Rozwój i charakterystyka systemów informatycznych wspomagających zarządzanie

Rozwój i charakterystyka systemów informatycznych wspomagających zarządzanie

Halina Tańska

Wymagania wobec systemów informatycznych zarządzania

• SIZ będzie:

– Dostarczał dla każdego szczebla zarządzania właściwe informacje we właściwym czasie

– Zapewniał elastyczność w doborze układów informacyjno-decyzyjnych użytkownika

– Umożliwiał wykorzystanie metod statystycznych, optymalizacyjnych i symulacyjnych

– Proponował decyzje i szacował konsekwencje podejmowanych decyzji

• Pierwsze zastosowania informatyki w zarządzaniu dotyczyły wspomagania ewidencji operatywnej, czyli rejestracji zdarzeń w miejscu ich

powstawania, oraz ewidencji księgowej. Następnie systemy wyposażono w różnego rodzaju narzędzia raportujące i języki wyszukiwawcze, które pozwalały w większym stopniu wypełniać funkcję informacyjną. W

kolejnych wersjach SIZ uwzględniano funkcje planistyczne.

Komputerowe porównanie wykonania z planem miało zapewnić

automatyzację mechanizmu sprzężenia zwrotnego, a w konsekwencji możliwość szybkiego reagowania na sygnały bieżące z systemu

wykonawczego.

System zarządzania organizacją gospodarczą (cd.)

SYSTEMY INFORMATYCZNEPROCESY BIZNESOWE

S p r z ę t O p r o g r a -

m o w a n i e

Z b i o r y d a n y c h

S i e c i , t e l e - k o m u n i k a c j a D e c y z j e t a k t y c z n e

D e c y z j e o p e r a c y j n e D e c y z j e s t r a t e g i c z n e

D S S

s y s t e m y w s p o m a g a n i a d e c y z j i

M I S

s y s t e m y i n f o r m a c y j n e z a r z ą d z a n i a

N a j w y ż s z e k i e r o w n i c t w o

Ś r e d n i s z c z e b e l k i e r o w n i c z y

P o d s t a w o w y s z c z e b e l k i e r o w n i c z y

Ź r ó d ł a i n f o r m a c j i

S p r z e d a ż i m a r k e t i n g

P r o d u k c j a F i n a n s e K s i ę g o w o ś ć K a d r y

SE systemy ekspertowe

T P S

s y s t e m y p r z e t w a - r z a n i a t r a n s a k c j i

OAS systemy automatyzacji biura

Klasyfikacja SIZ

• Podstawowe generacje SIZ:

– Systemy transakcyjne

– Systemy informacyjne (raportujące) – Systemy wspomagania decyzji

– Systemy eksperckie

– Systemy sztucznej inteligencji

• Rzadko można spotkać systemy posiadające tylko i wyłącznie cechy charakterystyczne dla jednej z

podanych grup. Obserwuje się zacieranie różnic między poszczególnymi generacjami SIZ, co jest konsekwencją coraz dalej postępującej integracji w rozwiązaniach

aplikacyjnych.

Systemy transakcyjne

• Systemy transakcyjne zwane ewidencyjno-sprawozdawczymi, były pierwszymi systemami informatycznymi stosowanymi w jednostkach gospodarczych. Ich głównym zadaniem jest rejestrowanie i

przetwarzanie dużej liczby danych źródłowych dotyczących

rutynowych transakcji gospodarczych oraz przebiegu procesów zachodzących w przedsiębiorstwie. Transakcje mogą dotyczyć

kontaktów przedsiębiorstwa z otoczeniem (np. zamówień, zakupów, sprzedaży, przyjmowania zapłat, wystawiania przelewów),

kontaktów poszczególnych komórek organizacyjnych (np.

wydawanie materiałów do produkcji, przyjmowanie wyrobów gotowych do magazynu), kontaktów przedsiębiorstwa z

pracownikami (np. wypłaty wynagrodzeń, rozliczanie zaliczek), lub opisywać zdarzenia zachodzące w poszczególnych komórkach (np.

ewidencja wykonanej produkcji, rejestracja czasu pracy na wydziale).

Podstawowe zadania ST

• Rejestracja i ewidencja dokumentów obcych (np. faktury zakupu) i własnych (np. delegacji służbowej).

• Emisja (generowanie) dokumentów własnych (np. faktury sprzedaży, dokumentów magazynowych, umów o pracę).

• Obliczanie z zastosowaniem prostych funkcji arytmetycznych (np.

sumowanie przychodów w magazynie, obliczanie podatku VAT na fakturze, obliczanie składników wynagrodzeń, obliczanie

amortyzacji).

• Drukowanie standardowych, regularnych (periodycznych)

sprawozdań i zestawień (np. zestawienia przychodów i rozchodów w magazynie, zestawienie sald i obrotów, rachunek wyników,

sprawozdanie z przepływu środków pieniężnych, wykaz kontrahentów, lista pracowników).

Rodzaje ST

• Można wymienić dwa rodzaje systemów przetwarzania transakcji:

– Systemy przetwarzania wsadowego

– Systemy przetwarzania transakcji w czasie rzeczywistym.

• Systemy przetwarzania wsadowego (zwane też systemami

elektronicznego przetwarzania danych – electronic Data Processing Systems) powstały w latach 50., gdy nie istniały jeszcze systemy zarządzania bazami danych. Przetwarzanie zgromadzonych danych następowało wtedy jednokrotnie, następnie konieczne było

powtórne przygotowanie danych. Dane w systemie przetwarzania wsadowego były „dołączone” do programu i zapisane na tzw.

kartach perforowanych. Wyjście systemu stanowiły standardowe raporty w postaci wydruków komputerowych.

• Cechą charakterystyczną przetwarzania wsadowego jest

wystąpienie opóźnienia pomiędzy czasem zarejestrowania danych opisujących zdarzenie, a ich przetworzeniem i zaktualizowaniem zbiorów danych (np. cotygodniowe przesyłanie kart pracy z systemu

Systemy przetwarzania transakcji w czasie rzeczywistym

• W systemach tej klasy każda transakcja jest natychmiast po

wprowadzeniu, a wynik przetworzenia aktualizuje bazę danych. W konsekwencji, stan bazy danych w każdej chwili odzwierciedla stan rzeczywisty występujący w organizacji. Przykładem może być

system rezerwacji miejsc lotniczych lub rezerwacji towarów, z których dokonanie rezerwacji aktualizuje natychmiast wszystkie powiązane zbiory danych zawierające informacje o dostępności odpowiednich miejsc w samolocie lub towarów w magazynie.

• Działanie systemów OLTP polega na wykorzystaniu możliwości jakie stworzyły systemy zarządzania bazami danych. Umożliwiły one nie tylko szybkie, ale przede wszystkim bezpieczne

przetwarzanie transakcji, z zachowaniem spójności. W systemie zarządzania bazą danych transakcja jest rozumiana jako ciąg operacji, które przeprowadzają bazę z jednego spójnego stanu w drugi taki stan, czyli stan, który istnieje w rzeczywistości. Transakcja w bazie danych odzwierciedla zatem transakcję biznesową i może zostać wykonana jedynie w całości albo wcale.

Systemy transakcyjne (ST)

We wczesnym stadium swojej ewolucji ST służyły do przeprowadzania cyklicznych kalkulacji na dużych

zbiorach danych ewidencyjnych. Stosowano wówczas tzw. technologię przetwarzania partiowego. Przed

przetwarzaniem dane należało zakodować, tzn.

doprowadzić do postaci zrozumiałej dla urządzeń

wejściowych komputera oraz zorganizować w zestawy (partie). Proces ten był żmudny i istotnie wydłużał ogólny czas przetwarzania. Wynikiem pracy systemu były

obszerne wydruki zestawień tabelarycznych. Okres rozwoju tych systemów - późne lata pięćdziesiąte.

Systemy dziedzinowe

Gospodarka magazynowa

Finanse i księgowość

Kadry i płace

Środki trwałe

Systemy transakcyjne (bazy danych)

W latach sześćdziesiątych metodę przetwarzania

partiowego zastąpiono technologią baz danych. Kładzie ona nacisk na realizację funkcji gromadzenia i

magazynowania danych dzięki czemu powstała

możliwość wielokrotnego dostępu do przechowywanych informacji. Na tym etapie rozwoju ST przestały być

utożsamiane jedynie ze wspomaganiem czynności księgowych. Zgromadzone dane mogły być

przetwarzane według różnych algorytmów, a zatem służyć realizacji bardziej złożonych zadań. Wyniki

generowane przez te systemy znalazły zastosowanie we wspieraniu operacyjnego szczebla zarządzania w

Systemy informacyjno-raportujące

• Systemy te stanowią rozwinięcie systemów ewidencyjno-sprawozdawczych.

W systemach informacyjno-decyzyjnych znaczenia nabiera udostępnianie i prezentowanie informacji, przydatnej w podejmowaniu decyzji. Systemy te są wyposażone w elastyczne i łatwe w obsłudze narzędzia raportujące oraz

języki wyszukiwawcze. Systemy informacyjno-decyzyjne umożliwiają tworzenie aż trzech typów raportów:

– Raportów regularnych – Raportów na żądanie – Raportów wyjątków

• Raporty regularne emitowane są cyklicznie w ustalonych terminach, a ich zadaniem jest zaspokojenie zdefiniowanych wcześniej potrzeb

informacyjnych. Raporty regularne posiadają stałą strukturę informacyjną.

• Raporty na żądanie mogą być udostępniane w dowolnym momencie. Są one opracowywane na indywidualne żądanie użytkowników i nie posiadają stałej struktury informacyjnej (np. wykaz niezapłaconych faktur konkretnego

klienta).

• Raporty wyjątków są generowane tylko w sytuacji, gdy spełniony zostanie określony warunek (np. spadek poniżej ustalonych minimalnych stanów

Systemy wspomagania decyzji i systemy wspomagania kierownictwa

• System wspomagania decyzji (SWD) zwane doradczymi można zdefiniować jako system informatyczny wspomagający użytkownika w procesie podejmowania decyzji i rozwiązywaniu problemów.

Głównym zadaniem SWD jest wspomaganie menedżera przy wyborze jednego z wielu wariantów rozwiązania problemu

decyzyjnego. Istotne jest, że system ten nie wyręcza decydenta w podjęciu decyzji, a jedynie ma mu pomóc w jej wypracowaniu. SWD jest tak zaprojektowany, aby zwiększyć efektywność procesu

podejmowania decyzji. Za systemy SWD uważa się:

– Systemy specjalistyczne – tworzone na zamówienie, dotyczące specyficznych problemów.

– Generatory systemów – programy umożliwiające budowę specjalistycznych SWD, w sposób względnie szybki i prosty.

– Narzędzia – oprogramowanie wspomagające pozostałe systemy, dołączane często jako moduły lub odrębne programy do dwóch pozostałych grup.

Systemy wspomagania decyzji

• Można je różnicować ze względu na specyficzne zastosowania:

– Grupowe – wspomagające współpracę pomiędzy uczestnikami, wymianę informacji i zarządzanie danymi, ustalające reguły i kolejność wykonywania zadań decyzyjnych.

– Naczelne kierownictwo – dla decyzji o bardzo słabej strukturze informacyjnej.

– Automatyzacji biura – zarządzające dokumentami, określające obiegi dokumentów, umożliwiające dostarczanie danych z zewnątrz.

– Zarządzanie przebiegiem pracy – odmiana systemu automatyzacji biura, która umożliwia kompletną realizację procesów za pomocą narzędzi elektronicznych (workflow).

– Inżynierskie – służące do projektowania obiektów fizycznych.

• Głównym elementem odróżniającym SWD od ST i SR-I jest baza modeli.

Składniki takiego systemu to:

– Baza danych i system zarządzania bazą danych.

– Baza modeli i system zarządzania bazą modeli.

– Moduł dialogowy (interfejs użytkownika).

– Interfejs dostępu do zewnętrznych źródeł danych.

Systemy wspomagania decyzji

• SWD mogą wykorzystywać bazy danych utworzone specjalnie dla tego systemu, ale też pobierać dane z baz danych transakcyjnych, hurtowni danych oraz zasobów zewnętrznych, takich jak Internet czy intranet korporacyjny.

• Baza modeli może zawierać różne typy modeli, takie jak modele finansowe, statystyczne, optymalizacyjne, graficznie lub projektowe. Użytkownik

korzysta z modeli, aby przetworzyć pobrane z baz dane w informację i zaprezentować ją w sposób ułatwiający jej zrozumienie.

• Modele zawarte w bazie modeli systemu wspomagania decyzji służą do:

– Obliczania wartości zmiennych wynikowych na podstawie różnych zestawów danych wejściowych

– Ustalania wartości danych wejściowych dla osiągnięcia pożądanych wyników, z uwzględnieniem występujących ograniczeń.

– Badania wpływu zmiany warunków ograniczających na wielkości zmiennych wynikowych.

– Obrazowania graficznego trendów, tendencji i innych zależności statystycznych.

– Ustalania optymalnych ścieżek przebiegu procesów i realizacji zadań, z uwzględnieniem występujących ograniczeń.

Baza modeli Baza danych

Moduł zarządzania bazą modeli

Moduł zarządzania bazą danych

Interfejsy dostępu do internetu i korporcyjnego

intranetu

Interfejsy dostępu do zewnętrznych

baz danych Interfejsy dostępu do innych systemów

komputerowych

Moduł dialogowy

Zewnętrzne Bazy danych

Komponenty systemu wspomagania decyzji

Systemy wspomagania decyzji

• Moduł dialogowy jest uważany za bardzo ważny

element SWD, systemy te są wykorzystywane głównie przez kadrę kierowniczą. Głównym zadaniem modułu dialogowego jest umożliwienie sprawnej komunikacji decydenta z systemem.

• Moduł ten powinien zapewnić użytkownikowi:

– Wybór modelu z bazy modeli

– Dostęp do bazy danych i wybór zestawów danych do analizy, np. poprzez wskazanie tabel, kolumn tabel, zdefiniowanie

kryteriów selekcji danych

– Wprowadzenie wartości parametrów i dokonywanie zmian w celu obserwowania ich wpływu na wyniki.

Systemy wspomagania decyzji

• Od interfejsu SWD oczekuje się zapewnienie

użytkownikowi dialogu i dostępu do bazy przy użyciu terminów biznesowych, bez konieczności znajomości struktury baz danych i umiejętności posługiwania się specjalistycznymi językami zapytań.

• Moduł dialogowy jest także odpowiedzialny za

prezentowanie wyników analizy. Może wykorzystywać w tym celu różne formy przekazu, takie jak tekst, tabele, wykresy, animacje.

• Wizualnie moduły dialogowe SWD nie różnią się od interfejsów innych aplikacji i wykorzystują rozwijalne menu, ikony, okna dialogowe, rozwijalne listy itp.

Systemy wspomagania decyzji

• Współpraca modułów zarządzania: bazą modeli, zarządzania bazą danych, dialogowego

zapewnia użytkownikowi rozwiązania problemu decyzyjnego poprzez:

– Wprowadzenie w dogodny sposób zapytania

(zdefiniowanie problemu, wprowadzenie wartości parametrów)

– Przeszukiwanie dużej ilości danych w celu znalezienia potrzebnych wartości

– Przetworzenie danych przy użyciu właściwego modelu liczącego

– Zaprezentowanie wyników na różne sposoby, w celu ułatwienia ich zrozumienia.

Systemy wspomagania decyzji

• SWD są ciągle doskonalone i wymaga się od nich by:

– Były wyposażone w elastyczne narzędzia raportujące i prezentacyjne

– Wspomagały analizy porównawcze, symulacyjne, analizy typu „co-jeśli” (what-if) i „szukanie celu” (goal- seeking) oraz optymalizację

– Umożliwiały operowanie na dużych zbiorach danych pochodzących z różnych źródeł

– Wykonywały drążenie w głąb (drill-down analysis)

Interakcje pomiędzy elementami SWD

Pozyskiwanie danych i manipulowanie

Zarządzanie danymi

Zarządzanie modelami

Dialog

Alfanumeryczne i graficzne modele, formuły i algorytmy, które często są

stosowane w

typowych problemach decyzyjnych

Systemy wspomagania kierownictwa (SWK)

• SWK nazywane systemami informowania kierownictwa (ESS – Executing Support Systems) są systemami

wspomagania decyzji przeznaczonymi dla kierownictwa wysokiego szczebla zarządzania. Wykorzystuje się je w procesie podejmowania decyzji strategicznych. Służą kadrze zarządzającej do monitorowania postępu

przedsiębiorstwa i ocenie najistotniejszych wskaźników jego działalności oraz pomagają na tej podstawie wybrać najlepszy kierunek rozwoju.

• Jednym z problemów, z którymi borykają się

menedżerowie wysokiego szczebla, jest nadmiar

informacji, przy jednoczesnym braku informacji istotnej z punktu widzenia podejmowanej decyzji.

Systemy wspomagania kierownictwa (SWK)

• Konieczne jest wyselekcjonowanie z dużych zbiorów tych informacji, które są ważne dla decydenta i mają kluczowe znaczenie dla

podjęcia właściwej decyzji. Istotne jest, aby wybrane informacje zostały odpowiednio zagregowane i zaprezentowane w przejrzysty sposób. Menedżer wysokiego szczebla potrzebuje ogólnego obrazu sytuacji przedsiębiorstwa, czyli danych sumarycznych lub

syntetycznych wskaźników. Dopiero po zanalizowaniu ogólnej

sytuacji może zechcieć sięgnąć do danych bardziej szczegółowych i potrzebować narzędzi analitycznych do drążenia danych (drill down tools).

• Głównym zadaniem systemów wspomagania kierownictwa jest dostarczenie informacji syntetycznej. SWK nie zawierają szeregu modeli i narzędzi analitycznych, ale konsolidują i sumują dane, które mogą pochodzić z wielu źródeł.

Systemy wspomagania kierownictwa (SWK)

• Główne cechy systemów SWD są następujące:

– Są przygotowywane dla konkretnego użytkownika – Są łatwe w użyciu

– Są wyposażone w zaawansowane narzędzia graficzne prezentacji informacji (wykresy, mapy ryzyka, diagramy czy pulpity kierownicze) – Dostarczają syntetycznych kluczowych wskaźników finansowych i

operacyjnych (np. sprzedaż na jednego zatrudnionego lub suma wydatków w danym okresie)

– Umożliwiają śledzenie danych „alertowych” dla przedsiębiorstwa

– Zapewniają dostęp do dowolnej przekrojowo i dowolnie zagregowanej informacji z niższych poziomów zarządzania

– Są wyposażone w łatwe w użyciu, ale wyrafinowane narzędzia drążenia danych

– Zatwierdzają narzędzia dostępu do zewnętrznych źródeł danych

– Zawierają narzędzia do analizy statystycznej, analizy wrażliwości itp.

– Mogą wspomagać podejmowanie decyzji w warunkach niepewności

Systemy eksperckie

• Unikalną cechą systemów eksperckich (SE) jest umożliwienie

sięgnięcia po wiedzę ekspertów i specjalistów, i wykorzystania jej do rozwiązania określonych problemów.

• System ekspercki jest systemem informatycznym, który naśladuje proces rozumowania człowieka-eksperta w rozwiązywaniu

problemów z danej dziedziny.

• System ekspercki przedstawia sugestie i działania w sposób podobny do sposobu działania człowieka-eksperta.

• Jest to system komputerowy zawierający w sobie specjalizowaną wiedzę na temat określonego obszaru ludzkiej działalności. Wiedza ta jest zorganizowana w sposób umożliwiający wejście z

użytkownikiem w interakcyjny dialog związany z tematyką tego obszaru, w wyniku którego system może oferować rady lub

propozycje, oraz objaśniać sposób rozumowania, leżący u podstaw rad lub decyzji.

Systemy eksperckie

• Głównym zadaniem SE jest przedstawienie ekspertyzy dotyczącej konkretnej sytuacji decyzyjnej i wyjaśnienie sposobu jej opracowania. Ekspertyzy wyprowadzane są z bazy wiedzy składającej się z faktów i związków

między tymi faktami.

• Systemy eksperckie rozwiązują konkretne problemy (lub wspomagają ich rozwiązywanie) porównując opis

badanej sytuacji ze zgromadzoną wiedzą ekspertów na temat podobnych problemów zaistniałych w przeszłości i przeprowadzając wnioskowanie według zdefiniowanych przez nich reguł.

Systemy eksperckie

• Cechy systemów eksperckich:

– Potrafią objaśniać przeprowadzone rozumowanie i sugerowaną decyzję

– Potrafią wyciągać wnioski ze złożonych zależności (np. ustalić najlepsze użycie narzędzi w elastycznym systemie produkcyjnym lub sugerować sposoby

poprawy procedur jakości)

– Chronią przed utratą wiedzy ekspertów

– Mogą gromadzić wiedzę wielu ekspertów i dzięki temu zwielokrotnić szansę rozwiązania problemu

– Zapewnić możliwość wielokrotnego wykorzystania wiedzy ekspertów

– Zapewniają spójność w rozwiązywaniu problemów i podejmowaniu decyzji (użytkownicy z wielu departamentów organizacji korzystają z tej samej wiedzy i dzięki temu podejmują podobne decyzje w podobnych sytuacjach

– Uwzględniają niepewność, czyli radzą sobie z wiedzą niekompletną lub

niedokładną – dzięki stosowaniu rachunku prawdopodobieństwa, statystyki i heurystyki

– Są dostępne niezależnie od czasu i szybko opracowują ekspertyzy

– Mogą być wykorzystywane do trenowania menedżerów podejmowaniu decyzji i uczenia ich obowiązujących zasad i reguł

Systemy eksperckie

• Do podstawowych elementów systemu eksperckiego należą:

– Baza wiedzy

– Maszyna wnioskowania – Moduł objaśniający

– Moduł pozyskiwania wiedzy

– Interfejs użytkownika

Baza

wiedzy MW Moduł

objaśniający

Interfejs użytkownika Moduł

pozyskiwania wiedzy

Użytkownik Inżynier

wiedzy

Ekspert

Komponenty systemu eksperckiego

Baza wiedzy

• W bazie wiedzy są przechowywane fakty, reguły, przypadki, wzorce i powiązania używane przez system. Baza wiedzy jest istotnym

rozszerzeniem bazy danych. Baza wiedzy zapewnia zrozumienie wzorców i powiązań między danymi, podobnie jak czyni to człowiek, podejmując decyzje.

• Baza wiedzy musi zostać zbudowana dla każdej aplikacji SE

osobno. Może ona zawierać zarówno ogólne teorie i reguły, które zostały dowiedzione naukowo, jak również wiedzę wynikającą z doświadczenia i reguły stosowane w praktyce.

• Możliwe jest odzwierciedlenie sytuacji, gdy rozwiązanie jednego problemu stwarza kolejny problem oraz zapisanie reguł

prowadzących do określonych wniosków pod warunkiem wystąpienia określonych faktów.

Baza wiedzy

• W systemach eksperckich używa się

następujących postaci reprezentowania wiedzy:

– reguły typu „jeśli-to” (if-then rules)

– tzw. ramek (frames), służących do opisu obiektów

– reguł logiki rozmytej (fuzzy logic rules) – sieci semantycznych

– opisów przypadków

Przykłady zapisu wiedzy w postaci reguł

Typ reguły Przykład

Prosta reguła if-then Jeśli prawdziwy jest fakt A i prawdziwy jest fakt B, to prawdziwy jest fakt C

Jeśli zaszło zdarzenie A lub zdarzenie B, to nieprawdziwy jest fakt C

Reguła if-then z

prawdopodobieństwem Jeśli prawdopodobieństwo zdarzenia A wynosi 80% i prawdopodobieństwo zdarzenia B wynosi 60%, to prawdopodobieństwo zdarzenia C wynosi 90%

Reguła logiki rozmytej Jeśli sytuacja A pasuje do kategorii X i sytuacja B pasuje do kategorii Y, to zdarzenie C zachodzi z prawdopodobieństwem 60%

Reguły typu if-then są najczęściej stosowaną reprezentacją wiedzy w systemach eksperckich. Reguła if-then jest zdaniem warunkowym, które łączy warunki z podjęciem akcji lub wynikiem. Jeśli warunek jest spełniony, to podejmowana jest

Przykład zapisu wiedzy w postaci ramki – opis obiektu „pies”

Atrybut Wartość

Ssak Tak

Futro Tak

Dźwięk Szczeka Nogi Cztery Ogon Tak

Wiedza dotycząca opisu faktów może być zorganizowana w tabelach (tzw.

ramkach), z których każda dotyczy dokładnie jednego faktu lub sytuacji.

Przykład opisujący obiekt pies przedstawia tabela. W przypadku zapytania maszyna wnioskująca przeszukuje tabele i jeśli dane opisujące badany obiekt pasują do konkretnej tabeli, to obiekt ten jest zidentyfikowany.

Systemy eksperckie

• W systemach eksperckich zastosowanie teorii logiki rozmytej

umożliwia reprezentację wiedzy podanej w sposób nieprecyzyjny.

Zdarzeniom lub obiektom można przypisać atrybuty o niedokładnych wartościach, wybiegających poza

przyporządkowanie określonej liczby, lub standardowe opisy typu tak/nie (yes/no) lub prawda/fałsz (true/false). Posługując się logiką rozmytą można uwzględnić różne odcienie szarości zamiast jedynie dwóch kolorów: czarnego i białego: np. ryzyko można opisać jako wysokie, średnie, niskie.

• Dzięki logice rozmytej system ekspercki może lepiej naśladować rozumowanie człowieka. Użycie logiki rozmytej wymaga

zakwalifikowania badanej sytuacji (obiektu, zdarzenia) do

odpowiedniej kategorii. Konkretny obiekt lub zdarzenie mogą zostać przyporządkowane do więcej niż jednej kategorii, z różnym

prawdopodobieństwem.

Sieci semantyczne

• Wiedza może zostać przedstawiona w postaci sieci semantycznych. Sieć

zbudowana jest z ramek zawierających

nazwy obiektów oraz linii reprezentujących

atrybuty i związki. Rozwiązując problem,

system ekspercki przeszukuje sieć według

parametrów podanych przez użytkownika,

aż napotka obiekt, który spełnia podane

wartości.

Ssak

Pies Kot

Futro

Szczeka 4 nogi Miauczy

Przykład sieci semantycznej

Do rozwiązania bieżącego problemu system ekspercki może wykorzystywać

przechowywane w bazie wiedzy opisy przypadków. Technika rozwiązywania problemu polega na:

-Wyszukiwaniu w bazie wiedzy przypadków, które są podobne do przypadku obecnie badanego

Maszyna wnioskująca

• Jest tym elementem systemu eksperckiego, który wyszukuje dane i powiązania w bazie wiedzy oraz

dostarcza odpowiedzi, porad, sugestii w sposób podobny do rozumowania człowieka-eksperta.

• Jej zadaniem jest opracowanie ekspertyzy. Proces wyszukiwania odpowiedniej informacji i wnioskowania jest złożony. Maszyna wnioskująca musi wyszukać

odpowiednie fakty i reguły oraz prawidłowo je połączyć w ciągi, tak aby możliwe było wnioskowanie. Wykorzystuje w tym celu różne mechanizmy, wśród których za

najważniejsze uznaje się:

– Przeszukiwanie w przód (forward chaining)

Moduł objaśniający

• Przed podjęciem decyzji użytkownik nie tylko chce poznać

proponowane rozwiązanie, ale chce też zrozumieć, z czego wynika przedstawiona propozycja.

• Elementem systemu eksperckiego, który ułatwia zrozumienie użytkownikowi sposobu, w jaki wypracowano sugerowane

rozwiązanie lub wynik, jest moduł objaśniający. Przedstawia on

„rozumowanie” systemu, czyli drogę na której następowało wnioskowanie.

• Moduł ten potrafi przedstawić wszystkie fakty i reguły oraz występujące między nimi powiązania, które doprowadziły do

prezentowanych wniosków. Moduł objaśniający korzysta z pracy maszyny wnioskowania, przedstawia bowiem wyszukane przez nią fakty i reguły, a także z interfejsu użytkownika, który zapewnia

interakcję.

Moduł pozyskiwania wiedzy

• Zadaniem modułu pozyskiwania wiedzy jest umożliwienie

zbudowania bazy wiedzy i jej aktualizacji. W procesie pozyskiwania wiedzy biorą udział inżynierowie wiedzy oraz eksperci.

• W przeszłości zadanie budowy wiedzy należało do wyjątkowo trudnych, bowiem zarówno założenie bazy wiedzy, jak i

wprowadzanie do niej zmian, wymagało zaangażowania

programisty znającego specjalistyczne języki programowania, takie jak LIPS lub Prolog. Programista, który zapisuje w systemie

pozyskiwaną od ekspertów wiedzę i rozwija system ekspercki, jest nazywany inżynierem wiedzy. Oprócz znajomości języków

programowania, musi on posiadać umiejętność odpowiedniego stawiania pytań oraz przekształcania odpowiedzi ekspertów do odpowiedniej postaci, która odpowiada reprezentacji wiedzy obsługiwanej przez system ekspercki.

Moduł pozyskiwania wiedzy

• Obecnie w procesie tworzenia bazy wiedzy wykorzystuje się tzw. shelle systemów eksperckich. Są to specjalne pakiety oprogramowania, które pozwalają projektować, rozwijać i utrzymywać system ekspercki. Narzędzia te dostarczają specjalnego interfejsu użytkownika, który pozwala na wygodne zapisywanie wiedzy, z użyciem rozwijalnych menu, okien dialogowych, formularzy itp.

• Pozyskiwanie wiedzy i jej zapisywanie nie musi być

procesem realizowanym całkowicie w sposób ręczny, np.

dane o faktach mogą być importowane automatycznie z zewnętrznych źródeł (tabel), a zadaniem inżyniera

wiedzy jest tylko wskazanie odpowiednich powiązań.

Interfejs użytkownika

• Ma za zadanie umożliwić interakcję eksperta i

użytkownika z systemem eksperckim. Bierze on udział w realizacji trzech podstawowych funkcji:

– Wprowadzaniu wiedzy od ekspertów do bazy wiedzy

– Wprowadzaniu opisu sytuacji decyzyjnej przez użytkownika – Prezentowaniu i objaśnianiu proponowanych rozwiązań.

• Interfejs użytkownika w systemie eksperckim jest

podobny do graficznych interfejsów innych aplikacji. Musi on zapewnić wygodne wprowadzanie elementów

specyficznych dla tego typu systemu, a mianowicie reguł wnioskowania.

Zastosowanie SE w zarządzaniu

• SE znajdują zastosowania praktycznie na wszystkich płaszczyznach zarządzania organizacją gospodarczą:

– W ustalaniu strategii – Planowaniu

– Projektowaniu wyrobów i usług

– Wspomaganiu podejmowania decyzji bieżących – Kontroli jakości i monitoringu

– Diagnozowaniu

• SE mogą podpowiadać cele strategiczne i wskazywać drogi ich osiągnięcia. Cele te wiążą się z identyfikacją okazji rynkowych, analizowaniem mocnych stron

organizacji oraz poznaniem siły i pozycji konkurentów.

Ograniczenia stosowania SE

• Systemy eksperckie są:

– Stosunkowo mało rozpowszechnione w organizacjach gospodarczych i słabo przetestowane

– Niełatwe w użyciu

– Ograniczone do rozwiązywania stosunkowo wąskiej klasy problemów

– Słabo radzą sobie z wiedzą przedstawioną w mieszany sposób – Bardziej podatne na błędy niż inne systemy, co wynika z ich

większej złożoności

– Mają ograniczone zdolności uczenia się

– Są trudne w utrzymaniu i rozwoju, czyli słabo adoptowalne i modyfikowalne

– Mogą być drogie w rozwoju

– Mogą prowadzić do trudności w ustalaniu odpowiedzialności za

Przesłanki uzasadniające stosowanie SE

• Rozwiązywany problem nie jest trywialny, jest słabo ustrukturyzowany i jest powtarzalny

• Istnieje szansa osiągnięcia znaczących korzyści lub zredukowania ryzyka poniesienia strat

• Możliwe jest uchwycenie i zachowanie unikatowej wiedzy ekspertów

• System może być wykorzystany w wielu lokalizacjach w tym samym czasie

• System może być wykorzystany w warunkach szkodliwych dla człowieka

• Ekspertyzy opracowane przez ludzi są bardzo drogie i słabo dostępne

• Ekspertyzy mogą być przygotowane szybciej niż wykona je człowiek

• System ma być wykorzystywany do szkolenia – przekazywania wiedzy ekspertów większej liczbie osób.

Systemy sztucznej inteligencji

• Termin sztuczna inteligencja (artifical intelligence) został sformułowany w 1956.

• Inteligencje rozumie się jako zdolność do pozyskiwania i stosowania wiedzy oraz do myślenia i rozumowania.

• Systemem sztucznej inteligencji nazywamy system

informatyczny, który wykazuje zachowania inteligentne.

• Badania w zakresie sztucznej inteligencji dotyczą następujących obszarów, systemów, metod i technik:

– Robotyka

– Rozpoznawanie mowy i przetwarzanie języka naturalnego – Systemy eksperckie

– Systemy uczące się i sieci neuronowe – Algorytmy genetyczne

Robotyka

Przez robotykę rozumie się mechaniczne i komputerowe

urządzenia, które wykonują zadania wymagające wysokiej precyzji lub są żmudne albo niebezpieczne dla człowieka. Wysoka precyzja współczesnych robotów wynika z wyrafinowanego oprogramowania, które steruje ich pracą. Roboty albo zawierają w sobie komputery albo są do nich podłączone. Roboty nie tylko wykonują

zaprogramowane zadania ale muszą też być zdolne do

rozpoznawania swojego położenia i interakcji z otoczeniem. Osiąga się to poprzez zastosowanie różnego rodzaju czujników i aparatów umożliwiających rozpoznawanie sygnałów płynących z otoczenia.

Szczególne znaczenie mają tu urządzenia umożliwiające tzw.

sztuczne widzenie. Pozwalają one na rozpoznanie otoczenia (rozpoznanie obrazów) i podjęcie na podstawie analizy obrazu właściwej akcji.

Systemy przetwarzania języka naturalnego

• Umożliwiają komputerom rozumienie i reagowanie na zdania i komendy podawane w „naturalnym” języku, takim jak język angielski. Ich podstawowym elementem jest oprogramowanie,

którego zadaniem jest odbiór mowy ludzkiej i przekształcenie jej w zbiór komend do wykonania przez komputer. Ważną częścią tych systemów są także urządzenia rozpoznawania głosu, umożliwiające użytkownikowi interakcje z komputerem przy użyciu mowy zamiast używania klawiatury lub innych urządzeń.

• Można wyróżnić trzy poziomy zaawansowania:

– Rozpoznawanie komend

– Rozpoznawanie mowy „dyskretnej”, czyli zdań wymawianych z wyraźnymi odstępami między wyrazami

– Rozpoznawania mowy ciągłej, czyli zdań wymawianych w sposób naturalny, bez wyraźnych przerw między wyrazami.

Zastosowania

• Rozpoznawanie mowy i przetwarzanie języka naturalnego znajduje zastosowanie w:

– Robotach – do odbierania i interpretacji komend – Komputerach, w których zastępują interfejs

użytkownika i inne sposoby wprowadzania danych (komunikowania się)

– Systemach korzystających z tonowego wyboru opcji, takich jak telefoniczne biura obsługi klienta

Systemy uczące się

• Systemy uczące się są zdolne do oceny zaistniałej sytuacji i do zmiany swego działania. Uczenie odbywa się na podstawie tzw.

zbioru trenującego. Dzięki mechanizmowi sprzężenia zwrotnego są one w stanie poprawić swoje funkcjonowanie i uniknąć popełnienia wcześniejszych błędów. Systemy te wykorzystują tzw. sieci

neuronowe, które naśladują pracę ludzkiego mózgu.

• Sieć neuronowa próbuje imitować sposoby myślenia człowieka przy:

– łączeniu faktów

– wyciąganiu wniosków

– uczeniu się na doświadczeniu i popełnionych błędach

– rozumieniu jak nowe fakty odnoszą się do faktów wcześniej znanych.

• Sieci neuronowe udostępniają komputerom mechanizmu uczenia się oraz czynią je zdolnymi do dynamicznej aktualizacji wiedzy na podstawie ich własnego doświadczenia i natychmiastowego użycia jej w przyszłych sytuacjach.

Systemy uczące się

• Sieć neuronowa jest zbudowana z połączonych węzłów, które odpowiadają neuronom w mózgu człowieka. Węzły te stanowią podstawowe elementy sieci, których zadaniem jest odbiór wielu różnych sygnałów wejściowych i przetwarzanie ich w sygnał wyjściowy. Sygnał wyjściowy może być bądź informacją finalną, bądź może stanowić wejście do następnego węzła.

• Systemy eksperckie oparte na sieciach neuronowych charakteryzuje:

– Duża tolerancja

– Zdolność rozwiązywania problemu w przypadku, gdy dane są niekompletne

– Dynamiczna aktualizacja wiedzy na podstawie doświadczenia – Zdolność rozpoznawania wzorców

– Zdolność wykrywania związków i trendów w dużych bazach danych.

Algorytmy genetyczne

• W systemach wykorzystujących algorytmy genetyczne proces przetwarzania rozpoczyna się od losowego

łączenia wielu, stosunkowo prostych funkcji, które zostały tak zaprojektowane, aby można rozwiązać pewne części badanego problemu.

• W wyniku połączenia funkcji powstają programy, które są następnie uruchamiane. Te programy, które dają

najlepsze rozwiązania, są zachowywane a pozostałe są dekomponowane do funkcji. Następnie testuje się nową generację programów. Proces jest powtarzany tak długo, aż otrzymamy program generujący satysfakcjonujące

rozwiązanie.

Inteligentny agent

• Inteligentny agent to specjalny program

komputerowy, przeglądający duże zasoby danych, po to aby wyszukać i dostarczyć użytkownikowi te informacje, które

spełniają podane przez niego warunki.

• Inteligentni agenci są najczęściej

używania do przeszukiwania sieci Internet.

SZCZEBLE ORGANIZACYJNE

strategiczny

taktyczny

operacyjny

personel biurowy

DP TPS

MIS

OAS DSS

ES Ewolucyjność, hierarchiczność i sytuacyjność

rozwoju systemów informacyjnych w świecie