Интеллектуальные системы поддержки принятия решений реферат

Обновлено: 02.07.2024

Целью курсовой работы является рассмотрение информационных систем поддержки принятия управленческих решений.
Задачи работы:
1.Изучить основы принятия управленческих решений
2.Рассмотреть информационное обеспечение управленческих решений.
Объектом курсовой работы являются информационные системы поддержки принятия управленческих решений, а предметом - информационные системы поддержки принятия управленческих решений на конкретном предприятии.

Содержание

Введение 3
Глава. 1 Теоретические основы принятия управленческих решений. 4
1.1 Понятие управление и управленческое решение 4
1.2 Процесс принятия управленческих решений 7
1.3 Методы принятия управленческих решений 10
Глава. 2 Информационные системы поддержки принятия управленческих решений. 13
2.1 Программные средства для автоматизации поддержки принятия управленческих решений 13
2.2 Роль автоматизации при принятии управленческих решений 17
2.3 Информационные системы принятия управленческих решений 21
2.4 Подготовка к внедрению информационных систем 24
Заключение. 26
Список используемой литературы 27

Прикрепленные файлы: 1 файл

разработка управ решения.docx

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕСИОНАЛЬНОГО ОБРАЗОВАНИЯ

РГУ им. С.А. Есенина

Факультет социологии и управления

Кафедра государственного и муниципального управления

по дисциплине «Разработка управленческого

студентка 3 курса,группы 308

Глава. 1 Теоретические основы принятия управленческих решений. 4

1.1 Понятие управление и управленческое решение 4

1.2 Процесс принятия управленческих решений 7

1.3 Методы принятия управленческих решений 10

Глава. 2 Информационные системы поддержки принятия управленческих решений. 13

2.1 Программные средства для автоматизации поддержки принятия управленческих решений 13

2.2 Роль автоматизации при принятии управленческих решений 17

2.3 Информационные системы принятия управленческих решений 21

2.4 Подготовка к внедрению информационных систем 24

Список используемой литературы 27

Современные предприятия требуют все большей оперативности. В период быстрых изменений на рынке, более короткого цикла обращения продукции и услуг, изменчивости потребительского спроса важны полнота и актуальность информационной базы для принятия стратегических решений, а также контроля за их выполнением. В этой связи использование современных методов сбора, обработки, хранения, анализа и представления информации для управленческих решений является одним из важнейших рычагов развития бизнеса.

Актуальность данной темы обусловлена тем, то для быстрого и верного принятия управленческого решения, требуется достаточный объем информации, понятной для понимания, то есть правильно обработанной. Именно на этот процесс работы с информацией и направлены информационные технологии поддержки принятия управленческих решений.

Целью курсовой работы является рассмотрение информационных систем поддержки принятия управленческих решений.

1.Изучить основы принятия управленческих решений

2.Рассмотреть информационное обеспечение управленческих решений.

Объектом курсовой работы являются информационные системы поддержки принятия управленческих решений, а предметом - информационные системы поддержки принятия управленческих решений на конкретном предприятии.

Данная работа состоит из двух глав, введения, заключения и списка используемой литературы.

Глава. 1 Теоретические основы принятия управленческих решений.

1.1 Понятие управление и управленческое решение

Под управлением понимается целенаправленное воздействие субъекта на объект с целью перевода объекта в качественно новое состояние. Субъект – управляющие звено организации. Объект – человек, группа людей, технических средств.

Говоря о проблемах организации, невозможно обойти вниманием такую важную проблему, как принятие управленческих решений.

Она занимает одно из центральных мест в социологии организации. Считая организацию инструментом управления, многие социологи и специалисты по теории управления, начиная с М. Вебера, прямо связывают её деятельность в первую очередь с подготовкой и реализацией управленческих решений.

Эффективность управления во многом обусловлена качеством таких решений.

Принятие эффективных решений руководителями любого ранга – одно из наиболее важных условий успешного развития организации, ее выживания в конкурентной борьбе, успешной адаптации к изменениям внешней среды.

Управленческое решение - это сознательный выбор одной наилучшей (оптимальной, наиболее предпочтительной) альтернативы (или нескольких лучших из множества всех исходных альтернатив), либо упорядочение выбранных лучших (или всех) альтернатив, которые осуществляет (или утверждает после выработки специалистами проекта - решения) лицо, принимающее решение, в результате анализа альтернатив, исходя из поставленных целей и с учетом ограниченности ресурсов в процессе осуществления им функций управления и решения конкретных задач организации.

Принятие управленческого решения является адекватной реакцией на сложившуюся в ходе работы объекта ситуацию - проблему.

Любое управленческое решение связано с социальными, экономическими, организационными, правовыми и технологическими интересами организации.

Социальная сущность управленческого решения заложена в механизме управления персоналом, который включает способы воздействия на людей с целью согласования их деятельности. Чтобы успешно воздействовать на подчиненных, руководитель должен четко представлять их интересы и потребности, мотивы и стимулы, установки и ценности, опасения и тревоги, неформальную структуру рабочих групп. Социальная сущность управленческого решения проявляется в цели.

Экономическая сущность управленческого решения заключается в том, что для разработки и реализации любого решения требуются финансовые, материальные, временные и иные затраты. Каждое управленческое решение имеет реальную стоимость. Эффективные и качественные решения должны принести организации доход, а ошибочные приводят к убыткам.

Организационная сущность состоит в том, что в процессе разработки и реализации управленческого решения участвуют работники организации. Для организации эффективной работы необходимо сформировать работоспособный коллектив, разработать должностные инструкции и положения, наделить сотрудников полномочиями, правами, обязанностями и ответственностью, обеспечить систему контроля, предоставить необходимые ресурсы и технические средства, постоянно координировать работу.

Правовая сущность управленческого решения проявляется в точном соблюдении правовых норм при подготовке и реализации. Нарушение законодательства в процессе разработки и реализации управленческого решения может привести к его отмене, а также быть предметом рассмотрения в суде. Чтобы избежать подобных ситуаций, во многих организациях проводятся правовые экспертизы управленческого решения.

Технологическая сущность управленческого решения заключается в возможности обеспечения персонала необходимыми техническими, информационно- коммуникационными средствами и ресурсами для разработки и реализации решения. Иногда разработчики недостаточно четко представляют себе объект, на который направлено решение, или используют устаревшую, недостоверную или неполную информацию.

К управленческому решению предъявляется ряд требований, к числу которых можно отнести: всестороннюю обоснованность решения; своевременность; оптимальность и гибкость; достаточную компетентность руководителей, принимающих управленческое решение; согласованность с принятыми ранее решениями.

Принятие УР требует высокого уровня профессионализма и наличия, определенных социально-психологических качеств личности, чем обладают не все специалисты, имеющие профессиональное образование, а всего лишь 5-10% из них.

Мощным фактором, активизирующим процесс принятия решения, выступают современные средства оргтехники, включая вычислительные сети. Это требует высокого уровня культуры в области математики и программирования, технологии использования технических средств. Однако процесс принятия решения, выбора конкретного варианта всегда будет иметь творческий характер, и зависеть от конкретной личности.

1.2 Процесс принятия управленческих решений

Процесс принятия управленческого решения – это преобразование исходной информации (информации состояния) в выходную информацию (информацию управления - приказ).

Процесс принятия решений является сложной итерационной процедурой. Структурная схема процесса принятия решений может иметь вид:

Решение проблем, как и управление – процесс, ибо речь идет о нескончаемой последовательности взаимосвязанных шагов. Руководитель заботится не столько о решении как таковом, сколько обо всем, связанным и проистекающем из него. Для решения проблемы требуется не единичное решение, а совокупность выборов. Поэтому, хотя процесс решения проблемы можно представить как пятиэтапный, фактическое число этапов определяется самой проблемой.

Диагностика проблемы. Первый шаг на пути решения проблемы – её определение. Существуют два способа рассмотрения проблемы. Согласно одному, проблемой считается ситуация, когда поставленные цели не достигнуты. Как проблему можно рассматривать также потенциальную возможность. Например, активный поиск способов повышения эффективности какого-либо подразделения, даже если дела идут хорошо, будет упреждающим управлением.
Формулировка ограничений и критериев принятия решения. Когда руководитель диагностирует проблему с целью принятия решения, он должен отдавать себе отчет в том, что именно можно с нею сделать. Многие возможные решения проблем организации не будут реалистичными, поскольку либо у руководителя, либо у организации недостаточно ресурсов для реализации принятых решений. Ограничения корректирующих действий сужают возможности в принятии решений.

В дополнении к идентификации ограничений, руководителю необходимо определить стандарты, по которым предстоит оценивать альтернативные варианты выбора. Эти стандарты принято называть критериями принятия решений. Они выступают в качестве рекомендаций по оценке решений. 1

* Данная работа не является научным трудом, не является выпускной квалификационной работой и представляет собой результат обработки, структурирования и форматирования собранной информации, предназначенной для использования в качестве источника материала при самостоятельной подготовки учебных работ.

Основы концепции СППР

Роль СППР на предприятии

Ссылки на использованные источники

Современные системы поддержки принятия решения (СППР) представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР может производиться выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.

СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных, искусственного интеллекта, интерактивных компьютерных систем, методов имитационного моделирования.

В настоящее время нет общепринятого определения СППР, поскольку конструкция СППР существенно зависит от вида задач, для решения которых она разрабатывается, от доступных данных, информации и знаний, а также от пользователей системы. Можно привести, тем не менее, некоторые элементы и характеристики, общепризнанные, как части СППР.

СППР — в большинстве случаев — это интерактивная автоматизированная система, которая помогает пользователю (ЛПР) использовать данные и модели для идентификации и решения задач и принятия решений. Система должна обладать возможностью работать с интерактивными запросами с достаточно простым для изучения языком запросов.

Системы поддержки принятия решения (СППР или DSS) возникли как естественное развитие и обобщение управленческих информационных систем и систем управления базами данных (СУБД) в направлении их большей пригодности и приспособленности к задачам повседневной управленческой деятельности.

Термин "система поддержки принятия решения" появился в начале 70-х годов, однако, до сегодняшних дней не нашел общепризнанного определения ни у ученых ни у разработчиков.

Использованию СППР и определению их функционального предназначения, посвящено достаточное число трудов отечественных и зарубежных специалистов в различных предметных областях.

В некоторых источниках СППР описывается как средство для "вычисления решений", основанное "на использовании моделей ряда процедур по обработке данных и суждений, помогающих ЛПР в принятии решения".

Иногда СППР рассматриватся в качестве "интерактивных автоматизированных систем, которые помогают ЛПР использовать данные и модели, чтобы решать неструктурированные проблемы".

Также СППР определяется как "компьютерная информационная система, использующаяся для поддержки различных видов деятельности при принятии решения в ситуациях, где невозможно или нежелательно иметь автоматические системы, которые полностью выполняют весь процесс принятия решения". СППР не заменяет ЛПР, автоматизируя процесс принятия решения, а оказывает ему помощь в ходе решения поставленной задачи.

Система поддержки принятия решений (СППР) (англ. Decision Support System, DSS) — компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

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.

С самых первых определений СППР определился круг решаемых с их помощью задач: неструктурированные и слабоструктурированные. Существенное влияние на такую направленность СППР оказала классификация проблем, согласно которой, неструктурированные задачи имеют лишь качественное описание, основанное на суждениях ЛПР, а количественные зависимости между основными характеристиками задачи не известны. В хорошо структурированных задачах существенные зависимости могут быть выражены количественно. Промежуточное положение занимают слабоструктурированные задачи, "сочетающие количественные и качественные зависимости, причём малоизвестные и неопределённые стороны задачи имеют тенденцию доминировать".
Ряд исследователей рассматривают СППР как средство для "выполнения решений", и определяют как систему, "основанную на использовании моделей ряда процедур по обработке данных и суждений, помогающих руководителю в принятии решения".

Среди факторов, определяющих качество принимаемых решений, одним из основных является интеллект ЛПР (начальника, руководителя, пользователя). Под интеллектом следует понимать весь интеллектуальный потенциал ЛПР в целом: данные природой способности творческого мышления, знания, приобретенные в ходе обучения, практики, жизненного опыта и др. В связи с этим, необходимо рассматривать задачи повышения интеллектуального уровня ЛПР не путем применения традиционных методов обучения, а на основе использования методов и средств (систем) искусственного интеллекта (СИИ), базирующихся на технологиях аналитической обработки данных.
Данное направление ориентируется на создание комплекса соответствующих программно-аппаратных средств, позволяющих ЛПР решать задачи интеллектуального характера, требующие смысловой обработки больших объемов информации, хранящейся в базах данных.

Таким образом, совокупность современных информационных технологий, позволяет вести речь о разработке информационной системы (подсистемы) интеллектуальной поддержки принятия решения, главным предназначением которой является - своевременное и качественное обеспечение всех информационных потребностей руководителей в процессе принятия решения. Это позволит:

Автоматизировать процессы управления предприятия за счет интеллектуализации принятия бизнес-решений.

Повысить эффективность производства корпоративного предприятия.

Открыть такую сферу производства, которая позволяет говорить о разработке полноценных автоматизированных информационных систем управления (совокупность технического, специального математического программного и информационно-лингвистического обеспечений) на базе современных информационных технологий обработки данных.

Основы концепции СППР

Концепция систем поддержки принятия решений (СППР) включает целый ряд средств, объединенных общей целью — способствовать принятию рациональных и эффективных управленческих решений.

Система поддержки принятия решений — это диалоговая автоматизированная система, использующая правила принятия решений и соответствующие модели с базами данных, а также интерактивный компьютерный процесс моделирования.

Основу СППР составляет комплекс взаимосвязанных моделей с соответствующей информационной поддержкой исследования, экспертные и интеллектуальные системы, включающие опыт решения задач управления и обеспечивающие участие коллектива экспертов в процессе выработки рациональных решений.

Ниже на рисунке приведен архитектурно-технологическая схема информационно-аналитической поддержки принятия решений:

Поддержка принятия решений

Рис. Архитектурно-технологическая схема СППР

Первоначально информация хранится в оперативных базах данных OLTP-систем. Но ее сложно использовать в процессе принятия решений по причинам, о которых будет сказано ниже. Агрегированная информация организуется в многомерное хранилище данных. Затем она используется в процедурах многомерного анализа (OLAP) и для интеллектуального анализа данных (ИАД). Рассмотрим более подробно каждый элемент этой схемы.

Хранилища данных. Ясно, что принятие решений должно основываться на реальных данных об объекте управления. Такая информация обычно хранится в оперативных базах данных OLTP-систем. Но эти оперативные данные не подходят для целей анализа, так как для анализа и принятия стратегических решений в основном нужна агрегированная информация. Кроме того, для целей анализа необходимо иметь возможность быстро манипулировать информацией, представлять ее в различных аспектах, производить различные нерегламентированные запросы к ней, что затруднительно реализовать на оперативных данных по соображениям производительности и технологической сложности.

Решением данной проблемы является создание отдельного хранилища данных (ХД), содержащего агрегированную информацию в удобном виде. Целью построения хранилища данных является интеграция, актуализация и согласование оперативных данных из разнородных источников для формирования единого непротиворечивого взгляда на объект управления в целом. При этом в основе концепции хранилищ данных лежит признание необходимости разделения наборов данных, используемых для транзакционной обработки, и наборов данных, применяемых в системах поддержки принятия решений. Такое разделение возможно путем интеграции разъединенных в различных системах обработки данных (СОД) и внешних источниках детализированных данных в едином хранилище, их согласования и, возможно, агрегации.

Концепция хранилищ данных предполагает не просто единый логический взгляд на данные организации, а действительную реализацию единого интегрированного источника данных. Альтернативным по отношению к этой концепции способом формирования единого взгляда на корпоративные данные является создание виртуального источника, опирающегося на распределенные базы данных различных СОД. При этом каждый запрос к такому источнику динамически транслируется в запросы к исходным базам данных, а полученные результаты на лету согласовываются, связываются, агрегируются и возвращаются к пользователю.

Таким образом, хранилище данных функционирует по следующему сценарию. По заданному регламенту в него собираются данные из различных источников – баз данных систем оперативной обработки. В хранилище поддерживается хронология: наравне с текущими хранятся исторические данные с указанием времени, к которому они относятся. В результате необходимые доступные данные об объекте управления собираются в одном месте, приводятся к единому формату, согласовываются и, в ряде случаев, агрегируются до минимально требуемого уровня обобщения.

На основе хранилища данных возможно составление отчетности для руководства, анализ данных с помощью OLAP-технологий и интеллектуальный анализ данных (Data Mining).

Интеллектуальный анализ данных. Наибольший интерес в СППР представляет интеллектуальный анализ данных, так как он позволяет провести наиболее полный и глубокий анализ проблемы, дает возможность обнаружить скрытые взаимосвязи, принять наиболее обоснованное решение.

Современный уровень развития аппаратных и программных средств с некоторых пор сделал возможным повсеместное ведение баз данных оперативной информации на разных уровнях управления. В процессе своей деятельности промышленные предприятия, корпорации, ведомственные структуры, органы государственной власти и местного самоуправления накопили большие объемы данных. Они хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения.

Интеллектуальный анализ данных (Data Mining) — это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации). При этом накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания.

В общем случае процесс ИАД состоит из трёх стадий:

использование выявленных закономерностей для предсказания неизвестных значений (прогностическое моделирование);

анализ исключений, предназначенный для выявления и толкования аномалий в найденных закономерностях.

Новыми компьютерными технологиями, образующими ИАД являются экспертные и интеллектуальные системы, методы искусственного интеллекта, базы знаний, базы данных, компьютерное моделирование, нейронные сети, нечеткие системы. Современные технологии ИАД позволяют создавать новое знание, выявляя скрытые закономерности, прогнозируя будущее состояние систем. Основным методом моделирования социально-экономического развития города является метод имитационного моделирования, который позволяет исследовать городскую систему с помощью экспериментального подхода. Это дает возможность на модели проиграть различные стратегии развития, сравнить альтернативы, учесть влияние многих факторов, в том числе с элементами неопределенности.

Теоретические аспекты и понятия систем поддержки принятия решений

Система поддержки принятия решений (СППР) - компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. Это диалоговая система, использующая правила принятия решений и соответствующие модели с базами данных, а также интерактивный компьютерный процесс моделирования.

СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных. СППР являются человеко-машинными системами, которые позволяют лицам, принимающим решения, использовать данные, знания, объективные и субъективные модели для анализа и решения неструктурированных и слабо формализуемых задач.

Процесс принятия решения - это получение и выбор наиболее оптимальной альтернативы с учетом просчета всех последствий. При выборе альтернатив- надо выбирать ту, которая наиболее полно отвечает поставленной цели, но при этом приходится учитывать большое количество противоречивых требований и, следовательно, оценивать выбранный вариант решения по многим критериям.

Система поддержки решений СППР решает две основные задачи:

· выбор наилучшего решения из множества возможных (оптимизация),

· упорядочение возможных решений по предпочтительности (ранжирование).

Основная функциональность СППР следует из её определения. Главной функцией является вывод рекомендаций на основании изучения исторического и текущего состояния объекта исследования и сравнения их с информацией, хранящейся в базе знаний системы.

1.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.

Специфика работы аналитических систем делает практически невозможным их прямое использование на оперативных данных. Это объясняется различными причинами, в том числе разрозненностью данных, хранением их в форматах различных СУБД и в разных "уголках" корпоративной сети, но, что наиболее важно, неприменимостью структур данных оперативных систем для выполнения задач анализа. Для этих целей создается специализированная среда хранения данных, называемая хранилищем данных (Data Warehouse).

Хранилище данных представляет собой банк данных определенной структуры, содержащий информацию о производственном процессе компании в историческом контексте. Главное назначение хранилища - обеспечивать быстрое выполнение произвольных аналитических запросов.

2. Для того чтобы существующие хранилища данных способствовали принятию управленческих решений, информация должна быть представлена аналитику в нужной форме, то есть он должен иметь развитые инструменты доступа к данным хранилища и их обработки.

По критерию режима анализа данных информационно-аналитические системы подразделяются на две категории [11, 15]:

статические (включающие предопределенный набор сценариев обработки данных и составления отчетов); в эту категорию входят так называемые информационные системы руководителя (ИСР);
динамические (поддерживающие построение и выполнение нерегламентированных запросов и формирование отчетов произвольной формы).

Но динамические СППР могут действовать не только в области оперативной аналитической обработки (OLAP); поддержка принятия управленческих решений на основе накопленных данных может выполняться в трех базовых сферах [55].

Сфера детализированных данных. Это сфера действия большинства систем, нацеленных на поиск информации. В большинстве случаев реляционные СУБД отлично справляются с возникающими здесь задачами. Общепризнанным стандартом языка манипулирования реляционными данными является SQL. Информационно-поисковые системы, обеспечивающие интерфейс конечного пользователя в задачах поиска детализированной информации, могут использоваться в качестве надстроек как над отдельными системами обработки данных (СОД), так и над хранилищем данных в целом.
Сфера агрегированных показателей. Комплексный взгляд на собранную в хранилище данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ являются задачами систем оперативной аналитической обработки данных (OLAP) . Здесь можно или ориентироваться на специальные многомерные СУБД , или (что, как правило, предпочтительнее) оставаться в рамках реляционных технологий. Во втором случае заранее агрегированные данные могут собираться в БД звездообразного вида либо агрегация информации может производиться на лету в процессе сканирования детализированных таблиц реляционной БД.
Сфера закономерностей. Интеллектуальная обработка производится методами интеллектуального анализа данных (ИАД, Data Mining, главными задачами которых являются поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил, которые объясняют найденные аномалии и/или (с определенной вероятностью) прогнозируют развитие некоторых процессов.

OLAP-технологии

Интеллектуальный анализ данных

Наибольший интерес в СППР представляет интеллектуальный анализ данных, так как он позволяет провести наиболее полный и глубокий анализ проблемы, дает возможность обнаружить скрытые взаимосвязи, принять наиболее обоснованное решение. Современный уровень развития аппаратных и программных средств с некоторых пор сделал возможным повсеместное ведение баз данных оперативной информации на разных уровнях управления. В процессе своей деятельности промышленные предприятия, корпорации, ведомственные структуры, органы государственной власти и местного самоуправления накопили большие объемы данных. Они хранят в себе большие потенциальные возможности по извлечению полезной аналитической информации, на основе которой можно выявлять скрытые тенденции, строить стратегию развития, находить новые решения. Интеллектуальный анализ данных, ИАД (Data Mining) - это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации). При этом накопленные сведения автоматически обобщаются до информации, которая может быть охарактеризована как знания. В общем случае процесс ИАД состоит из трёх стадий: .выявление закономерностей; .использование выявленных закономерностей для предсказания неизвестных значений (прогностическое моделирование); .анализ исключений, предназначенный для выявления и толкования аномалий в найденных закономерностях. Новыми компьютерными технологиями, образующими ИАД являются экспертные и интеллектуальные системы, методы искусственного интеллекта, базы знаний, базы данных, компьютерное моделирование, нейронные сети, нечеткие системы. Современные технологии ИАД позволяют создавать новое знание, выявляя скрытые закономерности, прогнозируя будущее состояние систем. Основным методом моделирования социально-экономического развития города является метод имитационного моделирования, который позволяет исследовать городскую систему с помощью экспериментального подхода. Это дает возможность на модели проиграть различные стратегии развития, сравнить альтернативы, учесть влияние многих факторов, в том числе с элементами неопределенности. Построенная в данной работе модель относится именно к такому классу систем. На ее основе органы местного самоуправления стратегического и тактического уровней получают возможность проанализировать динамику развития сложной социально-экономической городской системы, выявить неочевидные на первый взгляд взаимосвязи, сравнить различные альтернативы, проанализировать аномалии и принять наиболее обоснованное решение. Перспективно применение в СППР комбинированных методов принятия решений в сочетании с методами искусственного интеллекта и компьютерным моделированием, различные имитационно-оптимизационные процедуры, принятие решений в сочетании с экспертными процедурами.

Классификации СППР

Области применения.

Заключение

На развитие генетических исследований выделяются большие средства. В последнее время в данной области возник особый интерес к применению методов Data Mining. Известно несколько крупных фирм, специализирующихся на применении этих методов для расшифровки генома человека и растений. . Прикладная химия Методы Data Mining находят широкое применение в прикладной химии (органической и неорганической). Здесь нередко возникает вопрос о выяснении особенностей химического строения тех или иных соединений, определяющих их свойства. Особенно актуальна такая задача при анализе сложных химических соединений, описание которых включает сотни и тысячи структурных элементов и их связей.

Интеллектуальные системы поддержки принятия решений

Суслова Екатерина Владимировна, магистрант

Национальный исследовательский Мордовский государственный университет имени Н. П. Огарева

Любое предприятие осуществляет свою деятельность в условиях риска и неопределенности, поэтому перед ним постоянно стоит проблема выживания и обеспечения непрерывности функционирования и развития [1]. Анализ функционирования крупных предприятий и управление ими составляет основное содержание работы управленцев, аналитиков, специалистов в области обработки информации [2, с. 74–76]. Чтобы решить эту проблему руководителям приходится принимать управленческие решения по выбору направления развития предприятия, по сохранению и увеличению своей позиции на рынке и рыночной доли, по предотвращению потерь и снижению издержек, а также по поддержанию и повышению конкурентоспособности. Обоснованность и профессиональный уровень принимаемых решений определяет, в конце концов, эффективность деятельности предприятия.

В современных условиях всё возрастающую роль играет информация. Однако необходимость учета при принятии управленческих решений большого количества экономических, политических, социальных, правовых факторов существенно усложняет процесс выбора правильного варианта решения. Как правило, это связано со сложностями, возникающими в процессе сбора актуальной, достоверной и полной информации по интересующему вопросу. Стремительное увеличение объемов поступающей и перерабатываемой информации приводит к значительным изменениям в способах и методах анализа информации и требует не только автоматизации процесса обработки и изучения данных, но и интеллектуализации информационных и организационных процессов, построения и внедрения эффективных методов и интеллектуальных технологий поддержки принятия решений (ППР).

За последние десятилетия информационные технологии достигли высокого уровня развития. В связи с этим большинство развивающихся компаний используют автоматизированные средства, позволяющие эффективно хранить, обрабатывать и распределять накопленные данные [3]. Современные системы поддержки принятия решений (СППР) появились благодаря развитию управленческих информационных систем и систем управления базами данных (СУБД) и представляют собой системы, приспособленные к решению текущих задач, возникающих в управленческой деятельности. Это мощный инструмент, позволяющий помочь лицам, принимающим решения (ЛПР), решить сложные неструктурированные задачи. Как правило, системы поддержки принятия решений являются результатом мультидисциплинарного исследования, которое включает в себя теории баз данных, методов имитационного моделирования, искусственного интеллекта, нейронных сетей, ситуационного анализа и интерактивных компьютерных систем. В настоящее время нет единого общепринятого определения СППР, т. к. строение системы напрямую зависит от тех задач, для решения которых она используется, а также от доступных знаний, данных и информации, на основе которых принимаются решения.

Попытки наделить компьютерную технику интеллектуальными способностями более высокого уровня (вероятностными методами рассуждения, логикой, индуктивным выводом, доказательством по аналогии и проч.) до сих пор не дали ощутимого результата. К известным методам и способам автоматизации решения задач управления путем применения интеллектуальных функций относятся:

 использование нейронных сетей и нейрокомпьютеров на уровне распознавания (классификации) и обобщения объектов и ситуаций;

В своих работах американский нейрофизиолог Френсис Розенблатт предложил свою модель нейронной сети, которая должна применяться для задачи автоматической классификации, состоящей в общем случае в разделении пространства признаков между заданным количеством классов.

Эти системы (и подобные им) получили название персептроновисостояли в основном из одного слоя искусственных нейронов, соединенных с помощью весовых коэффициентов с множеством входов.

Рис. 1. Однослойный персептрон

Начало современному математическому моделированию нейронных вычислений было положено работами Хопфилда в 1982 году, в которых была сформулирована математическая модель ассоциативной памяти на нейронной сети с использованием правила Хеббиана для программирования сети (рисунок 2). Введенная в эту модель Хопфилдом функция вычислительной энергии нейронной сети стала одним из новых путей развития искусственных нейронных сетей.

Недостатком модели Хопфилда является их тенденция стабилизироваться в локальном, а не глобальном минимуме функции энергии, поэтому эволюционным развитием модели для решения комбинаторных оптимизационных задач и задач искусственного интеллекта является машина Больцмана.

Рис. 2. Сеть Хопфилда из 4 нейронов

Самоорганизующаяся карта признаков (сеть SOFM — Self-Organizing Feature Map), разработанная Кохоненом в 80-х гг., имеет набор входных элементов, число которых соответствует размерности учебных векторов, и набор выходных элементов, которые служат в качестве прототипов. Основная архитектура сети SOFM приведена на рисунке 3

Рис. 3. Сеть Кохонена с тремя входными и пятью кластерными элементами, каждый элемент входного слоя связан с каждым элементом кластерного слоя

В конце 80-х годов были разработаны сети встречного распространения, которые превосходят возможности однослойных сетей. Время обучения в них, по сравнению сетями с обратным распространением ошибки, может уменьшаться в сто раз. Обратное распространение может давать решение в тех приложениях, где долгая обучающая процедура невозможна. Во встречном распространении объединены два хорошо известных алгоритма: самоорганизующаяся карта Кохонена и звезда Гроссберга. Их объединение ведет к свойствам, которых нет ни у одного из них в отдельности [4].

Методы, которые подобно встречному распространению, объединяют различные сетевые парадигмы как строительные блоки, могут привести к сетям, более близким к мозгу по архитектуре, чем любые другие однородные структуры. Похоже, что в мозгу именно каскадные соединения модулей различной специализации позволяют выполнять требуемые вычисления.

Таким образом, можно сделать вывод о том, что для полного осуществления интеллектуальных способностей, связанных с анализом, прогнозированием, обобщением исходной информации по сложной управленческой проблеме и, в конечном итоге, принятии верного решения современные и будущие интеллектуальные системы поддержки принятия решений и интеллектуальные системы учета должны быть реализованы с использованием новейших прогрессивных технологий, которые основаны на динамических моделях данных, способных адаптироваться к конкретной ситуации и задаче, концепциях распределенного искусственного интеллекта, параллельной обработки огромных объемов данных в процессе решения, а также методов правдоподобного вывода результатов. Поэтому одним из наиболее перспективных путей построения интеллектуальных систем поддержки принятия решений, систем интеллектуального анализа данных, систем управления и прогнозирования является использование современные научные разработки в теории и практике нейронных сетей, нечёткие модели и методы многокритериального выбора и нечёткого логического вывода.

Основные термины (генерируются автоматически): SOFM, искусственный интеллект, встречное распространение, задача, интеллектуальная система поддержки принятия решений, нейронная сеть, решение, сеть, баз данных, система управления.

Бояркина Оксана Олеговна 1 , Шкаликова Алена Александровна 1
1 Мордовский государственный университет им. Н.П. Огарёва, студентка экономического факультета, кафедра статистики, эконометрики и информационных технологий в управлении

Аннотация
В данной статье рассматривается и обосновывается необходимость интеллектуализации информационных и организационных процессов в управлении социально-экономическими системами, а также потребность в построении и внедрения теории, методов и систем искусственного интеллекта (ИИ) и интеллектуальных технологий поддержки принятия решений. Описаны цели и задачи, которые ставятся перед теорией ИИ, основные подсистемы, входящие в систему ИИ. Приведены основные принципы построения нечетких интеллектуальных систем поддержки принятия управленческих решений.

Boyarkina Oksana Olegovna 1 , Shkalikova Alena Aleksandrovna 1
1 Mordovian State University, student, faculty of Economics, chair of statistics, econometrics and information technology in management

Abstract
In this article discusses the necessity and intellectualization of information and organizational processes in the management of socio-economic systems, and the need for the construction and implementation of the theory, methods and systems of artificial intelligence (AI) and intelligent decision support technology. We describe the goals and objectives that are put before the AI theory, basic subsystems included in the AI system. The basic principles of fuzzy intelligent systems support management decision-making.

Любое предприятие осуществляет свою деятельность в условиях риска и неопределенности, поэтому перед ним постоянно стоит проблема выживания и обеспечения непрерывности функционирования и развития [1]. Анализ функционирования крупных предприятий и управление ими составляет основное содержание работы управленцев, аналитиков, специалистов в области обработки информации [2]. Чтобы решить эту проблему руководителям приходится принимать управленческие решения по выбору направления развития предприятия, по сохранению и увеличению своей позиции на рынке и рыночной доли, по предотвращению потерь и снижению издержек, а также по поддержанию и повышению конкурентоспособности. Обоснованность и профессиональный уровень принимаемых решений определяет, в конце концов, эффективность деятельности предприятия.

Во многих отечественных и зарубежных публикациях рассматриваются различные аспекты интеллектуальной деятельности человека, в частности, способность получать, использовать, анализировать и воспроизводить знания, целенаправленность деятельности, умение ставить задачи и находить пути их решения, возможность предвидеть исход события, обобщать накопленные знания, применять аналогичные методы решения подобных задач и проч. Интеллектуальная деятельность ЛПР связана с поиском решений сложных управленческих задач, точный метод решения которых заранее неизвестен. К когнитивным (интеллектуальным) функциям человека относятся: восприятие, интуиция, индукция, дедукция, прогнозирование, прогнозирование, вычисление, творчество, классификация, поиск, сравнение, выбор, ассоциация и т. п. На данный момент проанализированы, изучены и формализованы такие функции как поиск, вычисление, дедукция, выбор и сопоставление. Попытки наделить компьютерную технику интеллектуальными способностями более высокого уровня (вероятностными методами рассуждения, логикой, индуктивным выводом, доказательством по аналогии и проч.) до сих пор не дали ощутимого результата. К известным методам и способам автоматизации решения задач управления путем применения интеллектуальных функций относятся:

использование нейронных сетей и нейрокомпьютеров на уровне распознавания (классификации) и обобщения объектов и ситуаций;
использование диалоговой системы, с помощью которой ЛПР манипулирует построенной компьютерной моделью, а система, включающая базу знаний и дедуктивный механизм ввода, помогает в этой работе.

Результатом достижения этих целей является автоматизация деятельности ЛПР, которая позволит расширить возможности человеческого мышления и усилить его способности.

подсистема ввода и распознавания информации;
подсистема обучения, позволяющая получить новую информацию внутри системы;
подсистема представления знаний, которая используется для накопления и хранения информации;
подсистему целеполагания, т.е. выработки целей и принятия решений;
подсистему поддержания целостности системы;
подсистему взаимодействия и общения;
подсистему осуществления принятых решений.

Для того что существующие в настоящее время системы поддержки принятия решений могли смоделировать ППР, осуществляемый человеком, им необходимо придать свойства интеллектуальности, т.е. включить в их состав перечисленные выше подсистемы. Интеллектуальность СППР предполагает наличие в системе собственной внутренней модели мира [6]. Данная модель обеспечивает самостоятельность системы при оценке задачи и принятии решения, индивидуальность в выводах, способность семантически интерпретировать входящий запрос в соответствии с собственной базой знаний, умение в кротчайшие сроки выработать ответ.

Еще одной особенностью интеллектуальных систем поддержки принятия решений является проблема размытости, нечеткости и не структурированности процесса принятия решений. В теории ИИ существует два взаимосвязанных направления, характеризующих процесс принятия решений. Согласно ортодоксальному эвристическому направлению, процесс принятия решений рассматривается как набор правил, приемов, методов, системы догадок и предположений, способов анализа и изучения, которые не составляют единую дедуктивную систему. Следовательно, процесс принятия решений не может быть строго формализован. С другой точки зрения считается, что при принятии решений человек действует логически, т. е. процесс принятия решений можно описать с помощью алгоритма – формальной схемы последовательности действий и операций. Однако, зачастую ЛПР не могут описать и формально представить свой процесс принятия решений, что объясняется самой природой неопределенности данного процесса.

В работах В.А. Рыжова, И.З. Батыршина, Т.М. Леденевой и др. ученых описаны различные подходы к созданию интеллектуальных систем поддержки принятия решений (ИСППР), интеллектуальных систем управления (ИСУ) и гибридных систем, в том числе использующих аппарат теории нечетких множеств и нечеткой логики. Данные ИСППР предназначены для помощи лицам, принимающим решения, в управлении и решении сложных неструктурированных задач в условиях жестких временных ограничений и наличия различного рода неопределенности: неполноты, неактуальности, противоречивости, нечеткости исходной информации, недетерминизма стратегий управления и проч. Такие ИСППР относятся к классу интегрированных интеллектуальных систем, сочетающих строгие математические модели и методы поиска решения с нестрогими (логико-лингвистическими) моделями и методами, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений и накопленном опыте.

Особенностями задач, решаемых с помощью нечетких ИСППР, в том числе ИСППР реального времени, являются [7]:

сложность, а порой даже невозможность, получить полную и объективную информацию, необходимой для принятия решения, что приводит к использованию субъективной информации;
многовариантность поиска наиболее эффективного решения поставленной задачи, необходимость применения методов правдоподобного (нечеткого) поиска решения и активного участия в нем ЛПР;
необходимость введения новой, дополнительной информации в базу знаний, а также их коррекции при поиске решения.

Следует отметить, что использование интеллектуальных систем учета, в отличие от интеллектуальных систем принятия решений, не предполагает участие человека в процессе принятия решений. Базой для построения нечеткой интеллектуальной системы учета является система учета с участием эксперта, который основываясь на собственных знаниях и опыте об исследуемом объекте формирует описание процесса управления. После этого описание объекта преобразуется в базу нечетких правил, которые в дальнейшем используются в интеллектуальной системе учета уже без участия эксперта. Идея подобного нечеткого управления объектом заключается в подражании действиям опытного эксперта. Нечеткие правила – это нечеткие продукционные правила, которые при фиксированной цели управления описывают стратегии управления на качественном уровне. Нечеткие интеллектуальные системы учета используются в тех областях, где традиционные системы управления неэффективны и неприменимы, а именно в случае нелинейности системы управления, в условиях неопределенности, а также в системах управления, основанных на использовании экспертной информации. В нечетких ИСУ входные и выходные переменные являются лингвистическими, а функция управления приближенно описывается совокупностью нечетких продукционных правил.

Итак, можно определить базовые принципы построения нечетких ИСППР и ИСУ реального времени [8]:

Принцип открытости и динамичности – интеллектуальные системы учета ориентированы на открытые и динамические предметные области;
Принцип семиотичности предполагает, что интеллектуальная система поддержки принятия решений реального времени – это система распределенного интеллекта семиотического типа, включающая помимо традиционных для экспертных систем модулей (базы данных и знаний, модуль ввода информации, подсистему вывода (поиска) решения), также базу моделей, интеллектуальные модули моделирования и прогнозирования проблемной ситуации, модули организации интерфейса: текстового, образного, речевого и в виде различных диаграмм и графиков;
Принцип адаптивности моделей представления данных и знаний, а также поиска решения, который подразумевает сохранение способности к обучению, пополнению и накоплению знаний, поддержание высокой работоспособности даже в условиях неожиданного и непредвиденного изменения свойств объекта, целей управления и т. п.;
Принцип распределенной и параллельной обработки информации, за счет которого обеспечивается возможность проведения быстрого и качественного анализа огромного объема информации и поиска приемлемого решения в условиях жестких временных ограничений;
Принцип максимизации удобства и упрощения процесса взаимодействия лица, принимающего решения, с ИСППР, что достигается благодаря использованию технологии когнитивной графики и гипертекста.

Читайте также: