Systemy wspomagania decyzji w aglomeracji

Systemy wspomagania decyzji w aglomeracji mają szczególny charakter. Związane jest to z wieloszczeblową strukturą aglomeracji, jak również brakiem jednego wspólnego członu kierowniczego dla wszystkich uczestników aglomeracji. Zarówno projektowa-nie, wdrażanie i dalszy rozwój SWD w aglomeracji musi zostać oparte o rozwiązywanie problemów w oparciu o tzw. „podejście systemowe”. W zarządzaniu takie właśnie podej-ście ma ponad 50-letnią historię. Zapoczątkowane zostało w USA, gdzie tamtejsze wiel-kie firmy borykały się z problemami dalszego rozwoju, wykorzystując dostępne teorie.

Nowy nurt został zapoczątkowany przez rozwój badań operacyjnych, które pozwoliły z jednej strony zwrócić uwagę na prawa rządzące układem i całością, a zatem na zadania i cele jakim ma służyć organizacja, z drugiej natomiast, na różnorodność relacji pomię-dzy wszystkimi zmiennymi. (Bełz, 2011, str. 46).

Pojęcie systemu było już opisywane w literaturze wraz z rozwojem teorii systemów przede wszystkim na przełomie lat 70. i 80. (Klira, 1976; Mynarski, 1979; Beneš, 1979;

von Bertalanffy, 1984). Nowe podejście oparte na cybernetyce i teorii systemów zakłada-ło, że całość jest czymś więcej niż sumą części. We wszystkich definicjach systemu efekt synergii jest podstawową cechą tego pojęcia.

Istota podejścia systemowego polega na kompleksowym rozpatrywaniu procesów i zjawisk w ich zależnościach wewnętrznych i zewnętrznych. Myślenie systemowe (ang.

system thinking) pomaga skupiać się na głównych celach i działaniach. Decydent rozwa-ża, w jaki sposób decyzja wpłynie na realizację celu głównego całego systemu, a nie je-dynie jednego z jego podsystemów. Taki sposób myślenia łatwo zobrazować za pomocą puzzli. Każdy z nich powinien wzajemnie do siebie pasować i tworzyć spójną całość.

Decydent stara się oddzielić każdy problem, by rozwiązać go za pomocą dostępnych mu środków i możliwości (Januszewski, 2008, str. 22).

System⁵¹ to zorganizowany zbiór licznych elementów strukturalnych, powiązanych ze sobą (współzależnych) i wykonujących oddzielne funkcje, ale w jednym wspólnym celu (Kubiak, 1994, str. 49). J. Trzcieniecki definiuje system, jako spójny zbiór elemen-tów wzajemnie ze sobą powiązanych (Trzcieniecki, 1980, str. 10). Podobnie system rozumiany jest przez A. Czermińskiego i M. Grzybowskiego, według których system to zbiór elementów i relacji zachodzących między nimi (Czermiński, 1996). M. Szafrański, podobnie jak A. Strybała, (Strybała, 1984, str. 7) zwraca uwagę na kontekst jakościowy

51 Od greckiego słowa systema tj. zestawienie, połączenie – opisywany jest za pomocą różnych sformu-łowań.

59

i opisuje system jako „wyróżniony z rzeczywistości zbiór elementów powiązanych ze sobą i tworzących całość jakościowo różną od sumy jakości tych elementów” (Szafrański, 2011, str. 12). L. Krzyżanowski z kolei zwraca uwagę na zbiór elementów systemu funk-cjonujących w szerszym podmiocie oraz na zachodzące między tymi elementami stosun-ki wyrażające pewne uporządkowanie (Krzyżanowsstosun-ki, 1994, str. 129).

Matematycznie określając „system S to niepusty zbiór elementów O, gdzie obiekt jest dowolnym bytem materialnym lub abstrakcyjnym, opisywanym przez zbiór atrybutów (cech) {A1, ..., An}, oraz niepusty zbiór relacji R, określonych nad tym zbiorem obiektów ze względu na zbiór {Ai} i to takich, że zbiór obiektów i relacji zależy od funkcji Fs, jakie ma pełnić system, lub od celów Cs, jakie system ma osiągać” (Klonowski, 2004, str. 176).

Definicję tę możemy opisać wzorem:

S = 〈O, R : O ∧ R ← (Fs / Cs)〉 (2.1) Otoczenie systemu to zbiór elementów powiązanych (sprzężonych) z elementami syste-mu jednak nie należących do niego. Otoczenie może być bliższe lub dalsze. Wejście (We) to sprzężenie, przez które otoczenie oddziałuje na system, z kolei wyjście (Wy), to sprzężenie, przez które system oddziałuje na otoczenie. Relacje między elementami sys-temu to sprzężenia wewnętrzne, a pomiędzy elementami syssys-temu i otoczeniem to sprzężenia zewnętrzne. Wewnątrz systemu istnieją elementy wewnętrzne, które nie mają bezpośrednich sprzężeń z elementami otoczenia systemu. Elementy graniczne to te, które posiadają sprzężenia bezpośrednie z elementami otoczenia (Klonowski, 2004, str. 177). Podstawowe pojęcia odnoszące się do systemu opisano na rysunku 2.7.

Na podstawie literatury tematu należy zwrócić uwagę na niejednoznaczność granic systemów w świecie organizacji. A. Czermiński i M. Grzybowski twierdzą, że organiza-cję „tworzą ludzie pełniący w nich określone funkcje i czynności, którzy za pomocą od-powiednio dobranych zasobów i metod działania zdolni są wykonywać wyznaczone zada-nia” (Czermiński, 1996, str. 52).

60

Rys. 2.7. Ilustracja pojęć odnoszących się do systemu. Źródło: Z.J. Klonowski (2004), Systemy informatyczne zarządzania przedsiębiorstwem. Modele rozwoju i właściwości funkcjonalne. Oficyna Wydawnicza Politechniki

Wrocławskiej, Wrocław, s. 177.

W niniejszej pracy organizacja jest rozumiana jako system (np. aglomeracja), we-wnątrz którego istnieją podsystemy. Aglomeracja interpretowana jako „nadsystem” za-wiera w sobie system informacyjny wraz z jego podsystemem wspomagania decyzji.

System wspomagania decyzji (SWD) (ang. Decision Support System) to rozwiązania, które bazują na zastosowaniu komputerów i informacji do podejmowania decyzji kie-rowniczych. (Sroka, 2005). SWD wykorzystuje się coraz częściej również dla ogółu spo-łeczeństwa. W najbardziej ogólnym ujęciu system wspomagania decyzji to system infor-matyczny, którego zadaniem jest wspomaganie decydenta w podejmowanych przez niego decyzjach poprzez eliminację (lub minimalizowanie) niedogodności związanych z tym procesem. Systemy te skupiają uwagę na wspomaganiu, a nie automatyzowaniu decyzji.

Są w stanie również szybko reagować na zmiany zachodzące w potrzebach użytkowni-ków systemu⁵².

W najwęższym ujęciu SWD opisywane są jako interaktywne⁵³, elastyczne i adapto-walne systemy informatyczne, rozwijane z myślą o wspieraniu rozwiązywań niestruktu-ralnych⁵⁴ problemów zarządczych, w celu poprawy jakości podejmowanych decyzji.

Systemy te operują na danych, udostępniają przyjazny interfejs i umożliwiają wkład wła-sny ze strony decydenta (Kwiatkowska, 2007, str. 15).

52 Patrz również: (Graczyk, 2011b).

53 System interaktywny – to system wymagający aktywności obu stron dialogu. System powinien po-zwalać na zmianę danych, lecz również powinien reagować na brakujące dane, a w idealnym przypadku, po otrzymaniu zgody użytkownika, poradzić sobie z wiedzą niekompletną (Kwiatkowska, 2007, str. 15).

54 Problemy niestrukturalne, czyli nieuwzględniające wzajemnych relacji i powiązań z dotychczasowymi problemami.

61

Do zadań SWD należą (Kwiatkowska, 2007, str. 15):

 wspomaganie w procesach decyzyjnych decydentów przy rozwiązaniu problemów niestrukturalnych,

 zwiększenie efektywności podejmowania decyzji (np. optymalizacja kosztów, skróce-nie czasu zbierania informacji - skróceskróce-nie czasu podejmowanej decyzji),

 łączenie użycia modeli i technik analitycznych z użyciem wielu danych,

 umożliwianie zmian w komponentach, w tym możliwość powrotu do poprzednich faz,

 umożliwienie wprowadzenia elementów intuicyjnych w przypadku podejmowania decyzji w oparciu o niepełne lub niepewne informacje,

 umożliwienie przeprowadzenia testów i/lub symulacji metodą prób i błędów,

 proponowanie rozwiązania w oparciu o reguły wnioskowania.

Klasyczna konstrukcja SWD składa się z następujących komponentów (Shim, 2002):

 zaawansowanej funkcjonalności zarządzania bazami danych z dostępem do wewnętrz-nych i zewnętrzwewnętrz-nych dawewnętrz-nych, informacji i wiedzy,

 rozbudowanych funkcji modelowania,

 zaawansowanych funkcji, ale „podanych” w prostym interfejsie użytkownika, które umożliwiają generowanie zapytań w czasie rzeczywistym, raportowanie i prezentowa-nie wyników w formie graficznej.

Po raz pierwszy pojęcia „system wspomagania decyzji” w postaci zbliżonej do pojęcia używanego obecnie użył S.M. Morton w swojej pracy doktorskiej (Morton, 1970). Prace nad tym zagadnieniem były jednak prezentowane w literaturze już w latach 50. i 60.

przede wszystkim w dwóch obszarach (Newell, 1972; Simon, 1978⁵⁵; Keen, 1978; Shim, 2002):

 badań teoretycznych dotyczących rozwiązania problemów oraz podejmowania decyzji w oparciu o podejście psychologiczne, realizowanych m.in. przez H. Simona oraz je-go współpracowników w Carnegie Institute of Technology (m.in. Anthony⁵⁶, Simon, Cyert, Marzec),

 badań prowadzonych w obszarze interaktywnych systemów komputerowych czło-wiek-komputer prowadzonych w Massachusetts Institute of Technology.

55 Czytaj również: (Newell, 1958; Sroka, 2005).

56 Czytaj również: (Anthony, 1965).

62

Powyższe badania stały się inspiracją do tworzenia nowych rozwiązań i prac nad za-stosowaniami SWD zarówno na terenie USA, jak i w Europie. W Polsce zagadnieniami systemów informatycznych do podejmowania decyzji organizacyjnych w tym czasie zajmował się H. Sroka (Sroka, 1973) oraz - w zakresie semantycznym - W. Flakiewicz (Flakiewicz, 1978) i J. Kisielnicki (Kisielnicki, 1976).

Nazwa SWD została użyta oficjalnie na początku lat 80. zarówno w USA, jak i w Eu-ropie, w tym w Polsce (Bannett, 1983; Fick, 1980; Sroka, 1980; Sroka, 2005).

Początkowo rozwiązania SWD skupiały się przede wszystkim na obliczeniach nume-rycznych, a nie logicznych. W późniejszym czasie zaczęto najpierw integrować istniejące narzędzia softwareowe z systemami eksperckimi a później łączyć te rozwiązania ze spe-cjalistyczną wiedzą i ekspertyzami (Sroka, 1994). SWD dzielić możemy, ze względu na tryb wspomagania decyzji, jako oparte na (Power, 2009):

 modelach (ang. Model-Driven Decision Support Systems),

 komunikacji (ang. Communication-Driven Decision Support Systems),

 danych (ang. Data-Driven Decision Support Systems),

 dokumentach (ang. Document-Driven Decision Support Systems),

 wiedzy (ang. Knowledge-Driven Decision Support Systems).

Wspomaganie decyzji w ujęciu tradycyjnym zorientowane było na modele wspo-magania decyzji. Dotyczyły one reprezentacji modeli decyzyjnych przy wykorzystaniu narzędzi analizy decyzyjnej, optymalizacji, modelowania stochastycznego, symulacji, statystyki, modelowania logicznego oraz sztucznej inteligencji. We wspomaganiu decyzji odwoływano się do sekwencji kolejnych kroków: problem decyzyjny – model – dane – analiza – rozwiązanie. W tradycyjnym ujęciu SWD modele dostarczane są użytkowni-kowi jako gotowe rozwiązania, które w nieoczekiwanej sytuacji mogą się nie spraw-dzać⁵⁷.

Wraz ze zwiększającą się ilością informacji oraz złożonością organizacji tworzenie wiarygodnych modeli na potrzeby procesu podejmowania decyzji stawało się coraz trud-niejszym zadaniem. We wczesnych latach 90., w dobie postępu technologicznego⁵⁸ i rozwoju nowych technologii informatycznych, pojawiło się nowe podejście,

zoriento-57 Więcej czytaj: (Olszak, 2007; Chen, 1995; Power, 2007; Pacholski, 2009).

58 Prawo Moore’a obowiązujące od lat 30. XX w. pozwala obserwować i przewidywać rozwój technolo-gii. Prawo to odnosi się do mocy przetwarzania i gromadzenia danych i informacji w elektronicznych urzą-dzeniach informatycznych mówi, że ekonomicznie optymalna liczba tranzystorów w układzie scalonym w kolejnych latach posiada trend wykładniczy, czyli podwaja się w niemal równych odcinkach czasu (Staszak, 2004). Termin ten jest obecnie używany do określania praktycznie dowolnego postępu technolo-gicznego i mówi, że moc obliczeniowa komputerów podwaja się praktycznie co 24 miesiące.

63

wane na dane. Model nie jest dany a priori, a konstruowany jest na podstawie groma-dzonych danych. We wspomaganiu decyzji w tym podejściu dochodzi się do rozwiązania problemu wg następującej sekwencji kroków: problem decyzyjny – dane – analiza – model – rozwiązanie. Efektywność tego podejścia w dużej mierze zależna jest od jakości i dostępności danych. Istotną rolę odgrywają tutaj techniki z zakresu modelowania da-nych, konwersji, zdalnego dostępu do dada-nych, weryfikacji i walidacji dada-nych, jak rów-nież standaryzacji formatów danych. Pomocnymi natomiast są techniki: ekstrakcji da-nych, dążenia dada-nych, analizy wielowymiarowej oraz techniki agentowe. SWD oparte na podejściu zorientowanym na dane wraz z On-line Analytical Processing (OLAP)⁵⁹, połą-czone z analizą dużych zbiorów danych historycznych, zapewniają najwyższy poziom funkcjonalności i wspomagania decyzji. Do tych modeli nawiązują systemy Business Intelligence, które bazują przede wszystkim na hurtowniach danych⁶⁰.

SWD zorientowane na dokumentację rozwinęły się w oparciu o potrzebę wykorzy-stania dokumentów, repozytoriów wiedzy, specyfikacji produktów, katalogów czy doku-mentów legislacyjnych w podejmowaniu decyzji, w tym również porządkowania stron www. Systemy te posiadają możliwość ekstrakcji wiedzy z dokumentów tekstowych i ich integrację z repozytorium dokumentów w bazie wiedzy. W tym przypadku najczęściej stosuje się techniki: z zakresu przetwarzania języka naturalnego, drążenia tekstu, jak również wyszukiwania informacji. Systemy te współpracują z systemami zarządzania treścią (ang. Content Management Systems – CMS), systemami zarządzania dokumentami (ang. Document Management – DC), systemami przepływu pracy (ang. Workflow), pocz-tą elektroniczną oraz portalami i systemami internetowymi⁶¹.

Współczesne SWD to systemy zorientowane na wiedzę (ang. Knowledge-Driven Decision Support Systems), które sugerują i rekomendują określone działania menedże-rom, a także pozwalają im na odkrywanie nowej wiedzy⁶². Ten rodzaj systemów został zapoczątkowany przez systemy ekspertowe i SWD z bazą wiedzy. Współcześnie w zaa-wansowanym stopniu stosuje się złożone techniki sztucznej inteligencji, umożliwiające w innowacyjny sposób pozyskiwanie, gromadzenie i generowanie wiedzy. Rozwiązania

59 “OLAP oznacza kategorię technologii oprogramowania, która umożliwia analitykom, menedżerom i kierownikom przeglądanie danych w szybki, spójny i interaktywny sposób, dostarczając wiele możliwych przekrojów (widoków) informacji, które powstają z elementarnych danych źródłowych, po to by odzwier-ciedlać faktyczną wielkowymiarowość przedsiębiorstwa” – definicja modelowania wielowymiarowego i wielowymiarowych baz danych stworzona przez organizację OLAP Council (Januszewski, 2008, str. 42).

60 Więcej czytaj w: (Power, 2008; Olszak, 2007).

61 Więcej czytaj w: (Power, 2008; Zhi Chen, 2010).

62 Czytaj także: (Pacholski, 2011).

64

opierają się m.in. o: język naturalny, sieci neuronowe⁶³, logikę rozmytą, algorytmy gene-ryczne⁶⁴, techniki CBR⁶⁵ oraz inteligentnych agentów⁶⁶. Warto zwrócić uwagę, że współ-czesne SWD nie posiadają cech jednego rodzaju SWD, ale zazwyczaj mają charakter hybrydowy w odniesieniu do orientacji na: modele, dane, dokumentację, wiedzę, oraz komunikację (Olszak, 2008)⁶⁷.

Założenie, że szybka i sprawna komunikacja pomiędzy ekspertami jest podstawą do efektywnego podejmowania decyzji doprowadziło do modeli SWD zorientowanych na komunikację. Komunikacyjne SWD wspierają pracę grupową w procesie decyzyjnym.

Najprostszym przykładem tego rodzaju systemu jest system plików z dodatkowym na-rzędziem do budowy zapytań i ekstrakcji wyników. Bardziej zaawansowane systemy obejmują hurtownie danych z funkcjonalnościami odnoszącymi się do: ekstrakcji, agre-gacji, prezentacji. Wymiana myśli i wspólna praca nad dokumentami była przyczynkiem do tworzenia grupowych systemów wspomagania decyzji (GSWD)⁶⁸.

Innym rodzajem są sieciowe SWD (ang. Web-enabled DSS) zapoczątkowane przez rozwój techniki mikroprocesorowej, sieci komputerowych, Internetu, technologii interne-towych oraz architektury klient/serwer. Dzięki dostępowi do Internetu istnieje szansa wejścia do systemu praktycznie z każdego miejsca na świecie, umożliwiając jednocześnie rozszerzenie grupy osób z niego korzystających. Dostarczając informacje system wyko-rzystuje przede wszystkim przeglądarki internetowe. Serwer łączy się z komputerem użytkownika, a użytkownik dzięki temu swobodnie może zadawać pytania, opracowywać raporty lub analizować informacje w bazach danych, hurtowniach danych i zintegrowa-nych systemach typu MRP II⁶⁹.

63 Sieci neuronowe to skomplikowane matematycznie algorytmy obejmujące eksplorację danych. Sieci neuronowe tworzą nieliniowe modele predykcyjne budowane w oparciu o zestawy danych wykorzysty-wane do „uczenia się” sieci, czego konsekwencją jest modyfikacja wcześniej zbudowykorzysty-wanego modelu (Januszewski, 2008, str. 72).

64 Algorytmy generyczne to technika programowania uwzględniająca ewolucję zarówno przez mutację, jak i krzyżowanie się. Kod generyczny to algorytm, który ma pozwalać na reprezentację każdego problemu (Wierzchoń, 2001).

65 CBR (ang. case-based reasoning) – wnioskowanie na podstawie przypadków (Zadora, 2008) – techni-ka wykorzystująca uczenie maszynowe, która polega na generowaniu rozwiązań w oparciu o przypadki już dotychczas rozwiązane.

66 Więcej czytaj w: (Power, 2008).

67 Czytaj również: (Power, 2002).

68 Czytaj również: (Abdi, 2001).

69 Czytaj również: (Power, 2002; Rao, 2007).

65

Architektura SWD dzieli się na części składowe, które opisać można dwoma sche-matami⁷⁰. W pierwszym, schemacie funkcjonalnym, wyróżniamy (Kwiatkowska, 2007, str. 17-18):

 interfejs użytkownika – część systemu odpowiadającą za interakcję z użytkownikiem;

złożoną najczęściej z interfejsu tekstowego i/lub graficznego,

 system bazy wiedzy – czyli: dane, fakty, reguły, modele czy grafika,

 system przetwarzania problemu – w którego skład wchodzi maszyna wnioskująca, system zarządzania bazami danych, system analizy wyników; w przypadku systemów uczących się dodatkowo moduł posiadający tę cechę.

Drugi ze schematów SWD to schemat narzędziowy, składający się najczęściej z ko-lejnych programów i modułów narzędziowych (Kwiatkowska, 2007, str. 18): interfejs użytkownika, moduł sterowania, baza danych, baza modeli, baza wiedzy. Ogólny sche-mat sposobu funkcjonowania SWD przedstawiony jest na rysunku 2.8.

Precyzja w odtwarzaniu w SWD otaczającej rzeczywistości jest szczególnie ważna przy projektowaniu i wykorzystaniu modeli SWD. Takie modele odgrywają szczególną rolę zwłaszcza w ekonomii i inżynierii środowiska, gdyż w takich przypadkach rzadko możliwe jest eksperymentowanie z rzeczywistością (Kwiatkowska, 2007, str. 16).

Scharakteryzowane rodzaje SWD, ich architektura oraz ogólny schemat budowy wskazują, że nie ma jednego najlepszego rozwiązania i sposobu funkcjonowania SWD, a sposób projektowania SWD w organizacji jaką jest aglomeracja nie jest precyzyjne scharakteryzowany. Przy projektowaniu SWD dla aglomeracji można korzystać z róż-nych modeli i różróż-nych technologii wspomagania decyzji. Brakuje jednak ujęcia ewolucji systemów wspomagania decyzji w szczególnym typie organizacji jakimi są aglomeracje oraz klasyfikacji aglomeracji jako organizacji. Te zagadnienia przedstawiono w p. 3.1.

i 3.2. prezentując jednocześnie wkład własny w teorię organizacji.

70 W literaturze obcojęzycznej możemy znaleźć nieco inny podział jeśli chodzi o architekturę SWD.

Składa się ona z trzech podstawowych komponentów (Sage, 2001):

 systemu zarządzania bazą danych (ang. A database management system – DBMS),

 modelu systemu zarządzania (ang. A model-based management system – MBMS),

 generacji dialogu i systemu zarządzania (ang. A dialog generation and management system – DGMS).

66

Rys. 2.8. Schemat działania SWD. Źródło: Turban E., Sharda R., Aronson J.E., King D. (2008), Business Intelli-gence. A managerial approach, Pearson/Prentice Hall, Upper Saddle River, New Jersey op. cit. s. 469; Siwińska J., Inteligencja Biznesowa a systemy wspomagania decyzji (2010), www.ue.poznan.pl/att/j.siwinska_z52.pdf z dn.

10.03.2013.