгоритмический характер, а характер управления данными (демон).

Подсистема «Информационная  система руководителя» (EIS – Execution Information System) предназначена для лиц, непосредственно принимающих решения. В качестве интерфейса руководителям предлагается набор стандартных отчётов и графиков, настраиваемых на потребности руководителя через систему меню.

Таким образом, обоснование принятия решений  в сфере экономики и бизнеса  по выпуску новой и модернизации существующей продукции, расширению или сокращению финансово-хозяйственной деятельности предполагает широкое использование систем поддержки принятия управленческих решений на основе применения экономико-математических методов моделирования, экспертных систем, статистических методов прогнозирования и методов интеллектуального анализа данных.