Какие существуют DSS-системы. Системы поддержки принятия решений в бизнесе Системы поддержки принятия решений highload

Система поддержки принятия решений (СППР) – это компьютерные интерактивные системы, разработанные в помощь менеджеру (или руководителю) при принятии решений. СППР включают и данные, и модели, чтобы помочь лицу, принимающему решения решить проблемы, особенно те, которые плохо формализованы.

Системы ориентированы на главных управляющих и средних менеджеров, на изменения, гибкость и быструю реакцию. Акцент делается на моделях, предположениях и показе графики. Основа – профессиональный анализ и приемы проектирования. Эти системы по типу итерационные, не жесткие и никогда не закончены. Этого требует суть неструктурированных проблем, которые оригинальны и необычны, для них не имеется никаких алгоритмов для решения и каждая имеет свой ответ.

Поэтому СППР разработаны для поддержки слабоструктурированного и неструктурированного прикладного анализа, чтобы помогать проектировать, оценивать альтернативы и контролировать процесс реализации. Самый распространенный тип СППР – в виде генератора финансового отчета.

Преимущество компьютера состоит в его огромном быстродействии и памяти, что делает его необходимым практически во всех областях человеческой деятельности.

В принятии решений важнейшими областями, в которых компьютер становится ближайшим помощником человека, являются:

· быстрый доступ к информации, накопленной в компьютере лица, принимающего решение, или в компьютерной сети;

· осуществление оптимизации или интерактивной имитации, основанных на математических или эвристических моделях;

· нахождение в базах данных принятых ранее решений в ситуациях, подобных исследуемым, для использования ЛПР в подходящий момент;

· использование знаний лучших в своей области специалистов, включенных в базы знаний экспертных систем;

· представление результатов в наиболее подходящей для ЛПР форме.

· Но традиционное использование ЭВМ не самое эффективное. Руководитель, кроме информации из базы данных, кроме некоторых экономических или технологических расчетов, в своей деятельности встречается с большим количеством задач по управлению системой, которые не решаются в рамках традиционных информационных технологий.

· В связи с необходимостью решения задач подобного рода были разработаны компьютерные системы нового типа - системы поддержки принятия решений (СППР).

· СППР представляют собой системы обработки информации в целях интерактивной поддержки деятельности руководителя в процессе принятия решений.

· Можно выделить два основных направления такой поддержки:

· облегчение взаимодействия между данными, процедурами анализа и обработки данных и моделями принятия решений, с одной стороны, и ЛПР, как пользователя этих систем – с другой;

· предоставление вспомогательной информации, в особенности для решения неструктурированных или слабоструктурированных задач, для которых трудно заранее определить данные и процедуры соответствующих решений.

· Другими словами, СППР - это компьютеризированные помощники, поддерживающие руководителя в преобразовании информации в эффективные для управляемой системы действия. Эти системы должны обладать такими качествами, которые делают их не только полезными, но и незаменимыми для ЛПР. Как любые информационные системы, они должны обеспечивать специфические нужды процесса принятия решений в информации. Кроме того, и это, видимо, главное - СППР должна адаптироваться к его стилю работы, отражать его стиль мышления, ассистировать все (в идеале) или большинство важных аспектов деятельности ЛПР. СППР должны иметь возможность адаптироваться к изменению вычислительных моделей, общаться с пользователем на специфическом для управляемой области языке (в идеале на естественном), представлять результаты в такой форме, которая способствовала бы более глубокому пониманию результатов.

· При этом, естественно, роль СППР не в том, чтобы заменить руководителя, а в том, чтобы повысить его эффективность. Цель СППР заключается не в автоматизации процесса принятия решения, а в осуществлении кооперации, взаимодействия между системой и человеком в процессе принятия решений. СППР должна поддерживать интуицию, уметь распознавать двусмысленность и неполноту информации, и иметь средства для их преодоления. Они должны быть дружественными ЛПР, помогая им в концептуальном определении задач, предлагая привычные представления результатов.

· Каждый руководитель обладает присущими только ему знаниями, талантом, опытом и стилем работы. Одной из целей СППР является помощь человеку в улучшении этих своих качеств. Кроме известных требований к информационным системам (мощная СУБД, которая обеспечивает эффективный доступ к данным, их целостность и защиту; развитые аналитические и вычислительные процедуры, обеспечивающие обработку и анализ данных; транспортабельность, надежность, гибкость, возможность включения новых технологических процедур), СППР должны обладать специфическими чертами:

Возможностью выработки вариантов решений в специальных, неожиданных для ЛПР ситуациях;

Возможностью моделей, применяемых в системах, адаптироваться к конкретной, специфической реальности в результате диалога с пользователем;

Возможностью системы интерактивного генерирования моделей.

В связи с тем, что ЛПР не всегда имеет хорошо определенную цель в каждой ситуации, решение является исследовательским процессом, а СППР - средством более углубленного познания системы и усовершенствования своего стиля работы руководителем. Как правило, СППР имеют модульную структуру, что позволяет включать новые процедуры и модернизировать уже включенные в систему в соответствии с новыми требованиями.

Принятие решений предусматривает последовательное выполнение следующих шагов: осмысливание проблемы, диагностика, концептуальное или математическое моделирование, выработка альтернатив и выбор тех, которые в наибольшей степени удовлетворяют поставленным целям, а также мониторинг осуществления решения.

СППР призваны помочь ЛПР на каждом из перечисленных шагов и, следовательно, прогресс в разработке и расширении области их применения зависит и от концепции их построения, и от совершенства отражения каждой из функций, которую они поддерживают.

Прогресс последних лет выражается в интеграции в СППР систем, основанных на знаниях, что позволяет получать советы и объяснения предложенного решения.

Эволюция СППР также характеризуется и уровнем помощи, оказываемой ЛПР - от пассивной поддержки к расширенной, активной поддержке. Пассивная поддержка предоставляет удобный инструмент, не претендуя на изменение существующих способов действий ЛПР. Качество этих СППР зависит от удобства и доступности программного продукта, точнее сказать, от его интерфейса. Фактически это интерактивные информационные системы, предоставляющие руководителю только те услуги, которые он требует, и только в ответ на его требование. В пассивный подход включаются традиционные СППР, которые отвечают на вопрос "что если?" (what if?). ЛПР выбирает альтернативы и оценивает их, имея возможность анализировать простые альтернативы, обобщая, увеличивает эффективность процесса принятия решений.

В настоящее время создались предпосылки для перехода к расширенной поддержке принятия решений, в которой используются новые, нетрадиционные области, используются аналитические методы и, в частности, многокритериальный анализ. Этот подход более широко использует нормативный аспект получения эффективного решения, чем обычные СППР. Одновременно присутствуют процедуры анализа и объяснения полученного решения и оценки как преимуществ, так и возможных потерь.

Таким образом, ЛПР может оценить предложенный СППР вариант и принять решение, имея более широкий взгляд, как на само решение, так и на его последствия, благодаря консультациям, предоставленным системой.

Как правило, СППР используют информацию из баз данных и знаний и (или) предоставленную ЛПР. Известно, что руководители пользуются и информацией из текстуальных документов, отчетов, специальных обзоров, статей и др. Возможно и более широкое применение неструктурированной информации в СППР.

В настоящее время выделяют три класса СППР в зависимости от сложности решаемых задач и областей применения.

СППР первого класса, обладающие наибольшими функциональными возможностями, предназначены для применения в органах государственного управления высшего уровня (например, министерства) и органах управления больших компаний при планировании крупных комплексных целевых программ для обоснования решений относительно включения в программу различных политических, социальных или экономических мероприятий и распределения между ними ресурсов на основе оценки их влияния на достижение основной цели программы. СППР этого класса являются системами коллективного пользования, базы знаний которых формируются многими экспертами - специалистами в различных областях знаний.

СППР второго класса являются системами индивидуального пользования, базы знаний которых формируются самим пользователем. Они предназначены для использования государственными служащими среднего ранга, а также руководителями малых и средних фирм для решения оперативных задач управления.

СППР третьего класса являются системами индивидуального пользования, адаптирующимися к опыту пользователя. Они предназначены для решения часто встречающихся прикладных задач системного анализа и управления (например, выбор субъекта кредитования, выбор исполнителя работы, назначение на должность и пр.). Такие системы обеспечивают получение решения текущей задачи на основе информации о результатах практического использования решений этой же задачи, принятых в прошлом.

Конкурентоспособное производство должно основываться на новейших достижениях и в связи с этим достаточно легко переориентироваться на более совершенные технологии. Поэтому руководителю любого ранга следует обеспечить необходимую помощь в выработке и обосновании решений, адекватных изменяющимся условиям, в которых функционирует управляемая им система, и воздействиям со стороны среды. СППР являются мощным инструментом для выработки альтернативных вариантов действий, анализа последствий их применения и совершенствования навыков руководителя в столь важной области его деятельности как принятие решений.

- 2 Схема процесса принятия решений

Общая схема процесса принятия решений включает следующие основные этапы:

Этап 1. Предварительный анализ проблемы.

На этом этапе определяются:

Главные цели;

Уровни рассмотрения, элементы и структура системы (процесса), типы связей;

Подсистемы, используемые ими основные ресурсы и критерии качества функционирования подсистем;

Основные противоречия, узкие места и ограничения.

- Этап 2. Постановка задачи.

Постановка конкретной задачи принятия решений (ЗПР) включает:

Формулирование задачи;

Определение типа задачи;

Определение множества альтернативных вариантов и основных критериев для выбора из них наилучших;

Выбор метода решения ЗПР.

- Этап 3. Получение исходных данных.

На данном этапе устанавливаются способы измерения альтернатив. Это либо сбор количественных (статистических) данных, либо методы математического или имитационного моделирования, либо методы экспертной оценки. В последнем случае необходимо решить задачи формирования группы экспертов, проведения экспертных опросов, предварительного анализа экспертных оценок.

- Этап 4. Решение ЗПР с привлечением математических методов и вычислительной техники, экспертов и лица, принимающего решение.

На этом этапе производятся математическая обработка исходной информации, ее уточнение и модификация в случае необходимости. Обработка информации может оказаться достаточно трудоемкой, при этом может возникнуть необходимость совершения нескольких итераций и желание применить различные методы для решения задачи. Поэтому именно на этом этапе возникает потребность в компьютерной поддержке процесса принятия решений, которая выполняется с помощью автоматизированных систем принятия решений.

- Этап 5. Анализ и интерпретация полученных результатов.

Полученные результаты могут оказаться неудовлетворительными и потребовать изменений в постановке ЗПР. В этом случае необходимо будет возвратиться на этап 2 или этап 1 и пройти заново весь путь. Решение ЗПР может занимать достаточно длительный промежуток времени, в течение которого окружение задачи может измениться и потребовать корректировок в постановке задачи, а также в исходных данных (например, могут появиться новые альтернативы, требующие введения новых критериев).

Задачи принятия решений можно разделить на статические и динамические. К первым относятся задачи, которые не требуют многократного решения через короткие интервалы времени. К динамическим относятся ЗПР, которые возникают достаточно часто. Следовательно, итерационный характер процесса принятия решений можно считать закономерным, что подтверждает необходимость создания и использования эффективных систем компьютерной поддержки. ЗПР, требующие одного цикла, можно скорее считать исключением, чем правилом.

- 3 Компоненты системы поддержки принятия решений

Система поддержки принятия решений требует трех первичных компонентов:

Модель управления;

Модель управления данными для сбора и ручной обработки данных;

Модель управления диалогом для облегчения доступа пользователя к СППР.

Пользователь взаимодействует с СППР через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем СППР представляют результаты пользователю через тот же самый пользовательский интерфейс. Модели управления и управления данными в значительной степени действуют независимо и варьируются от относительно простой типовой модели в электронной таблице до сложной комплексной модели планирования, основанной на математическом программировании.

С помощью электронной таблицы типа Microsoft Excel создаются модели, чтобы прогнозировать различные элементы организации или финансового состояния. В качестве данных используются предыдущие финансовые отчеты организации. Начальная модель включает различные предложения относительно будущих трендов в категориях расходов и доходов. После рассмотрения результатов базовой модели менеджер проводит ряд исследований типа «что, если», изменяя одно или большее количество предположений, чтобы определить их влияние на исходное состояние. Например, менеджер мог бы зондировать влияние на рентабельность, если бы продажа нового изделия росла на 10% ежегодно. Или менеджер мог бы исследовать влияние большего, чем ожидаемое, увеличение цены сырья, например 7% вместо 4% ежегодно. Этот тип генератора финансового отчета – простые, но мощные СППР для руководства при принятии решений, в том числе и финансовых.

Генератор системы поддержки принятия решений – это система, которая обеспечивает набор возможностей быстро и легко строить специфические СППР. Генератор СППР – пакет программ, разработанный для решения лишь частично с помощью компьютера слабоструктуризованных или неформализованных проблем.

- 4 Использование систем поддержки принятия решений

Система поддержки принятия решений помогают находить ответы не только на прямой вопрос «что если?», но и на подобные. Типичные вопросы по системам поддержки принятия решений (СППР):

1. Анализ примеров (casе analyses) – оценка значений выходных величин для заданного набора выходных переменных.

2. Параметрический (casе analyses) анализ – оценка поведения выходных величин при изменении значений исходных переменных.

3. Анализ чувствительности – исследование поведения результирующих переменных в зависимости от изменения значения одной или нескольких входных переменных.

4. Анализ возможностей – нахождение значений входной переменной, которые обеспечивают желаемый конечный результат (известен также под названием «поиск целевых решений», «анализ значений целей», «управление по целям»).

5. Анализ влияния – выявление для выбранной результирующей переменной всех входных переменных, влияющих на ее значение, и оценка величины изменения результирующей переменной при заданном изменении входной переменной, скажем на 1%.

6. Анализ данных – прямой ввод в модель раннее известных данных и манипулирование при прогнозировании.

7. Сравнение и агрегирование – сравнение результатов двух или более прогнозов, сделанных при различных входных предположениях, или сравнение предсказанных результатов с действительными, или объединение результатов, полученных при различных прогнозах или для разных моделей.

8. Командные последовательности – возможность, использовать, сохранять для последующего использования регулярно выполняемые серии команд и сообщений.

9. Анализ риска – оценка исполнения выходных переменных при случайных изменениях входных величин.

10. Оптимизация – поиск значений управляемых входных переменных, обеспечивающих наилучшее значение одной или нескольких результирующих переменных.

11. Примеры задач, решаемых с привлечением СППР : выбор методов завоевания рынка бытовой техники; оценка перспективности видов альтернативного горючего для автомобилей.

12. В последнее время СППР начинают применяться и в интересах малого и среднего бизнеса (например выбор варианта размещения торговых точек, выбор кандидатуры на замещение вакантной должности, выбор варианта информатизации и т.д.). В общем, они способны поддержать индивидуальный стиль и соответствовать персональным потребностям менеджера.

13. Существуют системы, созданные для решения сложных проблем в больших коммерческих и государственных организациях:

14. Система авиалиний. В отрасли авиаперевозок используется система поддержки принятия решений – Аналитическая Информационная Система Управления. Она была создана American Airlines, но используется и остальными компаниями, производителями самолетов, аналитиками авиаперевозок, консультантами и ассоциациями. Эта система поддерживает множество решений в этой отрасли путем анализа данных, собранных во время утилизации транспорта, оценки грузопотока, статистического анализа графика. Например, она позволяет делать прогнозы для авиарынка по долям компаний, выручке и рентабельности. Таким образом, эта система позволяет руководству авиакомпании принимать решения относительно цены билетов, запросов в транспорте и т.д.

15. Географическая система. Географическая информационная система – это специальная категория систем поддержки, которая позволяет интегрировать компьютерную графику с географическими БД и с другими функциями систем поддержки принятия решений. Например, IBMs GeoManager – это система, которая позволяет конструировать и показывать карты и другие визуальные объекты для помощи при принятии решений относительно географического распределения людей и ресурсов. Например, она позволяет создать географическую карту преступности и помогает верно перераспределить силы полиции. Также ее используют для изучения степени урбанизации, в лесной промышленности, железнодорожном бизнесе и т.д.

Введение

Зачем нужны СППР :

1. Сложность в принятии решений
2. Необходимость в точной оценке различных альтернатив
3. Необходимость предсказательного функционала
4. Необходимость мультипотокового входа (для принятия решения нужны выводы на основе данных, экспертные оценки, известные ограничения и т.п.)

С начала 80-х уже можно говорить о формировании подклассов СППР , таких как MIS (Management Information System), EIS (Executive Information System), GDSS (Group Decision Support Systems), ODSS (Organization Decision Support Systems) и др. По сути, эти системы представляли собой фреймворки, спососбные работать с данными на различных уровнях иерархии (от индивидуального до общеорганизационного), а внутрь можно было внедрить какую угодно логику. Примером может служить разработанная Texas Instruments для United Airlines система GADS (Gate Assignment Display System), которая поодерживала принятие решений в Field Operations - назначение гейтов, определение оптимального времени стоянки и т.п.

В конце 80-х появились ПСППР (Продвинутые - Advanced), которые позволяли осуществлять «what-if» анализ и использовали более продвинутый инструментарий для моделирования.

Наконец, с середины 90-х на свет стали появляться и ИСППР , в основе которых стали лежать инструменты статистики и машинного обучения, теории игр и прочего сложного моделирования.

Многообразие СППР

По области применения

• Бизнес и менеджмент (прайсинг, рабочая сила, продукты, стратегия и т.п.)
• Инжиниринг (дизайн продукта, контроль качества...)
• Финансы (кредитование и займы)
• Медицина (лекарства, виды лечения, диагностика)
• Окружающая среда

По соотношению данные\модели (методика Стивена Альтера)

• FDS (File Drawer Systems - системы предоставления доступа к нужным данным)
• DAS (Data Analysis Systems - системы для быстрого манипулирования данными)
• AIS (Analysis Information Systems - системы доступа к данным по типу необходимого решения)
• AFM(s) (Accounting & Financial models (systems) - системы рассчета финансовых последствий)
• RM(s) (Representation models (systems) - системы симуляции, AnyLogic как пример)
• OM(s) (Optimization models (systems) - системы, решающие задачи оптимизации)
• SM(s) (Suggestion models (systems) - системы построения логических выводов на основе правил)

По типу использумого инструментария

• Model Driven - в основе лежат классические модели (линейные модели, модели управления запасами, транспортные, финансовые и т.п.)
• Data Driven - на основе исторических данных
• Communication Driven - системы на оснвое группового принятия решений экспертами (системы фасилитации обмена мнениями и подсчета средних экспертных значений)
• Document Driven - по сути проиндексированное (часто - многомерное) хранилище документов
• Knowledge Driven - внезапно, на основе знаний. При чем знаний как экспертных, так и выводимых машинно

Я требую жалобную книгу! нормальную СППР

1. Качество
2. Организация
3. Ограничения
4. Модель

Отдельно отметим такие важные атрибуты, как масштабируемость (в ныне одном подходе agile никуда без этого), способность обрабатывать плохие данные, юзабилити и user-friendly interface, нетребовательность к ресурсам.

Архитектура и дизайн ИСППР

Действительно, СППР вполне можно разделить на 4 больших слоя:

1. Интерфейс
2. Моделирование
3. Data Mining
4. Data collection

На схеме ниже представляю мое видение архитектуры, с описанием функционала и примерами инструментов:

С архитектурой более или менее понятно, перейдем к дизайну и собственно построению СППР.

В прицнипе, тут нет никакого rocket science. При построении ИСППР необходимо придерживаться следующих шагов:

1. Анализ домена (собственно, где мы будем нашу ИСППР использовать)
2. Сбор данных
3. Анализ данных
4. Выбор моделей
5. Экспертный анализ\интерпретация моделей
6. Внедрение моделей
7. Оценка ИСППР
8. Внедрение ИСППР
9. Сбор обратной свзяи (на любом этапе , на самом деле)

Оценивать ИСППР можно двумя способами. Во-первых, по матрице атрибутов, которая представлена выше. Во-вторых, по критериальному чек-листу, который может быть любым и зависеть от вашей конкретной задачи. В качестве примера такого чек-листа я бы привел следующее:

Подчеркну, что это только ИМХО и вы можете сами сделать удобный для себя чек-лист.

А где тут машинное обучение и теория игр?

С одной стороны, есть классические домены, назовем их «тяжелыми», вроде управления цепями поставок, производства, запасов ТМЦ и проч. В тяжелых доменах наши с вами любимые алгоритмы могут привнести дополнительные инсайты для зарекомендовавших себя классических моделей. Пример: предиктивная аналитика по выходам из строя оборудования (машинное обучение) отлично сработается с каким-нибудь FMEA анализом (классика).

С другой стороны, в «легких» доменах, вроде клиентской аналитики, предсказании churn, выплаты кредитов - алгоритмы машинного обучения будут на первых ролях. А в скоринге, например, можно совмещать классику с NLP, когда решаем выдавать ли кредит на основе пакета документов (как раз-таки document driven СППР).

Классические алгоритмы машинного обучения

Поступаем очень просто:

Шаг 0. Определяем целевую переменную (ну, например, содержание оксида титана в готовой продукции)
Шаг 1. Определяемся с данными (выгружаем из SAP, Access и вообще ото всюду, куда дотянемся)
Шаг 2. Собираем фичи\генерим новые
Шаг 3. Рисуем процесс data flow и запускаем его в продакшн
Шаг 4. Выбираем и обучаем модельку, запускаем ее крутиться на сервере
Шаг 5. Определяем feature importances
Шаг 6. Определяемся со вводом новых данных. Пусть наш менеджер их вводит, например, руками.
Шаг 7. Пишем на коленке простой web-based интерфейс, куда менеджер вводит ручками значения важных фич, это крутится на серваке с моделькой, и в тот же интерфейс выплевываестя прогнозируемое качество продукции

Вуа-ля, ИСППР уровня детсад готова, можно пользоваться.

Подобные «простые» алгоритмы также использует IBM в своей СППР Tivoli, которая позволяет определять состояние своих супер-компьютеров (Watson в первую очередь): на основе логов выводится информация по перформансу Watson, прогнозируется доступность ресурсов, баланс cost vs profit, необходимость обслуживания и т.п.

Компания ABB предлагает своим клиентам DSS800 для анализа работы электродвигателей той же ABB на бумагоделательной линии.

Финская Vaisala , производитель сенсоров для минтранса Финляндии использует ИСППР для предсказания того, в какие периоды необходимо применять анти-обледенитель на дорогах во избежания ДТП.

Опять-таки финская Foredata предлагает ИСППР для HR, которая помогает принимать решения по годности кандидата на позицию еще на этапе отбора резюме.

В аэропорту Дубай в грузовом терминале работает СППР, которая определяет подозрительность груза. Под капотом алгоритмы на основе сопровидительных документов и вводимых сотрудниками таможни данных выделяют подозрительные грузы: фичами при этом являются страна происхождения, информация на упаковке, конкретная информация в полях декларации и т.п.

Тысячи их!

Обычные нейронные сети

Некоторые примеры можно найти в ВПК, например в американской TACDSS (Tactical Air Combat Decision Support System). Там внутри крутятся нейронки и эволюционные алгоритмы, помогающие в определении свой-чужой, в оценке вероятности попадания при залпе в данный конкретный момент и прочие задачки.

В немного более реальном мире можно рассмотреть такой пример: в сегменте B2B необходимо определить, выдавать ли кредит организации на основе пакета документов. Это в B2C вас оператор замучает вопросами по телефону, проставит значения фич у себя в системе и озвучит решение алгоритма, в B2B несколько посложнее.

ИСППР там может строиться так: потенциальный заемщик приносит заранее согласованный пакет документов в офис (ну или по email присылает сканы, с подписями и печатями, как положено), документы скармливаются в OCR, затем передаются в NLP-алгоритм, который дальше уже делит слова на фичи и скармливает их в NN. Клиента просят попить кофе (в лучшем случае), или вот где карту оформляли туда и идите прийти после обеда, за это время как раз все и обсчитается и выведет на экран девочке-операционисту зеленый или красный смайлик. Ну или желтый, если вроде ок, но нужно больше справок богу справок.

Подобными алгоритмами пользуются также в МИД: анкета на визу + прочие справки анализируются прямо в посольстве \ консульстве, после чего сотруднику на экране высвечивается один из 3 смайликов: зеленый (визу выдать), желтый (есть вопросы), красный (соискатель в стоп-листе). Если вы когда-нибудь получали визу в США, то то решение, которое озвучивает вам сотрудник консульства - это именно результат работы алгоритма в совокупности с правилами, а никак не его личное субъективное мнение о вас:)

В тяжелых доменах известны также СППР на основе нейронок, определяющие места накопления буфера на производственных линиях (см, напимер, Tsadiras AK, Papadopoulos CT, O’Kelly MEJ (2013) An artificial neural network based decision support system for solving the buffer allocation problem in reliable production lines. Comput Ind Eng 66(4):1150–1162 ), Общие Нечеткие Нейронные Сети на основе мин-макса (GFMMNN) для кластеризации потребителей воды (Arsene CTC, Gabrys B, Al-Dabass D (2012) Decision support system for water distribution systems based on neural networks and graphs theory for leakage detection. Expert Syst Appl 39(18):13214–13224 ) и другие.

Вообще стоит отметить, что NN как нельзя лучше подходят для принятия решений в условиях неопределенности, т.е. условиях, в которых и живет реальный бизнес. Алгоритмы кластеризации также хорошо вписались.

Байесовские сети

Динамические данные обновляются во времени, соответственно, паттерн работы модели будет такой: обучение-решение-обучение , что в общем похоже на работу врача: примерно определить диагноз, прокапать лекарство, посмотреть за реакцией. Таким образом, мы постоянно пребываем в состоянии неопределенности, подействует лечение или нет. И состояние пациента меняется динамически. Т.е. нам надо построить динамическую СППР, причем еще и knowledge driven.

В таких случаях нам отлично помогут Динамические Байесовские Сети (ДБС) - обобщение моделей на основе фильтров Калмана и Скрытой Марковской Модели.

Разделим данные по пациенту на статические и динамические.

Если бы мы строили статическую байесовскую сетку, то нашей задачей было бы посчитать следующую вероятность:

Где - узел нашей сетки (вершина графа, по сути), т.е. значение каждой переменной (пол, возраст....), а С - предсказываемый класс (болезнь).

Статическая сетка выглядит так:

Но это не айс. Состояние пациента меняется, время идет, надо решать, как же его лечить.

Вот для этого и применим ДБС.

Сначала, в день приема пацитента, строим статическую сетку (как на картинке выше). Потом, в каждый день i строим сетку на основе динамически меняющихся данных:

Соответственно, совокупная модель примет следующий вид:

Таким, образом, результат мы расчитаем по следующей формуле:

Где T - совокупное время госпитализации, N - количество переменных на каждом из шагов ДБС.

Внедрить эту модель в СППР необходимо несколько иначе - скорее тут надо идти от обратного, сначала эту модель зафиксировать, а потом строить интерфейс вокруг . Т.е., по сути, мы сделали хард модель, внутри которой динамические элементы.

Теория игр

Допустим, на рынке существует олигополия (малое количество соперников), есть определенный лидер и это (увы) не наша компания. Нам необходимо помочь менеджменту принять решение об объемах выпускаемой нами продукции: если мы будем выпускать продукцию в объеме , а наш соперник - , уйдем мы в минус или нет? Для упрощения возьмем частный случай олигополии - дуополию (2 игрока). Пока вы думаете, RandomForest тут или CatBoost, я вам предложу использовать классику - равновесие Штакельберга. В этой модели поведение фирм описывается динамической игрой с полной совершенной информацией, при этом особенностью игры является наличие лидирующей фирмы, которая первой устанавливает объём выпуска товаров, а остальные фирмы ориентируются в своих расчетах на неё.
Для решения нашей задачи нам надо всего-то посчитать такое , при котором решится задача оптимизации следующего вида:

Для ее решения (сюрприз-сюрприз!) надо лишь приравнять первую производную по к нулю.

При этом для такой модели нам понадобится знать только предложение на рынке и стоимость за товар от нашего конкурента, после чего построить модель и сравнить получившееся q с тем, которое хочет выкинуть на рынок наш менеджмент. Согласитесь, несколько проще и быстрее, чем пилить NN.

Для таких моделей и СППР на их основе подойдет и Excel. Конечно, если вводимые данные надо посчитать, то нужно что-то посложнее, но не сильно. Тот же Power BI справится.

Искать победителя в битве ML vs ToG бессмысленно. Слишком разные подходы к решению задачи, со своими плюсами и минусами.

Что дальше?

В недавнем интервью Джуда Перл, создатель тех самых байесовских сетей, высказал любопытное мнение. Если слегка перефразировать, то

«все, чем сейчас занимаются эксперты в машинном обучении, это подгонка кривой под данные. Подгонка нетривиальная, сложная и муторная, но все-таки подгонка.»

Скорее всего, вангую, через лет 10 мы перестанем жестко хардкодить модели, и начнем вместо этого повсеместно обучать компьютеры в создаваемых симулируемых средах. Наверное, по этому пути и пойдет реализация ИСППР - по пути AI и прочих скайнетов и WAPR"ов.

Если же посмотреть на более близкую перспективу, то будущее ИСППР за гибкостью решений. Ни один из предложенных способов (классические модели, машинное обучение, DL, теория игр) не универсален с точки зрения эффективности для всех задач. В хорошей СППР должны сочетаться все эти инструменты + RPA, при этом разные модули должны использоваться под разные задачи и иметь разные интерфейсы вывода для разных пользователей. Этакий коктейль, смешанный, но ни в коем случае не взболтанный.

Литература

1. Merkert, Mueller, Hubl , A Survey of the Application of Machine Learning in Decision Support Systems, University of Hoffenhaim 2015
2. Tariq, Rafi ,Intelligent Decision Support Systems- A Framework, India, 2011
3. Sanzhez i Marre, Gibert , Evolution of Decision Support Systems, University of Catalunya, 2012
4. Ltifi, Trabelsi, Ayed, Alimi , Dynamic Decision Support System Based on Bayesian Networks, University of Sfax, National School of Engineers (ENIS), 2012

Секция «Информационно-экономические системы»

УДК 658.5.011

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

А. А. Стародубцев Научный руководитель - Д. В. Тихоненко

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева

Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

E-mail: [email protected]

Описано, зачем нужны системы поддержки принятия решений, чем они могут быть полезны и их классификация.

Ключевые слова: СППР, принятие решений, система поддержки.

DECISION SUPPORT SYSTEM

A. A. Starodubcev Scientific Supervisor - D. V. Tkhonenko

Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected]

The article explains why need a decision support system, than they can be useful and their classification.

Keywords: DSS, making decisions, support system.

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.

СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

Система поддержки принятия решений предназначена для поддержки многокритериальных решений в сложной информационной среде. При этом под многокритериальностью понимается тот факт, что результаты принимаемых решений оцениваются не по одному, а по совокупности многих показателей (критериев) рассматриваемых одновременно. Информационная сложность определяется необходимостью учета большого объема данных, обработка которых без помощи современной вычислительной техники практически невыполнима. В этих условиях число возможных решений, как правило, весьма велико, и выбор наилучшего из них «на глаз», без всестороннего анализа может приводить к грубым ошибкам .

Система поддержки решений СППР решает две основные задачи. Во-первых, выбор наилучшего решения из множества возможных (оптимизация). Во-вторых, 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 (будем называть их также альтернативами). Система СППР помогает пользователю сделать такой выбор .

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;

Актуальные проблемы авиации и космонавтики - 2016. Том 2

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.

Система позволяет решать задачи оперативного и стратегического управления на основе учетных данных о деятельности компании.

Система поддержки принятия решений представляет собой комплекс программных инструментальных средств для анализа данных, моделирования, прогнозирования и принятия управленческих решений, состоящий из собственных разработок корпорации и приобретаемых программных продуктов (Oracle, IBM, Cognos).

Теоретические исследования в области разработки первых систем поддержки принятия решений проводились в технологическом институте Карнеги в конце 50-х начале 60-х годов XX века. Объединить теорию с практикой удалось специалистам из Массачусетского технологического института в 60-х годах. В середине и конце 80-х годов XX столетия стали появляться такие системы, как EIS, GDSS, ODSS. В 1987 году компания Texas Instruments разработала для United Airlines Gate Assignment Display System. Это позволило значительно снизить убытки от полетов и отрегулировать управление различными аэропортами, начиная от Международного аэропорта O"Hare в Чикаго и заканчивая Stapleton в Денвере, штат Колорадо. В 90-х годах сфера возможностей СППР расширялась благодаря внедрению хранилищ данных и инструментов OLAP. Появление новых технологий отчетности сделало СППР незаменимой в менеджменте .

Выделяют несколько больших групп СППР.

По взаимодействию с пользователем выделяют три вида СППР:

Пассивные помогают в процессе принятия решений, но не могут выдвинуть конкретного предложения;

Активные непосредственно участвуют в разработке правильного решения;

Кооперативные предполагают взаимодействие СППР с пользователем. Выдвинутое системой предложение пользователь может доработать, усовершенствовать, а затем отправить обратно в систему для проверки. После этого предложение вновь представляется пользователю, и так до тех пор, пока он не одобрит решение.

По способу поддержки различают:

Модельно-ориентированные СППР, используют в работе доступ к статистическим, финансовым или иным моделям;

СППР, основанные на коммуникациях, поддерживают работу двух и более пользователей, занимающихся общей задачей;

СППР, ориентированные на данные, имеют доступ к временным рядам организации. Они используют в работе не только внутренние, но и внешние данные;

СППР, ориентированные на документы, манипулируют неструктурированной информацией, заключенной в различных электронных форматах;

СППР, ориентированные на знания, предоставляют специализированные решения проблем, основанные на фактах.

По сфере использования выделяют:

Общесистемные

Настольные СППР.

Общесистемные работают с большими системами хранения данных (СХД) и применяются многими пользователями. Настольные являются небольшими системами и подходят для управления с персонального компьютера одного пользователя.

В структуре СППР фигурирует четыре основных компонента:

Информационные хранилища данных;

Средства и методы извлечения, обработки и загрузки данных (ETL);

Многомерная база данных и средства анализа OLAP;

Средства Data Mining.

Секция «Информационно-экономические системыi»

СППР позволяет облегчить работу руководителям предприятий и повысить ее эффективность. Они значительно ускоряют решение проблем в бизнесе. СППР способствуют налаживанию межличностного контакта. На их основе можно проводить обучение и подготовку кадров. Данные информационные системы позволяют повысить контроль над деятельностью организации. Наличие четко функционирующей СППР дает большие преимущества по сравнению с конкурирующими структурами. Благодаря предложениям, выдвигаемым СППР, открываются новые подходы к решению повседневных и нестандартных задач.

Использование системы позволяет найти ответы на множество вопросов, возникающих как и у генерального директора, так и у руководителя какого-либо отдела.

Процесс создания системы управленческой отчетности, анализа данных и поддержки принятия решений состоит из следующих этапов:

Анализ существующих на предприятии информационных потоков и процедур управления предприятием;

Выявление показателей, влияющих на финансово-экономическое состояние предприятия и отражающих эффективность ведения бизнеса (на основе данных из уже использующихся систем);

Выработка процедур, обеспечивающих получение управленческим персоналом необходимой информации в нужное время, в нужном месте и в нужном виде;

Настройка программных средств многомерного анализа;

Обучение персонала Заказчика работе с программными средствами многомерного анализа.

Итог - продуманные решения, опирающиеся на информационный фундамент, адекватные действия, квалифицированное исполнение и как результат успех всего предприятия.

1. Системы поддержки принятия решений, назначение и решаемые задачи [Электронный ресурс]. URL: http://referatz.ru/works/296331/ (дата обращения: 10.03.2016).

Выделяют три типа таких инструментальных средств:

1. Средства многомерного анализа - также известные как OLAP (On-Line Analytical Processing) - программное обеспечение, которое дает пользователю возможность наблюдать данные в различных измерениях, направлениях или сечениях.

2. Инструментальные средства запросов (Query Tools) - программное обеспечение, позволяющее формировать запросы к данным по содержанию или образцу.

3. Инструментальные средства поиска данных (Data Mining Tools) - программное обеспечение, которое осуществляет автоматический поиск важных образцов (моделей), или зависимостей в данных.

Наличие в обучающей системе, построенной на основе классической DSS (Decision support system), развитых средств моделирования и советующих средств качественно меняет загрузку ЛПР в направлении интеллектуализации их деятельности. Это достигается за счет увеличения информационных потоков, проходящих через обучающую систему, являющейся неотемлемой частью МРИС. Такой прирост связан с развитием информационных технологий, которые в настоящее время дают всю больше возможностей переработки малоформализуемой информации. Развитие в математике и информатике таких направлений, как нечеткие множества, многозначные логики и др., совершенствование средств программирования и технических средств позволяет осуществлять такую обработку.

Внедрение в практику систем, построенных на основе подхода DSS характеризуется множеством проблем, в их числе слабая интеграция программных средств, обеспечивающих характерные возможности DSS. Это можно объяснить относительно малым опытом создания и использования по-настоящему развитых DSS-систем и большой стоимостью их разработки. Последний фактор связан с необходимостью обеспечения адекватности, заложенных в DSS модель для полноценного управления, а также чрезмерное усложнение системы и

одновременно необходимость развития дружественности систем, что совпадает с возможностями развития средств вычислительной техники.

Желаемые качества гибкости и адаптивности обучающей системы требуют от нее глубокой параметризации, что делает ее чрезвычайно сложной. Поэтому необходимы решения, которое позволяли бы имея основной алгоритм обучения обеспечить его индивидуальный характер. Для этого можно использовать подход, применяющийся в цепях Маркова. В каждый момент времени объем незнания не зависит от предшествующего процесса обучения. Тогда для ликвидации незнания нет необходимости возвращаться на шаг назад, но обучаемый должен иметь удобный инструментарий и необходимую информацию, чтобы разобраться с незнанием самостоятельно. Этому решению как нельзя более соответствует подход ЕPSS (Electronic perfomance support system) – использования электронных систем поддержки исполнения, обеспечивающий получение основных знаний и осуществляющий поддержку принятия решений для выработки навыков и умений.

Для EPSS характерными тенденциями по сравнению с DSS являются:

 увеличение малоформализуемого информационного потока, проходящего через ЭИС;

 более дружественный интерфейс;

 более полный учет требований пользователя, его психологических особенностей, менталитета;

 более гибкая система технологических настроек;

 более гибкая и более полная система обучения пользователя новой для него функциональной информационной технологии.

EPSS углубляет DSS делая его более комфортным для обучаемого за счет улучшения инструментария и предоставляет пользователю возможность постоянного совершенствования знаний. EPSS характеризуется совокупностью функциональной информационной технологии и технологии, которую назовем образовательной. Любая функциональная информационная технология в EPSS немыслима без добавки, которой, в нашем случае, является образовательная технология. Синтез функциональной информационной и образовательной технологий образует образовательную информационную технологию, состовляющей основу обучающей системы МРИС.

Особенно важной отличительной особенностью EPSS является системная интеграция констатирующих, моделирующих, обучающих и советующих технологий в единую систему.

Внутри обучающей системы, должен присутствовать встроенный ЕPSS блок, который оценивал бы принципиальную возможность решения, принятого обучаемым и его эффективность, а также распознавал бы сделанные ошибки и определял бы для системы в целом способы устранения их источников, т.е. методику и форму подкачки знаний, наиболее удачных для обучаемого (см. рис. 2.10).

Детализация должна осуществляться с определенным акцентом на область незнания обучаемого. Таким образом, стратегия обучения может постоянно меняться, являясь функцией психологических особенностей обучаемого (образное, логическое мышление) и суммы знаний об объекте познания, которыми обладает обучаемый.

Таким образом ЕPSS должна содержать:

1.Констатирующее программное обеспечение, то есть соответствующие данные. Например, учебный материал, примеры, случаи и т.д.

2.Моделирующее программное обеспечение, подготавливающее ответ на вопрос: – “Что будет если... ?”.

3.Советующее программное обеспечение, которое может дать ответ на вопрос “Как сделать, чтобы... ?”.

Обычно обучающая система хорошего качества меняет стратегию обучения в зависимости от контекста ответов на контрольные вопросы. При этом обучаемый следует определенному алгоритму обучения, в который заложен ряд траекторных целей на выполнение которых, всегда одних и тех же, система должна вывести любых обучаемых и распознав незнание пытаться его локализовать и ликвидировать подкачкой необходимых знаний и их закрепления. Если же этого сделать не удается система поднимается на понятие выше и действует по такому же алгоритму. Локализация же незнания сводится к его детализации. Однако направление детализации может быть различным, и это различие зависит, прежде всего, от признаков классификации понятий, которые мы закладываем в систему. Упрощенно контур обучение состоит из двух блоков. Первый блок, используя какую-либо стратегию, осуществляет дозированное представление обучаемому знаний. Это представление может происходить по линейной или сетевой схеме. По мере продвижения по графу обучения система периодически переключается на блок контроля, который может быть построен различными способами.

Стратегия обучения не меняется в зависимости от ответов, хотя правильность ответов и проверяется. В традиционных обучающих системах используется именно такая схема и на каждый вопрос предлагаются альтернативные ответы, один или несколько. Недостаток такого решения заключается в том, что необходимо очень четко, без неоднозначности сформулировать вопросы и определить ответы. Из альтернативных ответов трудно выделить смысл непонимания, хотя принципиально этот недостаток преодолим за счет увеличения числа контрольных вопросов.

Если стратегия обучения меняется, то мы можем говорить об управлении процессом обучения, которое по функциям ничем не отличается от управления любым другим объектом: учет – ответ на контрольные вопросы; анализ – распознавания содержания ответов; планирование действий системы по адаптации стратегии обучения; регулирование – предъявление очередной порции знаний, требуемого уровня и смысла.

Таким образом, EPSS является мощным средством повышения эффективности МРИС, обеспечивая индивидуальное обучение, улучшение управления системой за счет усиления функций поддержки и улучшение адаптивных свойств системы к требованиям конкретного пользователя. Развитие общества и бизнеса требует адекватного инструментария для управления. Знание тенденций и основных направлений развития информатики, позволяют выработать научно-обоснованные стратегии целенаправленного управления процессом ее развития. Глобальная информатизация общества является одной из причин его развития, поэтому вопросам взаимной адаптации и трансформации естественных структур и искусственно созданных информационных систем следует уделять самое пристальное внимание.

33. Каковы особенности, позитивные и негативные стороны

внедрения DSS-систем?

В небольшой инфраструктуре далеко не каждый процесс следует подробно описывать при помощи третьего уровня, только самые важные, порядок исполнения которых критичен с точки зрения безопасности, или же во внешних требованиях, например, стандарте PCI DSS, содержится прямое условие их подробной детализации. Во всех других случаях уровень декомпозиции должен определяться здравым смыслом.

34. Что такое заказная ИС?

Под заказными или уникальными системами обычно понимаются системы, создаваемые для конкретного предприятия, не имеющие аналогов и не подлежащие в дальнейшем тиражированию. Подобные системы используются либо для автоматизации деятельности предприятий с уникальными характеристиками, либо для решения крайне ограниченного круга специальных задач. В основном подобные системы применяются в органах государственного управления, образования, здравоохранения, военных организациях. Заказные системы, как правило, либо вообще не имеют прототипов, либо использование прототипа требует значительных его изменений, имеющих качественный характер. В этом плане разработка заказной системы по существу является НИОКР . Как любыеНИОКР , она характеризуется повышенным риском в плане получения требуемых результатов. Для снижения рисков и расходов на разработку целесообразно использовать апробированную на практике методику. Желательно, чтобы в состав методики входили следующие элементы:

· модель технологического процесса (последовательность технологических операций, требования к входной и выходной информации и результатам);

· модель процесса управления самим технологическим процессом (этапы, процессы управления качеством, результатами, требования к квалификации специалистов);

· инструментальные средства, используемые при разработке.

Одним из примеров такой методики является комплексное использование подхода CDM Advantageгм, метода управления проектами PJM и CASE-средства Designer/2000 в качестве инструментального средства корпорации Oracle .

35. Что такое уникальная ИС?

36. Что такое тиражируемая ИС?

Тиражируемая система не требует доработки со стороны разработчика, и пользователь должен принимать ее, как таковую. Например, тиражируемая информационная система (хотя она так и не воспринимается) - Microsoft BackOffice. Эта система существует сама по себе и может решать определенные корпоративные задачи, но попробуйте заcтавить Microsoft что-то в ней изменить! К корпоративным тиражируемым системам относятся также "1С:Торговля" и в меньшей степени "Экипаж". Чем выше мы поднимаемся, тем большую видим гибкость - система превращается в полузаказную. "Галактику" я уже не назову тиражируемой. Здесь необходимы этапы настройки, внедрения.

В принципе тиражируемые системы предназначены для малых предприятий. Но есть какой-то критический масштаб предприятия, начиная с которого дешевле, правильнее и быстрее пойти на затраты, связанные с доработкой ПО, чем на затраты, обусловленные необходимостью реорганизации деятельности. Маленькие компании способны "подогнать" свои бизнес-процессы под требования тиражируемых систем - у них и бизнес-процессы короткие. Более крупные так не могут.

- Какова тогда для Вас мерка - что значит "крупное предприятие"?

Крупное предприятие - это сотни документов в месяц и более пяти человек в цепочках бизнес-процессов.

Обычно еще называют количество рабочих мест в системе, но это ерунда, а не критерий. Потому что если у меня работают четыре экономиста, то для создания корпоративной системы складываются намного более сложные условия, чем при наличии сотни кассиров кассовых аппаратов.

37. Что такое система-конструктор?

С технологической (архитектурной) точки зрения система-конструктор – это программный продукт, который: включает ядро, в котором определена принципиальная модель предметной области, а также базовый набор классов (максимально абстрактных) и основных методов работы с ними; включает конфигурацию, которая представляет собой реализацию информационной системы, построенной из классов и методов ядра; включает инструментарий, позволяющий пользователю строить свой собственный вариант конфигурации

Задачи управления в каждой организации, несомненно, являются уникальными, но, как правило, для всякого конкретного вида деятельности можно выделить типовые задачи. Подробный перечень типовых испецифических задач и их взаимосвязей может стать прототипом технического задания на систему.

При анализе функциональности системы-конструктора целесообразно все требуемые функции подразделить на ряд категорий: а) функции, уже реализованные в типовых конфигурациях системы-конструктора; б) функции, не реализованные в типовых конфигурациях, но которые можно реализовать при помощи средств конфигурирования; в) функции, которые нельзя реализовать (собственными силами) без коренной переделки системы.

ИС – трансформер , реализует базовую функциональность по управлению данными, по реализации бизнес логики и предоставлению графического пользовательского интерфейса, но не имеет реализованной бизнес модели для начала эксплуатации в рамках какой-либо предметной области.

38. Что такое адаптация ИС?

39. Что такое адаптируемые ИС?

Адаптируемые системы

Проблема адаптации программного обеспечения АСУП, т. е. приспособления к условиям работы на конкретном предприятии, была осознана с самого начала работ по автоматизации управления.

Содержание и методы адаптации эволюционировали вместе с методологией создания и внедрения систем. Суть проблемы в том, что в конечном итоге каждая АСУП уникальна, но вместе с тем ей присущи и общие, типовые свойства. Любая подсистема программного обеспечения отображает обе эти стороны АСУП. В технологическом смысле адаптация программного обеспечения АСУП - это переход от базовой системы, отображающей типовые свойства системы, к окончательному решению, приспособленному для работы в данной АСУП.

Требования к адаптации и сложность их реализации существенно зависят от проблемной области, масштабов системы, степени соотношения между формализованным и неформализованным при решении задач управления.

Даже первые программы, решавшие отдельные задачи управления, создавались с учётом необходимости их настройки по параметрам. Поскольку на раннем этапе остро стоял вопрос обеспечения вычислительными мощностями, то главное внимание уделялось настройке потребностей в оперативной памяти, способам остановки при решении задач оптимизации, управлению программой для обхода программных модулей, не используемых в конкретном расчёте.

С появлением типовых решений в виде пакетов прикладных программ (ППП ) появилась необходимость в специальных процедурах предварительной генерации. Процедуры охватывали параметры, которые определяли режим функционирования программного обеспечения, требования к информационному обеспечению, условия подключения и использования внешних программ. Применение ППП как базовых систем привело к увеличению формализованной составляющей в системе управления предприятием. Усложнилась и адаптация систем к условиям предприятия. Появились подразделения эксплуатации программного обеспечения, занимавшиеся, в том числе, и вопросами адаптации программных систем. Стало очевидно, что адаптация в АСУП является не только программно-технической, но и организационной проблемой.

Интерактивные системы, сделавшие управленцев всех уровней непосредственными пользователями вычислительных систем, привели и к новому пониманию проблемы адаптации. Глубинные причины были прежними - смещение соотношения между формализованным и неформализованным в сторону формализации процесса Управления. Основная сложность заключалась в том, что формализация затронула не только типовые, но и уникальные функциональности в системе управления предприятием.

Из всего множества трудностей, проявившихся на данном этапе развития АСУП, следует остановиться на двух. Первая - организация дружественного интерфейса между пользователем и вычислительной средой. В ходе развития систем управления в арсенал средств организации интерфейса вошли меню различного вида, электронные доски и панели, диаграммы типа диаграмм Черноффа и Ишикавы, графика и многое другое. Вторая трудность носила системный характер. Прежний подход - настройка системы силами консультантов практически без участия управленцев - стал невозможен. Выяснилось, что во многих случаях оказывается неэффективной организация внедрения, при которой будущие пользователи сначала формулируют требования к системе с учётом специфики предприятия во всех деталях, а затем консультанты настраивают систему на условия применения. Существует ряд причин подобной неэффективности. Во-первых, как правило, управленцы - практики не владеют методологиями системного анализа. Во-вторых, объём информации, касающейся деталей в организации управления на конкретном предприятии, оказывается слишком велик. В-третьих, не всегда эта информация оказывается полезной и консультантам в силу её "одноразового" характера. В-четвертых, при такой организации трудно реализовать принцип новых задач, для этого в процессе внедрения потребовались бы дополнительные итерации.

Поэтому были предложены методики разработки и внедрения программного обеспечения, в основу которых были положены новые принципы:

· привлечение пользователей к разработке системы, в том числе и к разработке программного обеспечения;

· прототипирование программного обеспечения;

· совмещение процесса обучения пользователей работе с базовой системой создания прототипа программного обеспечения.

Примером может служить подход, предложенный компанией Computer Associates в начале 90-х годов для проектов типа MRPII/ERP на базе системы CA-CAS .

Прототип ПО АСУП в дальнейшем может использоваться в следующих работах:

· при обучении более широкого круга персонала;

· при опытной эксплуатации;

· при модификации с целью получения окончательного варианта ПО.

Такой подход позволил в определённой степени решить проблему адаптации системы управления и в динамике, поскольку работники предприятия в ходе создания прототипа приобретали навыки работы со средствами проектирования и модификации системы.

Дальнейшее развитие методов и средств адаптации базовых систем направлено на достижение следующих целей:

· повышение уровня автоматизации проектирования и внедрения систем;

· обеспечение непрерывного управления конфигурацией и параметрами системы на всех стадиях её жизненного цикла;

· сокращение сроков внесения изменений в конфигурацию и параметры системы по мере модернизации производственного процесса и управления;

· совмещение типовых решений, проверенных практикой, с решениями, зависящими от конкретных условий предприятия.

Примером одного из многочисленных средств адаптации базовых систем является методология Orgware, используемая фирмой BAAN.

Разработка АСУП на предприятии может вестись как "от нуля", так и на основе референционной модели (Reference Model ).

Референционная модель представляет собой описание облика системы, функций, организационных структур и процессов, типовых в каком-либо смысле (отрасль, тип производства и т. д.). В ней отражаются типовые особенности, присущие определённому классу предприятий. Ряд компаний - производителей адаптивных АСУП совместно с крупными консалтинговыми фирмами в течение ряда лет ведёт разработку референционных моделей для различных отраслей. Существуют подобные модели для предприятий автомобильной, авиационной и других отраслей. Каждая модель является типовым проектным решением , на основе которого можно строить конкретные проекты.

Следует отметить, что адаптации и референционные модели входят в состав многих систем класса MRPII/ERP , что позволяет значительно сократить сроки их внедрения на предприятии.

Если в распоряжении предприятия нет референционной модели, то модель её уровня надо создавать в процессе проектирования как исходную. На основе исходной модели затем происходит проектирование, уточнение и детализация системы управления. Референционная модель в начале работ по автоматизации управления предприятием может представлять собой описание существующей системы и служить, таким образом, точкой отсчёта, с которой начинаются работы по совершенствованию системы управления.

Процесс проектирования системы может включать несколько фаз.

Результаты первой фазы: границы действия будущей системы и концептуальная бизнес-модель , которая отражает в укрупнённом виде функциональную структуру системы управления и связки функций управления для различных видов заказов, проходящих через систему.

В ходе второй фазы создается и документируется в репозитарии референционная бизнес-модель . Как правило, референционная модель включает следующие компоненты:

· иерархию бизнес-функций, представляющую собой нисходящую иерархическую структуру, описывающую в укрупнённом виде функциональную структуру будущей системы. При этом для нижних элементов структуры допускается задание нескольких вариантов реализации;

· модели бизнес-процессов. Это более глубокие модели, показывающие, как должны реализоваться функции. Внешне они напоминают традиционные блок-схемы и описывают последовательность элементарных действий, которые могут быть выполнены системой, другими приложениями, ручными действиями, бизнес-процессами более глубокого уровня;

· модель организационной структуры, которая описывает структуру организации, отношения между подразделениями и людьми и роли, предписываемые управленцам.

На следующей фазе создается проектная модель предприятия (Project Model ), которая является развитием и уточнением функциональной структуры для конкретного предприятия. Она может быть создана и минуя референционную модель, но такой подход не является эффективным для сложных проектов.

Заключительная фаза - привязка проектной модели к ролям, заданным детализированной моделью организационной структуры, к функциям системы и техническим средствам. В результате создаётся комплексная конфигурация программного и организационного обеспечения, технических средств.

40. Какие существуют способы приобретения ИС?

покупка готовой ИС;

покупка и доработка ИС;

аутсорсинг ИС.

41. Каковы преимущества и недостатки покупки ИС?

Способ приобретения ИС - последовательность действий от определения и формализации потребностей в информационной системе до момента, пока ИС не будет внедрена на предприятии.

Классификация способов приобретения ИС:

покупка готовой ИС;

разработка ИС (самостоятельная или заказная);

покупка и доработка ИС;

аутсорсинг ИС.

Преимуществами закупки готовых ИС являются : время разработки равное нулю; система тиражирована (наличие документации)

Недостатками закупки готовых ИС являются : система тиражирована (Вопросы защиты информации); необходима адаптация к предъявляемым требованиям.

Недостатками разработки ИС специализированной фирмой являются: длительное время разработки

Недостатками самостоятельной разработки ИС являются : длительное время разработки; отсутствия должной квалификации разработчиков; необходимость создания отдела ИТ.

Преимуществами самостоятельной разработки ИС являются : система уникальна; хорошая адаптация к предъявляемым требованиям

Преимуществами разработки ИС специализированной фирмой являются: система уникальна; хорошая адаптация к предъявляемым требованиям; наличие должной квалификации разработчиков.

Аутсорсинг ИС – это: заказ информационной системы фирмой-потребителем у фирмы-производителя ИС; сдача ИС фирмой-производителем в аренду фирме-потребителю ИС; выполнение сторонней фирмой обработки информации для фирмы-потребителя.

: возможность сфокусировать внимание компании на ее основном бизнесе; возможность гибко реагировать на изменения на рынке и внутри компании; отсутствие необходимости в расширении штата компании; сокращение затрат на операции.

Недостатками аутсорсинга ИС являются: возможность потери поставщика (надежность)

42. Каковы преимущества и недостатки разработки ИС фирмой-

разработчиком ИС?

Преимущества:

Проект выполняет высококлассная команда профессионалов;

Полноценное документирование проекта;

Разрабатываются с учетом специфики конкретного предприятия, требований и пожеланий специалистов предприятия, которые будут эту ИС использовать;

Могут быть реализованы нестандартные, экзотические функции, которые никогда не появятся в коробочных системах;

Бывает, что на предприятии работает другая ИС, которую заказчик не хочет менять (или даже несколько). В таком случае могут быть заказаны средства интеграции этих систем в одну с целью сохранения бизнес-процессов и накопленных данных;

Отсутствует лишняя функциональность. Интерфейс не перегружен и работать с такой системой обычно проще;

Заказные системы производительнее универсальных и предъявляют меньшие требования к аппаратуре;

Заказная система может развиваться разработчиком в требующемся заказчику направлении;

Разработка, настройка и сопровождение находится в одних руках профессионалов, что повышает устойчивость системы;

Недостатки:

Часто самая большая стоимость;

Часто занимает самое длительное время;

Наличие самого периода разработка;

Отсутствует возможность заранее познакомиться с системой, "пощупать ее руками";

43. Каковы преимущества и недостатки разработки ИС

собственными силами?

Преимущества:

Хорошая адаптация к предъявляемым требованиям;

Продукт не тиражируем (индивидуален);

Возможность быстрого изменения функциональности

Недостатки:

Разработка не закончится никогда;

Плохая адаптивность;

Необходимо создавать команду, либо отрывать от работы текущих сотрудников ИТ отдела;

Часто учитываются пожелания руководства в ущерб качеству разработки;

Проект может захлебнуться:

– из-за нехватки квалификации внутренних специалистов;

– из-за ухода ведущих специалистов;

– из-за нехватки внутренних ресурсов;

Часто плохая документированность системы;

44. Каковы преимущества и недостатки покупки и доработки

Покупка ИС :

При покупке ИС необходимо:

Оценить сам программный продукт (функционал и другие свойства);

Оценить обеспечивающую технологию и платформу;

Оценить качество обслуживания (HotLine,скорая помощь, новые версии, обучение и др.);

Оценить фирму-поставщика;

Преимущества:

Время разработки равно нулю;

Система тиражирована;

Часто имеется возможность выбора из нескольких готовых систем;

Помимо ИС вы покупаете и бизнес процессы;

Недостатки:

Необходима адаптация под организационную структуру, функциональные требования и т.д.;

Система тиражируема: вопросы защиты, новизны и др. вызывают определенные опасения;

Высокая степень риска;

Потребности сотрудников в функционале системы скорее всего будет удовлетворены не полностью;

Покупка и доработка ИС:

В этом случае покупается ядро системы (например, в бухгалтерии это проводки), а остальное доделывается.

Преимущества:

Покупаемое ядро является отлаженным и законченным компонентом;

Возможная доработка именно требуемой функциональности;

Не надо платить за то, что компании не нужно;

Недостатки:

Необходим отдел информационных технологий;

Схема эффективна, если объем работ по доведению относительно невелик;

Часто можно доработать только в рамках информационной модели ядра;

45. Каковы преимущества и недостатки заказных, уникальных и

тиражируемых информационных систем?

ИС делятся на индивидуальные и тиражируемые системы, а также на самостоятельные и заказные разработки.

Основные аргументы за и против этих вариантов приведены в
таблице.

Самостоятельная разработка

"+" Полное соответствие текущим требованиям организации

Наличие предыдущих наработок

"-" Большая стоимость разработки (особенно по сравнению со стоимостью «коробочных» продуктов)

Возникновение проблем, связанных с модификацией системы

Готовая (тиражируемая) система (адаптированная)

"+" Поддержка и обновление версий

Соответствие российским и международным стандартам

"-" Высокая стоимость готовых систем (среднего и особенно высшего класса)

Зависимость от фирмы разработчика

Недостатками зарубежных ИС

46. Каковы преимущества и недостатки отечественных и

зарубежных информационных систем?

Отечественная или зарубежная тиражируемая система.

Существуют два полярных мнения:

1) сколько бы ни стоила отечественная система, она предпочтительнее импортной, внедрение которой обходится несравнимо дороже. Кроме того, отечественные системы лучше приспособлены к условиям российского бизнеса;

2) единственными системами, которые позволяют полностью автоматизировать все аспекты управления предприятием, являются зарубежные системы типа ERP. Поэтому, несмотря на их более высокую стоимость, предприятиям следует выбирать именно ERP-системы, жизнеспособность которых подтверждена мировым опытом.

Преимуществами зарубежных ИС являются : высокое качество; большая функциональность; высокая надежность

Преимуществами отечественных ИС являются : адаптированность к российским условиям.

Недостатками зарубежных ИС являются: необходимость адаптации к российским условиям

Недостатками отечественных ИС являются: не достаточно высокое качество; не достаточно большая функциональность; не достаточно высокая надежность

47. Каковы преимущества и недостатки аутсорсинга?

Аутсорсинг ИС – это:

заказ информационной системы фирмой-потребителем у фирмы-производителя ИС;

сдача ИС фирмой-производителем в аренду фирме-потребителю ИС;

выполнение сторонней фирмой обработки информации для фирмы-потребителя.

Цели аутсорсинга

Снижение издержек (правда, более актуально для зарубежных стран, где ставка почасовой оплаты гораздо выше, чем в России);

При необходимости резкого сокращения срока работ (при высокой загруженности IT-специалистов);

В случае, если невозможно выполнить задачу силами своих сотрудников;

Функции и задачи аутсорсинга

Разработка и внедрение больших информационных систем;

Консалтинговые услуги (проведение тендеров, поиск партнеров, экспертные оценки, содействие в стратегии развития, подготовка регламентов, ИТ-аудит и т.п.);

Обслуживание и ремонт компьютерной и серверной техники;

Телекоммуникационные услуги;

Поддержка локальных сетей;

Обслуживание телефонного и офисного оборудования;

Развитие информационной безопасности;

Поддержку дорогостоящих с точки зрения ИТ бизнес-процессов (процессинг, выпуск пластиковых карт);

Преимуществами аутсорсинга ИС являются :

возможность сфокусировать внимание компании на ее основном бизнесе;

возможность гибко реагировать на изменения на рынке и внутри компании;

отсутствие необходимости в расширении штата компании;

сокращение затрат на операции.

Недостатками аутсорсинга ИС являются:

возможность потери поставщика (надежность)

48. Какие составляющие включает цена приобретения ИС?

Цена приобретения информационной системы включает стоимость программного продукта, стоимость СУБД, стоимость операционной системы

стоимость услуг: оценка стоимости сопутствующих профессиональных услуг, а затем соотношения между стоимостью лицензий и стоимостью этих услуг.

Стоимость инсталляции зависит от степени настройки решения в соответствии с индивидуальными требованиями заказчика; того, кто ее проводит и как она оценивается.

Стоимость аппаратного обеспечения: необходимые дополнительные устройства и аппаратура (серверы, запоминающие устройства, сетевое оборудование и т.д.).

Стоимость обновления версий и технической поддержки: какой процент от стоимости лицензии составляет стоимость обновления и технической поддержки в течение года; возможные скидки

Существуют следующие типы (сектора) ПО:

Универсальное – создаётся для массовой продажи многочисленным пользователям;

Специализированное – рассчитанное на конкретную группу пользователей;

Уникальное – разрабатывается по индивидуальному заказу для решения конкретной задачи.

От типа ПО зависит соотношение материальной и интеллектуальной составляющей и явных и неявных затрат в TCO.

Стоимость ИС и «железа» при покупке - современные политики лицензирования. Программное обеспечение защищено от несанкционированного копирования законами об авторских правах. Законы об авторских правах предусматривают сохранение за автором (издателем) программного обеспечения нескольких эксклюзивных прав, самое важное из которых - право на производство копий программного обеспечения.

Приобретение программного продукта - это приобретение лицензии (права) на его использование. Программное обеспечение на компьютере находится "в пользовании", когда оно помещено в постоянную память (обычно на жесткий диск, но возможно и на cd-rom или другое устройство для хранения информации) или загружено в оперативную память (ОЗУ).

Цена приобретения никогда не исчерпывает всех затрат, связанных с использованием информационных ресурсов, а в ряде случаев может оказаться даже и неосновной их статьей.

49. Какие составляющие совокупная стоимость владения ИС?

Совокупная стоимость владения (ТСО – Total Cost of Ownership) информационной системой – это: сумма прямых и косвенных затрат, которые несет владелец ИС за период ее жизненного цикла

Системы поддержки принятия решений (DSS) - это компьютерные системы, почти всегда интерактивные, разработанные, чтобы помочь менеджеру (или руководителю) в принятии решений. DSS включают и данные, и модели, чтобы помочь принимающему решения решить проблемы, особенно те, которые плохо формализованы. Данные часто извлекаются из системы диалоговой обработки запросов или базы данных. Модель может быть простой типа "доходы и убытки", чтобы вычислить прибыль при некоторых предположениях, или комплексной типа оптимизационной модели для расчета загрузки для каждой машины в цехе. DSS и многие из систем, обсуждаемых в следующих разделах, не всегда оправдываются традиционным подходом стоимость - прибыль; для этих систем многие из выгод неосязаемы, типа более глубокого принятия решения и лучшего понимания данных.

Рис. 1.4 показывает, что система поддержки принятия решений требует трех первичных компонентов: модели управления, управления данными для сбора и ручной обработки данных и управления диалогом для облегчения доступа пользователя к DSS. Пользователь взаимодействует с DSS через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем DSS представляют результаты пользователю через тот же самый пользовательский интерфейс. Модель управления и управление данными в значительной степени действуют незаметно и варьируются от относительно простой типовой модели в электронной таблице до сложной комплексной модели планирования, основанной на математическом программировании.

Рис. 1.4. Компоненты системы поддержки принятия решений

Чрезвычайно популярный тип DSS - в виде генератора финансового отчета. С помощью электронной таблицы типа Lotus 1-2-3 или Microsoft Excel создаются модели, чтобы прогнозировать различные элементы организации или финансового состояния. В качестве данных используются предыдущие финансовые отчеты организации. Начальная модель включает различные предположения относительно будущих трендов в категориях расхода и дохода. После рассмотрения результатов базовой модели менеджер проводит ряд исследований типа "что, если", изменяя одно или большее количество предположений, чтобы определить их влияние на исходное состояние. Например, менеджер мог бы зондировать влияние на рентабельность, если бы продажа нового изделия росла на 10% ежегодно. Или менеджер мог бы исследовать влияние большего, чем ожидаемое, увеличения цены сырья, например 7% вместо 4% ежегодно. Этот тип генератора финансового отчета - простые, но мощные DSS для руководства принятием финансовых решений.

Пример DSS по приведению транзакций данных - система определения размеров ассигнований на полицейские выезды, используемая городами Калифорнии. Эта система позволяет офицеру полиции увидеть карту и выводит данные географической зоны, показывает полиции звонки вызовов, типы вызовов и время вызовов. Интерактивная способность графики системы разрешает офицеру манипулировать картой, зоной и данными, чтобы быстро и легко предположить вариации альтернатив полицейских выездов.

Другой пример DSS - интерактивная система для планирования объема и производства в большой бумажной компании. Эта система использует детальные предыдущие данные, прогнозирующие и планирующие модели, чтобы проиграть на компьютере общие показатели компании при различных плановых предположениях. Большинство нефтяных компаний развивают DSS, чтобы поддержать принятие решения капиталовложений. Эта система включает различные финансовые условия и модели для создания будущих планов, которые могут быть представлены в табличной или графической форме.

Все приведенные примеры DSS названы специфическими DSS. Они -фактические приложения, которые помогают в процессе принятия решения. Напротив, генератор системы поддержки принятия решений - это система, которая обеспечивает набор возможностей быстро и легко строить специфические DSS. Генератор DSS - пакет программ, разработанный для выполнения на частично компьютерной основе. В нашем примере финансового отчета Microsoft Excel или Lotus 1-2-3 могут рассматриваться как генераторы DSS, в то время как модели для проектирования финансовых отчетов для частного отделения компании на базе Excel или Lotus 1-2-3 - это специфические DSS.

Более подробно DSS рассматриваются в разд. 2.2.