7/22/2019 svaka ast

1/53

SVEUILITE U ZAGREBU

FAKULTET ORGANIZACIJE I INFORMATIKE

VARADIN

Josip Vidi

EKSPERTNI SUSTAVI U UPRAVLJANJU ZNANJEM

ZAVRNI RAD

Varadin, 2013.

7/22/2019 svaka ast

2/53

SVEUILITE U ZAGREBU

FAKULTET ORGANIZACIJE I INFORMATIKE

VARADIN

Josip Vidi

Redoviti student

Broj indeksa: 38309/09-R

Smjer: Informacijski sustavi

Preddiplomski studij

EKSPERTNI SUSTAVI U UPRAVLJANJU ZNANJEM

ZAVRNI RAD

Mentor:

Izv. prof. dr. sc. Sandra Lovreni

Varadin, rujan 2013.

7/22/2019 svaka ast

3/53

I

Sadraj

1. Uvod ......................................................................................................................................... 3

2. Znanje ...................................................................................................................................... 5

2.1. Tipovi znanja .................................................................................................................... 6

2.2. Stjecanje znanja ................................................................................................................ 7

3. Upravljanje znanjem ................................................................................................................ 8

3.1. Definicija upravljanja znanjem ......................................................................................... 8

3.2. Povijest upravljanja znanjem .......................................................................................... 10

3.3. Primjer vanosti upravljanja znanjem............................................................................ 11

3.4. Procesi upravljanja znanjem ........................................................................................... 12

3.5. Uvoenje sustava za upravljanje znanjem ...................................................................... 14

4. Ekspertni sustavi .................................................................................................................... 16

4.1. Povijest ekspertnih sustava ............................................................................................. 16

4.2. Karakteristike ekspertnih sustava ................................................................................... 18

4.2.1. Proces zakljuivanja ekspertnog sustava ................................................................. 21

4.3. Prednosti i ogranienja ekspertnih sustava ..................................................................... 26

4.4. Primjena ekspertnih sustava ........................................................................................... 27

4.5. Alati za izgradnju ekspertnih sustava ............................................................................. 29

5. Ekspertni sustavi u upravljanju znanjem ............................................................................... 30

5.1. SIRI ................................................................................................................................. 31

5.2. Wolfram Alpha ............................................................................................................... 34

5.3. Ekspert eLearning sustav ................................................................................................ 35

5.4. Sluba za korisnike ......................................................................................................... 37

5.5. Sustavi za upravljanje ljudskim potencijalima ............................................................... 38

5.5.1. Primjer bit-art sustav za upravljanje ljudskim potencijalima .................................. 39

5.6. Online ekspertni sustavi.................................................................................................. 40

5.7. Ekspertni sustav za tradicionalnu indijsku medicinu ..................................................... 40

5.8. Ekspertni sustav u bioinformatici ................................................................................... 43

6. Informacijska tehnologija kao preduvjet ekspertnim sustavima i upravljanju znanjem .... 44

7. Zakljuak................................................................................................................................ 45

8. Popis slika .............................................................................................................................. 46

9. Popis tablica ........................................................................................................................... 47

7/22/2019 svaka ast

4/53

II

10. Literatura ............................................................................................................................ 48

7/22/2019 svaka ast

5/53

3

1. Uvod

Globalnom upotrebom Interneta i tehnoloke pozadine, vanost informacije je eksponencijalno

porasla iz razloga to je informacija postala valuta dananjice. Civilizacija nema mogunost

napretka bez biljeenja i uvanja znanja. Bez zapisanih podataka morali bi ponovno otkrivati

injenice, bez dijeljenja istog, stvara se suvinost posla koja dovodi do prepreka u napretku

drutva. Podatak, informacija i znanje kao zasebni pojmovi svi imaju veliku vanost u napretku

drutva u smislu poslovanja, lijeenja, ratovanja, inovativnosti, sve do osobnog napretka

pojedinca. Svijet, na svom vrhuncu znanja, treba nain organizacije i skladitenja tog znanja jer u

moru podataka, informacija i znanja, teko je doi do onog eljenog bez kvalitetne organizacije

koja omoguava jednostavnost i svakodnevnu raspoloivost. Znanje je poprimilo veliku stratekuvanost za organizacije te iz tog razloga, organizacije trebaju nai nain da upravljaju tim

znanjem da bi ostali konkurentni na tritu. Konkurentnost organizacije i pojedinca osigurava

prikupljanje novog znanja zbog ubrzanog rasta trita i razvoja tehnologije. U dananjoj trinoj

situaciji, organizacija bez sustava za upravljanje znanjem, je organizacija koja nee dugo

preivjeti na tritu. To ne mora nuno znaiti da ta organizacija posjeduje manje znanja od

organizacije koja je visoko pozicionirana na tritu, to moe samo znaiti da organizacija ne

koristi svoje znanje u skladu s trenutnim tehnolokim mogunostima. Tijekom vremena,organizacija prikupi veliku koliinu znanja koje je utjelovljeno kao eksplicitno i tacitno znanje

organizacije. To znanje postaje intelektualni kapital organizacije. U ovom radu objasniti u

razlike izmeu razliitih tipova znanja, kao i pojmova podatka, informacije i znanja. Da bi

uspjeno upravljali znanjem, potrebna je podrka informacijske tehnologije koja je u punom

cvatu. Postoje brojni naini upravljanja znanjem u organizaciji, neki od njih su intranet1,

eLearning sustavi, skladita podataka i brojni drugi. Meutim, potreba izvoenja rutinskih

aktivnosti te rjeavanja problema dovela je do elje za izradom sustava koji e na struan nainpomoi u svakodnevnom radu aktivnosti. Takav sustav je razvijen na nain da sadri znanje o

jednoj domeni te prua rjeenja s koracima aktivnosti do rjeavanja problema. Takav sustav se

naziva ekspertni sustav. Ekspertni sustav poveava kvalitetu upravljanja znanjem, jer uz

ekspertni sustav znanje postie svoju trenutno najviu ulogu u suradnji s tehnologijom. To znai

da razvijamo sustave koji su sposobni uiti proirujui svoju bazu znanja . Time pomaemo

1

Intranetunutarnja, privatna organizacijska mrea temeljena na Internet protokolima kojoj se pristupa putemInterneta.[BusinessDictionary, Dostupno 1.8.2013 na :http://www.businessdictionary.com/definition/intranet.html]

http://www.businessdictionary.com/definition/intranet.htmlhttp://www.businessdictionary.com/definition/intranet.html

7/22/2019 svaka ast

6/53

4

organizacijama i pojedincu u rjeavanju svakodnevnih rutinskih, a isto tako i zahtjevnijih

poslova.

Ekspertni sustavi dananjice potpomau lijenicima da postave dijagnozu i forenziarima da

otkriju krivca za zloin, stoga sa sigurnou moemo rei da ekspertni sustavi pomau drutvu.

Ekspertni sustavi i upravljanje znanjem funkcioniraju u simbiozi jer imaju zajednike temelje iciljeve. Zajedniki temelji ekspertnih sustava i upravljanja znanjem su znanje i upravljanje istim,

dok su im ciljevi omoguiti pojedincu ili skupini pojedinaca olakano koritenje steenog znanja,

kao i stjecanje novog i podupiranje svog trenutnog znanja aktivnim znanjem potrebnim za

rjeavanje problema. Upravljanje znanjem i ekspertni sustavi kao prirodan tim, zbog svoje uske

povezanosti, donose poboljanja u svoje procese. Primjena ovih sustava je raznovrsna, te

smatram da e budunost donijeti vei napredak i razvoj u izgradnji ekspertnih sustava i u

upravljanju znanjem.

7/22/2019 svaka ast

7/53

5

2. Znanje

Postoje brojne definicije znanja o kojima akademici raspravljaju sve od stvaranja samog pojma.

Neke od poznatijih su :

Znanje su injenice, osjeaji i iskustva ljudi ili grupe ljudi [CollinsEnglish Dictionary , 1999.]

Znanje moe znaiti informacije, svjesnost, poznavanje, iskustvo, mogunost, konkurentnost,

praktinu sposobnost, uenje, mudrost... Definicija ovisi o kontekstu u kojem se izraz koristi

[Sveiby, 2002.]

Znanje je dio hijerarhije sastavljene od podataka, informacija i znanja, podaci su neobraene

injenice. Informacije su podaci s kontekstom i perspektivom. Znanje je informacija sa

smjernicama za djelovanje temeljena na iskustvu [ItilPeople22010.]

Znanje je sadraj u kontekstu koji proizvodi praktino razumijevanje. [Dr. Robert Bauer,

Xerox Parc. 1975.]

Znanje je istinito vjerovanje [Nonaka, Takeuchi, 1995.]

Bitno je razaznati pojam znanja od podatka i informacija, iako se ponekad koriste u slinomkontekstu. Meutim, bitno se razlikuju u prirodi znaenja. Podaci obuhvaaju injenice i

percepciju, predstavljaju sirove brojke i tvrdnje, te se mogu izvui iz konteksta i krivo

protumaiti. Unato svojim manama, podaci imaju prednost jednostavnog preuzimanja,

spremanja i razmjene.

Informacija je podskup podataka, te ukljuuje samo podatke s kontekstom, relevantnosti i

svrhom [Fernandez, Gonzalez, 2004.]. Ukljuuje manipulaciju sirovim podacima.

Sam skup podataka nije informacija. To bi znailo da ne postoji povezanost podataka, pa ne

moe biti informacija. Informacija je razumijevanje veza izmeu skupa podataka i drugih

informacija.

Konceptualni prikaz progresije iz podatka u znanje prikazan na Slici 2.1. opisuje da za prijelaz

sirovih podataka u informaciju trebamo razumjeti veze izmeu podataka i njihovu zavisnost o

2Dostupno 18.7.2013. na www.itilpeople.com/Glossary/Glossary_k.htm

7/22/2019 svaka ast

8/53

6

kontekstu. Kada je informacija obraena, ona postaje potencijalno znanje. Informacija je

obraena u trenutku kada veze izmeu podataka i informacija postanu shvatljive.

Znanje je sklono stvaranju vlastitog konteksta. Razumijevanje uzoraka koji predstavljaju znanje

donosi nam mogunosti predvianja ponaanja istih uzoraka stoga i pronalaenju mudrosti.

ovjekova tenja do mudrosti je prirodna i zahtjeva razumijevanje i neovisnost o kontekstupodatka.

Slika 2.1. Progresija podataka u znanje [napravljeno po uzoru na: Uriarte Filemon, Introduction

to Knowledge Managment, 2. str]

2.1. Tipovi znanja

Najpoznatija podjela znanja je podjela na tacitno i eksplicitno. Tacitno znanje je osobno znanje

akumulirano uenjem i iskustvom te razvijeno u procesu interakcije s drugim ljudima. Ukljuuje

intuiciju i slutnje, raste putem prakse pokuaja ipogreaka, te iskustva uspjeha i neuspjeha.

Tacitno znanje je teko formalizirati ili snimiti. Kao individualizirano znanje, njegovo dijeljenje

ovisi o sposobnostima osobe koja posjeduje znanje.

Dijeljenje tacitnog znanja predstavlja velik izazov organizacijama. U upravljanju tacitnim

znanjem, potrebna je identifikacija znanja koje je korisno za organizaciju. Nakon prepoznavanja

korisnog znanja, ono postaje bitno za organizaciju, jer je individualno i teko prenosivo, postaje

organizacijski intelektualni kapital koji dovodi do konkurentnosti na tritu.

7/22/2019 svaka ast

9/53

7

Za razliku od tacitnog znanja, eksplicitno znanje je najee dokumentirano i arhivirano u

dokumentima, e-mailovima, bazama podataka, web stranicama te knjigama. Izraeno je u

brojeve i slova, dijeli se u obliku sistematskih i formalnih jezika. Tacitno i eksplicitno znanje je

komplementarno, jer bez tacitnog znanja bilo bi nemogue razumjeti eksplicitno znanje.

Proceduralno i deklarativno znanje je druga podjela tipova znanja. Deklarativno znanje proizlaziiz toga da li je neka tvrdnja istinita ili ne, a proceduralno znanje je znanje koje izraavamo u

obliku skupa koraka za postizanje eljene akcije.

Znanje moemo podijeliti i na openito i specifino znanje. Openito znanje posjeduje velik broj

osoba te se to znanje vrlo lako prenosi, dok specifino znanje posjeduje mali broj osoba te se

tee prenosi zbog svoje kompleksnosti .

2.2. Stjecanje znanja

Da bi stekli znanje, kao organizacija ili individua, potrebni su izvori znanja. Izvore znanja

dijelimo na interne i eksterne izvore. Interni izvori ukljuuju znanje zaposlenika organizacije i

znanja same organizacije dok se eksterni oslanjaju na korisnike te druge informacijske sustave.

Znanje se uzastopno stvara u bilo kojoj grupi ljudi, korporaciji i organizaciji me usobnom

interakcijom. Kao posljedica visoke konkurentnosti dananjeg trita, organizacije tee stvaranju

novog znanja i apsorbiranju trenutnih znanja, ideja i koncepta o emu ovisi preivljavanjeorganizacije. Stvaranje novog znanja nije mogue bez kreativnosti i inovativnosti zaposlenika.

Znanje se stjee i prikupljanjem. Osnovni naini prikupljanja znanja kod ekspertnih sustava su3:

Intervjukod intervjua se najvanije znanje pronalazi putem razgovora s ekspertima

koji opisuju svoje znanje kod rjeavanja problema.

Strojno uenje je pronalazak znanja iz primjera koji su prezentirani programu.

Uenje interakcijom kod uenja interakcijom ekspert pri rjeavanju problema koristiraunalo koje biljei njegove korake, i putem te interakcije raunalo rekonstruira

njegove korake i pohranjuje steeno znanje.

Jedan od kljunih internih izvora znanja su baze podataka, to nas dovodi do pojma rudarenje

podataka.

3

Podjela na temelju : Jones, P.H. Knowledge engineeringin Agriculture. Dostupno 2.8.2013. na :https://engineering.purdue.edu/~engelb/abe565/knowacq.htm

https://engineering.purdue.edu/~engelb/abe565/knowacq.htmhttps://engineering.purdue.edu/~engelb/abe565/knowacq.htmhttps://engineering.purdue.edu/~engelb/abe565/knowacq.htm

7/22/2019 svaka ast

10/53

8

3. Upravljanje znanjem

Upravljanje znanjem se temelji na ideji da je najvrijedniji resurs organizacije znanje zaposlenika.

U osnovi, upravljanje znanjem je usmjeravanje kolektivnog znanja organizacije u smjeru

ispunjenja organizacijskih ciljeva. Cilj upravljanja znanjem nije upravljanje svim znanjem, nego

iskljuivo onim koje je potrebno u okolini organizacije.

U dananje vrijeme gotovo svi poslovi ukljuuju rad sa informacijama i znanjem te su gotovo svi

zaposlenici takozvani radnici znanja u nekom stupnju. To znai da njihovi poslovi vie ovise o

njihovom znanju nego o fizikim sposobnostima. To nas dovodi do zakljuka da je stvaranje,

dijeljenje i koritenje znanja jedna od najvanijih aktivnosti zaposlenika organizacije.

Upravljanje znanjem nam je potrebno jer upravlja organizacijama, radnicima i tritem. Bitno je

zadrati znanje u organizaciji nakon odlaska zaposlenika kao to je potrebno obuiti novog

zaposlenika, sve se to temelji na uspjenom upravljanju znanjem.

Kao primjer mogu navesti zdravstvene organizacije koje se temelje na znanju. Ako redovno ne

obnavljaju i meusobno ire svoje znanje, u tom sluaju krajnji korisnik osjea najveu tetu.

3.1. Definicija upravljanja znanjem

Postoje brojne definicije upravljanja znanjem ponuenih od strane strunjaka. Upravljanje

znanjem moemo definirati kao:

Skup procesa koji upravljaju stvaranjem, irenjem i iskoritavanjem znanja. [Newman1995.]

Upravljanje znanjem je proces kroz koji organizacije stvaraju vrijednost za njihov intelektualni

kapital i kapital koji se zasniva na znanju. [Santosus, Surmacz 2001.]

Upravljanje znanjem je sistematski proces traenja, odabira, organiziranja i prezentiranja

informacija na nain koji poboljava zaposlenikovo razumijevanje u odreenom podruju

interesa. [Universityof Texas, 2010.]

7/22/2019 svaka ast

11/53

9

Upravljanje znanjem se sastoji od aktivnosti fokusiranih na organizacijsko stjecanje znanja iz

vlastitih i tuih iskustava, i razmjerno primijenjivanje znanja da se ispune ciljevi organizacije .

[Wening 1996.]

Upravljanje znanjem je eksplicitno i sistematsko upravljanje vitalnog znanja i povezanih

procesa stvaranja, prikupljanja, organizacije i iskoritavanja znanja. Zahtjeva pretvorbuosobnog znanja u korporativno znanje u svrhu ireg koritenja i raznovrsnije primjene unutar

organizacije. [Skyrme, 1997.]

Upravljanje znanjem je proces koji naglaava stvaranje, prikupljanje i dijeljenje informacija i

integracije istih u poslovne prakse i donoenje odluka u svrhu dodane vrijednosti za

organizaciju. [Haines, 2005.]

Jednostavnije moemo izraziti upravljanje znanjem kao pretvorbu tacitnog u eksplicitno znanje idijeljenje istog unutar organizacija. Slika 3.1. prikazuje definicije upravljanja znanjem ovisno o

orijentiranosti.

Slika 3.1.Definicije upravljanja znanjem ovisno o orijentiranosti [napravljeno po uzoru na:

Benjamins, V.R, Knowledge Management in Knowledge-Intensive Organizations]

7/22/2019 svaka ast

12/53

10

3.2. Povijest upravljanja znanjem

Kao novija disciplina, upravljanje znanjem ima kratku povijest. Upravljanje znanjem se razvilo

na temelju radova za koje su zasluni akademici Peter Drucker, Karl-Erik Sveiby i Nonaka i

Takenuchi.

Peter Drucker i Paul Strassman su uoili poveanu vanost informacije kao kapitala organizacije

dok su se radovi Petera Sengea fokusirali na organizacijsko uenje te naglaavanje kulturalnih

dimenzija upravljanja znanjem. Nakon poveanja interesa vesu se nazirala tehnoloka rjeenja

upravljanja znanjem poput Augment sustava i Knowledge Managment Systems.

Nakon to je upravljanje znanjem sredinom 1980tih postiglo vanost kod velikih organizacija

uvedeni su i termini knowledgeworker4 , knowledgeacquisition5 , knowledgeengineering6

nakon kojih je poeo rast sustava za upravljanje znanjem.

Do 1990. upravljanje znanjem dobilo je na vanosti dovoljno da se naziva novom poslovnom

praksom. Meutim, tek 1995. godine upravljanje znanjem poprimilo je dananji oblik

izdavanjem knjige TheKnowledge Creating Company: How Japanese Companies Create the

Dynamics of Innovation[Nonaka, Takeuchi 1995.].

to je vie akademika i znanstvenika objavljivalo svoje radove o upravljanju znanjem, sama

fraza postala je dio leksikona menadmenta.

Poetkom novog tisuljea, velike organizacije su zapoele s implementacijom sustava za

upravljanje znanjem.

4Knowledge worker (eng)radnik znanja

5

Knowledge acquisition (eng)stjecanje znanja6Knowledge engineering (eng)inenjerstvo znanja

7/22/2019 svaka ast

13/53

11

3.3. Primjer vanosti upravljanja znanjem

Razvoj upravljanja znanja u Microsoftu7

Stanje Microsofta 1997. Godine:

Viestruki, zasebni poslovni sustavi.

Nedostatak informacija o prihodima.

Nemogunost praenja ljudi i poloaja.

250 000 tiskanih izvjea distribuiranih diljem svijeta.

Stotine papirnatih obrazaca za kupovinu, pogodnosti, mirovine, osiguranja, itd.

Previe resursa bilo je utroeno na praenje transakcija, bez ikakvog dodavanja

poslovne vrijednosti.

Potekoe u dijeljenju znanja, ideja i sadraja.

Nakon prihvaanja implementacije sustava za upravljanje znanjem s vizijama:

Poveana organizacijska uinkovitost na nain da se korisniku omogui

pronalazak bitnih informacija, procesa i ljudi.

Omoguavanje informacijskim radnicima da zajednikim radom rjeavaju

poslovne probleme uinkovitije.

Microsoft nakon uvoenjasustava za upravljanje znanjem:

Jedinstveni transakcijski sustav diljem svijeta.

Dosljedna poslovna politika i procesi.

Kljuna financijska i operativna mjerenja dostupna u stvarnom vremenu,

ukljuujui: Prihodi i inventari od strane kupaca, proizvoda.

Organizacija broja zaposlenika i detalji diljem svijeta.

Sva financijska izvjea prenose se elektronski

Preko 90% svih nabavki procesuira se elektronski.

Svi servisi za zaposlenike nalaze se na web-u.

Integrirana platforma za dijeljenje znanja i suradnju.

7Microsofttehnoloka korporacija koja razvija i implementira softver.[Business Dictionary, Dostupno

1.8.2013. nahttp://www.businessdictionary.com/definition/Microsoft.html]

http://www.businessdictionary.com/definition/Microsoft.htmlhttp://www.businessdictionary.com/definition/Microsoft.html

7/22/2019 svaka ast

14/53

12

Vidimo iz primjera da je ukljuivanje upravljanja znanjem u organizaciju dovelo do

znaajnih poboljanja te pojednostavljenja u organizacijskim procesima. Uvidjevi vanost

uvoenja sustava za upravljanje znanjem mogu zakljuiti da je prijelazno razdoblje u novo

tisuljee bilo presudno za velike organizacije zbog novih mogunosti i modernizacije

poslovanja zahvaljujui upravljanju znanjem.

Primjer je izveden na temelju primjera iz : Kushner, J. And Rijpra, G., Transforming to aKnowledge Management Paradigm,(2004).

3.4. Procesi upravljanja znanjem

Kao to je prikazano na Slici3.2. , procesi upravljanja znanjem dijele se na sedam procesa,

od kojih su 4 temeljena na naine u kojima se znanje pretvara u interakciji tacitnog i

eksplicitnog znanja i sastoje se od socijalizacije, eksternalizacije, internalizacije i

kombinacije [Nonaka, 1994] te razmjene, usmjeravanja [Grant, 1996] i rutina [Nahapiet i

Ghoshal, 1998].

Otkrivanje znanja se definira kao razvoj novog tacitnog ili eksplicitnog znanja iz podataka

i informacija ili oblika sinteze prijanjeg znanja [Fernandez, Gonzalez, 2004]. Sastoji se

od kombinacije i socijalizacije.

Kombinacija ukljuuje sistematizaciju dosadanjeg eksplicitnog znanja i stvaranja novog

eksplicitnog znanja dok socijalizacija ukljuuje razmjenu tacitnog znanja izmeu

individua.

Apsorpcija znanja je proces prikupljanja eksplicitnog ili tacitnog znanja koje je sadrano

unutar organizacijskih entiteta [Fernandez, Gonzalez, 2004]. Sastoji se od eksternalizacije

i internalizacije.

Eksternalizacija ukljuuje pretvaranje tacitnog znanja u eksplicitne oblike poput rijei,

koncepta ili figurativnih jezika [Nonaka, Takeuchi, 1995], dok je internalizacija pretvorba

eksplicitnog znanja u tacitno, jednostavnije nazvana, uenje.

Dijeljenje znanja je proces kroz koji se eksplicitno ili tacitno znanje dijeli socijalizacijom

ili razmjenom, to se postie uz pomo komunikacije izmeu individua, skupine individua

i organizacija.

7/22/2019 svaka ast

15/53

13

Proces primjene znanja uvelike ovisi o dostupnom znanju i uinkovitosti prijanjih

procesa.

Kod primjene znanja, strana koja koristi od primjene ne mora nuno razumjeti znanje. Sve

to je potrebno je da na neki nain znanje usmjerava odluke i postupke. Stoga, iskoristivost

znanja iskoritava dva procesa koja ne ukljuuju stvarni prijenos ili razmjenu znanja

izmeu individua; rutinui usmjeravanje [Grant, 1996].

Usmjeravanje je proces u kojem individue koje posjeduju odreeno znanje pomau

drugima usmjeravanjem njihovih postupaka u svrhu uinkovitog ispunjenja zadatka.

Rutina ukljuuje znanje o svakodnevnim uinkovitim postupcima u organizaciji te

iskoritava pravila i postupke u svrhu usmjeravanja budueg ponaanja.

Slika 3.2.Procesi upravljanja znanjem [napravljeno na temelju: Fernandez, Gonzalez,

Knowledge Managment, str. 32]

7/22/2019 svaka ast

16/53

14

3.5. Uvoenje sustava za upravljanje znanjem

Da bi uspjeno upravljali znanjem u organizaciji, trebamo imati sustave za upravljanje

znanjem. Uvoenje sustava za upravljanje znanjem je proces koji se dijeli na 12

podprocesa. [Calabrese, 2006]

Na Tablici 3.1. su prikazani koraci uvoenja sustava za upravljanje znanjem u

organizaciju.

Glavni nositelj Korak Aktivnost

Vodstvo

1 Identificirati kljuna znanja potrebna tvrtki

2 Provesti analizu orijentiranu na poslovanje

3 Predloiti akcijski plan menadmentu

Organizacija

4 Ukljuiti kljune ljude i subjektivitete

5 Izraditi model KM procesa

6 Identificirati kritine razlike u znanju, prilike i rizike

7 Postaviti ciljeve i prioritete

8 Definirati zahtjeve i izraditi plan mjerenja

Tehnologija

9 Odrediti strategijski pristup

10 Primijeniti strategiju, izraditi i implementirati KMSrjeenje

11 Praenje, mjerenje i izvjeivanje po metrikama

Uenje 12 Uiti iz iskustva irezultata

Tablica 3.1. Koraci za uvoenje sustava za upravljanje znanjem.[napravljeno po uzoru na:

F.A. Calabrese, C.Y. Orlando, 2006]

7/22/2019 svaka ast

17/53

15

Uvoenje sustava za upravljanje znanjem ima etiri razliita nositelja a to su vodstvo,

organizacija, tehnologija i uenje.

Na poetku uvoenja sustava za upravljanje znanjem u organizaciju, potrebno je izolirati

kljuna znanja potrebna za razvoj i opstanak organizacije na tritu. Nakon dogovora o

kljunim znanjima potrebno je provesti analizu poslovanja i uoiti mogue nepravilnosti u

poslovanju. Trea aktivnost je prijedlog akcijskog plana menadmentu na temelju kojeg se

zasnivaju daljnje aktivnosti uvoenja. Odabirom najboljih zaposlenika da postanu

sudionici uvoenja organizacija osigurava uspjeno provoenje uvoenja sustava. Nakon

izrade modela KM procesa pomou XML8 ontologije, voditelji projekta trebaju izraditi

naprednu trailicu pomou koje korisnik moe pronai eljenu informaciju. Sedmi korak je

identifikacija kritinih razlika u znanju to za organizaciju znai analiziranje zaposlenika injihovih znanja te kategoriziranje istog. Postavljanje ciljeva i prioriteta kljuna je aktivnost

jer organizacija djeluje sukladno izvedbi aktivnosti. Potrebno je definirati zahtjeve i

odrediti strategijski pristup nakon ega zapoinje implementacija sustava za upravljanje

znanjem te se uz pomo softvera prati, mjeri i izvjetava. Na temelju izvjetaja

organizacija moe uiti o vlastitom iskustvu.

8

XML- eXtensible Markup Language- jezik za oznaavanje podataka. Dostupno 1.8.2013. na :http://www.w3schools.com/xml/

http://www.w3schools.com/xml/http://www.w3schools.com/xml/

7/22/2019 svaka ast

18/53

16

4. Ekspertni sustavi

4.1. Povijest ekspertnih sustava

Poetkomdvadesetog stoljea zapoele su brojne rasprave o umjetnoj inteligenciji9i ekspertnim

sustavima. Ekspertni sustavi su razvijeni kao posebna vrsta umjetne inteligencije koja se bavi

kompleksnim problemima u uskim domenama. Postojao je problem izgradnje sustava umjetne

inteligencije koji rjeava bilo koji problem bez specifino zadanog znanja za odreenu domenu.

Poetkom pedesetih godina prolog stoljea, zapoeo je razvoj proizvodnih sustava koji su

koristili simboliku logiku za rjeavanje problema. Ekspertni sustav razvio je Dr. Edward

Fingenbaum kao dio svog istraivanja o umjetnoj inteligenciji. Zamiljen je kao sustav koji epomoi ljudskom ekspertu u rjeavanju problema. Prvenstvo uporabe ekspertnih sustava imala je

vojska i vojni tehniari koji su izraivali kompleksne elektronske sustave. Poetkom doba mikro-

elektronike postalo je nepraktino testirati individualne komponente elektronskih sustava zbog

visoke kompleksnosti modernih sustava. Zbog nemogunosti poduavanja velikog broja ljudskih

eksperta za testiranje raunalnih sustava, ekspertni sustavi su preuzeli glavnu ulogu u tom inu.

Proboj ekspertnih sustava na trite ostvaren je razvojem sustava za odnos s klijentima u emu je

komercijalizacija ekspertnih sustava dovela do njihove popularnosti zbog jednostavnostikoritenja, efikasnosti te velikog smanjenja trokova. U dananje vrijeme ekspertni sustavi

koriste se u gotovo svim poslovnim i drutvenim aktivnostima.

Sustavi su dizajnirani kao inteligentni pomaga ljudskom strunjaku koji ubrzava rjeavanje

odreenih problema. to vie znanja sustav posjeduje, vie se ponaa kao ekspert svoje domene.

Ekspertni sustavi se koriste u kombinaciji s bazama podataka i rudarenjem podataka koji su

osnova u izgradnji uinkovitog sustava.

Jedna od definicija ekspertnog sustava je da su ekspertni sustavi inteligentni raunalni programi

koji koriste znanje i procedure zakljuivanja da rijee probleme koji su dovoljno zahtjevni da

zahtijevaju znaajnu ljudsku strunost za njihovo rjeavanje [Feigenbaum, 1996] .

9

Umjetna inteligencija (eng AI,Artificial Intelligence) predstavlja tehnologiju i istraivanje razvoja raunalneinteligencije [Dostupno 1.8.2013. na:http://homes.cs.washington.edu/~lazowska/cra/ai.html]

http://homes.cs.washington.edu/~lazowska/cra/ai.htmlhttp://homes.cs.washington.edu/~lazowska/cra/ai.html

7/22/2019 svaka ast

19/53

17

Jo jedna od definicija kae da je ekspertni sustav raunalni program koji reprezentira i povodi se

za znanjem nekog specijalista iz podruja s ciljem rjeavanja problema ili davanja savjeta

[Jackson 1999].

Znanje u ekspertnim sustavima moe biti ili ekspertiza ili znanje koje je inae javno dostupno.

Ne postoje granice domena u kojima ekspertni sustav moe funkcionirati. Neke tipine domenesu interpretacija podataka, dijagnoze, planiranje niza akcija ili predvianje vremena.

No, u dananje doba i konvencionalni raunalni sustavi imaju sline mogunosti. Razlika

konvencionalnih raunalnih sustava i ekspertnih sustava je u tom da ekspertni sustavi simuliraju

ljudsko rasuivanje, pruaju objanjenje svojih odgovora i posjeduju bazu znanja o jedinstvenoj

domeni.

Neki od ekspertnih sustava koji su ostali zapameni kroz povijest su

10

:

Dendral - pionirski sustav koji se pokazao korisnim u dedukciji strukture kompleksnih

molekula. (Lindsay, 1980.)

Dipmeter Advisor sluio je za pokuaj identifikacije geoloke strukture u okolini

buotina uz pomo snimki instrumenata unutar buotine. (Smith i Baker 1983.)

Prospectorekspertni sustav koji je uz pomo geolokih podataka predviao pronalazak

minerala, poznat je po svojim faktorima sigurnosti na temelju kojih se i danas izgrauju

sustavi. (McGregor, 1985.)

X/CON ekspertni sustav za konfiguraciju raunala. Ovo je svjetski najprofitabilniji

sustav i koristi se i u dananjem dobu. (McDermot, 1982.)

10Primjeri sustava izvedeni iz: Barret M, Annabel C, Expert systems in business, str 18-25

7/22/2019 svaka ast

20/53

18

4.2. Karakteristike ekspertnih sustava

Dizajn ekspertnih sustava usmjeravaju karakteristike potrebne za uinkovitu izgradnju sustava.

Visoke performanse temeljne tehnologije su kljune, jer dozvoljavaju razumno vrijeme odziva,

pouzdanost sustava i razumljivost rezultata. Sustav mora imati sposobnost da u razumnom roku

prui korisniku rezultat visokog integriteta. Mora imati sposobnost objanjavanja koraka pomoukojih je doao do zakljuka i mora imati potvrdu da je znanje sustava uinkovito iskoriteno u

svrhu donoenja zakljuka. Takoer, jedna od kljunih karakteristika, koja je ve spomenuta u

radu je fleksibilnost baze znanja. To znai da baza znanja ekspertnog sustava mora biti aurirana,

mora imati mogunost dodavanja, izmjene i brisanja znanja. Kod rada s kompleksnim

ekspertnim sustavom, uvijek treba biti prisutan ljudski ekspert, jer ipak, ekspertni sustavi ne

mogu zamijeniti ljudskog strunjaka, mogu samo olakati posao ljudskom strunjaku. Stoga, kod

vrijednih rezultata, sustav treba zatraiti potvrdu ljudskog strunjaka o tonosti rjeenja inaemoe dovesti do opasnih situacija.

Slika 4.1. prikazuje koncept ekspertnog sustava koji se temelji na znanju. Korisnik predaje

sustavu injenice i prima struni savjet u odgovoru, unutar ekspertnog sustava nalaze se dvije

komponente. Baza znanja sadri znanje pomou kojeg modul za zakljuivanje donosi odluke.

Slika 4.1. Koncept ekspertnog sustava. [napravljeno po uzoru na: Giarratano, Riley, Expert

Systems, Principles and Programming, str 6]

7/22/2019 svaka ast

21/53

19

Elementi tipinog ekspertnog sustava se sastoje od komponenti prikazanih na Slici 4.2. . Prozor u

svaki sustav je korisniko suelje koje dozvoljava komunikaciju sustava i korisnika i osnovni je

dio svakog sustava. Sljedei modul je modul za objanjavanje koji korisniku objanjava korake

kojima je sustav doao do odreenog zakljuka. Modul za stjecanje znanja je automatski nain

da korisnik unese znanje u sustav umjesto da svaki put kod unosa novog znanja programer mora

eksplicitno unijeti znanje. Stroj za zakljuivanje je kljuni dio sustava jer donosi odluke

temeljene na zadovoljenosti pravila od strane injenica ili objekta, donosi prioritete i izvrava

pravilo s najveim prioritetom. Agenda11 je dio modula za zakljuivanje i sastoji se od

prioritiziranog popisa pravila koje je sastavio modul za zakljuivanje, iji su uzorci zadovoljili

injeniceili objekte u radnoj memoriji. Radna memorija je globalna baza podataka ili injenice

koritene od strane pravila. Posljednji dio sustava je baza znanja koja predstavlja temeljnu

podrku svim zakljucima ekspertnog sustava.

Slika 4.2.Elementi ekspertnog sustava. [napravljeno po uzoru na: Giarratano, Riley, Expert

Systems, Principles and Programming, str 29]

11Agenda (hrv. dnevni red, podsjetnik)

7/22/2019 svaka ast

22/53

20

Baza znanja je tvorevina znanja kodificirana na nain da moe biti manipulirana pomou stroja

za zakljuivanje u svrhu donoenja novih zakljuaka [Fernandez, Gonzalez, 2004.] . Baza znanja

sadri povezano znanje koje se sastoji od injenica i pravila (eng. rule). Te injenice i pravila

koje baza znanja sadri, koriste se za rjeavanje problema te jednostavan pronalazak znanja.

Osnovne mogunosti baze podataka su pretraivanje i kategorizacija znanja koji su temelj za

dinamiko auriranje baze. Dinamiko auriranje je kljuno jer zastarjele informacije zasiuju i

usporavaju pretraivanje baze znanja. Upravo zbog zasienosti informacijama u modernom

svijetu, potrebno je upravljati znanjem i meusobno povezanim informacijama u bazi znanja te

korisniku pruiti eljenu informaciju u kratkom roku. Baza znanja je kljuni dio ekspertnog

sustava jer kao izvor pravila i injenica prua ekspertnom sustavu mogunost skladitenja i

koritenja pravila potrebnih za donoenje odluka.

Modul za zakljuivanjeusporeuje uzorke pravila s dobivenim injenicama u radnoj memoriji, u

idealnom sluaju, modul za zakljuivanje e povezati injenice sa pravilima iz baze znanja te e

slijedom povezanih pravila pokuati doi do rjeenja. Ako postoji vie od jednog pravila koje se

moe primjeniti, modul koristi stratekije za rjeavanje konflikta te odabire jedno pravilo. Nakon

aktivacije odabranog pravila, to obino znai dodavanje ili brisanje elemenata u radnu

memoriju, sustav prikazuje dobiveno rjeenje na grafiko suelje.

Rule based odluivanje je odluivanje na osnovu pravila uahurenih unutar objekta. Odluivanje

na osnovu pravila koristi IF-THEN12 tipove pravila i to je metoda koja se trenutno koristi u

konstruiranju ekspertnih sustava. Sloeni sustavi koji se temelje na tisuama pravila mogu

nadmaiti i ljudskog strunjaka u odreenom polju. IF-THEN pravila funkcioniraju na nain da

na temelju injenice dolaze dozakljuka da vrijedi pravilo.

Ta pravila koja se nalaze u bazi znanja reprezentiraju znanje o domeni. Opi izraz pravila je:

IF uvjet1 AND uvjet2 ...

THEN akcija1,akcija2...

Uvjeti su injenice koje trenutno poznajemo o problemu kojeg smo zadali sustavu dok su akcije

rjeenja sustava na problem.

Kao primjer mogu zadati:

12IF-THEN (hrv. AKO - TADA)

7/22/2019 svaka ast

23/53

21

IF the light is green THEN drive. (AKO je svjetlo zeleno, TADA vozi.)

IF the light is red THEN stop. (AKO je svjetlo crveno, TADA stani.)

IF there is smoke THEN there is a fire. (AKO ima dima, TADA ima i vatre.)

IF is (nose, runny) AND is (temperature, high) THEN disease is flu.

Zadnji primjer prikazuje pravilo koje govori da u sluaju istinitih simptoma curenja nosa i visoke

temperature, sustav kao rezultat daje bolest, gripu.

Odluivanje na osnovu pravila se temelji na Newel i Simon13 modelu ljudskog rjeavanja

problema u vezi s dugoronom memorijom, kratkoronom memorijom i kognitivnim

procesorom.

Popularnost odluivanja na osnovu pravila porasla je zbog modularne prirode i modula za

objanjavanje. Izraz modularna priroda obuhvaa stanje u kojem se znanje enkapsulira i proiruje

ekspertni sustav. Modul za objanjavanje predstavlja lanac donoenja odluke detaljno objanjen

na grafikom suelju sustava.

Jedna od bitnih znaajki rule-based ekspertnog sustava je slinost ljudskom zakljuivanju na

nain da se pravila pojavljuju u prirodnom redoslijedu ljudskog rjeavanja problema.

4.2.1. Proces zakljuivanja ekspertnog sustava

Kod ekspertnih sustava, tijek procesa zakljuivanja moe biti od injenica o poetnom stanju

problema prema zavrnom stanju problema ili od postavljenog cilja prema injenicama o

problemu. Tipovi osnovnih zakljuivanja nazivaju se :

Zakljuivanje prema naprijed

Zakljuivanje prema natrag

Zakljuivanje prema naprijed koristi se kod planiranja i kontrole dogaanja na nain da pomou

dobivenih injenica o problemu dolazi do rjeenja problema na nain da se dokazuje istinitost

pravila iz baze znanja.

Jednostavan primjer koritenja zakljuivanja prema naprijed koristi se kod Windows Help and

Support komponente operativnog sustava Windows 7. Kod sustava za pomo poetno stanje

13Istraivai u polju kognitivne psihologije i umjetne inteligencije

7/22/2019 svaka ast

24/53

22

problema je korisnikova elja da izvede aktivnost na svom operativnom sustavu. Zbog

nestrunosti, korisnik upotrebljava sustav za pomo kojem zadaje poznate injenice o svom

problemu, dok mu ekspertni sustav (sustav za pomo) na temelju danih injenica nudi mogue

aktivnosti te korake do njihovog ispunjenja. Na Slici 4.3. prikazan je korisnikov upit u sustav u

kojem korisnik zadaje injenicu o nemogunosti ispisa podataka. Nakon korisnikovog unosa,

sustav nudi raspon moguih rjeenja za taj problem.

Slika 4.3. Korisniko suelje Help aplikacije prilikom unosa problema.

Nakon korisnikovog odabira rjeenja za trenutni problem, sustav mu nudi rjeenje kao detaljno

opisan niz koraka kako je prikazano na Slici 4.4. Korisnik sada moe otkloniti kvar u

operativnom sustavu na nain da prati niz opisanih koraka te uspjeno nastaviti s efikasnim

koritenjem operativnog sustava.

7/22/2019 svaka ast

25/53

23

Slika 4.4. Korisniko suelje Help aplikacije prilikom ispisa koraka do rjeenja.

Zakljuivanje prema natrag tee od postavljenog cilja do injenica odgovornih za cilj pomou

dokazivanja istinitosti pravila koje taj cilj aktivira. U procesu zakljuivanja prema natrag za

primjer mogu uzeti sustav za dijagnozu operativnog sustava raunala.

Kod Troubleshooting sustava za dijagnozu prikazanog na Slici 4.5., korisnik zadaje cilj koji je

njegov trenutni problem u izvoenju aktivnosti, dok ekspertni sustav (sustav za dijagnozu), uz

upite o injenicama uz pomo kojih dokazuje istinitost pravila,prua korisniku simptome kvara.

U ovom sluaju korisnik upotrebljava sustav za dijagnozu da bi ispitao nemogunost pristupa

Internetu putem operativnog sustava.

7/22/2019 svaka ast

26/53

24

Slika 4.5. Korisniko suelje Troubleshooting aplikacije prilikom odabira problema.

Nakon ustanovljenog kvara, na temelju simptoma moe zakljuiti gdje se nalaze greke u

njegovom operativnom sustavu te ih ispraviti te uspostaviti uinkovito djelovanje. Na Slici 4.6.

su prikazani simptomi kvara zbog kojeg korisnik nema mogunost pristupa Internetu. Na temelju

tih simptoma, korisnik moe otkloniti kvar te nastaviti sa izvoenjem redovnih aktivnosti.

Slika 4.6. Korisniko suelje Troubleshooting aplikacije prilikom ispisa simptoma.

Primjeri zakljuivanja prema naprijed i zakljuivanja prema natrag mogu predoiti sliku vanosti

ekspertnih sustava koje koristimo u svakodnevnici. Da korisnik nema mogunosti Help i

7/22/2019 svaka ast

27/53

25

Troubleshooting, bio bi prisiljen samostalno istraivatiproblem na temelju dostupne literature,

no ta dostupna literatura mjeri se u stotinama stranica korisnikih uputa koje korisnik mora

prouiti da bi samostalno doao do rjeenja. Uz pomo ova dva naizgled jednostavna ekspertna

sustava, korisniku se omoguuje brz pronalazak rjeenja problema i simptoma problema u

koritenju sustava. Takoer, takav sustav omoguuje manji troak organizaciji u smislu ljudskih

eksperta, koji bi, u sluaju ne postojanja ekspertnih sustava, bili prisiljeni obavljati ove rutinske

poslove te bi naili prepreku u slobodnom vremenu za razvoj novog softvera i zadovoljavanja

ostalih potreba kupaca.

7/22/2019 svaka ast

28/53

26

4.3. Prednosti i ogranienjaekspertnih sustava

Ekspertni sustavi su poeljni zbog svojih brojnih prednosti. Neke od njih su14:

Manji trokovi nakon nabavke ekspertnog sustava uvelike se smanjuju trokovi za

rjeavanje problema, u nekim sluajevima ekspertni sustav zamjenjuje ljudskog

strunjakate donosi utedu.

Dostupnost ekspertni sustav se moe koristiti na bilo kojoj tehnologiji koja

zadovoljava njegove zahtjeve, drugim rijeima, moemo koristiti sustav na vie

lokacija uz mala ulaganja u tehniku podrku. Takoer, sustav moemo koristiti u

bilo koje doba dana.

Trajnost sustav ima neodreen rok trajanja te svakim dodavanjem znanja postaje

sve struniji za svoju domenu.

Koritenje u opasnim okolinama sustavi se mogu koristiti u okolinama nepogodnim

za ljude, u vakuumu, pod vodom, u kemijski zasienim i radioaktivnim okolinama.

Pouzdanostpoveava se pouzdanost odgovora ljudskog eksperta s tim da ekspertni

sustav daje drugo miljenje koje se moe usporediti i donijeti pouzdanu odluku.

Objanjenje detaljno objanjenje koraka donoenja odluke.

Brz odgovor koji ne ukljuuje emocije pravovremen odgovor u hitnim situacijama

moe biti kljuan i bri od ljudskog strunjaka.

Iako se tehnologija ekspertnih sustava znatno razvila, pogreno bi bilo precijeniti njene

sposobnosti. U nekom pogledu ekspertni sustavi ne mogu zamijeniti ljudskog eksperta jer su

nekad iskustvo i emocije bitan element zakljuivanja. Ekspertnim sustavima nedostaje

razumijevanje uzroka i ishoda njihovih odluka jer im nedostaje neformalno znanje. Takoer,

jedno od ogranienja im je neprepoznavanje granica vlastitog znanja. To znai da ekspertni

sustav donese preporuku iako nema dovoljno podataka ili su ti podaci netoni.

14Podjela je izvedena na temelju: Giarratano, Riley, Expert systems- Principles and Programming, str 12-15

7/22/2019 svaka ast

29/53

27

4.4. Primjena ekspertnih sustava

Primjena ekspertnih sustava u modernom dobu je visoka. Ekspertni sustavi olakavaju brojne

aspekte istraivanja i poslovanja, interpretiraju istraivake podatke, dijagnosticiraju kvarove

opreme i ljudske bolesti. Ovisno o zakljuku ekspertnog sustava dobiti emo ovlatenje za kredit

u banci jer uz pomo rudarenja podataka i baza znanja ekspertni sustavi predviaju budunost.Pod predvianjem budunosti podrazumijevam prognozu vremena i mogue zarade, planiranje

koraka u izgradnji tehnolokih sustava i graevina kao i agrokulturi i brojnim elementima

modernog doba. Velika primjena ekspertnih sustava nalazi se u marketinkim vodama jer uz

pomo ekspertnih sustava marketinke agencije na temelju prikupljenih podataka donose odluke

o pozicijama reklama, proizvoda na policama sve do eljenog izgleda pakiranja proizvoda.

Sustavi se koriste u poslovne svrhe na nain da donose financijske odluke. No, jedna od

znaajnijih primjena je medicinska dijagnoza koju sam uvrstio u primjere ekspertnih sustava.

Openito, ekspertne sustave moemo podijeliti na15:

Sustavi za dijagnozu tip ekspertnog sustava koji se koristi da

preporui medicinsku dijagnozu ili pomogne prepoznati mehaniki ili

elektronski kvar.

Instrukcijskiinstrukcijski sustav moe biti koriten za poduavanje uodreenoj domeni. Sustav zadaje probleme korisniku i procjenjuje

njegovu sposobnost i na temelju njegovih rezultata u poduavanju

sustav izmjenjuje nain poduavanja ovisno o sposobnosti korisnika.

Sustav za predvianje sustavi za predvianje koriste se u prognozi

vremena, burzovnog prometa i za ostala slina predvianja u kojima

na temelju prolih rezultata sustav predvia budue ponaanje.

Sustavi za popravljanje ekspertni sustavi koji zadaju plan akcija zapopravljanje mehanikih i elektronskih kvarova kao i sustavi koji

zadaju plan lijeenja pacijenta.

Sustavi za identifikaciju na osnovu znaajki odreenog objekta,

sustav moe identificirati tip, naziv te ostale detalje objekta.

15Podjela je izvedena na temelju: Barret, Berrel, Expert Systems in Business, str 32-40

7/22/2019 svaka ast

30/53

28

Kontrolni sustavisustavi koji su dizajnirani da prate rad postrojenja i

njihovih funkcija te u sluaju nepogodnog ponaanja poduzimaju

odreene korake.

Interpretacijski sustavi analiziraju podatke da bi ustanovili njihovu

vanost,koriste se u geolokim i hidrolokim istraivanjima.

Upravljanje poslovanjem dovodi do odluke o ulaganju u ekspertni sustav. Prednosti ekspertnog

sustava za poslovanje ovise o ulogama koje e ekspertni sustav imati u poslovanju. Mogue

uloge ekspertnih sustava u poslovanju su izrade raznih obrauna, izvjetaja, analiziranja

podataka u svrhu dobivanja znanja o isplativosti organizacijskog pothvata. Problemi u uvoenju

ekspertnih sustava u poslovanje dolaze kod trokova, koje je gotovo nemogue odrediti do

samog uspostavljanja rada sustava. Prednost uvoenja ekspertnog sustava u poslovanje su

praktinost, jer znanje utjelovljeno u ekspertnom sustavu ostaje u organizaciji nakon odlaskaljudskog strunjaka. U poslovanju, ekspertni sustavi zamjenjuju ljudske strunjake na nain da ih

oslobaaju redovnih aktivnosti te se mogu posvetiti zahtjevnijim poslovima, mogu pomoi

nestrunom osoblju u dobivanju odreenog znanja te automatiziraju obradu podataka. U svakom

sluaju, ekspertni sustav dovodi do konkurentnosti organizacije zbog mogunosti zadravanja

intelektualnog kapitala.

Velikim procvatom softverskih tvrtki, razvoja softvera i razvojnih programera dolo je do

porasta vanosti ekspertnih sustava i upravljanja znanjem koji igraju bitnu ulogu u razvoju,unaprjeivanju i odravanju softvera kao i interakciji s korisnicima samog softvera. Znanje ima

visoku konkurentnost u procesu izrade softvera, stoga da bi uspjeno upravljali znanjem,

razvojni programeri koriste ekspertne sustave. Ekspertni sustavi nalaze se u brojnim dijelovima

raunalnog sustava, nalazimo ih u obliku sustava za pomo (eng. Help) koji korisniku u obliku

viestrukih izbora opisuju znaajke problema i prikazuju nain rjeavanja istog u koracima.

Takoer ih nalazimo u obliku arobnjaka (eng. wizard) koji korisniku pomau da pomou

injenica uinkovito iskoristi softver uz laiku upotrebu. Na ovaj nain smanjuje se runopretraivanje prirunika u potrazi za odgovorom te se poboljava uinkovitost sustava. Da bi

ekspertni sustav uspjeno upravljao znanjem o softveru, potrebno je kontinuirano auriranje

njegove baze znanja. Na taj nain smanjuju se trokovi za zaposlenike i poveava se

zadovoljstvo krajnjeg korisnika. Ekspertni sustav za razvojnog programera znai veliku prednost

jer uz sustav, razvojni programer moe ubrzati razvoj softvera zbog brze dostupnosti valjanih

informacija o znanju.

7/22/2019 svaka ast

31/53

29

4.5. Alati za izgradnju ekspertnih sustava

Ekspertne sustave moemo razviti uz pomo odreenih programskih jezika. Neki od njih su

Fortran, Pascal, C++ i VisualBasic.Najznaajniji jezici za razvoj ekspertnih sustava su Prolog i

Lisp koji se koriste za razvoj sustava umjetne inteligencije.

Prolog je razvijen kao logiki jezik u kojem sastavlja (eng. systembuilder) prua logiki izrazproblema dok prolog razvije odgovor. Programi napisani u prologu su pogodni za razvijanje

prototipa jer struni poznavatelj prologa moe izraditi program u nekoliko sati. No, prolog ima

nedostatak u tome da mu nedostaje popratnih sadraja. Lisp i Prolog su nepoznanica veini

programera jer ne pruaju upravljanje bazom podataka.

Svi od navedenih programa imaju izvrsne mogunosti za razvoj ekspertnih sustava, no trini

pritisak zahtjeva bri i efikasniji razvoj ekspertnih sustava.

Postoje i razvojna okruenja za dizajn ekspertnih sustava bez poznavanja programiranja. Taokruenja pruaju korisniko suelje i naredbe kao i konstruiranje pravila u ugraenom

ureivau. Ta razvojna okruenja nazivaju se shells16 to je u argonu ekspertnih sustava alat

za izgradnju ili razvojno okruenje. Razvojno okruenje za izradu ekspertnih sustava prua

razumljivost, jednostavnost, alate za izradu baze znanja kao i softverske komponente za

pokretanje sustava. Razvojna okruenja dozvoljavaju izgradnju ekspertnog sustava uz minimalni

troak i mogue koritenje na tehnologiji niske razine. Veina manjih sustava je razvijena u

nekom od ovih okruenja, dok se zahtjevniji sustavi i dalje zbog sigurnosti i efikasnosti izrauju

u gore navedenim programskim jezicima.

16Shells (hrv. koljke, okviri)- razvojna okruenja za razvijanje softvera

7/22/2019 svaka ast

32/53

30

5. Ekspertni sustavi u upravljanju znanjem

Sa brzim razvojem upravljanja znanjem, ekspertni sustavi mogu pronai siguran dom u kojemu

e se razvijati i postati sastavnim dijelom upravljanja znanjem. [Liebowitz, 1997.]

Citat ovog pionira upravljanja znanjem govori o vanosti ekspertnih sustava u upravljanju

znanjem te njihovoj povezanosti.

Upravljanje znanjem sadri etiri procesa: otkrivanje, apsorpciju, dijeljenje i primjenu. Korijeni

upravljanja znanjem mogu se pronai u teoriji ekspertnih sustava i umjetne inteligencije. Proces

stjecanja znanja kod ekspertnih sustava moe se primijeniti i kod procesa apsorpcije u

upravljanju znanjem. Takoer, proces dijeljenja kod upravljanja znanjem moemo poistovjetiti

sa reprezentacijom znanja na korisnikom suelju ekspertnih sustava. Te slinosti pokazuju

povezanost ekspertnih sustava i upravljanja znanjem te govore o tome da se brojni sustavi za

upravljanje znanjem zasnivaju na dijelu temelja ekspertnih sustava. Ekspertni sustavi bi trebali

biti osnovni dio svih sustava za upravljanje znanjem da olakaju iskoristivost velikih koliina

informacija i skladitenog znanja. Upravljanje znanjem ukljuuje razumijevanje poslovanja

organizacije. Sljedei citat objanjava vanost ekspertnih sustava u upravljanju znanjem.

Upravljanje znanjem ima visoku korporativnu vanost. Uprave ele voditi posao koristei pravila

i smjernice za voenje akcija poslovanja, sve od marketinga do proizvodnje. Ekspertni sustavi

pruaju mogunost izoliranja poslovnih znanja od tehnikih znanja.[Stapko, 1990.]

Ekspertni sustavi imaju velik potencijal u upravljanju znanjem jer organizacije, kod svojih

sustava za upravljanje znanjem, izrauju velika skladita podataka, baze znanja i baze podataka

kojima trebaju upravljati uz pomo ljudskih strunjaka. Zbog postojanja temelja, baze znanja,

uvoenje ekspertnih sustava u upravljanje znanjem je olakano te potrebno za poveanjeuinkovitosti rada organizacije. Ekspertni sustavi posjeduju nain da pretvore tacitno i

eksplicitno znanje u oblik koji je dostupan svim korisnicima dok skladita podataka nisu

uinkovito iskoritena te znanje ostaje manje dostupno korisnicima. Organizacije se sve vie

okreu izgradnji ekspertnih sustava za upravljanje znanjem koji osiguravaju njihovu odrivost i

konkurentnost na buduem trituzbog toga to ljudski faktor ima velik utjecaj na organizaciju.

Nakon odlaska ljudskog eksperta iz organizacije, gubi se intelektualni kapital, tacitno znanje tog

7/22/2019 svaka ast

33/53

31

eksperta. Izgradnjom ekspertnog sustava na temelju baze znanja organizacije zaobilazi se ta

prepreka te osigurava budunost organizacije.

5.1. SIRI

Primjer ekspertnog sustava u komercijalnom okruenju je SIRI, inteligentni virtualni pomonikza Apple17-ov operacijski sustav AppleIOS18. SIRI kao virtualni inteligentni pomonik

predstavlja granu ekspertnih sustava modernog doba. Na temelju procesuiranja prirodnog

govora19 SIRI identificira individualni govor i upute korisnika, te se na temelju suraivanja s

korisnikom prilagoava vremenom koritenja. Jezgra ovakvog ponaanja sustava je sposobnost

pronalaska rjeenja putem prilagodljivog ponaanja odreenog jedinstvenim ciljem,

zadovoljstvom korisnika. Za razliku od veine virtualnih pomonika koji se temelje na

prepoznavanju govora, SIRI sustavu nije potrebno korisnikovo poduavanje u kojem sekorisnik prilagoava sustavu, nego se sustav sam prilagoava korisniku. Ovaj nain olakava

koritenje sustava te otvara irok spektar mogunosti virtualnog pomonika. Kompleksnost ovog

ekspertnog sustava u kombinaciji s glasovnom kontrolom donosi zadovoljstvo korisniku jer mu

dozvoljava obavljanje poziva, unoenje uputa, pretraivanje Interneta, dogovaranje sastanaka i

brojne druge karakteristike samo uz pomo govora. Gotovo trenutano, ovaj ekspertni sustav

donosi personalizirane odgovore na gotovo sva pitanja vezana za ureaj, ostale aplikacije na

sustavu te savjete za njegovo koritenje jer se temelji na izvrsno organiziranoj bazi znanja koja

ui koritenjem sustava. Baza znanja pamti pitanja i odgovore svih korisnika diljem svijeta, te na

taj nain poboljava uslugu i prua korisniku personalizirane odgovore, ovisno o mjeri koritenja

sustava.

No, na koji nain ovaj sustav visokih performansi tako dobro funkcionira na ureajima relativno

niskih performansi? Odgovor lei u client-server20 arhitekturi, to znai da je veina

funkcionalnosti sustava zadrana na serverskoj strani, brojna raunala visokih performansi rade

sav posao umjesto klijentskih ureaja. Daleko od oiju krajnjeg korisnika, raunala visokihperformansi obrauju sve informacije i prenose ih na korisnike ureaje.

17Apple - Amerika raunalna kompanija, jedan od zaetnika PC revolucije. [Dostupno 3.8.2013. na :

http://www.apple.com]18

AppleIOS - operacijski sustav raunalne tvrtke Apple. [Dostupno 3.8.2013. na :http://www.apple.com/hr/ios/]19

NLP Neuro Linguistic Programming sposobnost programiranja pomou funkcija tijela te interakcije sraunalom uz pomo govora. Robert D. [Dostupno 4.8.2013. na:http://www.nlpu.com/NewDesign/NLPU_WhatIsNLP.html]20

Client-Server (hrv. klijent-server) - model umreavanja na nain da su klijentsko i serversko raunalo u

neravnopravnom odnosu. [Dostupno 1.8.2013. na:http://compnetworking.about.com/od/basicnetworkingfaqs/a/client-server.htm]

http://www.apple.com/http://www.apple.com/hr/ios/http://www.apple.com/hr/ios/http://www.nlpu.com/NewDesign/NLPU_WhatIsNLP.htmlhttp://compnetworking.about.com/od/basicnetworkingfaqs/a/client-server.htmhttp://compnetworking.about.com/od/basicnetworkingfaqs/a/client-server.htmhttp://www.nlpu.com/NewDesign/NLPU_WhatIsNLP.htmlhttp://www.apple.com/hr/ios/http://www.apple.com/

7/22/2019 svaka ast

34/53

32

Koraci funkcioniranja sustava su21:

- Prikupljanje injenica

- Pretvaranje prikupljenog zvuka u audio datoteku

- Slanje u sredinji podatkovni centar

- Obrada od strane podatkovnog centra- Transformacija audio datoteke u naredbe razumljive raunalu

- Usporedba naredbi sa dosadanjim eljama korisnika

- Pronalazak rjeenja

- Pretvaranje rjeenja u niz razumljivih rijei ili reenica

- Slanje rjeenja na klijentski ureaj

- Prikaz rjeenja korisniku

Osnovna funkcionalnost klijentske strane client-server arhitekture je u ovom sluaju,prikupljanje injenica od strane korisnika pomou vie mikrofona integriranih u ureaj. Nakon

prikupljanja zvuka, ureaj pretvara glas korisnika u audio datoteku koju alje Apple

podatkovnom centru na obradu gdje zvuna datoteka prolazi kroz niz koraka pretvorbe u

naredbe razumljive raunalu. Glavna karakteristika ovog pomonika je personalizirano

koritenje. To znai da, temeljem serijskog broja ureaja s kojeg je doao zvuni zapis, centralno

raunalo predvia elje korisnikai ukljuuje potencijalno rjeenje u popis mogunosti. Npr., ako

korisnik svaki dan eli znati vremensku prognozu za sutra, sustav e zapamtiti njegove rutine, temu na temelju jednostavnih naredbi poput Weather, tommorow?(hrv. Vrijeme, sutra?) pruiti

odgovarajuu vremensku prognozu jer sustav povezuje rijei s dosadanjim eljama korisnika te

predvia njegove potrebe. Veliina baze znanja centralnog sustava temelji se na pristupu

stotinama Web servisa22poput Yelp, Rotten Tomatoes, Wolfram Alpha, Google Search itd., za

ije koritenje nije potrebna registracija ni dodatni trokovi, sustav ukljuuje koritenje znanja iz

svih tih izvora.

Sustav takoer ima pristup kontaktima ureaja, te na taj nain prelazi prepreku nerazumijevanja

imena, temeljem popisapoziva i statistike komunikacija izmeu korisnika, sustav ve na temelju

kratkog zvunog zapisa zna s kim korisnik pokuava komunicirati.

21Koraci izvedeni po uzoru na: Huggington Post, [Dostupno 29.8.2013. na:

http://www.huffingtonpost.com/2013/01/22/siri-do-engine-apple-iphone_n_2499165.html]22

Web servisproiruju infrastrukturu World Wide Weba te omoguuju integraciju razliitih softvera. Microsoft [Dostupno 28.9.2013 na:http://msdn.microsoft.com/en-us/library/ms950421.aspx]

http://www.huffingtonpost.com/2013/01/22/siri-do-engine-apple-iphone_n_2499165.htmlhttp://msdn.microsoft.com/en-us/library/ms950421.aspxhttp://msdn.microsoft.com/en-us/library/ms950421.aspxhttp://www.huffingtonpost.com/2013/01/22/siri-do-engine-apple-iphone_n_2499165.html

7/22/2019 svaka ast

35/53

33

Nakon pronalaska rjeenja korisnikovih naredbi, sljedei korak je pretvaranje istih u tekstualni

zapis razumljiv korisniku. Proces pretvaranja takoer se dogaa na personaliziranoj osnovi

odnosa korisnika i ureaja. Nakon to je sustav pretvorio koncepte i pravila iz baze znanja u

tekstualni zapis razumljiv korisniku, taj zapis se sa serverskog centralnog raunala alje na

klijentski ureaj te prikazuje tekst korisniku.

Slika 5.1. Prikaz interakcije sa SIRI sustavom

Slika 5.1. prikazuje interakciju korisnika i inteligentnog sustava SIRI, korisnik uz pomo svog

govora daje naredbu virtualnom pomoniku da promijeni jainu svjetlosti ekrana, te gotovo

trenutano, od sustava dobije odgovor u kojem sustav zahtjeva dodatne injenice o naredbi poput

vrijednosti promjene jaine svjetlosti. Nakon korisnikovog odgovora, sustav mijenja jainu

svjetlosti te obavjetava korisnika o izvrenoj naredbi.

Ovaj nain koritenja ekspertnih sustava kao inteligentnih pomonika uvelike je donio znaaj

razvoju umjetne inteligencije i upravljanju znanjem jer, gdje postoji komercijalna potranja za

proizvodom, organizacije e se neprekidno truditi da razviju sve inteligentniji i pristupaniji

ekspertni sustav temeljen na raznolikosti stotina Webservisa ukljuenim u svoju bazu znanja.

7/22/2019 svaka ast

36/53

34

5.2. Wolfram Alpha

Wolfram Alpha je ekspertni sustav koji je postao dostupan iroj javnosti 18. svibnja 2009.

Godine. Razvijen je od strane znanstvenika i matematiara na elu kojih je bio poznati

znanstvenik Steven Wolfram23. Sustav je ope prihvaen u javnosti kao napredna znanstvena

trailica, no to nije tono. WolframAlpha je ekspertni sustav koji odgovara na upite postavljene

pomou injenica na nain da izraunava odgovore iz kategoriziranih podataka, umjesto da

poput standardnih trailica daje popis dokumenata koji sadre rjeenje. Wolfram Alpha

izraunava odgovore temeljeno na bazi znanja razvijenoj od strane vrhunskih svjetskih

strunjaka na polju matematike, fizike, informatike i raunarstva. Sustav obrauje simbolike

matematike upite na temelju kojih daje odgovore i korake dolaska do tih odgovora.

Organizacija te strukturno kategoriziranje podataka se izvrava pomou ljudskih eksperta koji u

bazu znanja dodaju ona pravila koja su prola njihov rigorozni proces validacije. Nakon

formalnog zapisa podataka u bazu znanja, sustav na temelju dosadanjih i novih pravila povezuje

dobiveno znanje s postojeim znanjem u bazi podataka. Interakcija s ovim sustavom nije

uobiajena, temelji se na poznavanju matematikih izraza uz pomo kojih korisnik zadaje

problem sustavu. Meutim, interakcijsko ogranienje donosi precizne rezultate jer ne doputa

koritenje sustava bez poznavanja osnova matematikih zapisa, samim time poboljava

shvaanje korisnikih zahtjeva te pridonosi preciznosti rjeenja. Vizualizacija rjeenja je jedna

od glavnih karakteristika sustava. Sustav donosi mogunost izravnog prikaza rjeenja, kao iprikaza koraka koje je izveo da bi doao do rjeenja. Popularnost sustava je uveana grafikim

prikazima poput dijagrama, statistikih zapisa te vizualno interpretiranih rjeenja.

Slika 5.2.predstavlja interakciju izmeu ekspertnog sustava WolframAlpha i krajnjeg korisnika.

Korisnik unosi eljene injenice o problemu pomou matematikog izraza. Sustav na temelju

unesenih injenica izraunava rjeenje problema uz pomo podataka i algoritama iz bogate baze

znanja. Nakon rjeavanja problema sustav prikazuje korisniku rjeenje, nudi mogunost prikaza

prijeenih koraka do dobivenog rjeenja, kao i grafiku interpretaciju rjeenja i ostale mogue

oblike problem.

Mana ekspertnog sustava Wolfram Alpha je potreba za ljudskim ekspertom bez kojeg se koliina

znanja u bazi nee poveavati, jer je baza znanja organizirana kao baza ovisna o potvrdi ljudskog

eksperta.

23Steven Wolfram - znanstvenik poznat po izgradnji Mathematica sustava, autor A New Kindof Science, kreator

Wolfram Alpha sustava i osniva Wolfram Research kompanije. [Dostupno 28.8.2013. na :http://www.stephenwolfram.com/about-sw/]

http://www.stephenwolfram.com/about-sw/http://www.stephenwolfram.com/about-sw/

7/22/2019 svaka ast

37/53

35

Slika 5.2. Prikaz interakcije sa Wolfram Alpha sustavom

Glavna prednost ovog sustava je dostupnost irokoj javnosti, vie od 50 000 algoritama za

rjeavanja problema, baza znanja sa preko 10 trilijuna podataka te mogunosti obrade podataka u

superraunalima visokih performansi.

5.3. Ekspert eLearning sustav

Neke od najee koritenih metoda upravljanja znanjem su skladita podataka, rudarenje

podacima, ekspertni sustavi i eLearning sustavi. Istraivai kombinacijom tih metoda pokuavaju

dobiti najuinkovitiji sustav za upravljanje znanjem.

Elearning sustavi podrazumijevaju sve vrste elektronskog uenja i poduavanja. Sustavi za

uenje su tehnoloka budunost uenja, nude korisniku mogunost dohvaanja znanja, stvaranja

7/22/2019 svaka ast

38/53

36

vlastitog te dostupnost potrebnih informacija za uenje. eLearning sustavi su najvie prihvaeni

od strane akademskih institucija koje podravaju i proiruju njihovo koritenje.

Ekspertni eLearning sustavi su pokuaj kombinacije dvije metode upravljanja znanjem od kojih

svaka ima svoje mane i vrline. Najvei problem ekspertnih sustava su njihova korisnika suelja

koja zbog svoje monotonosti i nedostatka emotivnosti nisu opeprihvaena u radu suvremenihorganizacija. Ekspertni sustavi se veinom koriste kao podrka ljudskom ekspertu domene.

Ekspertni sustavi su poveali produktivnost u medicinskoj dijagnozi, vojsci, poslu i veini

podruja primjene.

Najvea mana eLearning sustava je nedostatak znanja vie razine te linearnost samog sustava.

Ideja spajanja ekspertnih i eLearning sustava dovela je do elje za stvaranja user-friendly24

ekspertnog eLearning sustava s multimedijalnim mogunostima, grafikim objektima i

izbornicima.

Glavni koncept ekspert eLearning sustava ukljuuje tri glavna principa25:

Dijeljenje znanja ovaj princip omoguuje korisniku dostupnost

potrebnog znanja na temelju eLearning sustava uz grafiko suelje

koje omoguuje interakciju i komunikaciju sa sustavom. Dijeljenje

znanja je kljuni dio eLearning sustava pa samim tim, i glavna

komponenta ekspert eLearninig sustava.

uvanje znanja kao temelj ekspertnog sustava, sve znanje sadrano

je u bazi znanja koja se konstantno aurira, dodaje se nova znanje,

briu suvini podaci, auriraju postojei te se vodi rauna o sigurnosti

znanja.

Rjeavanje problema ova komponenta je razlog uvoenja ekspertnih

sustava u eLearning sustave te pomou nje korisnik moe zatraiti

objanjenje rjeenja zadanog problema od sustava putem susretljivog

grafikog suelja.

24User-friendly(eng)bilo koji aspekt koji olakava koritenje laiku. [Dostupno 1.8.2013. na :

http://www.webopedia.com/TERM/U/user_friendly.html]25Podjela po uzoru na: Vostrovsky, Expert systems utilization in knowledge managment, str 450-455

http://www.webopedia.com/TERM/U/user_friendly.htmlhttp://www.webopedia.com/TERM/U/user_friendly.html

7/22/2019 svaka ast

39/53

37

Slika 5.3. Koncept ekspert eLearning sustava.[napravljeno po uzoru na: Vostrovsky, Expert

Systems Utilization in Knowledge Managment, str 454]

Ovaj koncept omoguava preglednost i dostupnost znanja, uinkovito prosljeivanje znanja i

user-friendly korisniko suelje te samim tim, uinkovitiji nain prosljeivanja znanja neovisno

o mjestu boravka korisnika. Ekspertni eLearning sustav prelazi ponor fizikog boravka u okolini

sustava te omoguava korisniku koritenje sustava samo uz pristup Internetu.

5.4. Sluba za korisnike

Poznato je da u modernom dobu, prilikom poziva slubi za korisnike, veinu vremena

provedemo sluajui korake i govornog automata. Ekspertni sustav je zasluan za takav nain

komunikacije s korisnicima. Uvoenje ekspertnog sustava u moderne slube za korisnike poelo

je procvatom mobilne telefonije i velikog broja korisnika mobilnih ureaja iz razloga jer je

poveanje korisnika dovelo do potrebe za poveanim brojem zaposlenika u slubi za korisnike.

No, eksponencijalnim rastom korisnika mobilnih ureaja, postalo je izuzetno neisplativo imati

slubu za korisnike u organizaciji bez da je potpomognuta ekspertnim sustavom. Ekspertni

sustav u ovom sluaju funkcionira na nain da, prilikom poziva, korisnik prolazi kroz niz

ponuenih opcija, te njihovim odabirom dolazi do odgovarajuih rjeenja. Sustav uvelike

smanjuje trokove organizacije jer veliki dio obavljenih poziva se odnosi izriito na ekspertni

sustav, to znai da ljudski ekspert, uz pomo ekspertnog sustava koji mu rjeava rutinske

poslove, moe koncentrirati svoju panju i sposobnosti na specifine sluajeve za koje ekspertni

sustav nije dao rjeenje. Prednost koritenja ekspertnog sustava je mogunost efikasnijeg

praenja problema koje korisnici imaju, te njihovo rjeavanje uz pomo kvalitetnog upravljanja

7/22/2019 svaka ast

40/53

38

znanjem pomou baze znanja. Zbog tog biljeenja broja nastalih problema, organizacija se moe

koncentrirati na rjeavanje onih koji u najveim brojkama nastaju korisnicima te tako

unaprijediti poslovanje i poveati ope zadovoljstvo kupaca.

5.5. Sustavi za upravljanje ljudskim potencijalima

Upravljanje ljudskim potencijalima u organizaciji slui za intelektualni razvoj pojedinca i

njegovo zadravanje u organizaciji. Tacitno znanje zaposlenika ima veliku vanost za

organizaciju jer znanje skupine zaposlenika predstavlja intelektualni kapital organizacije, te

samim tim omoguava konkurentnost organizacije na tritu. Upravljanje ljudskim potencijalima

slui organizaciji da motivira zaposlenike s ciljem vee efikasnosti i suradnje s ostalim

zaposlenicima. Za upravljanje ljudskim potencijalima potrebno je koritenje sustava temeljenog

na znanju, tonije sustava za upravljanje ljudskim potencijalima. Sustav za upravljanje ljudskimpotencijalima, u sluaju efikasnosti, smanjuje trokove organizaciji te zadrava intelektualni

kapital organizacije. Zapoljavanje novih zaposlenika organizaciji donosi nove trokove, stoga je

odlazak svakog vrijednog zaposlenika troak organizaciji. Iz tog razloga, zaposlenika je potrebno

motivirati za rad i ostanak u organizaciji kao usmjeriti prema individualnom razvoju. Te potrebe

pojedinaca su tema istraivanja na temelju kojih je dolo do mnogih motivacijskih teorija.

Ohrabrivanje zaposlenika te nagraivanje njihovih zasluga dovode do poveanja zadovoljstva

zaposlenika kao i efikasnosti same organizacije.

Neke od najeih motivacijskih teorija koje poveavaju zadovoljstvo zaposlenih su26:

Plaanje performansi ukljuuje plaanje zaposleniku po zasluzi na

nain da pomou dodataka plai organizacija nagrauje zaposlenikov

rad proporcionalno s njegovom uinkovitou.

Podjela dobiti pri ispunjenju kratkoronih ciljeva, organizacija

nagrauje zaposlenika za njegov trud u postizanju cilja.

Bonusi nagrada izuzetnim zaposlenicima koji su se istakli svojim

radom u organizaciji.

Plaanje znanja kod ove motivacijske teorije, nagrauje se svako

dodatno znanje zaposlenika, te na taj nain motivira zaposlenika da

pristupi prikupljanju novih vjetina i znanja.

26

Poslovni forum,Upravljanje ljudskim potencijalima, Dostupno 1.8.2013. nahttp://www.poslovniforum.hr/management/upravljanje_ljudskim_potencijalima.asp

http://www.poslovniforum.hr/management/upravljanje_ljudskim_potencijalima.asphttp://www.poslovniforum.hr/management/upravljanje_ljudskim_potencijalima.asphttp://www.poslovniforum.hr/management/upravljanje_ljudskim_potencijalima.asp

7/22/2019 svaka ast

41/53

39

Fleksibilno radno vrijemedoputa zaposleniku da odredi svoje radno

vrijeme te organizira dogovore izmeu zaposlenika na kojima se

nekoliko zaposlenika organizacije samostalno dogovara o radnom

vremenu. Ovaj nain poveava zadovoljstvo zaposlenika s

organizacijom.

ESOP27 - zaposlenici se motiviraju dobivanjem vlasnitva nad

organizacijom te na taj nain imaju osobni cilj u poveavanju

efikasnosti, uveavanju zarade te ispunjenju ciljeva organizacije.

5.5.1. Primjer bit-art sustav za upravljanje ljudskim potencijalima

Bit-Art28 je razvio sustav za upravljanje ljudskim potencijalima koji prati sve dostupne

informacije vezane za ljudske potencijale organizacije. Uz kadrovsku evidenciju i generiranjeizvjetaja o djelatnicima, doputa i mogunost obrauna plaa. Sustav omoguava kontrolu i

analizu ljudskih resursa u organizaciji i namijenjen je dugoronom koritenju. Sustav se sastoji

od etiri modula. Prvi modul je administrativni u kojem se stvara baza podataka sa osnovnim

administrativnim i strunim podacima zaposlenika organizacije. Obraunski modul je sastavni

modul sustava koji obrauje plae zaposlenika i omoguuje obraun za neogranien broj

zaposlenika za neogranieno vremensko razdoblje. Obraunski modul dozvoljava kategorizirani

uvid u obraune, izradu i pregled godinjih izvjea te izradu izrauna bruto 29plae. Izvjetajni

modul ima ulogu generiranja kompleksnih sadraja u ljudskim resursima organizacije. Ukljuuje

kategoriziranje zaposlenike strukture odnosno na vremensko razdoblje. Izvjetajni modul

omoguava praenje radnog staa u organizaciji te ukupnog radnog staa svih zaposlenika. Zbog

integracije s kadrovskom evidencijom, u svakom su trenutku vidljivi svi spomenuti podaci o

zaposleniku. Sigurnosni modul je dio sustava koji onemoguuje pristup nedozvoljenim

korisnicima, to osigurava podjelu preglednosti sustava i pristupa ovisno o ulozi u organizaciji.

Ovo je jedan primjer sustava koji omoguava kvalitetno upravljanje ljudskim potencijalima te

osigurava pravilno usmjeravanje organizacijskog znanja prema postizanju kvalitete i

konkurentnosti organizacije.

27Employee Stock Ownership Plan- stvoren da bi radnici stekli osjeaj sudjelovanja u upravljanju i razvoju svog

poduzea. [Limun.hr, Dostupno 1.8.2013. na:http://limun.hr/main.aspx?id=31845&Page=2]28

Bit-Art - Bit-Art Informatika d.o.o. od 1999. godine djeluje kao informatiko inenjerska tvrtka specijalizirana zaprojektiranje i izradu cjelovitih informacijsko-tehnolokih i BI sustava kao potpora u suvremenom poslovnomodlucivanju.. [Bit-Art, Dostupno 1.8.2013. na:http://www.bitart.hr/default.aspx?lng=cro]

http://limun.hr/main.aspx?id=31845&Page=2http://limun.hr/main.aspx?id=31845&Page=2http://www.bitart.hr/default.aspx?lng=crohttp://www.bitart.hr/default.aspx?lng=crohttp://limun.hr/main.aspx?id=31845&Page=2

7/22/2019 svaka ast

42/53

40

5.6. Online ekspertni sustavi

Kao novost u razvoju ekspertnih sustava, nalazimo na online ekspertne sustave koji uz podrku

moderne tehnologije na jednostavan nain pruaju korisniku nain da na brz i uinkovit nain

doe do eljenog znanja. Online ekspertni sustavi se koriste kod medicinske dijagnoze, u

marketinkim agencijama, kod sustava za naruivanje raunalne opreme te u brojnim drugim

domenama. Kod NHS30sustava za provjeru simptoma, korisnik odabire medicinsku domenu o

kojoj eli znati vie, nakon odabira domene, korisnik uz grafiko korisniko suelje odabire

simptome koje osjea. Sustav uz pomo simptoma daje moguu dijagnozu te preporua

korisniku nain lijeenja. Ovo je jednostavan nain iskoristivosti velikih baza znanja u svrhu

doprinosa drutvu. Na ovaj nain, uz mali troak, nakon izgradnje uinkovitog sustava, stvorena

je mogunost krajnjem korisniku da se na izuzetno brz nain informira o bolesti te stekne znanje

za budue sprjeavanje i lijeenje bolesti.

Kod online sustava za naruivanje raunalne opreme korisnik takoer kroz grafiko suelje

odabere eljene komponente, no sustav mu na temelju odabranih, uz pomo pravila iz baze

znanja, predlae komponente koje su kompatibilne eljenoj komponenti. Na taj nain bez

ljudskog eksperta, ak e slab poznavatelj raunalne opreme naruiti kompatibilne komponente.

Ova vrsta sustava poveava zadovoljstvo kupaca, jer im omoguuje samostalan odabir

komponenata uz vidljivu cijenu i dostupnost, omoguuje dulje vrijeme koritenja ekspertnog

sustava i razumijevanja znanja jer ovjek po psiholokoj naravi nee oduzimati previe vremena

ljudskom ekspertu zbog svog nepoznavanja domene. Ekspertni sustav mijenja tu injenicu i

omoguuje zadovoljstvo svim kupcima te smanjuje troak na ljudske eksperte u organizaciji.

5.7. Ekspertni sustav za tradicionalnu indijsku medicinu

Neke od najstarijih indijskih vjetina u lijeenju tekih bolesti, poput Siddha medicinskog

sustava, zapisane su u pjesmarice plemena Tamlis. Problem modernog doba je da to medicinsko

znanje ostaje izvan upotrebe zbog teke dostupnosti. Sve vea degradacija u vanosti

tradicionalnih knjinica dovela je do adaptacije metoda upravljanja znanjem te pojave

elektronskih knjinica u kojima se koriste zvuni i video zapisi uz tradicionalne zapise. Kod

digitalizacije zapisa dolazi do sistematizacije i kategorizacije znanja to olakava njegovo

koritenje. Digitalna knjinica takoer olakava koritenje tog znanja iz raznih krajeva svijeta.

30NHSNational Health Service. [Dostupno 1.8.2013. na:http://www.nhsdirect.nhs.uk/]

http://www.nhsdirect.nhs.uk/http://www.nhsdirect.nhs.uk/

7/22/2019 svaka ast

43/53

41

Ekspertni sustavi su znaajni u upravljanju znanjem u medicinskoj domeni. Jedan od

najpoznatijih ekspertnih sustava u toj domeni je MYCIN31. MYCIN je izgraen sredinom

1970tih godina i prua savjete o dijagnozama za krvne infekcije. Sustav je poznat po odabiru

antibiotikih terapija.

MYCIN je razvijen na Stanfordu kao doktorska disertacija prof. Edward Shortlifea te je napisan

u ranije spomenutom programskom jeziku, Lisp. MYCIN predstavlja sustav koji je mogue

usporediti s ljudskim ekspertima i predstavlja velik napredak u razvoju umjetne inteligencije.

Kao pionir ekspertnih sustava za upravljanje medicinskim znanjem, MYCIN je postao temelj za

razvoj novih ekspertnih sustava.

Ekspertni sustav olakava organizaciju i upravljanje znanjem to u sluaju nedostatka strunjaka

u domeni dolazi kao velika prednost.

Ekspertni sustav je odabran kao sustav za Siddha medicinu zbog svoje uinkovitosti u stvaranju

dijagnoze kod alternativne medicine.

Zbog tajnosti plemena, do izrade sustava znanje iz Tamil pjesmarica nije dolo do izraaja. No

nakon izrade sustava, alternativne metode lijeenja indijskog plemena dobilo je poveanu

vrijednost zbog svoje dostupnosti u zapadnim zemljama.

Istraivai su organizirali podatke u logikom smislu te izgradili bazu znanja koja je postala

temelj ekspertnog sustava.

Baza znanja sadravala je tri komponente. Prva komponenta sadravala je informacije o 25

bolesti i imala je tri dijela s opim opisom, simptomima i lijeenjem. Druga komponenta sesastoji od popisa biljki od kojih se lijek izraivao i trea komponenta sadri lijekove koji su

prihvaeni u standardnoj medicini. Baza znanja je, osim u originalnom jeziku Tamil plemena,

izraena i u engleskom zbog dostupnosti zapadnim zemljama. Takoerje bila popraena

ilustracijama bolesti. U daljnjem tekstu opisati u nain izgradnje ovog sustava te popratiti

dijagramom na Slici 5.4.

31

MYCIN - ekspertni sustav iz 1972. Razvijen za lijeenje infekcija krvi. [Dostupno 1.8.2013. na :http://www.webopedia.com/TERM/U/user_friendly.html]

http://www.webopedia.com/TERM/U/user_friendly.htmlhttp://www.webopedia.com/TERM/U/user_friendly.html

7/22/2019 svaka ast

44/53

42

Slika 5.4. Dijagram toka procesa izgradnje Siddha ekspertnog sustava[napravljeno po uzoru na:

Sekari, Srinath, Veluchamy, Expert Systems, An innovative tool for managing Indian traditional

medical Knowledge, str 6]

Dijagram prikazuje prikaz izgradnje ekspertnog sustava za Siddha medicinu. Prikupljanje

informacija se odvija razgovorima o iskustvima lijenika uz popratni sadraj izvornih pjesmarica

naroda Tamil, nakon prijevoda slijedi digitalizacija i kategorizacija podataka koja ukljuuje

ilustracije biljaka od kojih se proizvode lijekovi te simptoma bolesti. Proces identifikacije

kljunih izraza slui za organizaciju podataka uz pomo kreiranja suvislih veza izmeu pravila

sustava. Nakon stvaranja baze znanja koja je temeljni dio ovog sustava, procesom stvaranja

7/22/2019 svaka ast

45/53

43

grafikog sustava uz pomo programskih jezika Jave i VisualBasica korisnik ima mogunosti

postavljanja problema sustavu. Sustav za potporu odluivanju na temelju dobivenih injenica o

bolesti pronalazi vaeapravila u bazi znanja te donosi zakljuke s opisanim koracima donoenja

zakljuka. Posljednja faza izgradnje ekspertnog sustava je testiranje sustava od strane ljudskih

eksperta zbog validacije tonosti rjeenja koje je sustav donio. Na temelju povratnih informacija

od strane eksperta, sustav se moe dalje razvijati i tako poveati uinkovitost i preciznost

rjeenja.

Nakon izgradnje i testiranja sustava, on je spreman za koritenje. Korisniko suelje sustava

omoguava korisniku da u interakciji sa sustavom unosi injenice o zdravstvenom problemu

pacijenta u koracima koji omoguuju unos simptoma pacijenta, kao i pregled baze znanja

kategoriziran po bolestima, lijekovima te biljkama koje se koriste u svrhu izrade lijekova.

Nakon identifikacije bolesti, nudi korisniku mogunost pregleda svih simptoma i ilustracija

bolesti, moguih sredstava lijeenja i preporuka.Ovaj ekspertni sustav za upravljanje znanjem pokazao se kao dodana vrijednost upravljanju

medicinskog znanja indijske kulture jer zaobilazi tradicionalne istraivalake naine kojima su

lijenici pristupali u tradicionalnim knjinicama te na temelju poznatih injenica dolazili do

vlastitih zakljuaka.

5.8. Ekspertni sustav u bioinformatici

Revolucija bioinformatike32 dovela je razvoja raznih ekspertnih sustava za bioinformatike

namjene. Neki od njih su analiza DNA33 sekvenci . Kod analize DNA sekvenci analitiar uz

pomo DNA uzorka moe ustanoviti identitet traenog pojedinca. Preduvjet analizi DNA

sekvenci je kompleksni ekspertni sustav koji uz uinkovitu informacijsku tehnologiju kao

potporu procesuira DNA uzorak te iz njega izrauje profil.Ekspertni sustav je na visokoj razini

korisnosti u ovoj grani informatike zbog velikog broja biolokih podataka. Ekspertni sustav

potpomae upravljanje ovim podacima i znanjem.Neki od najpoznatijih ekspertnih sustava koji

vre ovakav posao su Gene Scan i Genotyper34 koji profiliraju DNA uzorak. Nakon uspjene

izrade profila uzorka, sustav se povezuje na bazu podataka te usporeuje profil s podacima u

bazi podataka. Nakon pronalaska slinosti visokog postotka, sustav prestaje s automatiziranim

radom i eka dok ljudski ekspert pregleda i usporedi podatke. Na taj nain se izbjegava

32Bioinformatika je razvojna i istraivaka primjena informacijske tehnologije za proirenje pristupa biolokim,medicinskim, i zdravstvenim podacima u svrhu organizacije, analiziranja i vizualizacije. [NHS, 2000]33

DNA - deoksiribonukleinska kiselina koja sadri genetike informacije staninih oblika ivota[Genetics Home

Reference, Dostupno 1.8.2013. na :http://ghr.nlm.nih.gov/handbook/basics/dna]34Ekspertni sustavi za izraivanje genetikog profila razvijeni od strane: Applied Biosystems, Foster City, CA, USA

http://ghr.nlm.nih.gov/handbook/basics/dnahttp://ghr.nlm.nih.gov/handbook/basics/dna

7/22/2019 svaka ast

46/53

44

mogunost greke i smanjuje vrijeme analize. Na slian nain funkcioniraju i ekspertni sustavi

koji analiziraju sekvence proteina i anotaciju genoma te olakavaju rad ljudskim ekspertima.

Zahvaljujui razvoju informacijske tehnologije, mogue je sauvati, kategorizirati i organizirati

znanje iz bioinformatikog podruja. Stoga, proporcionalno razvoju informacijske tehnologije

raste i zastupljenost koritenja bioinformatikih ekspertnih sustava.Bioinformatika ima kljunu

ulogu u razvoju farmaceutskih organizacija, otkrivanja novih lijekova, agrokulturi te brojnim

mnogim domenama. Iz tih razloga, ekspertni sustavi imaju veliku ulogu u novim istraivanjima u

bioinformatikom podruju to je jo jedan pokazatelj vanosti ekspertnih sustava.

6. Informacijska tehnologija kao preduvjet ekspertnim sustavima i

upravljanju znanjem

Informacijska tehnologija je skup raunala i softvera za upravljanje informacijama.35 Moderne

organizacije posjeduju odjele informacijske tehnologije koji se bave upravljanjem baza podataka,

kriptografijom36, spremanjem podataka i njihovim fizikim uvanjem.

U ranim danima ekspertnih sustava, istraivanja su se veinom provodila na sveuilinim

raunalima koja su bila jedini znaajni izvor potrebnih performansi. Raunalne komponente

trebaju biti proporcionalne zahtjevima izvedbe sustava. Iza svih podataka, informacija i znanja u

domeni upravljanja znanjem i ekspertnim sustavima stoji informacijska tehnologija. O

efikasnosti i performansama te tehnologije ovise i efikasnost i performanse ekspertnih sustava.

Organizacija koja eli koristiti komercijalni sustav ili izraditi vlastiti, treba uzeti u obzir veliinu

i kompleksnost projekta da prui potporu razvoju i implementaciji sustava za upravljanje

znanjem. Organizacija moe iskoristiti modernu tehnologiju poput client-server i cloud37sustava

kao jeftiniji nain potpore svom sustavu. No, u sluaju kompleksnih sustava za upravljanje

znanjem, takva rjeenja nisu efikasna zbog nesigurnosti infrastrukture i moguih greaka u

nepoznatoj tehnologiji, stoga organizacija mora pristupiti stvaranju vlastite potpore sustavima za

upravljanje znanjem i pomou eksperta informacijske tehnologije stvoriti okolinu za razvoj iimplementaciju sustava za upravljanje znanjem.

35Informacijska tehnologija [Dostupno 1.8.2013. na:

http://jobsearchtech.about.com/od/careersintechnology/p/ITDefinition.htm]36

Kriptografija- znanost pisanja u tajnom kodu. . [Dostupno 1.8.2013. na:

http://www.garykessler.net/library/crypto.html#intro]37

Cloud(hrv. oblak)- izraz koriten u opisu razliitih tipova raunalnih koncepta koji su povezani i komuniciraju

preko Interneta. [Dostupno 1.8.2013. nahttp://www.infoworld.com/d/cloud-computing/what-cloud-computing-really-means-031]

http://jobsearchtech.about.com/od/careersintechnology/p/ITDefinition.htmhttp://www.garykessler.net/library/crypto.html#introhttp://www.infoworld.com/d/cloud-computing/what-cloud-computing-really-means-031http://www.infoworld.com/d/cloud-computing/what-cloud-computing-really-means-031http://www.infoworld.com/d/cloud-computing/what-cloud-computing-really-means-031http://www.infoworld.com/d/cloud-computing/what-cloud-computing-really-means-031http://www.garykessler.net/library/crypto.html#introhttp://jobsearchtech.about.com/od/careersintechnology/p/ITDefinition.htm

7/22/2019 svaka ast

47/53

45

7. Zakljuak

Tema ekspertnih sustava u upravljanju znanjem je poprilino opirna zbog raznolikosti namjene

sustava za upravljanje znanjem. U ovom radu obraeni su temeljni pojmovi poput znanja,

rudarenja podataka, upravljanja znanjem te navedene definicije ekspertnih sustava i upravljanja

znanjem. Kao to je navedeno u vie dijelova rada, sustavi za upravljanje znanjem su nuni za

opstanak organizacije na tritu. Glavni dio ovih sustava su bogate baze znanja koje su temelj

svim navedenim sustavima. Preduvjet ostvarivanju ciljeva organizacije je i informacijska

tehnologija, iji je razvoj i zasluan za razvoj sustava temeljenih na znanju. Ekspertni sustavi su

nuan dio organizacije, a da bi izradili ekspertni sustav,potrebno je efikasno upravljati znanjem.

Razvojem informacijske tehnologije te samim porastom vrijednosti informacije, organizacije bez

ekspertnog sustava, sustava za upravljanje lj