INFORMATIKA Sustavi za poslovno odlučivanje Katedra za informatiku Ekonomski fakultet - Zagreb Literatura Bosilj Vukšić, V., Peić Bach, M.: “Poslovna informatika”, Element, Zagreb, 2012., poglavlje 3.2. 2 2 Sadržaj Sustavi za potporu odlučivanju Modeliranje u poslovnom odlučivanju Osnovne metode računalnog modeliranja Simulacijsko modeliranje Ekspertni sustavi 3 1. Sustavi za potporu odlučivanja (Decision Support Systems) Potreba za potporom odlučivanju Menadžerima je potrebna potpora pri odlučivanju zbog njihovih spoznajnih, ekonomskih i vremenskih ograničenja Spoznajna ograničenja odnose se na ograničenja ljudskih sposobnosti za pohranjivanjem i obradom informacija. (veličina kratkotrajne memorije, brzina obrade, greške u pamćenju i obradi informacija) To ograničava efikasnost i efektivnost odlučivanja pa je to razlog uvođenja više sudionika u odlučivanje 4 Potreba za potporom odlučivanju (nastavak) Ekonomska ograničenja odnose se na ograničenja mogućnosti uvođenja dovoljnog broja sudionika u proces odlučivanja. osim direktnih cijena sudionika znatno se povećava i cijena komunikacije i koordinacije Vremensko ograničenje može biti uzrok grešaka u odlučivanju jer se ne stignu razmotriti sve informacije, riješiti problemi i upotrijebiti poželjne strategije odlučivanja 5 Što je sustav potpore odlučivanju Sustav potpore odlučivanju (engl. Decision Support System, DSS) je računalni sustav koji podupire proces odlučivanja tako što pomaže menadžeru u: organizaciji informacija identifikaciji i dohvatu potrebnih informacija analizi i transformaciji tih informacija izboru odgovarajućih modela potrebnih za rješavanje problema odlučivanja izvođenju tih modela, 6 analizi dobivenih rezultata modeliranja za potrebe donositelja odluke Primjeri http://en.wikipedia.org/wiki/Decision_support_system Gate assignment system – United Airlines (1987) PROMIS – medical decision-making Clinical diagnosing Executive dashboards Forest management Military systems Canadian National Railway maintenance 7 Što je sustav potpore odlučivanju (nastavak) Takav sustav treba omogućiti: 8 rješavanje složenih problema odlučivanja korištenje različitih stilova i strategija odlučivanja korištenje velike količine ažurnih informacija upotrebu većeg broja metoda rješavanja problema skraćenje vremena potrebnog za donošenje odluke sustavi za potporu odlučivanju omogućuju generiranje boljih opcija te uzimanje u obzir većeg broja opcija pri odlučivanju, pa stoga i povećanje kvalitete odluka Što je sustav potpore odlučivanju (nastavak) Sustavi za potporu odlučivanju najčešće se koriste za potporu slabo strukturiranih problema odlučivanja. Ti sustavi: 9 imaju interaktivni karakter trebaju biti fleksibilni u analizi podataka, izvođenju modela i analizi njihova izlaza mogu sami upozoravati menadžere na podatke koji su posebno važni (npr. zato što odstupaju od svog uobičajenog raspona) te zahtijevaju reakciju menadžera mogu objašnjavati dobivene rezultate te omogućiti analizu osjetljivosti rezultata modeliranja Što je sustav potpore odlučivanju (nastavak) Sustavi za potporu odlučivanju omogućuju menadžerima da sami biraju način odlučivanja i redoslijed akcija, čime im se omogućuje korištenje različitih pristupa kod različitih vrsta situacija i odluka 10 Građa sustava za potporu odlučivanju Donositelj odluke Korisničko sučelje Sustav za upravljanje bazom ili skladištem podataka Baze ili skladišta podataka 11 Sustav za upravljanje bazom modela Modeli Sustav za upravljanje dokumentima Dokumenti Građa sustava za potporu odlučivanju (nastavak) Korisnik (donositelj odluke) pristupa cijelom sustavu preko jedinstvenog sučelja Tijekom rada sustava za potporu odlučivanju modeli mogu sami dohvatiti potrebne podatke iz baza podataka ili baze dokumenata, a nakon izvođenja rezultati se izvođenja mogu pohranjivati u baze podataka ili dokumenata 12 Građa sustava za potporu odlučivanju (nastavak) Podaci: za odlučivanje se koriste podaci iz više izvora: Unutarnji podaci: zapisi o podacima i transakcijama u tvrtki (npr. podaci o namještenicima, resursima ili cijenama, odnosno o nabavi, prodaji ili planiranju) Vanjski podaci podaci su o činiteljima izvan tvrtke (npr. preferencije kupaca, regionalna potražnja za proizvodima konkurencije, ili zakoni u pojedinim zemljama svijeta) Javni podaci, tj. podaci koji se mogu dobiti iz javnih izvora, npr. na Internetu, intranetu tvrtke odnosno ekstranetu suradničke tvrtke. (npr. podaci o popisu stanovništva, vladini dokumenti, kretanje cijena dionica ili trgovački ugovori) Privatni podaci su podaci koje menadžeri sakupljaju tijekom vremena i koji mogu biti korisni prilikom odlučivanja (npr. podaci o prethodnim donošenjima odluka u koje su bili uključeni, ocjene konkurentskih tvrtki koje su dobili od stručnjaka u koje imaju povjerenje) 13 Građa sustava za potporu odlučivanju (nastavak) Strukturiranim podacima pristupa se posredstvom sustava za upravljanje bazama ili skladištima podataka. U skladišta podataka pohranjuju se podaci važni za odlučivanje i obrađuju na taj način da ih korisnici mogu sami doseći, kombinirati i koristiti za različite vrste analiza. Snalaženje u brojnim mogućnostima analize koje pružaju skladišta podataka olakšavaju softverski agenti i rudarenje podataka Softverski agenti: mogu samostalno izvoditi radnje za koje su ovlašteni, npr. pronaći podatke koji zadovoljavaju neke kriterije i sl. Rudarenje podataka obuhvaća metode ispitivanja povezanosti među podacima, klasificiranje podataka u srodne skupine, ispitivanje trendova i sl. (metode: statist. metode, neuronske mreže, genetski algoritmi i sl.) 14 Građa sustava za potporu odlučivanju (nastavak) Dokumenti su nestrukturirani podaci (tekstovi, grafički prikazi, slike, glas i videozapisi). Samo u poslovnim organizacijama stvara se nekoliko milijardi stranica dokumenata dnevno (primjeri dokumenata: izvještaji, pisma korisnika, interne poruke, ugovori, vijesti, elektroničke poruke, diskusijske skupine i online baze podataka) Važan izvor dokumenata s ažurnim podacima jesu elektroničke poruke. Sustavi za elektroničku poštu mogu se iskoristiti i za filtriranje i organizaciju poruka. Budući da se uz poruke mogu slati i datoteke, u njima se šalju i formatizirani dokumenti, crteži, fotografije, zvučni zapisi, videozapisi i sl. 15 Građa sustava za potporu odlučivanju (nastavak) Modeli – sustav za upravljanjem bazom modela: omogućuje jednostavno korištenje modela potrebnih za analizu opcija korisniku daje odgovore na pitanja o tome koji modeli odgovaraju kojoj svrsi te koje pretpostavke moraju biti ispunjene za korištenje pojedinih modela brine se da podaci budu u potrebnom formatu te da se modeli po potrebi povezuju (tako da izlaz jednog modela postaje ulaz drugoga) 16 rezultate korištenja modela daje u razumljivom obliku te omogućuje izvođenje odgovarajuće analize osjetljivosti dobivenih rezultata Građa sustava za potporu odlučivanju (nastavak) U sustav za potporu odlučivanju moguće je uključiti različite vrste modela a) prema metodama na kojima se modeli temelje (npr. statistički, optimizacijski ili simulacijski modeli, ekspertni sustavi, neuronske mreže, genetski algoritmi, neizrazita logika) b) prema vrstama problema koje rješavaju (modeli vremenske vrijednosti novca, analize troškova i dobiti te modeli iz područja marketinga, financija, računovodstva, itd.) c) prema razini na kojoj se koriste modeli: strategijski modeli koriste se za visoki menadžment (npr. za planiranje ili izbor lokacije tvornice), taktički modeli koriste se za srednji menadžment (npr. za financijsko planiranje ili oblikovanje prostora tvornice), operacijski modeli koriste se u donošenju kratkoročnih odluka na nižim razinama odlučivanja (npr. za vremensko planiranje proizvodnje ili upravljanje zalihama) 17 Građa sustava za potporu odlučivanju (nastavak) Korisničko sučelje obuhvaća mehanizme potrebne za unos podataka u sustav, izvođenje modela te izlaz podataka Vodilje za razvoj kvalitetnog sučelja: u proces oblikovanja sučelja trebaju biti uključeni korisnici korištenje sustava mora biti intuitivno koristiti standardne poslovne termine razumljive korisnicima preko glavnog izbornika treba moći pokrenuti sve vrste operacija sustava sustav mora imati laganu navigaciju (prelazak na razne operacije) 18 vrijeme odziva sustava mora biti što kraće; 2. Modeliranje u poslovnom odlučivanju Sustavi potpore odlučivanju koriste različite vrste modela koji omogućuju: - kvantitativnu analizu posljedice odluke racionalizaciju simulaciju rada sustava traženje optimalnog rješenja itd. 19 Model je približni prikaz sustava ili procesa koji služi za razumijevanje sustava te njegovo mijenjanje ili upravljanje njime Modeli nisu manje vrijedni zato što su aproksimacije stvarnosti: upravo to ih čini korisnim, jer iz stvarnosti uzimaju samo najvažnije dijelove tako je stvarnost lakše razumjeti 20 Modeli omogućuju: • opis kompleksnih fenomena • njihovo bolje razumijevanje • komunikaciju onih koji rješavaju problem • rješavanje problema 21 Svrha primjene računalnih modela u inženjerstvu i ekonomiji: oblikovanje novih rješenja ispitivanje svojstava rješenja izbor optimalnih rješenja 22 Vrste modela mentalni modeli se neprekidno stvaraju u ljudskom mozgu kako bi čovjek mogao povezati činjenice i predvidjeti ishod događaja materijalni (fizički) modeli pogodni su za opis fizičkih i kemijskih struktura matematički modeli – koriste se tamo gdje je moguć precizan opis fenomena konceptualni modeli - dijagrami strukture i logike rada sustava računalni modeli – softver u kojem je opisana logika i kvantitativni aspekti modela, i koji omogućuju dobivanje kvantitativnih rezultata o ponašanju sustava 23 3. Osnovne metode računalnog modeliranja Linearna optimizacija Simulacija dinamičkih sustava Ekspertni sustavi Genetski algoritmi Neuronske mreže Statistika i analiza podataka Analitičko modeliranje Rudarenje podataka i OLAP 24 Linearna optimizacija - skupina metoda za traženje najpovoljnijih rješenja dodjeljivanja ograničenih resursa (kapitala, rada, materijala i sl.) . primjer: max. profita u proizvodnji mobitela; koliko jedinica pojedinih modela mobitela treba proizvesti mjesečno da bi profit bio maksimalan Simulacija – modeliranje složenih dinamičkih sustava Diskretna simulacija - detaljno modeliranje dinamičkih sustava koji sadrže slučajne varijable (npr. vrijeme posluživanja stranaka) – analiza repova čekanja i sl. Sistemska dinamika - modeliranje sustava s povratnom spregom – traženje načina upravljanja sustavom 25 Ekspertni sustavi - sustavi koji oponašaju rad eksperata – temeljeni su na znanju – mogu davati dijagnozu uzroka neke situacije, predlagati akcije koje treba poduzeti i sl. Genetski algoritmi – metoda optimizacije koja se temelji na uzastopnom popravljanju kvalitete rješenja u više „generacija“ rješavanja problema, i to križanjem i mutacijom rješenja iz prethodne generacije koriste se kod vrlo složenih problema koji mogu biti nelinearni i diskontinuirani 26 Neuronske mreže - način rješavanja problema temeljen na sličnosti s radom centralnog živčanog sustava čovjeka – učenje iz podataka posebno su dobre za modeliranje problema o kojima se nedovoljno zna, ali se za njih može prikupiti dovoljno podataka (npr. promjena vrijednosti dionica u vremenu) Statistika i analiza podataka – veliki izbor modela Regresija – traženje faktora koji utječu na zavisne varijable i određivanje stupnja njihova utjecaja Klasifikacija - određivanje područja vrijednosti parametara objekata koje označuju pripadanje objekta u neku klasu (npr. nalaženje područja vrijednosti značajki poduzeća koje ga dovode u klasu uspješnih poduzeća) Prognostičke metode – trend promjene vrijednosti varijable Analitičko modeliranje koristi tablične kalkulatore - model nekog fenomena opisuje se u obliku pravokutne tablice s ćelijama (tj. varijablama), a vrijednost svake ćelije može ovisiti o vrijednosti jedne ili više drugih ćelija Rudarenje podataka i OLAP analize Rudarenje podataka – identifikacija još nepoznatih a potencijalno korisnih veza među postojećim podacima korištenje različitih metoda: stabla odlučivanja, strojno učenje ili neuronske mreže OLAP (Online Analytic Processing) analiza – temeljena na multidimenzijskoj analizi podataka gdje dimenzije mogu biti npr. tržišta, proizvodi ili vrijeme 4. Simulacijsko modeliranje • Simulacija omogućuje kvantitativnu analizu dinamičkih procesa (poslovni procesi, logistika, proizvodnja, uslužne djelatnosti i sl.) • Ovdje ćemo prikazati metodu diskretne simulacije koja detaljno opisuje sustave sa redovima čekanja na ograničene resurse 29 Osnovne značajke diskretne simulacije Simulacija omogućuje nalaženje odgovora na različita pitanja koja se postavljaju tijekom procesa donošenja odluka, npr.: Koliko šaltera za registraciju treba neka zrakoplovna kompanija? Kako reorganizirati proces rada bankovnih poslovnica da bi se skratila čekanja i smanjile gužve? Kvantitativni odgovori na ovakva pitanja pomažu u donošenju racionalnih odluka temeljenih na modelima sustava ili procesa. Diskretna simulacija: omogućuje detaljan opis strukture sustava i njegovih elemenata ponašanje sustava opisuje se na diskontinuirani način, u obliku slijeda različitih događaja i aktivnosti modeli oponašaju stvarne sustave i procese, a objekti u modelima predstavljaju objekte iz stvarnih sustava ili procesa prvenstveno se koristi za modeliranje i analizu sustava s redovima čekanja na resurse sustava (blagajne, autobuse, mreže računala i sl.) 31 Simulacijski model Osnovni koraci simulacijskog procesa: - definicija cilja simulacijske studije, - identifikacija sustava, - sakupljanje i analiza podataka o sustavu, - izgradnja simulacijskog modela i simulacijskog programa, - vrednovanje simulacijskog modela, - planiranje i izvođenje simulacijskih eksperimenata, - analiza rezultata eksperimenata te - donošenje zaključaka i preporuka Prva faza u razvoju simulacijskog modela - stvaranje konceptualnog simulacijskog modela 33 on služi tome da se prikažu najvažniji elementi sustava i njihovo međudjelovanje koje dovode do aktivnosti u sustavu Dijagrami ciklusa aktivnosti 34 Slijedi stvaranje računalnog modela sustava 35 stvara se korištenjem nekog od simulacijskih softvera kao što su GPSS, SIMSCRIPT, SIMULA, Arena ili Simul8 Simulacijski softver omogućava stvaranje detaljnog simulacijskog modela koji precizno opisuje sve objekte sustava Animacija modela znatno olakšava i pronalaženje logičkih grešaka modela Korištenje vizualne interaktivne simulacije poboljšava komunikaciju modelara s korisnicima jer korisnici lakše razumiju model prikazan u grafičkom obliku Korisnici mogu zaustaviti izvođenje kada se pokaže da model ima neočekivano ili neželjeno ponašanje, promijeniti odgovarajuće parametre modela i nastaviti izvođenje simulacije Primjer: rad poslovnice banke Omogućuje analizu kvalitete posluživanja i iskorištenja resursa poslovnice Napravljena je u vizualnom interaktivnom softveru Model sadrži ServiceModel - grafički dio koji prikazuje objekte sustava (npr. stranke i šaltere) te puteve koje oni mogu prijeći tijekom rada modela - algoritamski (programski) dio koji sadrži detalje aktivnosti objekata sustava provode (npr. proračun trajanja čekanja u redu i sl.) 37 Detaljni prikaz procesa u simulacijskom modelu poslovnice banke (grafički i algoritamski) 38 Prikaz jednog trenutka odvijanja animacije rada poslovnice banke 39 Grafički prikaz izlaza simulacije: promjena ukupne duljine redova pred svim blagajnama tijekom vremena rada poslovnice banke 40 Primjene diskretne simulacije Neke od primjena simulacije: Simulacija proizvodnje Simulacija u logistici Simulacija uslužnih djelatnosti Simulacija transporta Simulacija u zdravstvu Simulacija za vojne potrebe Simulacija u proizvodnji Jedno od prvih područja intenzivne primjene simulacije. Njome se omogućuje: 42 analiza složenih suvremenih proizvodnih procesa, eliminaciju uskih grla proizvodnje ispitivanje mogućnosti povećanja propusnosti proizvodnog pogona smanjenja zaliha u proizvodnji, povećanja iskorištenja strojeva, i sl. Simulacija uslužnih djelatnosti Njome se omogućuje modeliranje procesa u kojima sudjeluju ljudi te koji su zbog toga vrlo nepravilni i sadrže slučajne varijable s velikim fluktuacijama (dolasci, posluživanja, izbori između više mogućnosti i sl.) Poslovni procesi također imaju te karakteristike Rješavaju se problemi određivanja potrebnih resursa (ljudi, oprema i sl.) i načina organizacije rada sustava koji osiguravaju kvalitetnu uslugu uz što manje čekanje i osiguranje racionalnog rada sustava 43 Simulacija transporta Njome se omogućuje: modeliranje i simulacija transportnih centara (luke, aerodromi, željezničke stanice, poštanski centri i sl.) simulaciju transporta u transportnim mrežama (zračne linije, željeznica, cestovni promet, sustavi masovnog gradskog prometa) 44 analiza utjecaja tehnologije transporta, broja vozila različitih vrsta te vremenskih planova transporta na korištenje sredstava transporta, vrijeme transporta i transportne troškove. 5. Ekspertni sustavi Što su ekspertni sustavi To su računalni programi iz područja umjetne inteligencije koji rješavaju probleme na razini eksperata U rješavanju problema ekspertni sustavi se služe znanjem i zaključivanjem Oni mogu naći približno rješenje problema čak i kada podaci o problemu nisu potpuni Mogu objasniti kako su došli do rješenja problema 45 Osnovne značajke ekspertnih sustava U rješavanju problema ekspertni sustavi ponajviše se oslanjaju na znanje a manje na metode zaključivanja Jedan od razloga tome je što znatan dio stvarnih problema nema rješenje u obliku algoritma Drugi razlog je spoznaja da su eksperti efikasni u rješavanju problema zbog znanja kojeg su tijekom dugog razdoblja akumulirali 46 Kada ima smisla koristiti ekspertne sustave ekspertni sustav se ne isplati uvoditi ukoliko postoji dovoljno eksperata u nekom području da bi se ekspertni sustavi mogli izgraditi, potrebni su eksperti koji žele surađivati i staviti svoje znanje na raspolaganje drugima ekspertni sustavi su najprikladniji za situacije u kojima nema efikasnog algoritamskog rješenja da bi imalo smisla graditi ekspertne sustave potrebno je posjedovati dobro definirano znanje i opis željene funkcionalnosti ekspertnog sustava Struktura ekspertnih sustava Baza znanja - izvor znanja o području prikupljenom od eksperata za to područje Baza činjenica - sadrži činjenice o stanju specifičnog problema koji se upravo rješava (npr. financijsko stanje nekog poduzeća koje ima problema s likvidnošću) ona mijenja sadržaj tijekom vremena kako se mijenja stanje problema Mehanizam zaključivanja - predstavlja postupak za traženje rješenja problema pritom koristi činjenice i znanje, i određuje redoslijed aktiviranja elemenata znanja u bazi znanja Znanje se najčešće prikazuje u obliku pravila (npr.: “AKO poduzeće ima narudžbi I ne uspijeva ih zadovoljiti, TADA treba zaposliti još radnika”) 49 Korisnik Korisničko sučelje Mehanizam sakupljanja znanja Baza znanja Mehanizam objašnjavanja rezultata Mehanizam zaključivanja Baza činjenica Struktura ekspertnih sustava 50 Proces razvoja ekspertnih sustava 51 identifikacija problema, analiza zadatka koji ekspertni sustav mora rješavati, razvoj prototipa ekspertnog sustava, razvoj cjelovitog ekspertnog sustava, testiranje ekspertnog sustava sa stvarnim korisnicima, instaliranje ekspertnog sustava u njegovu radnu okolinu i uvježbavanje korisnika te održavanje sustava. Primjene ekspertnih sustava Ekspertni sustavi koriste se na više načina. Dijagnoza označava zaključivanje o uzrocima pogrešnog funkcioniranja sustava na temelju podataka o njegovim značajkama (financijske analize, popravak strojeva). Otklanjanje kvara traži način na koji se sustav može dovesti u zadovoljavajuće stanje. Predviđanje se odnosi na zaključivanje o posljedicama određenih situacija (financijska ili demografska predviđanja). Oblikovanje označava konfiguriranje sustava unutar zadanih ograničenja (oblikovanje budžeta ili računalnog sustava). 53 Neke od primjena ekspertnih sustava u poslovanju: Procjene rizika u osiguranju Davanje financijskih savjeta o spajanjima i akvizicijama tvrtki Pomaganje menadžerima portfelja da odrede ciljeve investiranja svojih klijenata i izaberu portfelje koji najbolje ostvaruju te ciljeve 54 Primjer – u ekspertnom sustavu Doctus Primjer prikaza relevantnih osobina kandidata za natječaj za radna mjesta, te mogućih vrijednosti tih osobina 55 Primjer odluke o pogodnosti prijavljenih kandidata (po r. br. kandidata u koloni na lijevoj strani) 56
© Copyright 2024 Paperzz