Współczesne systemy informatyczne i ich zastosowania : praca zbiorowa

Polskie Towarzystwo Informatyczne

WSPÓŁCZESNE SYSTEMY INFORMATYCZNE I ICH ZASTOSOWANIA

Redakcja naukowa:

Adrian Kapczyński

Sławomir Smugowski

Współczesne systemy informatyczne i ich zastosowania

Praca zbiorowa pod redakcją naukową Adriana Kapczyńskiego Sławomira Smugowskiego

Katowice, 2010

Recenzenci:

Prof. dr hab. inż. Andrzej Grzywak Prof. dr hab. inż. Jerzy Klamka

Redakcja techniczna:

Mgr inż. Arkadiusz Banasik Mgr inż. Anna Dudek Mgr inż. Piotr Jankę

Projekt okładki:

Jacek Uroda

Copyright © 2010 Polskie Towarzystwo Informatyczne - Oddział Górnośląski

Utwór w całości ani we fragmentach nie może być powielany ani rozpowszechniany za pom ocą urządzeń elektronicznych, mechanicznych, kopiujących, nagrywających i innych, w tym również nie może być umieszczany ani rozpowszechniany w postaci cyfrowej zarówno w Internecie, jak i w sieciach lokalnych bez pisemnej zgody posiadacza praw autorskich.

ISBN 978-83-60810-31-6

Wydawca:

W ydawnictwo PTI Oddział Górnośląski

Polskie Towarzystwo Informatyczne Oddział Górnośląski

40-040 Katowice, ul. J. Lompy 2/10 Tel.: +48 (32) 253 61 09

W W W : http://www.pti.katowice.pl E-mail: bluro@pti.katowice.pl

W ydrukowano w Pracowni Komputerowej Jacka Skalmierskiego.

Nakład - 1 0 0 egz.

SPIS TREŚCI

W S TĘ P ...7

Część 1. System y i technologie inform atyczne w przem yśle

ROZDZIAŁ 1

ROLA INFORMACJI W ZARZĄDZANIU PRZEDSIĘBIO RSTW EM PRODUKCYJNYM BRANŻY M O TO RYZAC YJNEJ...11 ROZDZIAŁ 2

RO ZM YTY SYSTEM W NIO SK UJĄ CY DLA INW ESTO RA...15 ROZDZIAŁ 3

ZARZĄDZANIE PROCESEM PRO DUKCYJNYM Z ZASTOSO W ANIEM LOGIKI

ROZMYTEJ ...21 ROZDZIAŁ 4

EFEKTYW NOŚĆ W DRAŻANIA INFORM ATYCZNYCH SYSTEM ÓW W SPOM AGANIA ZARZĄDZANIA W PRZEDSIĘBIO RSTW A CH ... 27 ROZDZIAŁ 5

PORÓW NANIE MODELU W IELU DO STAW CÓ W ORAZ MODELU JED NEG O DO STAW CY W DRAŻANIA ZM IAN W SYSTEM IE IN F O R M A T Y C Z N Y M ...35 ROZDZIAŁ 6

W PŁYW ZARZĄDZANIA BEZPIECZEŃSTW EM W PRO JEKTACH BIZNESOW YCH NA CIĄGŁOŚĆ DZIAŁANIA O R G A N IZ A C J I...47 ROZDZIAŁ 7

STEROW ANIE ROBOTEM PRZEZ SIEĆ R O Z L E G Ł Ą ...57 ROZDZIAŁ 8

KREOW ANIE W IZERU NKU FIRM Y HANDLOW EJ W OPARCIU O BA ZO DANO W Y SYSTEM IN FO R M A TY C ZN Y... 65 ROZDZIAŁ 9

SKLEP INTERNETO W Y JA KO SPOSÓB NA SKUTECZNE PROW ADZENIE DZIAŁALNOŚCI B IZ N E S O W E J... 73

Część 2. System y i technologie inform atyczne w adm inistracji i edukacji_________________

ROZDZIAŁ 10

POLSKIE E-USŁUGI W ROKU NO W ELIZACJI USTAW Y O INFORM ATYZACJI

ADM INISTRACJI P U B L IC Z N E J... 85 ROZDZIAŁ 11

KONCEPCJA DOSTĘPU DO INFORM ACJI W MIĘDZYNARODOW YM PRO CESIE OBSŁUGI P A C J E N T A ... 99 ROZDZIAŁ 12

TECHNOLO GIE INFORM ATYCZNE W ADM INISTRACJI SAM O RZĄDOW EJ

I R Z Ą D O W E J... 107 RO ZDZIAŁ 13

W YKO RZYSTANIE TECHNOLO GII INFORM ATYCZNYCH W POLSKIM SYSTEMIE

O Ś W IA T ...117

STOPIEŃ W YKO RZYSTA NIA NO W OCZESNYCH TECHNOLO GII TELEINFO RM ATYCZNYC H W PROGRAMACH E D U K A C Y JN Y C H ... 123 ROZDZIAŁ 15

INNOW ACYJNY M O BILNY DZIENNIK L E K C Y J N Y ... 131 ROZDZIAŁ 16

O TW ARTE REPOZYTORIUM DYDAKTYCZNE JAKO NARZĘDZIE DO BADANIA USPRAW NIEŃ NIEW ERBALNEJ KOMUNIKACJI POM IĘDZY CZŁOW IEKIEM A K O M P U T E R E M ... 137 ROZDZIAŁ 17

MULTIMEDIALNE APLIKACJE DLA TELEFO NÓ W KOMÓRKOW YCH JAKO POMOC DYDAKTYCZNA W PROCESIE EDUKACJI...145 ROZDZIAŁ 18

KONCEPCJA, PROJEKT I REALIZACJA W IRTUALNEG O LABO RATO RIUM SYSTEMÓW OPERACYJNYCH I TECHN O LO G II SIE C IO W Y C H ... 157 ROZDZIAŁ 19

PROGRAM OW ANIE W ŚRODOW ISKACH GRAFICZNYCH - M OŻLIW O ŚCI PRO JEKTO W ANIA INTERFEJSÓ W U ŻYTKO W N IK A ...163 ROZDZIAŁ 20

M OŻLIW OŚCI ZASTOSO W ANIA TECHNOLO GII M ICROSOFT SILVERLIG HT DO

W YŚW IETLANIA TREŚCI M U L T IM E D IA LN Y C H ... 171 ROZDZIAŁ 21

NARZĘDZIA DO TW O RZENIA MAP MYŚLI I PRZYKŁADY PRAKTYCZNEGO ICH

Z A S T O S O W A N IA ...179 ROZDZIAŁ 22

BEZPIECZEŃSTW O STUDENCKICH KOM PUTERÓ W OSOBISTYCH W DOBIE

SPO ŁECZEŃSTW A IN F O R M A C Y JN E G O ... 185

Część 3. Pozostałe zagadnienia zastosow ań inform atyki

ROZDZIAŁ 23

REW O LU CJA INFORM ATYCZNA XX W IEKU I JEJ KONTEKST F IL O ZO F IC ZN O - SPO ŁEC ZN Y ... 205 ROZDZIAŁ 24

E - INCLUSION - SZANSĄ DLA GRUP NIEUPRZYW ILEJOW ANYCH W SPOŁECZEŃSTW IE IN F O R M A C Y JN Y M ... 219 ROZDZIAŁ 25

ZAPO BIEGANIE BŁĘDOM KONCEPTUALNYM W PROJEKTACH SYSTEMÓW

IN FO R M ATYCZNYCH...227 ROZDZIAŁ 26

RYZYKO W PROJEKTACH INFORM ATYCZNYCH - M ETODY IDENTYFIKACJI

I A N A L IZ Y ...237 RO ZDZIAŁ 27

CONTROLSEM - SYSTEM W SPIERANIA DECYZJI O PARTY NA TECHN O LO G IAC H SIECI S E M A N TY C ZN Y C H ... 245

W YBRANE ELEM ENTY PROCESU W Y TW Ó RCZEG O O PRO GRAM O W ANIA - NARZĘDZIA W SPO M AGAJĄCE ZARZĄDZANIE KODEM ŚRO DO W ISK S Y S TE M O W Y C H ... 255 ROZDZIAŁ 29

W YBRANE A S PEK TY STRUKTURYZACJI, PRZECHOW YW ANIA I PRZETW ARZANIA DANYCH O CHARAKTERZE S E M IS TR U K T U R A L N Y M ...273 ROZDZIAŁ 30

DEDYKOW ANE PRZETW ARZANIE DO KU M ENTÓ W Z UW ZGLĘDNIENIEM STANDARDÓW I SPECY FIKI SYSTEM ÓW R E FE R E N C Y JN Y C H ...291 ROZDZIAŁ 31

INTELIG ENCJA W GRACH - MODEL AG ENTA I Ś R O D O W IS K A ...305 ROZDZIAŁ 32

OCENA EFEKTYW NOŚCI HEURYSTYCZNEGO ALG O R YTM U PLANO W ANIA ROZDZIAŁU PROGRAM ÓW W SYSTEMIE PROCESO RÓ W R Ó W N O LE G ŁY C H ... 313

W stęp

W spółczesny świat m asowo w ykorzystuje osiągnięcia w zakresie informatyki.

Niniejsza publikacja podejm uje próbę prezentacji osiągnięć w zakresie prac badawczych poświęconych systemom i technologiom inform atycznym stosowanym w obszarach adm inistracji, edukacji oraz przemysłu.

M onografia obejm uje trzy zasadnicze części.

W pierwszej części przedstawiono zagadnienia z zakresu systemów inform atycznych stosowanych w przemyśle.

W drugiej części książki zaprezentowano rozważania z zakresu systemów inform atycznych stosowanych w adm inistracji i edukacji.

Ostatnia część opracowania zawiera rozdziały traktujące o interdyscyplinarnych zagadnieniach z zakresu inform atyki, podejm ujących m iędzy innymi tem atykę system ów inteligentnych.

Miłej lektury.

Adrian Kapczyński

__________________________ Część 1.

Systemy i technologie informatyczne

w przemyśle

Rozdział 1

Rola inform acji w zarządzaniu przedsiębiorstw em produkcyjnym branży m otoryzacyjnej

Aleksandra Ptak, Agnieszka Noga Politechnika Częstochowska

olaptak@zim.pcz.pl, agnieszkanoga@poczta.onet.pl

S tre s z c z e n ie

Informacja stanowi kluczowy element każdego procesu decyzyjnego. Decyzje w przedsiębiorstwie podejmowane są na poziomie zarządzania, kierownictwa oraz na poziomie planowania strategicznego. Spośród wymienionych, najważniejszymi są te podejmowane przez kierowników i związane są one z zespołami pracowniczymi.

W przedsiębiorstwach produkcyjnych dostarczenie na czas niezbędnej informacji może przyczynić się do obniżenia kosztów związanych z produkcją wyrobów, zwiększenia sprzedaży, wychwycenia partii brakowej niezgodnej ze specyfikacjami i normami jakościowymi etc. W artykule przedstawiono rolę informacji w procesach związanych

z produkcją wyrobów przedsiębiorstwach sektora motoryzacyjnego.

1. Wstęp

Informacja i związane z nią procesy od niepam iętnych czasów odgrywały duże znaczenie w gospodarce, polityce i życiu społecznym . Inform acją je s t wiadom ość, która podnosi poziom w iedzy jej odbiorcy i jest ukierunkowana na w ytyczony przez niego cel [11], Organizacja chcąc utrzymać przewagę konkurencyjną musi dążyć jej poszukiwania nie tylko w sferze „realnej" ale również i w sferze niem aterialnej, a w tej isto tn ą rolę pełnią procesy inform acyjne [3], Informacja pozwala na realizację funkcji zarządzania, wśród których wym ienić należy planowanie, organizowanie, przewodzenie czy kontrolowanie. O efektywnym zarządzaniu można m ówić w przypadku, kiedy posiadam y inform acje o organizacji i jej otoczeniu [4], Obieg informacji w przedsiębiorstwie jest zagadnieniem w ażnym , w arunkującym jego działanie. Informacje powinny być przekazywane w dwóch kierunkach uwzględniających hierarchiczną strukturę przedsiębiorstwa - w kierunku poziomym oraz pionowym . Komunikacja pozioma zachodzi pom iędzy kom órkam i, które ze sobą w spółpracują i znajdują się na tym samym poziomie organizacyjnym . Kom unikacja ta pozwala na przyspieszenie prac nad w spólnym i projektami oraz usprawnia w ykonyw anie prac adm inistracyjnych. W przypadku kierunku pionowego inform acje przechodzą od pracowników niższego szczebla, następnie grom adzone i przetwarzane s ą przez szczeble pośrednie aby następnie dotrzeć do kierownictwa przedsiębiorstwa. Informacje, które dostają się do kierownictwa, to dane o bieżącej produkcji, sprzedaży, zatrudnieniu, wydajności etc. Na podstawie dostarczonych inform acji kierownictwo m oże opracować krótko- lub długoterm inowe strategie [Por. 7, 9]. Ażeby plany te m ogły być wykonane zgodnie z założeniam i, niezbędna je st dobra komunikacja również w drugą stronę - pracownicy niższych szczebli m uszą w iedzieć jakie zadania i w jakim czasie m ają zostać przez nich wykonane.

2. Informacja w organizacji

Informacja je s t jednym z czynników, które d ecydują o m ożliw ościach rozwojowych i potencjale ekonomicznym. Informacja jest niezbędna do prawidłowego funkcjonowania i rozwoju każdego społeczeństwa [8]. W ydajne i efektywne zarządzanie przedsiębiorstwem funkcjonującym w realiach gospodarki rynkowej przy coraz większej konkurencji narzuca konieczność podejm owania decyzji bazujących na ścisłych i dokładnych metodach [1]. Podejm owanie decyzji stanowi kluczowy składnik ogólnego procesu zarządzania, który prowadzi do zrealizow ania stojących przed organizacją zamierzeń.

Punktem wyjścia, dotyczącym procesu decydowania, je s t czynność intelektualna związana z rozwiązywaniem problemów. Problem, to rodzaj sytuacji czy zadania, której nie m ożna rozwiązać za p om ocą posiadanego zasobu wiedzy, intuicji czy wyczucia. Jego rozwiązanie je st m ożliwe dzięki czynnościom produktywnego myślenia prowadzącego do wzbogacenia w iedzy podmiotu oraz użyciu naukowych podejść i metod w ykorzystywanych w procesach decyzyjnych [5],

Menedżerowie powinni dołożyć starań, aby gruntow nie zrozum ieć wszystkie źródła zaistniałego problemu i posłużyć się możliwie ja k najlepszymi algorytmami jego rozwiązania, tak aby każde takie rozwiązanie w ytworzyło efekt synergiczny i przyczyniło się do podniesienia sprawności oraz nowoczesności organizacji [12],

W edług S. Krawczyka decyzją je st akt wskazania w ybranego z działań, lub podanie jego jednoznacznego wyboru. Jeżeli zbiór dopuszczalnych działań D i zdarzeń C s ą zbiorami skończonymi, problem decyzyjny przedstawić m ożna za pom ocą macierzy w ypłat, gdzie kolum ny odpow iadają w arunkom zew nętrznym , a wiersze poszczególnym działaniom. Liczba, która znajduje się na przecięciu i-tego wiersza i j-tej kolum ny stanowi miarę użyteczności określonego działania, przy sprecyzowanym warunku zewnętrznym [Por. 1, 6]. K olejną strukturą pozw alającą przedstawić proces decyzyjny je st drzewo decyzyjne, przedstawiające sekwencję decyzji i w arunków zewnętrznych w sposób hierarchiczny, gdzie w skazanie wybranego działania (które zostaje zastąpione podaniem przepisu jego wyznaczenia), je s t głównym etapem problemu decyzyjnego [1],

3. Informacja w przedsiębiorstwie produkcyjnym sektora m otoryzacyjnego

Procesy produkcyjne w dużej m ierze opierają się podejm owaniu decyzji związanych wyborem określonych parametrów produkcyjnych oraz na poziom ie ogólnej strategii zarządzaniu procesem produkcyjnym [2], Tworząc wyrób producent musi włączyć do rozwoju w ym agania swoich klientów. Uwzględnione powinny być takie inform acje jak: dokumentacja zam ówienia obejm ująca cechy w ytw arzanego wyrobu, ilość sztuk, obowiązujące terminy, warunki dostaw, w szelkiego rodzaju przepisy sprawdzające, koncepcje związane z logistyką, plany zw iązane z utylizacją, rysunki, normy i specyfikacje, ustalenia odnoszące się do jakości, zarządzenia i ustawy etc. W yniki i zdolności producenta s ą w odpowiednich m om entach poddawane kontroli i oceniane. Jeżeli wyniki kontroli sugerow ały będą, że proces je st poza kontrolą, podejm owane s ą decyzje o ustanowieniu tzw. programów kwalifikujących. Przy dostawach modułów całkowita odpowiedzialność za nadzór nad ja ko ścią wytwarzanych elem entów spoczywa na ich producencie. Uwzględniane s ą protokoły kontrolne i pomiarowe, ocena osiągnięć jakościow ych (jakość, koszty, serwis), ocena ciężkości błędów. Na producencie spoczywa także całkowita odpowiedzialność za udoskonalenia. Uwzględniane s ą m iędzy innymi zakresy pracy, redukcja braków (wewnętrzna i zewnętrzna), redukcja nakładu kontroli przy

jednoczesnym zwiększeniu pewności procesu produkcyjnego, czy ustalenie m ierzalnej w ielkości celów zw iązanych z jakością, optym alizacją kosztów, serwisem etc. Dla wszystkich wyrobów wytwarzanych przez dostaw cę zarów no przed produkcją nowych, ja k i wytwarzanych seryjnie lub zm ienionych elem entów czy procesów obowiązkowo m usi zostać przeprowadzone tzw. postępowanie dopuszczające. W ym agania związane z dostarczanym i produktam i przyjm owane są z ustaleń jakościow ych i m uszą być konsekw entnie realizowane. Uwzględnione m uszą być m iędzy innymi: kierowanie, weryfikowanie, składowanie, transport, zachow anie odpowiedniej jakości i właściw ości (data przydatności produktu do użytku), czy przepływ inform acji w przypadku strat i d e fic ^ó w . Personel dostawcy - producenta musi być odpowiednio przeszklony dla konkretnych zadań. Należy ustalić osoby, które będą odpowiedzialne przykładowo za w ybór i ocenę poddostawców, składowanie, transport produktów, logistykę, czy sprawdzenie wyprodukowanego wyrobu (detalu lub kom ponentu).

Pracownicy odpowiedzialni za określone zadania m u szą być zaznajom ieni z procesem produkcji, znać specyfikacje oraz w ym agana określone przez klientów.

Osoby takie m uszą posiadać w iedzę na temat cech produkowanych wyrobów, przebiegach produkcji, obowiązujących norm i ustaw, a także m etod oceny i technik jakości, aby w razie zaistnienia sytuacji problemowych na podstawie posiadanych danych i informacji podjąć odpowiednie decyzje, m ające na celu usprawnienie procesu czy podjęcie działań naprawczych.

4. Inform atyczne w spom aganie podejm owania decyzji w przedsiębiorstwach produkcyjnych

System y w spom agania decyzji m a ją zastosowanie na wszystkich poziomach zarządzania organizacją. W yróżnić m ożna dwie własności odróżniające system y wspom agania decyzji od pozostałych system ów inform acyjnych. Przede wszystkim system y te na podstawie dostarczonych informacji podejm ują decyzje samodzielnie, zalecając je użytkownikom korzystającym z ich pomocy, po drugie w system ie wspom agającym podejm owanie decyzji podm iot odpow iedzialny za podjęcie decyzji stanowi nierozłączną część system u i je s t przez system traktowany ja ko ogniwo procesu decyzyjnego. Inform acyjny system produkcyjny ma za zadanie w ykorzystać technologię kom puterow ą w celu ulepszenia procesu i efektywności systemu wytwarzania, aby uzyskać produkty wysokiej jakości przy m ożliwie jak najniższych kosztach ich w ytwarzania. Stopień przystosowania oferty przedsiębiorstwa do oczekiwań i wym agań odbiorców ma bezpośredni w pływ na zarządzanie systemem produkcji oraz jego kształtowanie, gdyż charakter wytwarzanych produktów oraz świadczonych usług decyduje o rodzaju organizacji oraz sposobie zarządzania produkcją [10].

5. W nioski

Informacja stanowi w ażny elem ent funkcjonowania przedsiębiorstwa produkcyjnego na każdym etapie wytwarzania. Niedopatrzenia wynikające z nieodpow iedniego wykorzystania posiadanych informacji zakończyć się m ogą m iędzy innymi w yprodukowaniem w yrobów brakowych - niezgodnych z wym ogam i czy specyfikacjam i. W przemyśle motoryzacyjnym wyroby brakowe zam ontowane w pojeździe przyczynić się m ogą do obniżenia bezpieczeństwa ekologicznego, konstrukcyjnego, ekonom iczności czy niezawodności elementu.

LITERATURA

1. Biolik J., Ekorometryczne modele wspomagania decyzji w przedsiębiorstwie, Prace naukowe Akademii Ekonomicznej im. Karola Adamieckiego, Katowice 1993, s. 5.

2. Czarny E., Nojszewska E., Szyjewska E.M., Mikroekonomia, Wydawnictwo Szkoły Głównej Handlowej, Warszawa 1995, s. 18.

3. Czekaj J., Metody zarządzania informacją w przedsiębiorstwie, Wyd. AE w Krakowie, Kraków 2000.

4. Kisieinicki J., Sroka H., Systemy informacyjne biznesu, PLACET, Warszawa 1999.

5. Kozielecki J „ Rozwiązywanie problemów, PZWS, Warszawa 1969,s.16.

6. Krawczyk S., Matematyczna analiza sytuacji decyzyjnych, PWE, Warszawa 1990.

7. Kwiatkowska A.M., Systemy wspomagania decyąi. Jak korzystać z wiedzy i informacji, Wydawnictwo PWN, Warszawa 2007.

8. Oleński J., Elementy ekonomiki organizacji, Wyd. Katedra Informatyki Gospodarczej i Analiz Ekonomicznych Uniwersytetu Warszawskiego, Warszawa 2000.

9. Pabian A., Gworys W., Podstawy zarządzania przedsiębiorstwami usługowymi, Wyd. Wyższej Szkoły Hotelarstwa i Turystyki, Częstochowa 2003.

10. Shim J.K., Siegei J.G., Chi R., Technologia informacyjna, Dom Wydawniczy ABC, Warszawa 1999, s. 36.

11. Strużycki M. (red.), Podstawy zarządzania przedsiębiorstwem, Wyd. SGH, Warszawa 1999.

12. Zbichorski Z., Doradztwo organizacyjne w przedsiębiorstwie przemysłowym, Ekonomika i Organizacja Przedsiębiorstwa, Instytut Organizacji i Zarządzania w Przemyśle ORGMASZ, 1991, s. 9.

Rozdział 2

Rozmyty system wnioskujący dla inwestora

Arkadiusz Banasik Politechnika Śląska arkadiusz.banasik@polsl.pl

S tre s z c z e n ie

Analizy przeprowadzone przez niezależne instytucje badawcze w zakresie stosowania sztucznej inteligencji w finansach jednoznacznie ukazują, iż jest to obszar bardzo gwałtownie rozwijający się. Automatyczne algorytmy pojawiające się na rynkach amerykańskich, europejskich i azjatyckich mają coraz większy udział w wolumenie transakcji na giełdach. Za zaangażowaniem systemów wspomagania decyzji w zakresie inwestycji przemawia także dzienny obrót w wielkości 120 miliardów dolarów (tylko na rynku amerykańskim), co pokazuje, iż jest to problem niezmiernie ważny również z punktu widzenia ekonomicznego.

Odpowiednie zestawienie elementów sztucznej inteligencji - logiki rozmytej i sieci neuronowych - w systemie wspomagania decyzji dla inwestora daje wymierne rezultaty.

Zastosowanie wspomnianych elementów pozwala na określanie trendów na rynkach, co pozwala na wykonywanie bardziej efektywnych inwestycji w zakresie oferowanych walorów.

Przeprowadzone symulacje jednoznacznie wskazują, iż możliwe jest w zakresie systemu giełdowego połączenie danych ilościowych i elementów doświadczenia ekspertów.

Możliwość połączenia tych dwóch aspektów również ukazuje pełniejszy obraz giełdy i daje inwestorowi narzędzie wspomagające służące do podejmowania bardziej racjonalnych decyzji. Decyzje te mają wymierny skutek w postaci finansowej, a wynik finansowy inwestora leży przecież w żywotnym interesie każdej z osób inwestujących na giełdzie.

1. W prow adzenie

inw estow anie od zawsze kojarzy się z angażowaniem własnych środków finansow ych inwestora I niezaprzeczalnie wiąże się z ponoszeniem przez niego ryzyka. Takie podejście od zawsze powodowało w yszukiw anie m etod i aparatu w spom agającego podejm owanie decyzji inwestycyjnych. W ostatnim okresie inwestowanie stało się polem do zastosowania inteligencji obliczeniowej (ang.

C om putational Intelligence).

Z raportu opublikow anego przez Aite Group wynika, iż w 2010 roku 50%

am erykańskiego, 28% europejskiego i 16% azjatyckiego strum ienia przepływów pieniężnych na giełdach będzie przeprowadzane autom atycznie przez stworzone algorytm y transakcyjne (ang. trading algorithm s) [1],

W yzwaniem , z którym należy się zm ierzyć je s t problem zam odelowania rynku finansowego. Problemem, który stanowi największe w yzw anie je s t w pływ wielu czynników takich ja k stopy procentowe, kursy walut, stopa wzrostu, płynność finansow a i w iele innych. P odstaw ą problemów poza w ie lo ścią czynników je s t to, iż nie ma „tw ardych” założeń teoretycznych co do zmian na rynku, a zm iany w ystępujące m ają charakter nieliniowy, niestacjonarny i odłożony w czasie [1, 3].

W takich sytuacjach konieczne je st wsparcie analizy rynku opiniami ekspertów oraz ich w ie d zą z zakresu skutków decyzji podejm owanych w ramach dozo walonych

prawem działań przez państwo oraz inwestorów. Takie podejście w iąże się z koniecznością w łączenia do analiz elem entów wnioskujących na podstawie wiedzy eksperckiej.

W takim ujęciu konieczne jest zastosowanie elem entów sztucznej inteligencji (ang. Artificial Intelligence), które pozw olą na analizę zarówno danych historycznych (danych ilościowych) ja k i danych wyrażonych przez ekspertów (dane w postaci lingwistycznej, często jakościow e) [5, 6].

Niniejszy artykuł przedstawia propozycję wspom agania inwestora i jego decyzji poprzez rozm yty system w nioskujący w spom agany zastosowaniem sieci neuronowych do analizy danych i ich grupowania.

2. Rozm yty system wnioskujący

Rozmyty system w nioskujący składa się z elem entów, które odpow iadają za realizację poszczególnych funkcji system u. Rozmyty system w nioskujący obejm uje (rys. 1) [6]:

• Blok rozm yw ania;

• Blok w nioskow ania;

• Bazę reguł;

• Blok w yostrzania.

Blok rozmywania przetwarza dane w ejściow e I klasyfikuje je do zbiorów w ejściowych, które s ą zbioram i rozmytymi. Umożliwia to zam ianę danych ostrych w dane rozmyte w celu ich dalszego przetwarzania.

Baza reguł zawiera zestaw opracowanych do system u założeń pom agających w odpowiednim podejm owaniu decyzji.

Blok wnioskowania je st im plem entacja reguł I w oparciu o dane wejściowe w eryfikuje założenia i podejmuje określone decyzje w ramach systemu wnioskowania.

Blok wyostrzania zastępuje wyniki rozm yte na wyniki ostre (wyrażone w postaci liczb ostrych).

W skazane powyżej założenia obejm ują teoretyczne podstawy konstruowania rozmytych system ów decyzyjnych, jednak każdy z nich musi być konstruow any pod określone w ym agania wynikające ze specyfiki zadania, ja kie zostało postawione do wykonania przed system em . W ynika stąd jasno, iż system y w nioskujące są m odyfikowane w zależności od potrzeb.

Rys. 1. Budowa rozm ytego systemu w nioskującego Źródło: Opracowanie w łasne na podstaw ie [6 ]

3. Założenia dotyczące eksperym entu

Ogólna koncepcja ja k ju ż w spom niano wyżej je s t dostosowywane do potrzeb konkretnego problemu, który rozm yty system w nioskujący ma rozwiązać.

W niniejszej pracy analizie poddano dane historyczne z giełdy w Szanghaju.

Stworzono system rozm yty wspom agany wykorzystaniem sieci neuronowych, które posłużyły do uczenia systemu oraz dały m ożliwość uogólniania czynników, których w pływ na giełdę był konieczny do uwzględnienia a skom plikowany w odwzorowaniu (do tego celu użyto sieci neuronowych ART1, które w ykorzystyw ane s ą w binarnej analizie obrazów).

Powyższe uwarunkowania wskazują, iż podstaw ą do m odelowania decyzji są dane historyczne pogrupowane w określony sposób i poddane dalszemu procesowi analizy i przetwarzania. Dane pochodzą z jednego roku działalności giełdy.

Specyfika rynku azjatyckiego została w ybrana ze względu na odpowiedni układ danych historycznych.

Podstawowym efektem jaki ma dać zastosowanie rozmytego systemu w nioskującego dla Inwestora je st prognoza trendu dla wybranych papierów wartościowych.

4. Sposób realizacji

Procedurę realizacji przedstawia Rys. 2, a w dokładniejszym ujęciu prezentuje się ona następująco:

1)Z danych historycznych utworzono szeregi czasowe na w ejściu systemu;

2) Podjęto zadanie klasyfikacji danych wejściow ych na przyjęte 9 w zorców;

3 )Stworzono 3-w arstw oą siec neuronową do analizy w stępnie pogrupowanych (przetworzonych) w zorców;

4) Na podstawie zbiorów uczących stworzono rozmyte reguły w oparciu o wcześniej zdefiniowane wzorce;

5) Przeprowadzono sym ulację trendów na podstawie zbiorów testowych;

6) Podjęto się procesu w yostrzania uzyskanych wyników, aby końcowe efekty były w yrażone w sposób ostry (w postaci wyników, które nie s ą rozmyte).

Rys. 2. Proces realizacji eksperym entu Źródło: Opracowanie własne

W ramach tak skonstruowanego procesu realizacji rozmytego systemu decyzyjnego doprowadzono do finalnego określenia prognozy trendów w badanych grupach papierów wartościowych.

Aby powyższe ustalenia m ogły m ieć miejsce konieczne było zastosowanie odpowiedniego zestawu m etod i technik sztucznej inteligencji oraz operacji które składają się na realizację procesu wnioskowania. Do najważniejszych należy zaliczyć:

• K onstrukcję zb io ró w danych w ejściow ych w oparciu o średnie ruchom e i odchylenie standardow e z 5 dni;

• S ieć neuronow ą skła d a ją cą się z jednej podsieci o 20 neuronach w ejścia, 30 neuronach ukrytych i 9 neuronach w yjściow ych;

• S tw orzenie odpow iedniego zbioru treningow ego składającego się z 70 w zorców, po 20 w artości każdy obejm ujących o kres pięciu dni aktyw ności na giełdzie;

• Z astosow anie uczenia bez nadzoru dla stw orzonej sie ci w skazanej w cześniej;

• Z astosow anie sie ci ART1 dookreślania reguł rozm ytych, która obejm ow ała 15 neuronów w ejściow ych i 9 w yjściow ych;

• Zastosow anie 30 reguł (stw orzonych na podstaw ie uczenia sie ci ja k i reguł eksperckich) do procesu treningow ego sie ci A R T 1;

• W procesie wyostrzania (defuzyfikacji) zastosow ano sch e m a t najw iększej w artości funkcji przynależności.

Procedura realizacji eksperym entu jak w idać była bardzo złożona i wym agała zastosowania w yselekcjonowanych (w zależności od potrzeb) m etod i technik sztucznej inteligencji. Kluczowym aspektem było, ja k ju ż w spom niano, wyznaczenie trendu na podstawie danych historycznych, który ma służyć jako narzędzie pom ocnicze w realizacji procesu inwestycyjnego.

O dpowiednia konfiguracja przedstawionego system u może być przedmiotem adaptacji do warunków innych giełd w innych rejonach świata, co powoduje, iż mechanizm dostosowywania będzie opierał się na odpowiednim doborze zbiorów treningowych i testowych.

5. Wyniki

W wyniku realizacji przedstawionych w cześniej m etod i technik sztucznej inteligencji otrzymano następującą funkcję, któ rą poddano analizie:

: log

O

(

)

Gdzie:

C i - to cena dnia;

C2 - to cena przez kolejny tydzień.

Po przeprowadzonych sym ulacjach doprowadzono do otrzym ania 3 reguł, które w yznaczają trendy (graficzna prezentacja na Rys. 3.):

• Trend rosnący (AS) przy w artości funkcji +1;

• Trend m alejący (D S ) przy w artości funkcji -1;

• Trend stały (ST) przy w a rto ści funkcji 0.

Rys. 3. W ynik wnioskowania rozm ytego systemu Ź ródło: Opracowanie własne

Rys. 3. Przedstawia wizualizację wyników, ale przed procesem w yostrzania. Tak przedstawione wyniki ukazują, do jakich uogólnień i prostych do analizy rezultatów m oże doprowadzić umiejętnie zastosow any aparat m atem atyczno-informatyczny.

6. W nioski

Przeprowadzony proces w nioskow ania doprowadził do ograniczenia liczby reguł w system ie z pierwotnych 30 do 3 w finalnej części, co m ożliwe było w wyniku zastosow ania algorytm ów logiki rozmytej i w konsekwencji doprowadziło do znacznego zm niejszenia stopnia złożoności problemu.

N ajw ażniejszą cechą zastosowanych algorytm ów logiki rozmytej był efekt otrzym ania wartości ostrej w finalnym stadium realizacji procesu wnioskowania, co je s t kluczowym aspektem dla każdego inwestora, który nie musi znać się na zagadnieniach rozmytych.

P oprawność przeprowadzonego w nioskow ania potwierdzają wyniki przeprowadzonych sym ulacji, które określają iż: prawidłowa ocena trendów określana je s t na poziom ie 92% w zbiorze treningowym i na poziom ie 74% w zbiorze testow ym .

Analiza danych wejściowych pozwoliła na stwierdzenie, iż zbudow any system doskonale się sprawdza, gdy część danych na w ejściu m a charakter ciągły.

Poziom skom plikowania sytuacji na giełdzie w ym aga precyzyjnego opisu m atem atycznego zjawisk tam zachodzących, co przy poziom ie złożoności nie jest w 100% możliwe. Dlatego też lukę w opisie matem atycznym wypełnia system wspom agania decyzji.

Bazy w iedzy pow stają w wyniku połączenia informacji ilościowych i jakościowych.

Dzięki zastosowaniu logiki rozmytej także wyrażonych w języku naturalnym (zmienne lingwistyczne). Takie podejście powoduje, iż reguły generow ane przez system są lepiej przyswajalne - inwestorzy m a ją poczucie, iż nad nimi pracowali eksperci.

Kolejnym krokiem, który należy podjąć przy analizie zagadnienia jest przeniesienie system u do warunków polskich oraz spraw dzenie m ożliwości zastosow ania teorii m ożliwości i efektów jakie taka m odyfikacja przyniesie.

LITERATURA

1. Algos 3.0: Development In Algorithmic Trading. Trader Magazine 2007. Special Report.

SourceMedia’s Custom Publishing Group.

2. Barabazon A., O'Neill M., Dempsey I.: An Introduction to Evolutionary Computation in Finance. IEEE Computational Intelligence Magazine. November 2008 Volume 3 Number 4, s. 42-55.

3. Bojadziev G., Bojadziev M.: Advances In Fuzzy Systems: Applications and Theory - Vol. 23. Fuzzy Logic for Business, Finance and Management. World Scientific Publishing. Singapore 2007.

4. Deboeck G. (Eds.): Trading on the edge. Neural, Genetic and Fuzzy Systems for Chaotic Financial Markets. John Wiley and Sons. Toronto 1994.

5. Łęski J.: Systemy neuronowo-rozmyte. WNT. Warszawa 2008.

6. Rutkowski L.: Metody i techniki sztucznej Inteligencji. PWN. Warszawa 2009.

Rozdział 3

Zarządzanie procesem produkcyjnym z zastosowaniem logiki rozm ytej

Jerzy Szkutnik, Aleksandra Ptak Politechnika Częstochowska

olaptak@pcz.pl

S tre s z c z e n ie

Przez decydowanie najczęściej rozumie się dokonywanie świadomego wyboru jednego z wielu możliwych w danej sytuacji sposobów postępowania [1], Menedżer powinien umieć rozpoznawać problemy, traktować je wybiórczo, definiować na wszystkich etapach występowania oraz identyfikować ich rzeczywiste przyczyny [3], Powinien umieć rozpoznać, co jest, a co nie jest problemem - przeprowadzić analizę zaistniałego problemu w celu poznania jego natury, zrozumienia istoty i określenia przyczyn, które go wywołały [5], System wspierający podejmowanie decyzji ma za zadanie wspomagać decydentów (pracujących osobno lub w grupach) w dokonywaniu trafnych wyborów na podstawie danych i informacji jakie posiadają. W rozdziale przedstawiona zostanie koncepcja narzędzia wspomagającego procesy jakościowe w przedsiębiorstwie produkcyjnym przy wykorzystaniu modelowania rozmytego.

1. W prow adzenie

Każde przedsiębiorstwo uczestniczące w grze rynkowej musi bezustannie

„dostrajać się” do warunków i w ym agań jego otoczenia. Musi w prow adzać zm iany wym uszające korzystne dla siebie zachowanie tego otoczenia poprzez nowe, atrakcyjne produkty, form y sprzedaży, doradztwo itp., przedsiębiorstwo musi także zm ieniać siebie, dostosowywać się do w ym ogów otoczenia i tłum aczyć je na język organizacyjnych celów, planów czy sposobów działania [3]. Decydowanie może zachodzić w w arunkach, gdy decydent posiada inform ację o kształtowaniu się poszczególnych parametrów charakteryzujących działalność przedsiębiorstwa oraz otoczenie przedsiębiorstwa. Żadna z podejm owanych decyzji nie powstaje

„sam oistnie”, lecz je st transform acją jednego rodzaju informacji (informacji bazowych) w inny ich rodzaj - decyzję [2]. Proces przekształcania informacji bazowych może być dokonywany w różny sposób, w zależności od złożoności zjawisk wym agających podjęcia decyzji oraz doboru m etod i technik służących temu przekształceniu [2].

Celem system ów w spom agania decyzji je st wspieranie procesu decyzyjnego poprzez uspraw nienie fachowej oceny problem ów decyzyjnych dzięki wsparciu inform acyjnem u i obliczeniowem u na każdym etapie podejmowania decyzji [3],

2. Koncepcja zastosow ania m odelowania rozm ytego do oceny jakości w yrobów

Ocena jakości w yrobu przeprowadzona będzie w odniesieniu do jednego z kom ponentów wytwarzanych w przedsiębiorstwie produkcyjnym branży m otoryzacyjnej. Każdy z elem entów posiada szereg parametrów, na podstawie których oceniana je st jego jakość. Przyjmijmy, że komponentem tym je s t tłumik półosi.

Dla wszystkich parametrów określone zostały w artości optimum, minimum oraz m aksim um . W ykorzystując posiadane dane jesteśm y w ięc w stanie utworzyć dla każdego parametru trójkątne funkcje przynależności. Utworzone funkcje przynależności stanowić będą bazę do modelowania rozmytego, a utworzony model może być wykorzystany do oceny determ inistycznej i rozmytej.

Przyjmijmy, że w ybrany przez nas elem ent posiada określone parametry, każdy z tych param etrów przyjmuje wartości w przedziałach [min, max], Do przeprowadzenia badania w ybrane zostały dwa parametry, które zostały skategoryzowane i rozmyte przy pom ocy funkcji przynależności.

Przyjmijmy, że dla wybranym przez nas komponentem je s t kom ponent o nazwie T, jego wybranym i param etram i są: T1 oraz T2. W prezentowanym przykładzie wykorzystanych zostanie po sześć wym iarów dla każdego z w ybranych parametrów.

Dla pierwszego parametru przyporządkowane funkcje przynależności to:

T1 = 0; 0,38; 0,86; 1 ;0,69;0, dla drugiego parametru funkcje przynależności w ynoszą kolejno: T2 = 0; 0,23; 1; 0,75; 0,46; 0.

Aby uwzględnić koniunkcję parametrów w w yrobie posłużym y się operatorem służącym do obliczania iloczynu liczb rozmytych - PROD. Tw orzym y mapę argum entów oraz w ariacje kom binatoryczne zestawień param etrów związane konkretnym i operacjami arytm etyki rozmytej. Kolejnym etapem je s t stworzenie m apy złożonej funkcji przynależności. Do kreowania złożonej form y funkcji przynależności wybrano agregację typu Max. Poruszam y się od punktu o najm niejszej wartości argum entów określonych w 1 etapie do wariacji m aksym alnej wartości funkcji przynależności określonej w 2 etapie oraz od punktu o największej wartości argum entów do punktu największej w artości funkcji przynależności wybierając w ariacje sąsiednie o m aksym alnych wartościach funkcji przynależności.

Argum enty przedstawione zostały w tablicy 1. W tablicach 2 i 3 przedstawiono zestaw y funkcji przynależności p(t1*t2). W artości szacowane s ą za pom ocą średniej ważonej - operatora Max Mean, gdzie przykładowe wagi dla tablicy 2 w ynoszą wt1 = 0,61 oraz w t2 = 0,39,

a dla Tablicy 3

wt1 = 0,27 oraz w t2 = 0,73.

Dzięki wykorzystaniu dwóch zestawów wag otrzym am y dwa różne diagram y struktury i funkcji przynależności.

Tab. 1. Zestaw argum entów kategorii t1 ’ oraz t2 ’

kategorie t2’

1 2 3 4 5 6

6 6 12 18 24 30 36

5 5 10 15 20 25 30

4 4 8 12 16 20 24

3 3 6 9 12 15 18

2 2 4 6 8 10 12

1 1 2 3 4 5 6

kategorie t l ’

tl* t 2

Źró dło : opracow anie własne na podstaw ie [4]

Tab. 2. Mapa funkcji przynależności dla t1 ’ oraz t2’ z uwzględnieniem wag wt1=0,61 i wt2=0,39 przy użyciu operatora Max Mean

0 0,38 0,86 1 0,69 0

0 0 0,23 0,52 0,6 | n4? fi

0,23 0,08 0,31 0,60 0,6 0,50 0,08

1 0,39 0,62 0.91 1 0,81 0,39

0,75 0,29 0,52 0,81 0,9 0,71 0,29

0,46 0,17 0,4 0,69 0,78 0,59 0,17

0 0 o .(¡„52 0,61 0,42 0

Źródło: opracow anie własne

W yniki przedstawione zostały w poniższej tablicy i diagram ie zależności złożonej funkcji przynależności p tr e (y) od argum entów rozmytych (y = t1 ’*t2’)

Tab. 3. Funkcja przynależności iloczynu param etrów t1 i t2 z uwzględnieniem wag wt1=0,61, wt2=0,39

y 1 2 3 6 8 12 16 20 24 30 36

p(y) 0 0,23 0,52 0,69 0,81 0,91 1 0,69 0,61 0,42 0 Źródło: opracow anie własne

Tab. 4. Mapa funkcji przynależności dla t1 ’ oraz t2’ z uwzględnieniem wag wt1=0,27 i wt2=0,73 przy użyciu operatora Max Mean

0 0,38 0,86 1 0,69 0

0 0 0,10 0,23 0,27 0,18 ]

0,23 0,16 0,26 0,39 0,43 0,34 0,16

l 0,73 0,83 0,96 1 0,91 0,73

0,75 0,54 0,64 0,77 0,81 0,72 0,54

0,46 0,23 0,43 0,56 0,60 0,51 0,33

0 0 0,10 0,23 0,27 0,18 0

Źródło: opracow anie własne

Tab. 5. Funkcja przynależności iloczynu param etrów t1 i t2 z uwzględnieniem wag w t1=0,27, wt2=0,73

Y i 2 3 4 9 12 16 20 25 30 36

p(y) 0 0,23 0,54 0,74 0,83 0,96 1 0,91 0,34 0,18 0 Źródło: opracow anie wiasne

Tab. 6. W yniki dotyczące lokalizacji punktów charakterystycznych funkcji przynależności dla obu par wag

1 2 3 4 5 6

6 6 12 18 24 ^{. 3 IL___}

5 5 10 15 2t 25 30

4 4 8

121 -U 20 24

3 3 6 9 12 15 18

2 2 4 6 8 10 12

1 1 ^.3. 4 5 6

Ź ródło: opracow anie własne

Poniżej przedstawiono ilustrację graficzną funkcji przynależności iloczynu param etrów według zadanych wag.

Rys. 1. W ykres funkcji przynależności iloczynu param etrów t1 i t2 według wag w t1= 0,61, wt2=0,39

Źródło: opracow anie własne

o,8-

--- n---

0,6- ---

0,4--- 0,2- f] --- fj---- o-l— L—,11—T1 L nl L t 1 — M 1—,11-,— ,

1 2 3 4 9 12 16 20 25 30 36

Rys. 2. W ykres funkcji przynależności iloczynu param etrów t1 i t2 według wag wt1= 0,27, wt2= 0,73

Źródło: opracow anie własne

3. Rozm yta ocena jakości prób z pom ocą złożonej funkcji przynależności

Eksperci lub postawione techniczne i technologiczne w ym agania stanow ią podstawę do określenia poziomu restrykcji.

Jakością próby je st stosunek liczby wyrobów ze strefy akceptacji accz do liczby wszystkich w yrobów w próbie Iw:

Qd(w) = accz / Iw gdzie:

Od (w) - rozmyta ocena jakości próby wyrobów.

R estrykcyjność oceny jakości można regulować poziomem restrykcji (można go podwyższyć lub obniżyć), zakresem argum entów i kształtem złożonej funkcji przynależności.

Jeśli przyjmiemy, że poziom restrykcji w ynosił będzie 0,62. Analizując przykład pierwszy, stworzony na bazie wag w t1= 0,61 oraz w t2 = 0,39, m ożem y stwierdzić, że założone przez nas kryterium spełnia pięć param etrów na jedenaście, w przykładzie drugim kryterium spełnia również pięć param etrów. Zakres akceptacji w pierwszym przypadku w aha się pom iędzy 6, a 20, w przypadku drugim przy w agach wt1 = 0,27

oraz w t2 = 0,73, w ystępuje w przedziale pomiędzy 4, a 20. W obu przypadkach zakres akceptacji wynosi 45%.

W przypadku, kiedy poziom akceptacji ustalim y na 0,53, w pierwszym przypadku kryterium spełni siedem param etrów w przedziale [3, 24] i zakres akceptacji w yniesie 63%, w drugim przypadku w ybrane kryterium spełniać będzie sześć parametrów z przedziału [3, 20], a zakres akceptacji w ynosić będzie 54%.

4. W nioski

M enedżerowie powinni starać się gruntownie zrozum ieć w szystkie źródła problemu i zastosować m ożliwie jak najlepsze algorytm y jego rozwiązania, tak aby każde takie rozwiązanie w yw ołało efekt synergii i przyczyniło się do podniesienia sprawności oraz nowoczesności firm y jako system u [6], System y w spom agania decyzji gw arantują jednakow e rozumienie i interpretację wyników różnego rodzaju raportów oraz analiz działalności przedsiębiorstwa, udostępniając rzetelne źródło informacji [3].

W powyższym przykładzie zaprezentowano koncepcję narzędzia m ającego na celu wspom agać decydentów podczas procesów produkcyjnych w dwuwymiarowym ujęciu parametrycznym. Zakres akceptacji przedstawiany procentowo w odniesieniu do całego zakresu funkcji przynależności je s t m ia rą restrykcyjności oceny jakości wyrobów. Jak widzim y, z powyższych przykładów wynika, że do stworzenia rozmytego m odelu adekwatnego rzeczywistym ocenom ekspertów należy dobrać:

postać złożonej funkcji przynależności, typ agregacji, typ operacji arytm etycznej dla argum entów oraz poziom restrykcji.

LITERATURA

1. Mikołajczyk Z., Techniki organizatorskie w rozwiązywaniu problemów zarządzania”, Wydawnictwo Naukowe PWN, Warszawa 1999.

2. Nowicki A. (red.) „Wstęp do systemów informacyjnych zarządzania w przedsiębiorstwie", Wydawnictwo PCZ, Częstochowa 2002.

3. Penc J. „Decyzje w zarządzaniu", Wydawnictwo Profesjonalnej Szkoły Biznesu, Kraków 1997.

4. Piegat J. Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2003.

5. Tyszka T. „Analiza decyzyjna i psychologia decyzji, Warszawa, 1986, s.21-25.

6. Zbichorski Z., Doradztwo organizacyjne w przedsiębiorstwie przemysłowym, „Ekonomika i Organizacja Przedsiębiorstwa” 1991.

Rozdział 4

Efektywność w drażania Inform atycznych System ów W spomagania Zarządzania w przedsiębiorstwach

Hubert Szczepaniuk

Wojskowa Akademia Techniczna hugulectus@gmail.com

S tre s z c z e n ie

Skuteczne wykorzystanie IT w zarządzaniu przedsiębiorstwem niesie za sobą szereg korzyści, począwszy od najbardziej ogólnych, w postaci usprawnienia zarządzania całością przedsiębiorstwa i polepszenia przepływu informacji, poprzez korzyści mierzalne znajdujące odzwierciedlenie w poprawie wskaźników aktywności gospodarczej organizacji. Warunkiem koniecznym osiągnięcia wymienionych korzyści jest efektywne wdrożenie Informatycznego Systemu Wspomagania Zarządzania (w skrócie: ISWZ) w pełnym zakresie jego. Wiele organizacji wdrażających ISWZ nie je s t zadowolonych z osiąganych efektów, z drugiej zaś strony istnieją firmy osiągające zadziwiająco duże korzyści dzięki wykorzystaniu ISWZ. W tej sytuacji zasadne wydaje się prowadzenie badań mających na celu zbadanie ISWZ pod kątem ich efektywności funkcjonalnej oraz efektywności wdrażania co przełoży się na zmniejszenie liczby niepowodzeń w zastosowaniu IT w zarządzaniu przedsiębiorstwem.

W niniejszym rozdziale autor zamierza przedstawić problemy związane z odpowiednim doborem ISWZ, zagadnienia związane z efektywnością wdrożenia ISWZ oraz znaczenie czynnika ewaluacji efektywności ISWZ.

Autor będzie się koncentrował na m.in. następujących zagadnieniach:

1) Krótka charakterystyka systemów MPR, MPR II, ERP, ERP II z uwzględnieniem doboru odpowiednich rozwiązań w aspekcie podejścia procesowego do projektowania funkcjonalności biznesowej organizacji.

2) Problemy związane z reengineeringiem i x-enineringiem przedsiębiorstw w kontekście wykorzystania ISWZ.

3) Efektywność i bezpieczeństwo wdrożeniowe, w tym krytyczne elementy mające wpływ na bezpieczeństwo i efektywność wdrażanie projektów IT.

4) Zarządzanie ryzykiem projektowym w kontekście efektywności wdrożeniowej z uwzględnieniem celów i metod eliminacji ryzyka przy określonej polityce bezpieczeństwa stosowanej w organizacjach.

1. Inform atyczne System y W spom agania Zarządzania 1 .1 .Istota

W czasach, gdzie obok zasobów tj.: złoto, srebro, ropa naftowa, itp. w yrasta nowy konkurencyjny i niedoceniany dotychczas zasób - informacja, fundam entalnego znaczenia dla nowoczesnych organizacji nabiera sprawny, efektyw ny system inform acyjny. Dla organizacji niezbędna staje się um iejętność efektywnego pozyskiwania, definiowania i analizowania faktów oraz zdarzeń, które przekształcają się w wiedzę będącą narzędziem do zarządzania organizacją.

S prawne zarządzanie tego typu przedsiębiorstwem im plikowane jest stałym doskonaleniem system u informowania. Istnieje w iele metod usprawnienia systemu inform acyjnego, je d n ą z nich je s t efektywne w drożenie IT w przedsiębiorstwie, m.ln.

wykorzystanie informatycznych system ów w spom agania zarządzania (ISWZ).

System inform atyczny zarządzania je s t to część systemu informacyjnego realizowana przez środki techniki komputerowej, którego celem je st w spom aganie procesów zarządzania w organizacji. Efektywny system inform atyczny w spom agający zarządzanie powinien realizować funkcje w zakresie pozyskiwania, grom adzenia, przetwarzania oraz udostępniania inform acji. W drożenie w przedsiębiorstwie ISW Z powoduje dla niego poważne skutki finansowe i organizacyjne. Decyzję o w drożeniu ISW Z w przedsiębiorstwie cechuje duże ryzyko niepowodzenia. W drożenie ISW Z może zakończyć się porażką przejaw iającą się nieosiągnięciem założonej funkcjonalności i/lub przekroczeniem założonego czasu i kosztów realizacji - niepowodzenie takie może w yw ołać bardzo negatywne skutki w funkcjonowaniu organizacji.

ISW Z stanow ią bardzo liczny zbór obiektów. Dokonanie charakterystyki owego zbioru je st trudnym zdaniem. W spom niana trudność przejawia się w wyodrębnieniu podzbioru system ów m ających cechy w spólne nie w ystępujące w innych system ach.

Spotyka się w iele podziałów ISWZ wg ustalonych kryteriów. Jednym z nich jest podział proponowany przez J. Kisielińskiego [4] na trzy zasadnicze generacje wg kryterium , którym s ą potrzeby inform acyjne decydentów:

1) Generacja l - system y transakcyjne - nie w ym agają specjalistycznego sprzętu ani oprogram owania. W spom agają organizację w realizacji następujących funkcji:

rachunkowości, gospodarki kadrowej, logistyki, itp. W praktyce w iększość system ów wspom agających zarządzanie to system y tej generacji.

2) Generacja II - system y inform owania kierownictwa - system y w ykorzystując bazę danych, pozw alają na pracę w trybie żądanie - odpowiedz. W ykorzystanie technologii baz danych doprowadziło do powstania System ów Informatycznych zarządzania (MIS - M anagem ent Inform ation System s) oraz Zintegrowanych System ów Zarządzania (IM IS - Integrated M anagem ent Infonnation Systems).

W spółczesne generacje system ów IMIS to system y klasy MPR II, ERP, ERP II, CRM, SCM.

3) Generacja III - system y doradcze - najbardziej złożone i bardzo dynam icznie rozwijające się w ostatnich latach. C echą szczególną tych system ów jest posługiwanie się bazami i hurtowniami danych, bazami modeli ja k również sztuczną inteligencją i bazami wiedzy. W ykorzystyw ane s ą również narzędzia takie ja k OLAP i techniki drążenia danych (data m ining). W tej generacji systemów w yróżnić można: System y W spom agania Decyzji, System y Ekspertowe, System y Sztucznej Inteligencji.

Inne podziały system ów inform acyjnych, przedstawione s ą w literaturze przedm iotu, przyjm ują również za główne kryterium funkcje przez nie wykonywane.

W literaturze wyróżnia się system y ewidencyjne, planistyczne, zarządzania zasobam i ludzkim i, system y inform acyjne dla m arketingu, itp.

1.2. Zintegrowane Systemy Informatyczne Zarządzania

O bserwując rozwój ISW Z można zauważyć tendencję do powstawania zintegrowanych system ów inform atycznych zarządzania, które łą czą w ym ienione generacje. System y zintegrowane w spierają w szystkie podstawowe funkcje zarządzania w organizacji poprzez m oduły przeznaczone do obsługi wszelkich procesów przetwarzania danych w organizacji. Tendencja integracji system ów rozpoczęła się w latach dziewięćdziesiątych XX w, na okres który przypada rów nież

bardzo dynam iczny rozwój IT. P ow stają system y określane mianem MPR II (M anufacturing Resource Planning - Planowanie Zapotrzebowania Materiałowego) i ERP/ERP II (Enterprise Resource Planning - Planowanie Zasobów Przedsiębiorstwa).

Standard funkcji system ów klasy MPR II został przez stow arzyszenie A P IC S 1 i obejmuje:

1) planow anie biznesowe,

2) planowanie produkcji i sprzedaży, 3) harm onogram owane planu produkcji, 4) zarządzanie popytem,

5) planowanie potrzeb materiałowych, 6) podsystem struktur w yrobów,

7) podsystem transakcji m ateriałowych, 8) podsystem harmonogramu spływu, 9) sterowanie produkcją,

10) planowanie zdolności produkcyjnych, 11) zarządzanie stanowiskiem roboczym, 12) zaopatrzenie,

13) planowanie dystrybucji, 14) pom oce warsztatowe,

15) interfejs do planowania finansowego, 16) symulacje,

17) pom iar działania systemu.

System y klasy ERP w zbogacają MRP II o procedury finansow e oparte na rachunku ekonomicznym (np. rachunek kosztów, rachunkowość zarządcza, itp.).

System y tej klasy stanow ią obecnie najbardziej złożoną klasę systemów zintegrowanych zarządzania. Dzięki wzbogaceniu o procedury finansowe możliwa je s t kontrola procesu produkcyjnego również przez pryzm at wskaźników w artościowych. Niestety dla system ów tej kasy nie istnieje obecnie form alny opis funkcji w ydany przez APIS. Nie przeszkadza to jednak w dynamicznym rozwoju tych systemów.

W arto przyjrzeć się stronie technicznej system ów ERP oraz stopniowej ewolucji technologii w nich w ykorzystywanych. Trzon pierwszych system ów ERP stanowiły następujące rozwiązania:

1) relacyjna baza danych w yposażona w strukturalny języka zapytań (SQL) oraz język program owania czwartej generacji (4GL),

2) graficzny interfejs użytkownika (GUI),

3) praca w oparciu o model komunikacji klient/serwer, 4) udostępnienie programistom standardów API, 5) dedykowane oprogram owanie klienckie, 6) realizacja standardu EDI2.

1 APICS The Association for Operations Management - (American Production and Inventory Control Society ) organizacja non-profit zajmująca się standaryzacją metod sterowania produkcją znanych jako MRP i MRPII.

' EDI (Electronic Data Interchange) - elektroniczna wymiana danych - transfer biznesowej informacji transakcyjnej od komputera do komputera z wykorzystaniem standardowych, zaakceptowanych formatów komunikatu.

Następnym etapem ewolucji technicznej system ów ERP jest:

1) przechodzenie na architekturę kom ponentową, um ożliw iającą dow olną budowę system u w zależności od potrzeb użytkownika i zakresu działalności organizacji,

2) w stępnie skonfigurowane m oduły systemu co skraca czas wdrożenia, 3) zastosowanie technologii m ultim edialnych,

4) przystosowanie dla środowiska W indows w celu poszerzenia kręgu odbiorców systemu,

5) zastępow anie GUI przeglądarką internetow ą co w ym usza dostosowanie się do standardów protokołu HTTP,

6) wykorzystanie internetowych usług sieciowych (Web Services) do w ym iany danych z otoczeniem,

7) wykorzystanie języka XM L do w ym iany dokum entów elektronicznych,

8) w łączanie do pakietów ERP narzędzi analitycznych klasy OLAP i data mining, 9) otwartość na integrację ze środowiskam i CAD/CAM i GIS ( G eographical

Inform ation System),

10) wykorzystanie technologii m obilnych (telefony kom órkowe),

11) otwartość na integracją kom ponentów system u pochodzących od różnych do stawców dzięki wykorzystaniu standardów COM i CORBA.

2. Efektywność i bezpieczeństw o w drożeniow e 2.1. Analiza przedsiębiorstwa

System inform acyjny działający w organizacji przechodzi przez kolejne fazy rozwoju, określa się je mianem cyklu życia systemu. Fazy cyklu życia system u m ożem y podzielić na:

1) analiza organizacji i planowanie, 2) projektowanie,

3) wdrożenie,

4) utrzym anie i konserwacja systemu.

Kluczowym elementem efektywnego wdrożenia i działania Informatycznego System y W spom agania Zarządzania je s t faza analizy i projektowania. Badania przeprowadzone przez M. Schindlera [11] dowodzą, że połow ę błędów popełnia się w fazach analizy i projektowania system u, co więcej późne w ykrycie błędów

popełnionych w drastycznie podnosi koszty ich naprawy.

Dokonanie pełniej analizy organizacji w ym aga podziału tego procesy na podprocesy z w yróżnieniem :

1) określenie zbioru użytkowników, 2) określenie zbioru celów,

3) określenie zbioru warunków,

4) określenie zbioru hipotez opisujących powyższe zbiory,

5) określenie relacji zachodzących pomiędzy powyższymi zbioram i.

Skutkiem zaniedbania fazy analizy organizacji je st powstanie systemu, który może być wpraw dzie zaprojektow any z wykorzystaniem nowoczesnych technologii, aczkolwiek nie spełni on w szystkich stawianych przed nim celów.

2.2. Wdrażanie systemów informacyjnych w przedsiębiorstwie

W drażanie Inform atycznego Systemu W spom agającego Zarządzanie je s t jed n ą z najtrudniejszych faz usprawniania systemu inform acyjnego organizacji. W fazie tej następuje przekazanie systemu użytkownikom. W fazie tej ujawniają się wszystkie błędy popełnione we w cześniejszych etapach. Jeśli system będzie w adliw y odbije się to negatyw nie na działaniu całego przedsiębiorstwa. J. Kisielnicki [4] wyróżnia następujące procedury działań w e w drażaniu system ów informacyjnych:

1) w drażanie całościowe,

2) w drażanie cząstkowe, wyróżnia się tu:

a) pilotowe: ograniczone ze względu na zakres funkcjonowania systemu, b) próbne: obejm ujące wszystkie funkcje systemu, ale ograniczone ze względu

na objętość zbiorów, 3) w drażanie równoległe.

W drażanie całościowe polega na w drożeniu nowego system u informacyjnego przy jednoczesnej rezygnacji z dotychczasowych rozwiązań. W drażanie cząstkowe polega na w drażaniu pewnych, ustalonych elem entów system u etapami, aż do osiągnięcia całkow itego wdrożenia. W drażanie cząstkowe przynosi mniejsze ryzyko dla organizacji niż wdrażanie całościowe, generuje zaś znacznie wyższe koszty wdrożenia. Praktyka pokazuje, że przy w drożeniach dużych systemów w korzystniejszym świetle w ypada procedura w drożenia cząstkowego. Bezpieczna, lecz generujące największe koszty wdrożenia je s t procedura równoległe. Polega ono na w drażaniu nowego system u przy jednoczesnym w spółistnieniu i działaniu starych rozwiązań, z których rezygnuje się dopiero w chwili, kiedy nowy system zacznie działać w pełnym zakresie i z pełną stabilnością. Metodyka ta z pozory najm niej ryzykowna może nieść ze so b ą ryzyko powstania konfliktów i oporów pracowników, jeśli dojdzie do sytuacji, gdy wym agana będzie od nich obsługa obydwu systemów.

2.3. Czynniki determinujące efektywność wdrażania systemu, analiza ryzyka

Zbiór czynników m ających w pływ na w drożenie systemu może być bardzo duży.

W zależności od siły tych czynników m ogą one m ieć krytyczny w pływ na powodzenie całego procesu wdrożenia. Uzasadnia to prowadzenie tzw. analizy ryzyka przy w drożeniu sytemu, którą prowadzi się niezależnie od analizy efektywności ekonom icznej w drożenia systemu.

S. A lte r [1] grupuje czynniki ryzyka wdrożeniow ego na następujące kategorie:

1) wynikające z błędów użytkownika (np.: sprzeczność w celach użytkowników, chwiejna polityka kierownictwa, brak środków na realizację systemu, itp.),

2) wynikające z błędów w drażających lub obsługujących (np.: złe zaplanowanie potrzebnych nakładów, trudności informatyczne, brak doświadczenia, itp.).

Analiza ryzyka odpow iada na pytanie jakie działania podjąć gdy dany czynnik ryzyka zaistnieje. Ogólny zarys analizy ryzyka wdrożeniow ego obejm uje fazy:

1) A naliza jakie nieprawidłowości m ogą w ystąpić przy procesie wdrożenia system u.

2) Dla każdego czynnika ryzykownego zaprojektować działania zapobiegawcze i naprawcze.

3) Jeśli nie można zm inim alizow ać ryzyka dla danego czynnika należy sporządzić je g o specyfikację i przedstawić ją kontrahentowi, dążąc do w spólnego

rozwiązania.

Efektywność wdrożenia Informatycznych System ów W spom agania Zarządzania w organizacji m oże zostać podniesiona przez:

1) reorganizację procesów biznesowych (podejście procesowe do projektowania aktywności biznesowej przedsiębiorstwa),

2) wprow adzenie zarządzania ryzykiem w drożeniowym ,

3) zapewnienie ciągłości działania organizacji w fazie wdrożenia,

4) wprow adzenie zarządzania bezpieczeństwem systemu inform atycznego, 5) wprow adzenie ewaluacji efektywności ISW Z ju ż na etapie zam iaru podjęcia

zm ian w organizacji oraz przez cały okres eksploatacji inwestycji.

2.4. Bezpieczeństwo determinantą efektywności wdrożeniowej

ISW Z zapew niają w ym ianę informacji o różnych stopniach poufności, w ym usza to zastosow anie szeregu rozwiązań warunkujących bezpieczeństwo zasobów inform acyjnych organizacji. P. Zaskórski [13] zwraca uwagę na konieczność w ystąpienia następujących rozwiązań:

1) w eryfikacja tożsamości użytkowników, 2) kontrola dostępu użytkowników,

3) w drożenie obligatoryjnych reguł postępowania,

4) zapewnienie właściwego poziomu bezpieczeństwa przechowywania i przesyłania informacji.

W celu zapewnienia efektywnego w drożenia ISW Z w organizacji priorytetowego znaczenia nabiera zapewnienie wym agań bezpieczeństwa zasobów inform acyjnych organizacji. P. Zaskórski [13] wyszczególnia następujące technologie m ające krytyczny w pływ na bezpieczeństwo ISWZ:

1) zabezpieczenie urządzeń techniki kom puterowej przez zniszczeniem i awariami,

2) publiczne klucze łączności szyfrowej,

3) środki zarządzania realizujące zabezpieczenie, w ykryw anie, reagowanie na zdarzenia,

4) urządzenia i oprogram ow anie typu firewall,

5) specjalnie skonstruowane urządzenia i oprogram ow anie systemów operacyjnych w technologii trusted.

3. Ewaluacja efektywności ISWZ

Trudność precyzyjnej oceny m ia r efektywności funkcjonowania ISWZ o organizacji wynika przede wszystkim z trudności oszacowania jak część całkowitego efektu je s t wynikiem stosowania ISWZ, a jaka część tych efektów jest związana z inną działalnością organizacji.

Na efekty przedsięwzięcia inform atycznego ma w pływ nie tylko ocena efektów działania systemu inform atycznego w samej organizacji, ale również trudne do oszacowania oddziaływanie otoczenia. Przedstawione je st to na rysunku 1:

Efekty wewnętrzne

Efekty cząstkowe zewnętrzne Efekty cząstkowe wewnętrzne

Rys.1. Efekty działania organizacji.

Źródło: [4 ]

Posługując się notacją teorii zbiorów i zakładając że efekt cząstkow y w ewnętrzny Cw i zewnętrzy Cz został uzyskany dzięki zastosowaniu ISW Z można zauważyć ze różnica:

Cw ■ (Aw n Bw n Cw n Dw n ... ) (1)

stanowi czysty efekt wewnętrzny organizacji spow odow any zastosowaniem ISWZ.

Różnica:

c z -(A z n Bz n c 2 n Dz n . . . ) (2)

stanowi czysty efekt zew nętrzny organizacji spow odow any zastosowaniem ISWZ.

4. Zakończenie

Efektywność i bezpieczeństwo wdrażania rozwiązań organizacyjnych i techniczno-technologicznych unowocześniających system inform acyjny organizacji s ą ściśle determ inowane procesem zarządzania ryzykiem ju ż na etapie projektowania systemu. Proces projektowania je s t tym komponentem przestrzeni działalności innowacyjnej, który wnosi w iele niepewności. Realizacja projektów wym aga bieżącej identyfikacji zagrożeń i źródeł ich pochodzenia. Znajom ość źródeł ryzyka oraz um iejętność jego ewaluacji i walidacji stają się warunkiem koniecznym dla m ożliwości analizy i oceny procesów wdrożeniowych. Jest to szczególnie widoczne w projektach IT, które są ważnym kierunkiem doskonalenia procesów zarządzania w sektorze publicznym . Badając efektywność projektów inform atycznych przedmiotem oceny je s t zazwyczaj relacja w układzie plan - w ykonanie w podstawowych w ym iarach tj.: budżet, czas, zakres, jakość.

W skaźnik powodzeń dużych przedsięwzięć inform atycznych wdrażanych w organizacjach jest bardzo niski. W ystępuje niedostatek rzetelnego i obiektywnego aparatu naukowego do oceny efektywności wdrożenia i wykorzystania ISWZ.

W literaturze przedmiotu trudno spotkać jednolite podejście w obszarze badania i oceny efektywności w drażania i funkcjonowania ISWZ. Uzasadnione je st zatem prowadzenie badań nad ew aluacją efektywności w drażania ISWZ nad czym autor będzie się koncentrował w dalszej dzielności badawczej.