Visoka poslovna škola Megatrend

(strukovne studije)

Predmet:Sistemi podrške odlučivanju

Tema;Primena veštačke inteligencije u sistemima za podršku odlučivanju

Profesor:dr.:Dušan Bulatović

Student:

Br indeksa:263/08-II

Smer:Menadzment

U Beogradu

09.03.2011

SADRŽAJ:

1. SISTEMI ZA PODRŠKU ODLUČIVANJU 2

1.1. Struktura sistema za podršku odlučivanja 2

1.2. Podsistem za upravljanje podatcima 2

1.3. Podstistem za upravljanje modelima 3

1.4. Podsistem za upravljanje znanjem 3

1.5. Podsistem – korisničiki interfejs 3

1.6. Klasifikacija sistema za podršku odlučivanju 3

1.7. Principi rada, osobine rada SPO-a i karakteristike implementacije 4

2. VEŠTAČKA INTELIGENCIJA 4

3. PRIMENA VEŠTAČKE INTELIGENCIJE U SISTEMIMA ZA

PODRŠKU ODLUČIVANJU 6

4. LITERATURA 16

2

SISTEMI ZA PODRŠKU ODLUČIVANJU

Sistemi za podršku imaju zadatak da pružaju pomoć pri donošenju odluka, ali sa naglaskom na rešavanju nestruktuiranih ili slabo stuktuiranih problema, i pružaju pomoć na svim nivoima odlučivanja, ali su od posebnog značaja za više nivoe. Za razliku od upravljačkih IS, koji pretezno olakšavaju horizontalni protok informacija, sistemi za podršku odlučivanju podrzavaju vertikalne informacione tokove i tako potpomažu integraciju informacija koje se koriste na razlicitim organizacionim i upravljačkim nivoima.

Struktura sistema za podršku odlučivanju

Osnovne komponente sistema za podršku odlučivanju, koji su egzistirali od ranih 70-tih do 90-tih, su: baza modela, baza podataka, generator sistema za podršku odlučivanju i korisnik. Osnovne komponente danasnjih sistema za podršku odlučivanju su:

podsistem za upravljanje podacima

podsistem za upravljanje modelima

podsistem za upravljanje znanjima

podsistem – korisnicki interfejs

korisnik

Podsistem za upravljanje podacima

Ovaj podsistem sastoji se iz sledećih elemenata: baze podataka sistema za podršku odlučivanju, sistemima za upravljanje podacima, direktorijuma sa podacima, upita.

Jedan SPO moze koristiti vise baza podataka u zavisnosti od mesta skladištenja potrebnih informacija. Razlikujemo i podatke koji potiču iz spoljašnjih ili unutrašnjih izvora. Pod unutrašnjim izvorima se smatraju baze podataka unutar organizacije, dok podaci iz spoljašnjih izvora mogu biti npr. podaci iz industijske grane, sa tržista, državni propisi.

Proces kreiranja baze podataka ili skladišta podataka preko spoljašnjih izvora naziva se ekstrakcija. Pod ekstrakcijom podataka podrazumeva se unošenje ( importovanje, sumarizacija, filtracija i kondenzacija ) podataka. Sistem za upravljanje bazom podataka omogućava nam upravljenje procesom ekstrakcije podataka, ažurira zapise u bazi podataka, povezuje podatke iz različitih izvora, upravlja podacima preko rečnika podataka.1

1 http://www.cet.rs/cetcitaliste/CitalisteTekstovi/SPO1.pdf

3

Recnik podataka pretstavlja katalog sa svim podacima u bazi podataka, i služi da bi bi odgovorio na pitanja o dostupnosti odredjenom podatku, njegovom izvoru i njegovom tacnom znacenju. Ovoj komponenti je moguce dodavati, brisati i azurirati unose.

Podsistem za upravljanje modelima

Podsistem za upravljenje modelima sastoji se iz sledećih elemenata: baze modela sistema za upravljanje bazom modela jezika za modeliranje direktorijuma modela i komandnog procesora.

Podsistem za upravljanje znanjem

SPO koji poseduju sisteme za upravljanje znanjem nazivaju se inteligentni sistemi za podršku odlučivanju, sistemi zasnovani na znanju ili jednostavno kombinacija SPO/ES. Baza znanja je predstavljala sisnonim za ekspertne sisteme.

Podsistem – korisnički interfejs

Sastoji se iz sledećih komponenti: sistem za upravljanje korisničkim interfejsom, jedinice za prevodjenje na prirodan jezik, terminala i printera, plotera.

Ovaj sistem pokriva sve aspekte komunikacije izmedju korisnika i sistema za podršku menadzmentu. Od kvaliteta korisnickog interfejsa zavisi mogucnost upotrebe i prihvatljivosti sistema od strane korisnika. Novi sistemi za podršku odlučivanju poseduju takav korisnicki interfejs, koji im omogucava: Graficki korisnicki interfejs Prilagodjava korisniku razlicite dodatne/ulazne uredjaje Predstavlja podatke u razlicitim formatima ili na razlicitim izlaznim uredjajima Obezbedjuje interakciju sa bazom podataka i sa bazom modela Obezbedjuje kolor grafiku, trodimenzionalnu grafiku Kroz više prozora dozvoljava da se vise funkcija izvrsava istovremeno Obezbedjuje ucenje kroz primere Obezbedjuje fleksibilnost i adaptivnos sistema za podršku menadzmentu prema prilagodjavanju razlicitim problemima i tehnologijama

Klasifikacija sistema za podršku odlučivanju

Holsapple i Whinston smatraju da postoji sest razlicitih grupa SPO-a: Tekst orijentisani SPO – gde se informacije uglavnom javljaju u tekstualnom obliku. Iz razloga postojanja velike količine informacija, ova klasa SPO poseduje snazan tekst procesor. Tekst orijentisani SPO najčešće podržavaju rad preko interneta, pa stoga imaju implementirane tehnologije kao sto su – hipertekst, inteligentne agente. SPO orijentisani na baze podataka – predstavljaju grupu sistema za podršku odlučivanju gde baza podataka igra glavnu ulogu u strukturi sistema. SPO orijentisan na tabelarni rad – gde se pomoću posebnog jezika za modeliranje dozvoljava korisniku da kreira modele direktno u programima za analizu. SPO orijentisan na resavanje – gde postoje algoritam ili procedura napisani u obliku kompjuterskog programa za izvodjenje odredjenih izracunavanja za resavanje odredjene vrste problema. SPO orijentisani na pravila – što se primenjuje kod SPO

4

koji imaju bazu znanja. Slozeni SPO – što predstavlja grupu SPO-a koji su tzv. hibridni sistemi, jer se sastoje od kombinacije dva ili više od pet osnovnih, prethodno iznetih, struktura SPO.

Princip rada, osobine rada SPO-a i karakteristike implementacije

Prikaz strukture SPO-a i princip rada korisnika sa SPO-om izgleda ovako: Proces zapocinje dilemom. Korisnik potom definise problem, u cemu mu SPO moze pruziti pomoć kroz snimanje, pracenje i prikupljanje podatakaiz spoljasnjih i unutrasnjih izvora podataka, na osnovu čega se stice uvid o nastanku i karakteru problema. Po zavrsetku formulacije problema SPO vrsi obradu podataka koristeci se pri tom bazom podataka ili bazom znanja. Po izvsenoj obradi problema SPO nudi korisniku raspolozivi niz alternativa.

Veoma vazan faktor za uspesan rad sistema za podršku odlučivanju je korektna implementacija sistema. Od uspešnosti implementacije SPO-a zavisi njegova prihvatljivost od strane korisnika kao i pravilna upotreba.

VEŠTAČKA INTELIGENCIJA

Termin veštačka inteligencija (engleski artificial inteligence) potiče od John-a McCarty-ja. Mnogi autori se ne slažu da termin veštačka inteligencija opisuje najbolje ovu oblast nauke. Mnoge od oblasti informatike u osnovi imaju inteligentno ponašanje ali ne pripadaju veštačkoj inteligenciji u užem smislu.2

Dva glavna pravca razvoja veštačke inteligencije su:

Proučavanje prirodne inteligencije (spoznavanje funkcija mozga, modeliranje rada mozga, simuliranje čovekovog ponašanja, reagovanja i rezonovanja).

Postizanje inteligentnog ponašanja primenom drugačijih pristupa, kakvi se ne mogu sresti u prirodnim sistemima.

Veštačku inteligenciju prema pristupu rešavanja problema možemo klasifikovati na tri glavna pristupa i to su:

neuronske mreže, modeliranje evolucije i

heurističko programiranje.

Klasifikacija veštačke inteligencije prema vrsti rešavanja problema:2 http://solair.eunet.rs/~ilicv/AI_index.htm

5

sistemi za rešavanje čovekovih uobičajenih zadataka:

        - prepoznavanje slika i govora,         - razumevanje, generisanje i prevođenje prirodnih jezika,         - snalaženje u svakodnevnim situacijama,      - primena u robotici.

sistemi za rešavanje formalnih zadataka:

        - logičke igre,         - matematička logika, geometrija, integralni račun,         - osobine programa.

sistemi za rešavanje ekspertnih zadataka:

        - konstruisanje, nalaženje grešaka, planiranje proizvodnje,         - naučne analize i dijagnostika (biologija, medicina, hemija, pravo),         - finansijska analiza,         - programi za razvoj ovakvih sistema.

Tehnike koje pripadaju veštačkoj inteligenciji morale bi da koriste znanja koje su organizovana tako da omogućavaju:

generalizaciju, predstavljanje i preslikavanje u formi razumljivoj ljudima,

lako modifikovanje,

da se koriste informacije koje nisu kompletne,

da pomažu u smanjenju broja mogućnosti koje bi inače morale biti razmatrane (heuristike).

Prepoznavanje oblika je ključno za snalaženje u svakodnevnim situacijama, kako za žive tako i veštačke sisteme. Pri rešavanju problema vezanih za prepoznavanje oblika nastaju velike teškoće jer analogne signale koje primaju senzori/receptori sadrže veliki broj informacija, od kojih dobar deo sadrži šum, pa ti signali često nisu dovoljno jasni. Ovo otežava primenu računara za snalaženje u svakodnevnim situacijama, pa nije ni čudo što su i životinje, za koje se smatra da su manje inteligentne od ljudi, sposobne za daleko kvalitetniju vizuelnu i zvučnu percepciju  i obradu takvih signala nego današnji računari.3

3 http://solair.eunet.rs/~ilicv/AI_index.htm

6

UPOTREBA VEŠTAČKE INTELIGENCIJE U SISTEMIMA ZA PODRŠKU ODLUČIVANJA

Automatizacija rešavanja problema odlučivanja je dostigla danas visoki nivo kroz razvoj upravljačkih informacionih sistema i sistema odlučivanja (DSS – Decision System Support).

Razvojem tehnika otkrivanja znanja u informacija (to su nestrukturisani problemi) pojavili su se aplikativne platforme poznate pod zbirnim imenom KDD-Knowledge Data Discovery (tehnologije otkrivanja znanja u podacima) koje su namenje pre svega za strategijsko i funkcionalno odlučivanje.

Kao nadgradnja standardnim poslovnim informacionim sistemima javljaju se posebni korisniku orijentisani sistemi pod zajedničkim nazivom „sistemi za podršku odlučivanju (DSS). To su aplikativne platforme koje su sposobne da uklone protivurečnosti i nedostatke koji su se javili kod razvoja, implementacija i eksploatacije upravljačkih informacionih sistema. DSS sistemi utiču na širinu i sposobnost menadžerskog odlučivanja na svim nivoima (operativni, taktički i strategijski).

DSS sistem možemo shvatiti kao interaktivni računarski informacioni sistem pomaganja, potkrepljivanja strukturisanog, polustrukturisanog i nestrukturisanog sistema odlučivanja.

DSS sistemi se sastoje od sledećih celina: Jezičkog sistema: mehanizmi koji obezbeđuju komunikaciju između korisnika i drugih

komponenti DSS-a (pod jezikom se smata u ovom slučaj poznavanje sintakse i značenja elementarnih komandi)

Sistema znanja: odgovarajuće znanje iz domena problema za čije rešenje se donosi odluka Sistem za procesiranje problema: veza sa dve prethodno navedene DSS komponente koji

poseduje jednu ili više sposobnosti za manipulisanje problemom na način determinisan prirodom tekućeg procesa odlučivanja.

DSS bazirani na podacima (Data-Driven DSS) stavljaju akcenat na pristup i manipulisanje strukturiranim podacima u veoma velikim bazama (data warehouse), koje sadrže kako interne tako i eksterne podatke. Data warehouse sistem omogućava efikasan pristup ovim podacima pomoću kompjuterskih alata prilagođenih specifičnim zadacima kao i pomoću opštih alata koji obezbeđuju dodatnu funkcionalnost. Data-Driven DSS sa OLAP alatima poseduju veoma visok stepen funkcionalnosti jer omogućavaju i efikasnu analizu velike kolekcije istorijskih podataka.

DSS bazirani na modelima (Model-Driven DSS) predstavljaju sisteme koji koriste finansijske, reprezentacione i optimizacione modele. Ovi sistemi akcenat stavljaju na izgradnju i proučavanje modela. Kompleksne analize bazirane na modelima moguće je izvršiti pomoću OLAP sistema

7

(hibridnih DS sistemima), koji objedinjuju modeliranje, pretraživanje velike količine podataka i mogućnost sumiranja podataka. Čisto modelima orjentisani sistemi koriste podatke i parametre obezbeđene od strane donosioca odluke, ali oni obično nisu intenzivno orijentisani na podatke.

Sugestivni DSS (Suggestion DSS) sadrže data mining alate kao i menadžment ekspertne sisteme.Data mining alati pomažu analitičarima sugerišući veze koje postoje među podacima. Data mining je, zapravo, proces pretraživanja velike količine podataka u cilju pronalaženja konteksnih veza među tim podacima. Menadžment ekspertni sistem može sugerisati ali i pokrenuti izvršavanje neke akcije za menadžera. Sugestivni DSS se još nazivaju i DSS bazirani na znanju.

DSS bazirani na dokumentima (Document-Driven DSS) su usmereni na pretraživanje i upravljanje nestrukturiranim podacima kao što su dokumenti i web strane. Ovi sistemi predstavljaju skup različitih tehnologija memorisanja i procesiranja nestrukturiranih podataka, radi obezbeđenja što efikasnije pretrage i analize dokumenata. Na primer Web omogućava pristup ogromnim bazama dokumenata uključujući i baze hipertekst dokumenata, slika, zvučnih i video animacija. Efikasna pretraga je glavni zadatak ovih sistema.

Grupni DSS (Group DSS, GDSS) je tip DS sistema koji podrazumevaju mogućnost komunikacije donosioca odluke tj. grupno odlučivanje po principu usaglašavanja. GDSS je potrebno kategorizovati kao specifični tip DS sistema jer podrazumeva, upotrebu specijalnih informacionih tehnologija za kolaborativni rad, kao što su sobe odlučivanja, kompjuter sa displej projektorom, ali i mogućnost distribuiranog rada tj. dobar sistem komunikacija.

Inter-organizacioni DSS (Inter-Organizational DSS) predstavljaju relativno novu kategoriju DSsistema. Internet obezbeđuje komunikacione linkove za različite tipove inter-organizacionih sistema uključujući i DS sisteme. Interorganizacioni sistemi omogućavaju udaljenim korisnicima da pristupe kompanijskom intranetu i ukoliko imaju autorizovanu privilegiju da koriste određene DSS servise.

Funkcionalno specifični DSS (Function-Specific DSS) predstavljaju sisteme koji su specijalno dizajnirani da podrže određene poslovne funkcije ili tipove poslovanja. Ovi sistemi se obično dizajniraju za jedan specifični zadatak mada se po svojoj prirodi mogu svrstati u neku od glavnihkategorija DS sistema, kao što su DSS zasnovani na podacima, modelima ili sugestivni DSS.

Web orjentisani DSS (Web-Based DSS) predstavljaju sisteme koji su implementirani upotrebom

8

web tehnologija. Oni omogućavaju menadžerima i poslovnim analitičarima upotrebu DSS alata koristeći web browsere. Server koji opslužuje DSS je povezan sa korisničkim kompjuterima mrežnim TCP/IP protokolom. Ovakvi DS sistemi omogućavaju velikoj grupi menadžera da

koristeći web browser-e u mrežnom klijent-server okruženju donose pojedinačne ili grupne odluke kao i da pristupaju Data Warehouse-u kao delu DSS arhitekture. Može se reći da Web tehnologije predstavljaju primarne alate za razvoj Inter-organizacionih DSS.

Sledeća su bitna tumačenja sistema DSS:

DSS obezbeđuje podrušku za donosioce odluka uglavnom u polustrukturisanim i nestrukturisanim situacijama odlučivanja. Takvi sistemi ne mogu biti rešavani sa upravljačkim informacionim sistemima ili sa OLTP (On Line Transaction Processing) sistemom.

Podrška se obezbeđuje za različite nivoe upravljanja

Podrška se obezbeđuje za pojedince i grupe. Mnogi problemi organizacije zahtevaju grupno odlučivanje, manje strukturisani problemi, naime, zahtevaju uključivanje u proces odlučivanja više pojedinaca iz različitih organizacionih jedinica i različitih menadžerskih nivoa. Takvi DSS pomažu integrisani rad između članova grupe u bilo kojoj prilici.

DSS obezbeđuje podršku u nekoliko međusobno zavisnih i/ili sekvencijalruh odluka.

DSS podržavaju sve faze procesa odlučivanja: ispitivanje (istraživanje), dizajn, izbor implementaciju.

DSS podržava različite procese i stilove donošenja odluka, ima prilagodljivost u odnosu na osobine individualnog donosioca odluke: njegov jezik, rečnik, stil odlučivanja i slično.

DSS moraju biti adaptivm rokom vremena. Dunosiocl odluka treba da budu proaktivni i sposobni da u promenjenim uslovima adaptiraju DSS; kako bi se takvim promenama udovoljilo.

DSS mora biti, takođe, fleksibilan, tako da korisnik može dodati, brisati, kombinovati, menjati, dizajnirati osnovne elemente; očekujući brži i efektivan odgovor u neočekivanim i nepredvidivim situacijama.

DSS moraju biti laki za upotrebu. Korisnici u radu sa njima rreba da se osećaju kao "kod kuće".

Osobine kao što su: prijateljski onjentisaru, fleksibilm, snažne grafičke mogućnosti i dijalog na jeziku sličnom pruodnom, multidimenzionalna prezentacija informacija, mogu uveliko povećati efektivnost DSS. Laka upotreba DSS implicir interaktivan mod komunikacije sa njim.

DSS nastoji da više unapredi efektivnost odlučivanja: tačnost, ažurnost, kvalitet, nego efikasnost: niski troškovi obrade podataka i donošenja odluka.

9

Donosilac odluke ima potpunu kontrolu nad sistemom tokom svih koraka donošenja odluke u rešavanju nekog problema odlučivanja. DSS je usmeren na podršku, a ne na zamenu donosioca odluke. Donosilac odluke može u bilo koje vreme pribaviti preporuke računara.

DSS omogućavaju učenje koje vodi ka novim zahtevima i oplemenjivanju sistema koje zatim vodi ka novom učenju, itd. u kontinuirani proces razvoja i unapređivanja DSS.

DSS treba da bude lak za konstruisanje. Krajnji korisnika može biti osposobljen da sam konstruiše za svoje potrebe jednostavan sistem. Veliki sistemi moraju biti izgrađeni u korisnikovoj organizaciji, angažovanjem više specijalista za njegov razvoj.

Mogu se izdvojiti tri kategorije korisnika ovih sistema:

korisnik – analitičar korisnik “on-line” u procesu odlučivanja, i korisnik “uradi sam” (Do It Yourself).

Analitičar je neko koga, donosioci odluke angažuju po osnovu njegove stručnosti u poznavanju tehnika i programa koji će se koristiti. Problem odlučivanja se može rešavati na konferenciji o odlučivanju. Obično se angažuje više od jednog analitičara u vođenju konferencije o odlučivanju ili radionice, pri čemu se deli odgovornost u odnosu na menadžment sadržaja za tehničku podršku.

Analitičar ima potpunu kontrolu nad programom radeći kao posrednik između sistema za podršku odlučivanju i krajnjeg korisnika – donosioca odluke. Na taj način je odgovoran za kompjutersko predstavljanje višekriterijumskog modela, unošenje prosuđivanja dobijenih od donosilaca odluke, vođenje analize donosilaca odluke, da istraže moguća rešenja, različite scenarije i sl.

Korisnik “on-line” u procesu odlučivanja samostalno koristi program, uz obezbeđeni ineraktivan rad od strane sistema. Priroda i stepen interakcije DSS-a i donosioca odluke varira s obzirom na usvojeni višekriterijski pristup i način rada samog sistema za podršku odlučivanju. Korisnik u ovoj situaciji preko određenih pomoćnih sredstava rešava tehničke ili praktične probleme sa kojima se sreće u procesu odlučivanja, što znači da se ne treba pouzdati samo na sistem kad je podrška u pitanju. Međutim, ako je grupa onih koji odlučuju velika može se desiti da demostrator ne može da obezbedi adekvatnu podršku svakom.

Tip D.I.Y. korisnik podrazumeva onog korisnika koji koristi sistem na bazi "jedan prema jedan".

10

Ovaj tip korisnika može biti upoznat sa pristupom modelovanja ili programom, pri čemu se oslanja

samo na pomoć sistema pošto mu je pomoć spolja nedostupna. Dalje, pošto nije poznata stručnost ili sposobnost korisnika, ne zna se koliko tačno koja vrsta pomoći se zahteva. Takav korisnik može biti jedna osoba koja odlučuje ili grupa onih koji se bave svojim sopstvenim problemom ili to može biti osoba koja uči da koristi sistem.

Sistemi za podršku odlučivanju podržavaju sve faze procesa odlučivanja počev od faze formulacije problema, preko faze projektovanja, faze izbora, pa sve do implementacije. Potrebno je objedinjavaje primene raspoloživih alata za podršku odlučivanju sa odgovarajućim fazama procesa odlučivanja. Svoju specifičnost imaju sistemi za grupnu podršku odlučivanju (GDSS) tehnologije.

Nove tehnologije u izradi integrisanih kola i mikročipova koje su omogućile povećanje brzine i kapaciteta što je prouzrokovalo i veću mogućnost u praktičnim primenama u odlučivanju i upravljanju preduzećem. Teorije odlučivanja su se razvijale nezavisno od informacione tehnologije i bazirale su se na kvantitativnim metodima i modelima. Nastao je čitav niz kvantitativnih metoda i modela:

Linearno programiranje Mrežno planiranje (CPM-Critical Path Method i PERT metoda) Transportni problem Teorija redova čekanja Dinamičko programiranje

Sredinom 80-tih nastao je koncept sistema za podršku grupnom odlučivanju (GDSS).

Ozbiljna primena sistema za podršku odlučivanju počela je tek sa upotrebom korisniku prilagođenih (user-friendly) DSS alata na mikroračunarima.

Naglasak u razvoju sistema je stavljen na podršci individualnom odlučivanju iako je proces odlučivanja u organizaciji prvenstveno kolektivnog karaktera

Upotreba sistema za podršku odlučivanju otežava konsultovanje stručnjaka za određenu problematiku kao i kolektivno odlučivanje i usklađivanje interesa različitih grupa u organizaciji.

GDSS danas obuhvata 3 tehnologije:

Komunikacionu tehnologiju, koja uključuje elektronsku razmenu poruka, lokalne iglobalne mreže, telekomunikacije i slično.

11

Kompjutersku tehnologiju, koja obuhvata višekorisničke operativne sisteme, baze podataka i modela, jezike četvrte generacije i njima primerene metode i tehnike analize, projektovanja i slično.

Tehnologije podrške odlušivanju, koja obuhvata metode i tehnike jedno i višekriterijumskog odlučivanja, struktuirane grupne metode i pravila organizacije i vođenja grupnih diskusija.

Grupna istraživanja od strane Gallupea 1985, Watsona 1988 i Mocklera 1992 primenom GDSS sistema, potvrđuju njegovu efikasnost i mogućnosti generisanja kumulativnih znanja. Većina poznatih autora se danas slaže da optimalni dizajn GDSS-a bitno zavisi od osobina grupe koja donosi odluku (veličina, sastav, sposobnosti i drugo.), softverske podrške koja joj stoji na raspolaganju u odnosu na prirodu problema odlučivanja, kao i od raspoloživosti i kvaliteta komunikacione tehnologije.

Istorijski, pojavljuju se 3 generacije:

1. „Generacija eksperimentalne podrške”2. “Generacija operativne podrške” i3. „Generacija sistemske intelegencije”.

Neki komercijalni aplikativni DSS / GDSS softveri:

Electronic Brainstorming Delphi Nominal Group Issue Analyzer Policy Formation Vote Selection Alternative Evaluator Questionaire Topic Commenter Stakeholder Id & Assumption

Posebna klasa DSS sistema su sistemi podrške izvršnim rukovodiocima (ESS - Executive Support System) su informacioni sistemi za podršku odlučivanju

Osobine su:

- Intenzivna upotreba baza znanja- Komunikaciona okruženja- Minimalno računarsko predznanje- Minimum vremena za obuku- Brzo prikazuju podatke

12

- Za rad se koristi miš ili touchpad .

ESS se koriste za

1. strateško odlučivanje2. istraživanje konkurencije3. finansijske analize4. analize trendova5. interno izveštavanje6. i druge zadatke izvršnih rukovodioca.7. ESS reorganizuje podatke u sirove podatke i liferuje informacije u prihvatljivom obliku.8. ESS je prvenstveno usmeren na SADAŠNJOST a potom na budućnost za razliku od

DSSa.9. Koristi i “Goal-seeking” i “What-if “ analize i informacije iz eksternih baza podataka.10. Poznatiji ESS paketi su:

o Command Center EIS

o Commander EIS

o EIS Toolkit

o Executive Edge

o Incite

o RediMaster

o Resolve

Ako pogledamo veštačku inteligenciju kao stablo sa krošnjom i korenom može se globalno sagledati pripadnost ekspertnih sistema odnosno sistema zasnovanih na znanju u sistemu veštačke inteligencije (slik1)4

4 http://docs.google.com/viewer?a=v&q=cache:hFlwKhjP7n8J:www.tims.edu.rs/sr/sadasnji-studenti/download-centar/category/78-e-biznis?download%3D708%253Alesson05-ebiznis-udzbenik+primena+vestacke+inteligencije+u+sistemima+za+podrsku+odlucivanja&hl=en&pid=bl&srcid=ADGEEShi6l02wqj0519f0Edgq3AHjQvxAhodH4f9JQEsKLuueHfGPY2RK7lMhSa1nTxYo94fPj23tJrMa6KNciyEe7j0wkhKO5qy4070D1oMpnuRLFfI4aZwThvTh4X7ppLEZNElLOdI&sig=AHIEtbR3U1OKOfhRrk5i5jD7_Ck0Puad0A

13

GDSS

S Slika 1

Ekspertni sistemi (ES) su posebna grupa inteligentnih sistema za odlučivanje. Ekspertni sistemi mogu se staviti u funkciju čuvanja i upravljanja znanjem. Klasifikuju se kao deo veštačke inteligencije. Ekspertni sistemi se bave obuhvatom i proširenjem znanja eksperata, azasnovani su na skupu pravila kojima se analiziraju informacije o jednom slučaju. Korisni su za analizu problema. Ekspertni sistem je računarski program zasnovan na znanju i zaključivanju, koji rešava složena pitanja koja obično mogu rešiti samo ljudi - eksperti. Naglasak u ovakvoj, jednoj od mogućih, definicija je na računarski program. Pored toga, jednakog prioriteta je i značaj na znanju i zaključivanju.

Izgradnja podsistema za dodatne informacije (help) i poddelova dela parametara i njihovih odnosa može biti neisplativa jer bi te delove koristio možda samo jedna mala skupina korisnika. U slučaju da su ti korisnici sposobni razvijati samostalno te dodatke, rešenje problema je da se izgradi i izda SDK (Software Development Kit) u kojem se definiše komunikacija tih poddelova

14

sa glavnim delovima, tj. definišu se mehanizmi spajanja, razmene podataka, upravljanja i razdvajanja poddelova koje razvijaju korisnici (ili neka treća strana) i glavnog sistema. Zbog mogućnosti menjanja znanja na osnovu kojeg se zaključuje i znanja kojim se zaključuje potrebno je razviti mehanizme koji će osigurati konzistentnost celog sistema znanja. U protivnom, neiskusni korisnik ili greška pri promeni ili brisanju odnosa između parametara i slično mogu dovesti do neupotrebljivosti ekspertnog sistema. Rešavanje ovog problema se svodi na razmatranje već navedenih opsega i načina integracije delova modela, opsega menadžmenta modelom koji se daje korisniku i ugradnji kontrolnih mehanizama. Već postoje alati za razvoj ekspertnih sistema koji omogućavaju da se ugrade kontrolni mehanizmi koji znanje koje se unosi, pre zapisa u bazu znanja, provere sintaksno i semantički (kako je to razvojni tim postavio u okviru problemske domene).

Grafički korisnički interfejs (GUI) (engl. graphical user interface) je metod interakcije sa računarom kroz manipulaciju grafičkim elementima i dodacima uz pomoć tekstualnih poruka i obaveštenja. Interfejs ne mora biti interakcija računara i čoveka, inženjeri znanja preko upitnika, koje distriburiaju i prikupljaju, te analiziraju. Oni razvijaju specifične interfejse da bi došli do ključnih činjenica za izgradnju modela ekspertnog sistema. Deo interfejsa ulaza je prepoznavanje kulture socijalne zajednice i izgradnja transparentnosti za potrebe razvijanja opšteg ekspertnog sistema e-biznisa. Tada, moć eksperta je deo volje za moć i to je šansa da se model realizuje.

Jedan od mogućih uglova gledanja na moć:

Moć nagradjivanja Moć kažnjavanja Legitimna moć (moć pozicije) Ekspertska moć (moć veštine ili moć znanja) Referentna moć (moć koja prati identifikaciju).

Deo individualne moći jste i saznanje da izvori moći pokazuju da pojedinac dolazi u poziciju dastekne osnovu moći:

Pozicija pojedinca u formalnoj grupi mu automatski daje neke osnove moći Lične karakteristike Ekspertiza i Šansa.

Interfejsi se strukturiraju, sa funkcijama i relacijama da se ostvari sledeće:

Ciljevi ekspertnog sistema

Formalni načini predstavljanja znanja Metodi logičkog zaključivanja Davanje ekspertnog saveta

15

Iznošenje mišljenja za koje je korisnik zainteresovan Treba da obezbedi odgovore na pitanja Rezonovanje, rasuđivanje, prepoznavanje i poređenje formi Teži se ka stvaranju takve softverske podrške koja će omogućiti simuliranjeponašanja

čoveka eksperta u datoj problemskoj situaciji.

Ponašanje čoveka eksperta podrazumeva

Dijagnosticiranje problema Mehanizme i logiku zaključivanja Transfer znanja Manipulisanje znanjem Vrednovanje alternativa.

U izgradnji ekspertnih sistema javljaju se dodatne poteškoće zbog činjenica da preuzimanje znanja od eksperata uvek sa sobom nosi i neka pretežno lična pravila, rezonovanja i zaključivanja, učenje na bazi ranijih iskustava, mogućnosti adekvatne primene analogije što nije u slučaju donošenja odluka .5

LITERATURA5http://docs.google.com/viewer?a=v&q=cache:hFlwKhjP7n8J:www.tims.edu.rs/sr/sadasnji-studenti/download-centar/category/78-e-biznis?download%3D708%253Alesson05-ebiznis-udzbenik+primena+vestacke+inteligencije+u+sistemima+za+podrsku+odlucivanja&hl=en&pid=bl&srcid=ADGEEShi6l02wqj0519f0Edgq3AHjQvxAhodH4f9JQEsKLuueHfGPY2RK7lMhSa1nTxYo94fPj23tJrMa6KNciyEe7j0wkhKO5qy4070D1oMpnuRLFfI4aZwThvTh4X7ppLEZNElLOdI&sig=AHIEtbR3U1OKOfhRrk5i5jD7_Ck0Puad0A

16

1. http://www.cet.rs/cetcitaliste/CitalisteTekstovi/SPO1.pdf 06.03.2011.god. 13:33

2. http://solair.eunet.rs/~ilicv/AI_index.htm 05.03.2011.god 15:20

3. http://docs.google.com/viewer?a=v&q=cache:hFlwKhjP7n8J:www.tims.edu.rs/sr/sadasnji-studenti/ download-centar/category/78-e-biznis?download%3D708%253Alesson05-ebiznis-udzbenik+primena+vestacke+inteligencije+u+sistemima+za+podrsku+odlucivanja&hl=en&pid=bl&srcid=ADGEEShi6l02wqj0519f0Edgq3AHjQvxAhodH4f9JQEsKLuueHfGPY2RK7lMhSa1nTxYo94fPj23tJrMa6KNciyEe7j0wkhKO5qy4070D1oMpnuRLFfI4aZwThvTh4X7ppLEZNElLOdI&sig=AHIEtbR3U1OKOfhRrk5

i5jD7_Ck0Puad0A 07.03.2011.god 20:39

17