Osvita.ua Вища освіта Реферати Менеджмент Управління організацією: використання технологій штучного інтелекту. Реферат
Провідні компанії та навчальні заклади Пропозиції здобуття освіти від провідних навчальних закладів України та закордону. Тільки найкращі вищі навчальні заклади, компанії, освітні курси, школи, агенції. З питань розміщення інформації звертайтесь за телефоном (044) 200-28-38.

Управління організацією: використання технологій штучного інтелекту. Реферат

Розвиток бізнесу в останні роки відбувається на тлі радикальних і динамічних змін у навколишньому середовищі і високих темпів збільшення обсягів інформації. У цих умовах ключове значення для виживання організацій мають стратегічне планування і підтримка прийняття управлінських рішень

Стратегічне планування, як відомо, є єдиним способом прогнозування майбутніх проблем і можливостей, забезпечує керівництво засобами для розробки довгострокових планів і створює основу для прийняття обґрунтованих рішень.

У той же час процедури стратегічного планування і прийняття рішень, засновані на аналізі навколишнього середовища, можна віднести до слабоформалізованих. Частково це пояснюється тим, що як зовнішнє стосовно організації середовище, так і властиве організації внутрішнє середовище, характеризуються високим ступенем невизначеності, динаміки і складності.

Створення і використання в повсякденній практиці менеджменту систем підтримки прийняття рішень є однією з найважливіших умов успішного функціонування організацій. Природно, пріоритету прийнятті рішень належить людині - менеджеру, що володіє стратегічним мисленням і здібностями передбачати появу нових подій.

Однак один з недоліків людського інтелекту полягає в тому, що він не пристосований для виконання великого обсягу обчислень в процесі аналізу складних процесів і систем, що складаються з ланцюжків взаємозв'язків. Як відомо, організації, що надають товари і послуги, відносяться до класу складних соціотехнічних систем, що не тільки змінюються в часі, але і мають функціональну потребу здійснювати вибір шляху свого розвитку. Тому на ефективність управління істотно впливає обмеженість можливостей людини в роботі з комплексною та змінною в часі інформацією.

Можна виділити деякі причини, які викликають зростання інтересу в менеджерів-практиків до нових інтелектуальних технологій, що підтримують прийняття управлінських рішень.

По-перше, кумулятивний ріст релевантної (тої, що стосується справи) інформації робить необхідним застосування нових технологій для пошуку в „морі" інформації тенденцій, які потенційно загрожують існуванню організації або відкривають перспективи для бізнесу.

По-друге, динамізм зовнішнього середовища підвищує ймовірність прийняття неоптимальних управлінських рішень через брак часу.

Негативні наслідки від неправильних рішень, прийнятих у рамках стратегічного управління, можуть поставити під сумнів саме існування організації. Оскільки процес прийняття стратегічних рішень переважно є малоструктурованим творчим процесом, то на різних його етапах менеджеру необхідно спиратися на аналітично перероблену інформацію й імітаційні моделі, що зменшують імовірність управлінських помилок.

По-третє, невизначеність в процесах прийняття рішень підвищує роль прогнозних моделей, що імітують різні функціональні компоненти бізнесу (маркетинг, управління фінансами, виробництвом, персоналом та ін.).

Моделювання бізнес-процесів відкриває можливості аналізу їх наслідків на стадії проектування і попереднього з'ясування і, тим самим, знижу ризик необґрунтованих витрат. Крім того, у деяких ситуаціях взагалі неможливо обійтися без моделювання, оскільки експерименти в економіці в пізнавальних цілях неприпустимі. Наприклад, навряд чи доцільно вкладати значні кошти в рекламну кампанію із просування на ринок нових видів продукції чи послуг, а також кредитувати нових клієнтів без попередньої оцінки ризику і наслідків прийнятих рішень на імітаційних моделях

По-четверте, процес стратегічного управління передбачає використання індуктивного мислення і методології реінжинірингу бізнесу, тобто технологій та інструментальних засобів, що допомагають менеджеру генерувати принципово нові рішення („погляд з майбутнього в сьогодення"), а вже потім визначати проблеми, які необхідно організації. Якщо стратегію будувати на виробництві традиційних або не дуже модернізованих продуктів (послуг), які мало чим відрізняються від того, що пропонують конкуренти, то організація буде знаходитися в становищі, коли треба постійно „доганяти” конкурентів.

По-п'яте, забезпечення переваг перед конкурентами прямо пов'язане з формуванням у менеджерів уяви про нові (раніше невідомі) потреби людей, виходячи з можливостей, пропонованих сучасними революційними технологіями. У наш час успішний менеджмент неможливий без уміння безупинно „відкривати" нові потреби, створювати під ці потреби нові товари і способи виконання робіт усередині організації та формувати під нові потреби нові ринки.

Цей процес самовдосконалення організації в конкурентному середовищі повинен базуватися на нових інтелектуальних технологіях прогнозу ринку, бути безупинним і нескінченним, він є необхідною умовою виживання організації.

Що ж є достатньою умовою виживання організації?

Вважається, що підтримувати досягнення організацією її стратегічних цілей повинні функціональні підсистеми менеджменту, при цьому їх ядром у майбутньому стануть інтегровані інформаційні системи, що містять елементи штучного інтелекту.

На Заході такі інформаційні системи прийнято відносити до класу так званих „інтелектуальних" систем. Ці системи являють собою особливу категорію інформаційних технологій, що об'єднують такі різні методи, як нейтронні мережі, генетичні алгоритми, нечіткі системи, експертні системи, а також системи динамічного структурного моделювання. Загальною властивістю інтелектуальних систем є те, що вони імітують процеси, що відбуваються у природі. Штучні нейтронні мережі, наприклад, у першому наближенні моделюють властивості нервових ланцюгів, що поєднують біологічні нейрони.

Генетичні алгоритми базуються на уявленнях про еволюцію живих організмів. Теорія нечітких множин і експертні системи оперують зі змістом слів людини (знаннями) і роблять висновки. І, нарешті, системна динаміка є могутнім інструментом, що дозволяє відображати когнітивні моделі і стимулює креативне мислення менеджерів вищої ланки.

Основні сфери застосування цих систем пов'язані з підтримкою прийняття управлінських рішень у таких напрямках бізнесу, як кредитування й оцінка ризиків, маркетинговий аналіз, прогнозування фінансових ринків, моделювання функціональних складових менеджменту (фінанси, виробництво, людські ресурси), розв'язання прикладних соціологічних задач (моделі формування і зміни рейтингів політиків), управління бюджетними ресурсами і економічне моделювання, виявлення незаконного використання кредитних карток.

СШІ - це програмна система, що імітує на комп'ютері мислення людини. Перед її створенням структурується сукупність знань:

  • а) вивчається процес мислення людини, що вирішує певні задачі або приймає рішення в конкретній професійній області;
  • б) виділяються основні кроки цього процесу
  • в) розробляються програмні засоби, що відтворюють вивчений процес на комп'ютері.

Штучний інтелект надає комп'ютеру риси розуму. Методи штучного інтелекту засновані на структуризації систем прийняття рішень. СШІ визначають також як складну програму, що маніпулює знаннями з метою одержання задовільного й ефективного рішення у вузькій предметній області. Системи виконують у таких випадках роль експертів-консультантів, оскільки побудовані на знаннях компетентних експертів і володіють відповідною компетентністю (штучно відтворюють компетентність експертів).

Для представлення структурованих знань використовуються в основному три методи: правила, семантичні мережі і фрейми. Можливе поєднання різних методів, при яких виникають так звані гібридні СШІ.

Правило має таку структуру:

ЯКЩО <умова>, ТО <висновок>.

Обидві частини правила виражені символами. У теорії баз знань ця конструкція зветься правила-продукції. Приклад правила-продукції:

„ЯКЩО коефіцієнт співвідношення позикових і власних засобів перевищує одиницю при низькій обіговості, ТО фінансова автономність і стійкість критична".

Докладніше про використання таких правил буде сказано нижче, при розгляді концепції інтелектуальних електронних таблиць.

Основними структурними елементами СШІ є правила (у них виражені знання) і факти (їх оцінюють за допомогою правил). Найчастіше в управлінській практиці правила бувають виведеними емпірично із сукупності фактів, а не шляхом математичного аналізу або алгоритмічного вирішення. Такі правила називають евристиками.

Знання - це інформація, необхідна програмі, щоб вона поводилася „інтелектуально". Наприклад, в електронній таблиці ви легко організуєте обчислення коефіцієнта обіговості, так само як і інших коефіцієнтів. Але словесний висновок про фінансовий стан ви побудуєте самі, залежно від засвоєних вами спеціальних економічних знань, і запишете цю оцінку в аналітичну записку.

Однак можна структурувати ваше знання (у вигляді правил), помістити правило в базу знань і організувати автоматичну появу відповідного висновку у визначеному місці екрана, де ви введете логічні формули виведення певного висновку при істинності умови, що перевіряється.

У СШІ знання структуровані й організовані таким чином, що вони відділені від знань інших предметних областей і від загальних знань. До загальних знань відносять, наприклад, правила написання програми і команд, правила виконання команд програми і т. п.

Виділені знання про предметну область називають базою знань, у той час як загальні знання, використані в конкретній СШІ для знаходження рішень, називають механізмом виведення (під терміном „виведення" тут мається на увазі виведення логічних висновків).

За аналогією з базою знань назвемо базою фактів сукупність фактів (оцінюваних за допомогою знань). Так. бухгалтерський баланс, додатки до нього і фінансовий звіт утворять базу фактів, а правила осмислення фінансового стану підприємства утворять базу знань. Різні фахівці можуть застосовувати різні набори правил для оцінювання фінансового становища організації, обчислення коефіцієнтів платоспроможності, стійкості, загальної рентабельності і т. п.

З множини показників, що є в базі фактів, різні менеджери можуть використовувати лише кілька визначальних показників. Тобто в процесі використання фактів фахівець застосовує спочатку метод спрощення.

Аналогічно поводиться терапевт, насамперед слухаючи пульс пацієнта, заглядаючи йому в горло, вимірюючи кров'яний тиск, чи водій автомобіля, виділяючи з безлічі подій на перехресті насамперед світло і колір світлофора. Стосовно СШІ цей найважливіший початковий прийом узагальнено названий процедурою спрощення (спрощенням фактів).

В узагальненій концептуальній структурі СШІ можна виділити три головних елементи: базу фактів, базу знань і механізм виведення. Для розміщення логічного висновку на екрані ще один елемент: вікно виведення.

Існують різні трактування поняття „база знань'' у СШІ. Іноді в поняття бази знань включають не тільки структуровані знання, але і самі факти, для оцінки яких застосовуються знання. Наприклад „База знань експертної системи містить (1) факти про певну предметну область і (2) евристики (практичні прийоми), що виражають процедури судження експерта з даного предмета"

Концепція СШІ все-таки стає більш ясною, коли ці елементи чітко розділені. Наприклад, електронна таблиця з обчисленими значеннями економічних показників - це база фактів, за якими може зробити висновок про стан об'єкта управління лише той, хто знає правила економічного аналізу. Зверніть увагу: замість терміну „база фактів" ми не вжили термін „база даних". У базі даних зазвичай зберігаються первинні дані, з яких шляхом програмної обробки „роблять" результатні дані (інформацію).

Поняття „база фактів" має на увазі присутність тут будь-яких даних, що стосуються аналізованої проблеми і дають можливість застосувати до них наявний набір правил з бази знань. У базу необхідних фактів менеджер може частину даних витягти шляхом запиту з якоїсь бази даних, а частину сформувати самостійно.

Експертна система (ЕС) - це СШІ, що використовує знання для забезпечення високоефективного вирішення задач у вузькій професійній області. Експертні знання в ЕС виділені у відособлену базу знань і отримані від експерта - людини, що за роки навчання і практики навчилася надзвичайно ефективно вирішувати задачі, що належать до такої області. Інструментальними засобами побудови ЕС служать мова програмування і підтримуючий пакет програм, які використовуються при створенні ЕС.

ЕС являють собою реальний практичний додаток штучного інтелекту, що підкреслено ще одним визначенням: ЕС - це заснована на знаннях певної комплексної предметної області інформаційна система, що виконує роль експерта-консультанта для кінцевих користувачів. Ресурсними компонентами ЕС є апаратні, програмні і людські ресурси.

Апаратні ресурси складаються з автономних мікрокомп'ютерних систем, а також мікрокомп'ютерних робочих станцій і терміналів, приєднаних до міні-комп’ютерів чи великих ЕОМ за допомогою телекомунікаційної мережі. Складні ЕС іноді розробляються на потужних комп'ютерах спеціального призначення, безпосередньо спроектованих для програмних пакетів розробки експертних систем або мов програмування ЛІСП чи ПРОЛОГ.

Програмні ресурси — це механізм виведення, а також інші програми для роботи зі знаннями і для зв'язку з кінцевими користувачами. Програми одержання знань не є частиною експертної системи, а є програмними засобами тільки для розробки бази знань. Зручними засобами розробки ЕС є програми-оболонки експертних систем без її ядра (основного змісту), тобто без її баз знань і фактів. Загальновизнано також, що кінцевим користувачам і експертам великі практичні можливості створення ЕС надають засоби електронних таблиць (EXCEL, LOTUS 1-2-3 та ін.).

Електронні таблиці називають також обмеженими генераторами підтримки прийняття рішень, оскільки вони надають користувачу кілька основних аналітичних інструментів ("що-якщо", кореляційно-регресійний і деякі інші види статистичного аналізу, оптимізацію, побудову й аналіз трендів). Програмний пакет SРSS відносять до розвинутих генераторів підтримки прийняття рішень, тому що він має повний набір методів статистичного аналізу.

Людські ресурси. Коли створюється велика ЕС, то база знань і процес експертизи звичайно проектуються інженером знань з фактів і правил, наданих експертом. ЕС лає рекомендації кінцевому користувачу. Експерти і кінцеві користувачі можуть бути і самі собі інженерами із знань, якщо вміють використовувати програмні оболонки ЕС чи інтелектуальні можливості електронних таблиць.

За сферами використання ЕС їх можна поділити на виробничі й управлінські. Виробничі ЕС дають експертний висновок щодо управління виробничими процесами, управлінські — допомагають менеджерам приймати рішення.

Штучна експертиза постійна, несуперечлива, легко передається, документується й уточнюється. Вона зв'язує комп'ютери з багатством людського досвіду і підвищує цінність людських знань, надаючи їм широкого застосовування.

До експертних систем ставляться особливі вимоги. На відміну від звичайних програм ЕС повинна мати набір таких властивостей: компетентність, символьне судження, глибина, самосвідомість.

Компетентність означає, що ЕС повинна досягати експертного рівня рішень - бути вмілою, тобто розмірковувати, виходячи з фундаментальних принципів для знаходження правильного рішення навіть у випадку деяких некоректних даних. Останню властивість називають також робастістю, тобто правильний логічний висновок може бути отриманий на основі знання фундаментальних принципів у разі недостачі або некоректності деяких фактів.

Символьні судження. Ця вимога означає, що експерти обходяться без розв'язання систем рівнянь або складних математичних формулювань, використовуючи знання, виражені звичайними символами рядків (наприклад, „платоспроможність", „фінансова стійкість", „рентабельність").

Результат експертизи завжди виражений звичайними пропозиціями в термінології професійної області знання. Якщо комп'ютер має сучасні засоби мультимедіа, то ці пропозиції можуть бути навіть озвучені (промовлені) комп'ютером. Символьні рядки поєднують у символьні структури (блоки) за їхніми логічними взаємозв'язками, що дозволяє пере формулювати задачу, якщо це необхідно.

Вимога глибини означає, що ЕС повинна працювати в предметній області, що містить важкі задачі, а також використовувати складні правила. ЕС, що не володіє глибиною, вироджується в штучну задачу.

Наявність самосвідомості означає, що ЕС повинна бути здатна пояснювати свої висновки і дії. Якщо такого пояснення немає, то про СШІ говорять, що це іграшкова задача, штучна, така як, наприклад, гра або нереалістичне представлення складної проблеми.

Реальна задача - це складна практична задача, вирішення якої дає користь й у деякому змісті виправдовує витрати на його одержання, наприклад, розробку ЕС для аналізу фінансового стану підприємства. Відомі 10 способів застосування ЕС:

1. Інтерпретація - опис ситуації за інформацією, що надходить від датчиків.

2. Прогноз - визначення ймовірних наслідків ситуацій.

Приклади: прогноз поводження виробничого агрегату, прогноз попиту на паливо, прогноз місця збройного конфлікту, прогноз товарообігу, прогноз цін на товари і т. п. Системи прогнозування іноді використовують імітаційне моделювання - програми, що відображають причинно-наслідкові зв'язки на основі яких за значеннями даних, що вводяться, генеруються різні ситуації. Дія таких цілей у економічному аналізі поряд із спеціальними ринковими програмами можна використовувати електронні таблиці, що відтворюють в електронній моделі арифметичні і логічні взаємозв'язки показників. Наприклад, можна ввести в клітинку „Чисельність робітників" передбачуване число і відразу ж у вікні виводів одержати висновок „Несприятлива ситуація. Ріст продуктивності праці в порівнянні з минулим роком сповільниться". Зміна значення іншого показника (наприклад, обсягу випуску продукції) може змінити попередній висновок і т. п.

3. Діагностика — виявлення причин неправильного функціонування системи за результатами спостережень.

4. Проектування — побудова конфігурації об'єктів при заданих обмеженнях.

5. Планування — визначення послідовності дій.

6. Спостереження - порівняння результатів спостережень з очікуваними результатами.

7. Налагодження - складання рецептів виправлення неправильного функціонування системи.

8. Ремонт — виконання послідовності запропонованих виправлень.

9. Навчання — діагностика, налагодження і виправлення поводження того, кого навчають.

10. Управління — управління поведінкою системи як єдиного цілого.

Експертні системи належать до систем підтримки прийняття рішень (СППР), заснованих на знаннях. Традиційні СППР універсальні і застосовуються для вирішення унікальних проблем у різних предметних областях, а ЕС дають відповіді на питання у вузькій предметній області і роблять висновки, які могла б зробити людина-професіонал високої кваліфікації. Інтеграція традиційної СППР із ЕС утворить більш складний вид - так звану експертну систему підтримки прийняття рішень (ЕСППР). Така система, виходячи з загальних вимог, що ставляться до ЕС, повинна пояснювати свої поради кінцевому користувачу, і, крім того, надавати йому універсальні засоби вільного моделювання. У табл. 5 зазначені розбіжності між СППР і ЕС.

ЕС добре вирішують вузькі специфічні проблеми у конкретній сфері знання, але програють у вирішенні задач, що вимагають широкого кругозору. ЕС ефективні для вирішення аналітичних задач. Наприклад, ЕС допомагає фінансовому консультанту з інвестицій, який видає рекомендації для клієнтів.

Однак ЕС не може оцінити нюанси поточної політики, економіки, соціального розвитку або поводження споживача. Ці важливі фактори повинні аналізуватися консультантом-людиною. Розробляючи ЕС, необхідно осмислити і порівняти переваги експертної системи і витрати на неї. Можливі випадки, коли людина-експерт вирішує задачу за кілька хвилин, а створення ЕС вимагає створення декількох сотень правил і кілька місяців проектування.

Звичайно великі ЕС розробляються інженерами знань методом прототипування, тобто поступовим наближенням від чорнового варіанта до кінцевої мети.

Інженер знань — це професіонал, що працює з експертами в пошуку знань (фактів і евристик), які вони обробляють. Інженер знань будує базу знань (а у разі необхідності, і всю ЕС) і повинен уміти працювати з експертами в багатьох предметних областях.

За кордоном оболонки ЕС порівняно недорогі. Вони допомагають кінцевому користувачу розробляти власні експертні системи. Деякі оболонки використовують формат електронної таблиці, полегшуючи розробку правил „ЯКЩО, ТО".

Приклади експертних систем і систем підтримки прийняття рішень.

1. Першою сферою розробки ЕС була медицина. У середині 70-х років у Стенфордському університеті була розроблена ЕС „МУСШ", що діагностує і визначає спосіб лікування менінгіту (й інших бактеріальних інфекцій) у перші 48 годин після зараження. ЕС „МУСШ" спроектована шляхом опитування великої кількості лікарів про їхні способи діагностики і лікування і містить близько 500 правил.

2. Компанія „Американ експрес" знизила збитки від кредитних карток, використовуючи ЕС „Помічник того, що видає кредит", яка дає поради про надання або відмовлення в кредиті. Індивідуальне рішення приймається не більш ніж за 90 секунд, тобто ризик неправильного рішення є значним. „Помічник того, що видає кредит" містить знання досвідчених співробітників, допомагаючи розпізнати нетипові запити і відкинути їх.

3. ЕС „ПланПауер" допомагає окремим особам у персональному фінансовому плануванні податків, нерухомості, регулюванні портфеля активів. ЕС враховує множину змінних факторів для рекомендації фінансового об'єкта або послуги. Вона враховує цілі і фінансову ситуацію клієнта, дозволяючи консультанту вести аналіз „що. . . , якщо. . . ?" за факторами процентних ставок, темпами інфляції й ін.

4. Розроблений в інституті кібернетики ім. В. М. Глушкова Національної академії наук України інтелектуальний пакет Ргеdісtоr дозволяє будь-якій організації швидко покращити процес прийняття рішень при плануванні продажів, у ціноутворенні, плануванні виробництва, фінансовому плануванні. Ргеdісtог функціонує в середовищі МS Ехсеl, а його користувацький інтерфейс уніфікований з МS Оffісе. Ргеdісtог — ефективний, практичний, простий в освоєнні й експлуатації інструмент експрес-прогнозування і складного аналізу часових рядів. Після інсталяції він автоматично інтегрується в середовище МS Ехсеl і забезпечує роботу в чотирьох режимах:

  • для експрес-прогнозування: Ваtch автоматично будує чотири кращі прогнози;
  • для новачків: Wizard забезпечує зрозуміле покрокове прогнозування з автоматичним встановленням оптимальних параметрів;
  • для досвідчених користувачів: Ехрегt полегшує одержання якісних прогнозів з покроковим ручним настроюванням необхідних параметрів;
  • для професіоналів: Function дозволяє вставити функцію методу прогнозування прямо в Ехсеl-таблицю.

Режим Ехрегt дозволяє самостійно підібрати метод прогнозування, здійснюючи настроювання і управління прогнозуванням командними кнопками. Дані вибираються з робочої ЕхсеІ-таблиці кнопкою Select_Data, встановлюються прогнозний обрій і сезонність. Далі вибирається метод прогнозування: ручний зі списку або за рекомендацією, отриманою в режимі Аutо, з уточненням деяких характеристик вхідної послідовності.

Якість моделі можна оцінити візуально (за накладенням графіка прогнозу на вихідний ряд) і за іншими статистичними оцінками (на вибір користувача-професіонала). Пакет дає 16 оцінок, що викликаються кнопкою Show statistics

Інтелектуальний пакет Ргеdісtоr розроблений співробітниками інституту кібернетики їм В. М. Глушкова НАН України на замовлення американської компанії Cyber_US. Він підходить і для непрофесіоналів, і для фахівців-менеджерів. Ргеdictor містить 26 методів прогнозування (АRІМА-методи, регресії, нейронні мережі й ін. і функціонує на платформах:

  • МS Ехсеl 5. 0 для Windows З. Х;
  • МS Ехсеl 7. 0 для Windows 95/98 і NT;
  • МS Оfiсе 97 для Windows 95/98 і МT.

Принципи інтелектуалізації електронних таблиць кінцевим користувачем.

Поряд з такими потужними інтегрованими інтелектуальними розробками професійних наукових колективів, як ЕСППР „Ргеdісtоr ", що базується на МS Ехсеl електронні таблиці дозволяють кінцевому користувачу самостійно доповнити комплекс своїх таблиць (базу фактів) елементами штучного інтелекту (базою знань, машиною виведення, інтерфейсом користувача).

У технологічному аспекті процес побудови такої інтелектуальної системи кінцевого користувача полягає у:

  • Постановці мети управління (кінцевий результат, на який спрямована думка людини);
  • Зборі і збереженні фактів (база даних) про об'єкт;
  • Спрощенні фактів і застосуванні до них певної структуризованної групи правил оцінки (база знань);
  • Виведенні висновків про ситуацію.

Комп'ютер може регулярно підтримувати етапи 2, 3 і 4, якщо менеджер один раз ввів у базу знань правила оцінки ситуації і створив механізм виведення. Для швидкого впровадження елементів СШІ в невелику СППР є зручним програмний пакет електронної таблиці, що не відноситься до класу спеціальних засобів побудови СШІ, однак, як ми уже відзначали, його справедливо називають системою підтримки прийняття управлінських рішень або обмеженим генератором підтримки прийняття рішень.

Інтелектуалізація електронних таблиць як сховищ головних економічних даних про об'єкт управління дозволяє після введення числових даних у таблицю автоматично одержувати в ній не тільки числовий результат, але і символьну оцінку ситуації, одночасно виконуючи імітаційне моделювання (програвання) можливих ситуацій.

Досвід побудови інтелектуальних електронних таблиць (засобами Lotus 1-2-3, QuattroPro, EXCEL) дозволяє виділити цьому процесі наступні етапи:

1. Дані про об'єкт управління зберігають у форматах електронних таблиць, куди звичайним чином вводять формули розрахунку аналітичних показників, які автоматично перераховуються, при зміні початкових даних. Це забезпечує роботу за принципом „що..., якщо...?" (у кількісному, числовому представленні).

2. Для переходу до якісних оцінок фахівець застосовує процедуру спрощення фактів і формулює правила оцінки ситуації, орієнтуючись на головні показники.

Місце кожного показника в таблиці задано адресою клітинки, тому особливих сховищ для головних фактів і особливих запитів для їхнього одержання не потрібно. Менеджер зводить правила міркувань про факти в окрему ділянку або окремий лист таблиці (базу знань). База знань є тут інформаційним об'єктом, виділеним у самостійний блок і схованим.

3. У структурі правила виділяються дві клітинки (два блоки): ЯКЩО <умова>, ТО <висновок>. Обидві частини правила виражені символами. Кожен рядок у базі знань являє собою одне правило. В електронній таблиці одне правило займає мінімум два стовпці.

Наприклад, у стовпці „ЯКЩО" зберігається фраза „Коефіцієнт співвідношення позикових і власних засобів перевищує одиницю при низькій обіговості", а в стовпці „ТО" - „Фінансова автономність і стійкість критична". Вміст клітинки „ТО" повинен виводитися як висновок, а клітинки „ЯКЩО" - як пояснення. Частина „ТО" може бути розширена шляхом додавання в ту ж клітинку тексту чи рекомендацій можливих альтернативних рішень.

Правила можна редагувати (обновляти, розширювати, видаляти), однак це повинно бути доступно тільки кваліфікованому користувачу чи експерту.

4. Кожне правило повинне виявляти себе тільки у разі виконання умов, перерахованих у частині „ЯКЩО". Це забезпечується введенням логічних формул в окрему зону таблиці, що називається вікном висновку.

Постійним вмістом вікна висновку є формули з використанням функції „ЯКЩО", які у сукупності утворюють механізм виведення. Користувач створює його, орієнтуючись на адреси (чи імена) головних показників і адреси (чи імена) правила в блоці бази знань. Замість реальних адрес краще використовувати імена клітинок, наприклад, Прибуток, Запаси, ... Резолюція 7, Резолюція 2, і т. п.

При цьому можна будувати дуже складні і прозорі для розуміння логічні конструкції, перевіряючи одночасно кілька різних умов для виведення одного висновку. Механізм виведення надійно працює при будь-яких числових значеннях фактів, миттєво виводячи з бази знань на екран відповідні їм висновки в текстовому вигляді. (Обмеженням ЕХСEL 97 є неможливість використання в одній клітці більше восьми вкладень IF, у той час як у пакеті QuartoРго4 допускалося 10 вкладень.)

Список використаної літератури

  1. І. В Іванова Менеджер- професійний керівник навч. пос. Київський національний торгово-економічний інститут Київ 2002р
  2. Батюк А. Е –Інформаційні системи. Навч. пос. Львів: Національний університет „ЛП”, інтелект захід 2004р, 520с
  3. Дес Дерлод: Ключові управлінські рішення. Пер. з англ, -К. -Всеувито, наукова думка 2001р. , 242ст.
  4. Том Ламберт: Ключові проблеми керівника. Пер. з англ, -К. -Всеувито, наукова думка 2001р. , 242ст.
  5. Ситник В. Ф- Системи підтримки прийняття рішень: навч пос. -К: КНЕУ. 2004р. -614с.
  6. В. М Гужва Інформационние системи і технології на підприємстві Навч. пос. -К: КНЕУ, 2001р-400с.
  7. Береза А. М –Основи створення інформаційних систем Навч. Пос. -К. : КНЕУ, 2000р
  8. М. Ребшток, К. Хильдебрант: Sab r\3 для менеджерів
  9. Желена Информационные системы для руководителей. — М. : Финансы и статистика, 1989р. — 1476 с.
  10. Компьютеризация информационных процессов на промышленных предприятиях. — К. : Техника, 1991. — 216 с.


21.01.2011

Провідні компанії та навчальні заклади Пропозиції здобуття освіти від провідних навчальних закладів України та закордону. Тільки найкращі вищі навчальні заклади, компанії, освітні курси, школи, агенції.

Щоб отримувати всі публікації
від сайту «Osvita.ua»
у Facebook — натисніть «Подобається»

Osvita.ua

Дякую,
не показуйте мені це!