SISTEMI ZA PODRSKU ODLUCIVANJA
SISTEMI ZA PODRSKU ODLUCIVANJA
Smatra se a je konceptsistema za podrsku odlucivanju nastao kao
rezultat teorijskih istrazivanja organizacionog donosenja odluka
tokom ranih 60tih godina I kao rezultat rada sa kompjuterskim
sistemima sredinom 60tih god.
Primena prvih sistema za podrsku opdlucivanju ogledala se u
pronalazenju nacina da kompjuteri iprimenjeni analiticki modeli
pomognu menadzerima u donosenju kljucnih odluka.
Tokom vremena sistemi za podrsku odlucivanju su se pokazali kao
nezamenjiv alat u procesima donosenja odluka o problemima poslovnih
sistema.
Slikom 4.11 Sauter vizuelno predstavlja porast poterba donosioca
odluka Imogucnosti sistema za podrsku odlucivanju da zadovalje tu
potrebu tokom vremena.
SHAPE \* MERGEFORMAT
Evolucija korisnikovih potreba i sposobnosti SPO
Definicije sistema za podrsku odlucivanju
Sistemi za podrsku odlucivanju su intraktivni racunarski sitemi
za namerom da pomognu menadzerima ili donosiocima odluka da
identifikuju,strukturiraju,I/ili rese polustrukturirane I
nestrukturirane probleme I da naprave izbor medju
alternativama(Danijel Power)SPO su interaktivni,fleksibilni I
adaptivni racunarski informacioni sistemi specijalno razvijeni za
podrsku u resavanju nestrukturiranih menadzment problema u cilju
poboljsanja procesa odlucavanja(Turban Aronson)
SPO su prosireni sistemi sposobni da podrze ad hoc analize
podataka I modeliranje, okrenuti ka planiranju buducnosti
koriscenjem neregularnih vremenskih intervala(Moore Chang)
Dakle sitemi za podrsku odlucivanju imaju zadatak da pruzaju
pomoc pri donosenju odluka, ali sa naglaskom na resavanju
nestrukturiranih ili slabo stukturiranih problema. SPO pruzaju
pomoc pri donosenju odluka na svim nivoima odlucivanja,ali su od
posebnog znacaja za vise nivoe.Za razliku od upravljackih
informacionih sitema, koji pretezno olaksavaju horizontalni protok
informacija,sistemi za podrsku odlucivanju podrzavaju vertikalne
informacione tokove I tako podpomazu integraciju informacija koje
se koriste na razlicitim organizacionim I upravljackim nivoima. Oni
olaksavaju sintezu informacija iz pojedinih pod sitema za stratesko
odlucivanje I doprinose automatizaciji strateskog planiranja I
predvidjanja.
STRUKTURA SISTEMA ZA PODRSKU ODLUCIVANJU
Na slici 4.12 je predstavljena struktura sistema za podrsku
odlucivanju. Osnovne komponente sistema su: baza modela,baza
podataka,generator sistema za podrsku odlucivanju I korisnik. Ova
struktura opisuje sisteme za podrsku odlucivanju u onom obliku u
kome su egzistirali od ranih 70tih do 90tih godina proslog
veka.
Medjutim,danas,sa sve kompleksnijim uslovima privredjivanja, kao
I sa razvojem kompjuterske tehnologije doslo je do odredjenog
pomaka I u razvoju sistema za podrsku odlucivanju. Danasnji sistemi
za podrsku odlucivanju osavremenjeni su za niz karakteristika u
odnosu na njihovu predhodnu generaciju. Razlike je moguce uociti
poredjenjem njihovih struktura ( slika 4.13) Komponente dananjih
SPO su:
Podsistem za upravljanje podacima
Podsistem za upravljanje modelima
Podsistem za upravljanje znanjima
Podsistem korisniki interface
Korisnik
Podsistem za upravljanje podacima se sastoji iz:
Baze podataka
Sistema za upravljanje podacima
Direktorijuma sa podacima
UpitaBaza podataka predstavlja kolekciju meusobno povezanih
podataka organizovanih prema potrebama i strukturi organizacije,
koji mogu da se koriste od strane jednog ili vie korisnika, za
jednu ili vie aplikacija. Postoji nekoliko mogucih konfiguracija
baze podataka. Vei SPO poseduju bazu podataka u okviru Data
Warehouse skladita podataka. Jedan SPO moze koristiti vise baza
podataka u zavisnosti od mesta skladistenja potrebnih informacija.
Takodje razlikujemo podatke koji poticu iz spoljasnjih ili
unutrasnih izvora. Pod unutrasnjim izvorima smatraju se baze
podataka unutar organizacije, dok podaci iz spoljasnjih izvora mogu
biti npr. Podaci iz industrijske grane, sa trzista ,drzavni propisi
itd.Veza izmedju spoljasnjih podataka i sitema za podrsku
odlucivanju moze se ostvarivati preko baze podataka SPO-a ili
direktnim unosenjem podataka tokom aplikacije. Internet predstavlja
takodje izvor spoljasnjih nformacija.
Proces kreiranja baze podataka ili skladista podataka (DATA
WAREHOUSE) preko spoljasnjih izvora naziva se estrakcija. Pod
ekstrakcijom podataka podrazumeva se unosenje
(inportovanje,sumarizacija,filtracija i kondenzacija podataka).
Sistemi za upravljanje bazom podataka (DATABASE MANAGEMENT
SISTEM-DMS) omogucava nam upravljanje procesom ekstrakcije
podataka. Medjutim,pojedini istrazivaci iz oblasti SPO imaju
razlicit pristup u pogledu naziva ovog procesa. Becejski vujaklija
preciznije definise i navodi da se u ovom procesu podaci ne
ekstahuju prosto,vec trpe formalne i sustinske promene presmestanja
u bazu podataka, tako da je za
ovaj proces pogodnije koristiti termin preslikavanje. Sistemi za
upravljanje bazom podataka(DBMS) prvenstveno sluzi za kreiranje,
pristupanje i azuriranje baze podataka. Sistemi za upravljanje
bazom podataka poseduje sposobnosti da ektrahuje podatke, azurira
zapise u bazi podataka, povezuje podatke iz razlicitih izvora,
izdvaja neophodne podatke za formiranje upita ili izvestaj,
obezbedjuje sigurnost podataka, izvodi kompleksne podatke
manipulacije podataka za potrebe formiranja razlicitih upita, prati
podatke koji se koriste od strane SPO i upravlja podacima preko
recnika podataka( Turban Aronson)
Recnik podataka predstavlja katalog sa svim podacima u bazi
odataka. Glavni smisao postojanja ove komponente je da odgovori na
pitanja o dostupnosti odredjenom podatku, njegovom izvoru i
njegovom tacnom znacenju. Takodje, i ovoj komponenti moguce je
dodavati, brisati ili azurirati unose.
Podsistem za upravljanje modelima se sastoji iz:
Baze modela
Sistema za upravljanje bazom modela
Jezika za modeliranje
Direktorijuma modela
Komandnog procesora.
PODSISTEM ZA UPRAVLJANJE ZNANJEM
Sistemi za podrsku odlucivanju koji poseduju podsistem za
upravljanje znanjem nazivaju se inteligentni sistemi za podrsku
odlucivanju(intelligent decision support sistems-IDSS) sistemi
zasnovani na znanju(KNOWLEDGE-BASED DSS) ili jednostavno
kombinacija SPO/ES. Glavna karakteristika koja izdvaja ovaj
podsistem od ostalih je postojanje baze znanja, sto omogucava
pruzanje korisniku ekspertize o postavljenom problemu. Baza znanja
je predstavljala sinonim za ekspertne sisteme. Medjutim,razvitkom
sistema za podrsku odlucivanju pojavila se grupa tz. Naprednih
sistema za podrsku odlucivanju koji su objedinili pozitivne
karakteristike postojecih informacionih sistema menadzmenta.
PODSISTEM KORISNICKI INTERFEJS
Podsistem koricniki interface se sastoji iz:
Sistema za upravljanje korisnikim interfaceom
Jedinice za prevoenje na prirodan jezik
Terminala
Printera, plotera i sl.
Podsistem-korisnicki interfejs pokriva sve aspekte komunikacije
izmedj korisnika i sitema za podrsku menadzmentu. Dakle ne odnosi
se samo na hardver i softver vec na faktore koji se ticu lakoce
koriscenja sistema , pristupacnost sistema i faktore vezane za
covek-masina interakciju.Podsistem-korisnicki interfejs ima jako
veliki znacaj kako za korisnike sistema tako i za projektante
informacionih sistema. Od kvaliteta korisnickog interfejsa zavisi
mogucnost upotrebe i prihvatljivost sitema od strane korisnika.
Pojedini autori smatraju da je razvitak hardverske tehnologije
omogucio komforniji rad i uslovio pravu eksploziju u razvoju
softverske tehnologije, naocito na noviji verzijama windows
platforme,a to je predstavljalo i otvaranje novog prostora za
napredne sisteme za podrsku odlucivanju.
Novi sistemi za podrsku odlucivanju poseduju takav korisnicki
interfejs koji im omogucava:
prilagodjava korisniku razlicite dodatne/ulazne uredjaje
predstavlja podatke u razlicitim formatima
obezbedjuje interakciju sa bazom podataka i bazom modela
obezbedjuje kolor grafiku, trodimenzionalnu grafiku
kroz vise prozora dozvoljava da se vise funkcija izvrsava
istovremeno
obezbedjuje ucenje kroz primere
obezbedjuje fleksibilnost i adaptivnost sistema menadzmentu
Navedene osobine u znatnoj meri su olaksale rad sa sistemom
razlicitim korisnicima( zaposlenima na svim hijerarhijskim nivoima
u organizaciji) i sto je izmedju ostalog i doprinelo sirokoj
upotrebi sistema za podrsku odlucivanju.
KLASIFIKACIJA SISTEMA ZA PODRSKU ODLUCIVANJU
1. Power smatra da osnovnu podelu SPO treba izvriti prema nameni
na:
SPO namenjene preduzeima (Enterprise-wide SPO) koji su povezani
sa velikim bazama podataka i skladistima podataka i opsluzuju vise
menadzera. SPO za rad jednog korisnika (Desk-top SPO) koji radi
samostalno na jednom PC kompjuteru.
2. Holsapple & Whinston smatraju da postoji est razliitih
grupa SPO:
Tekst orjentisani SPO- Text-oriented SPO gde se informacije
uglavnom javljaju u tekstualnom obliku. Iz razloga postojanja
velike kolicine informacija ova klasa SPO poseduje snazan tekst
procesor radi mogucnosti prezentovanja i obrade tekstualnih
informacija.Tekst orijentisani SPO najcesce podrzavaju rad preko
interneta pa stoga imaju implementirane tehnologije kao sto su
hipertekst,inteligente agente i sl. SPO orjentisani na baze
podataka - Database-oriented SPO-predstavljaju grupu sistema za
podrsku odlucivanju gde baza podataka igra glavnu ulogu u strukturi
sistema. Prve generacije SPO orijentisanih na baze podataka
koristile su relacionu konfiguraciju baza podatka. Spo orjentisani
na tabelarni rad - Spreadsheet-oriented SPO gde se pomocu posebnog
jezika za modeliranje dozvoljava korisniku da kreira modele
direktno u programima za analizu. Poznai alati za razvoj SPO
orijentisanih na tabelarni rad su Microsoftov Excel i Lous 1-2-3
SPO orjentisani na resavanje - Solver-oriented SPO-gde postoje
algoritam ili proceduda napisani u obliku kompjuterskog programa za
izvodjenje odredjenih izracunavanja za resavanje odredjene vrste
problema( npr. Procedura za izracunavanje optimelne kolicine
prizvoda) SPO orjentisani na pravila - Rule-oriented SPO sto se
primenjuje kod SPO koji imaju bazu znanja. Putem definisanja niza
pravila formira se baza znanja za resavanje odredjene vrste
problema. Slozeni SPO - Compound SPO sto predstavlja grupu sistema
za podrsku odlucivanju koji su tzv. Hibridni sistemi jer se sastoje
od kombinacije dva ili vise o 5 osnovnih, predhodno iznetih
struktura SPO.PREDNOSTI I NEDOSTACI SISTEMA ZA PODRSKU
ODLUCIVANJU
Prednosti upotrebe SPO u poslovnim preduzecima:
Postizanje veeg kvaliteta odluke
Poboljanje komunikacije
Smanjenje trokova
Poveana produktivnost
Uteta vremena
Poboljano zadovoljstvo potroaa i zaposlenih.
U korelaciji sa prednostima SPO su evidentni sledeci
faktori:
stepen konkurentnosti
industrija
velicina kompanije
lako koriscenje SPO
Holsapple u Whinston izdvajaju sledece prednosti:
prednosti SPO zavise od prirode donosioca odluke i situacije po
pitanju odluka
SPO povecava urodjene sposobnosti rukovodjenja donosioca
odluka
SPO moze da resi probleme koji bi oduzeli puno vremena ili koje
on ni ne bi ni pokusao da resava SPO se priblizava se resavanju
problema mnogo brze i pouzdanije od donosioca odluka cak i kad SPO
ne moze da resi problem, moze da stimulise donosioca odluka da
dublje razmislja o doticno prolemu izgradnja SPOmoze ukazati na
nove nacine razmisljanja u oblasti odlucivanja SPO moze da obezbedi
dokaze o opravdanosti stava donosiocaodluka
U cilju unapredjenja poduktivnosti SPO moze pruiti znacajne
konkurentske prednosti
Ogranienja SPO:
Neke ljudima uroene vetine i talenti ne mogu biti ugraeni u
dananje SPO
SPO je ogranien na znanje koje poseduje, odnosno ograniene su mu
sposobnosti da stekne nova znanja
SPO ogranien je vrstama obrade znanja koju njegov software moe
da izvri
Mogunosti SPO su ograniene mogunostima kompjutera (hardware i
OS) koji se koriste
Jezik kojim korisnici treba da saopte svoje zahteve ograniava
broj korisnika na one koji prihvataju ovakav nain izraavanja. Ncin
prezentacije takodje ogranicava broj korisnika SPO mogu biti
napravljeni za prilino usku i specifinu oblast primene. Moguce je
da se zahteva vise SPO u resavanju razljicitih zadataka u toku
rada. Tada se postavlja pitanje ko treba da koordinira rad nekoliko
SPO
PRINCIP RADA,OSOBINE RADA SPO I KARAKTERISTIKE
IMPLEMENTACIJE
Berrett i Castore navode da pproces zapocinje sa korisnikovom
dilemom.Korisnik potom definise problem, u cemu mu SPO moze pruziti
pomoc kroz snimanje,pracenje i prikupljanje podataka iz spoljasnjih
i unutrasnjih izvora podataka,na osnovu cega se stice uvid o
nastanku i karakteru problema.Po zavrsetku formulacije problema SPO
vrsi obradu podataka koristeci se pri tom bazom podataka i/ili
bazom znanja. Po izvrsenoj obradi problema SPO nudi korisniku
raspolozivi niz alternativa.Sluzeci se pokazateljima o stepenu
zadovoljenja postavljenog problema svake alternative, korisnik vrsi
izbor najpovoljnije.
Struktura SPO
Kroz mogucnost analize npr.sta ako,analizu senzitivnosti
itd.,korisnik moze da ipita posledicnost pojedinih alternativnih
pravaca ili da ispita posledice koje mogu nastupiti priliko promne
uticajnih faktora (nekontrolisanih varijabli kao sto su npr.
Ekonomski faktori,drustveni faktori) na izabranu alernativu. Kao
rezultat opisanog procesa sledi informacija za buducu upotrebu
tj.,odluka o pravcu akcije.Konstruktori sistema za podrsku
odlucvanju teze da sto vise prilagode rad korisnika u sistemu ,pa
je iz tog razloga procena fleksibilnosti SPO od strane korisnika
predmet mnogih istrazivanja.
Dennis Buede duzi niz godina prati razvoj sistema za podrsku
odlucivanju. Od postojecih sistema za podrsku odlucivanju on
formira uporedne analize prateci pri tome aspekte:operacioni
sistem,osobine primene,performanse sistema i pogodnosti koje sistem
pruza korisniku.
Podaci su dobijeni na osnovu anketiranja relevantnog uzorka
korisnika sistema za podrsku odlucivanju. U najnovijem sprovednom
istrazivanju anketa se satojala iz 25 pitanja, a obuhvatala je 32
sistema za podrsku odlucivanju. Kao rezultat istrazivanja Buede je
konstatovao da je primarni fokus proizvodjaca SPO na teznji da se
poboljsaju analiticke sposobnosti SPO.Navodi se sa su se korisnici
izjasnili da su im osobine analize rezultata najkriticnije u
dosadasnjim SPO u podrsci definisanju problema kao i fazi kreiranja
modela.Veoma vazan faktor za uspesan rad sistema za podrsku
odlucivanju je sto se istice u zapazanjima vecine autora,korektna
implementacija sistema. Od uspesnosti implementacije SPO-a zavisi
njegova prihvatljivost od strane korisnika kao i pravilna upotreba.
GRUPNI SISTEMI ZA PODRSKU ODLUCIVANJU (GSPO)
GSPO je interaktvivni, raunarski sistem koji pomae nizu
donosioca odluka u reavanju nestruktuiranih problema, koji rade
zajedno kao grupa.
Meu komponente GSPO ( DeSanctis i Gallupe)ubrajamo: hardware,
sofrtware, korisnike i procedure. Svaki lan grupe preko svog
kompjutera ima pristup glavnom procesoru preko mree (najee LAN, u
novije vreme Interneta).Software ine baza podataka, baza modela,
program za upravljanje sistemom i fleksibilan korisniki
interface.
U okviru procedura GSPO obezbedjuje se nesmetano odvijanje
operacija i regulisanja rada. U radu GSPO neophodno je definisati
koordinatora grupe koji ce sprovoditi koordinaciju u radu. Na slici
4.18 data je struktura grupnog sistema za podrsku odlucivanju gde
grupa donosioca odluka radi zajedno na istom problemu pristupajuci
preko personalnog kompjutera u tzv. Sobu odlucivanja( softverski
deo programa koji omogucuje da se na istom mestu susrecu ucesnici).
Svi clanovi grupe osim pristupa GSPO imaju pristup istoj bazi
podataka i bazi modela.
Najvanije karakteristike GSPO:
Posebno projektivani IS, a ne kombinacija postojeih
komponenata
Projektovani sa ciljem da podre grupu donosioca odluka u
njihovom radu
Odlikuju se lakoom i jednostavnou upotrebe,prilagodjavajuci
korisnika razlicitim nivoima znanja skladusa izracunavanjima i
podrazavanjem pocesa odlucivanja Mogu biti projektovani za jedan
tip problema ili razliite organizacione nivoe na kojima grupe
obavljaju svoje radne zadatke Ohrabruju generisanje ideja, reavanje
konfliktnih stavova ili slobodu izraavanja
Sadre ugraene mehanizme koji onemoguavaju razvoj negativnih
grupnih ponaanjaPogodnosti koje prua upotreba GSPO:
Smanjenje trokova do ak 90%
Dostizanje konkurentskih prednosti
Podsticanje inovativnih aktivnosti
Smanjenje duine trajanja procesa odluivanja
Poboljanje komunikacije
Dobra koordiniranost rada lanova grupe
Brz povraaj investicija itd.
Model GSPO
Primenom GSPO pokazalo se da su rezultati najbolji kod
aplikacije GSPO u okviru strateskog planiranja,izrade portfolio
analize ili kod promene menadzment planova.EKSPERTNI SISTEMI-ES
Pojavom ES znatno je olaksan rad na onim mestima odlucivanja gde
se donose veoma slozene ili veoma znacajne odluke,tj., svuda gde se
ne sme dozvoliti donosenje pogresne odluke iz razloga nemogucnosti
saniranja posledica. Upravo na taj nacin moze se obajsniti
eksplozivan razvoj i siroka primena ES. ES deluju poput tima
eksperata iz odredjene oblasti sa tom razlikom sto trajno cuvaju
podatke uz svakodnevno prosirivanje svoje baze
znanja.DEFINICIJE
ES je racunarski program koji deluje kao ljudski ekspert u dobro
definisanom specificnom zadatku,na bazi znanja Liebowitz Jay
Pod ES se podrazumeva uspostavljanje unutar raunara dela vetine
nekog eksperta koja se bazira na znanju i u takvom je obliku da
sistem moe da ponudi inteligentan savet ili da preduzme
inteligentnu odluku o funkciji koja je u postupku. Poeljna dopunska
karakteristika, koju mnogi smatraju osnovnom, je sposobnost sistema
da na zahtev verifikuje svoju liniju rezonovanja, tako da direktno
obavetava korisnika koji postavlja pitanje. Nain ostvarivanja je
programiranje na bazi pravila.( Milacic)
ES su programski sistemi koji sadrze ljudsko znanje i koriste ga
u resavanju problema iz oblasti vestacke inteligencije. ES koriste
mehanizam koji omoguucava lako programiranje problema, kao npr.
Simuliranje ljudskog znanja,za koje je smatrano da ga nije moguce
implementirati. Upravo u lakoci simulacije ljudskog znanja treba
traziti odgovor uspeha ES.(Stoiljkovic, Milosavljevic)
ES je modeliranje ,unutar racunara,ekspertskog znanja,tako da
rezultujuci sistem moze ponuditi inteligentan savet ili doneti
inteligentne odluke(Goodwin i Wright)Izraz ES se danas upotrebljava
sa vise razlicitih znacenja,a potice od cinjenice da su takvi
sistema i nastali tako sto su od poznatih eksperata u nekoj oblasti
intervijuisanjem i drugim postupcima dozvana i zahvatana a potom
organizovana njihova znanja( Ristic)
ES su specijalizovani automati sa obradom znanja za interaktivno
i koopertivno resavanje problema koji se mogu formalizovati na
nivou prirodnih ,jezika sa mogucnostima obuhvata i prezentacije
znanja u formi algoritamskih problema,s jedne strane, i
nealgoritamskih cinjenica i pravila ,kao i logickog zakljucivanja
po utvrdjenoj strategiji,sa druge strane(Roth)
ISTORIJA RAZVOJA ESPrvi poeci razvoja sistema zasnovanih na
znanju se javljaju polovinom 60. godina. Kako razvoj ES zavisi od
razvoja IT, odnosno od performansi kompjutera, tek tokom 80. godina
ES doivljavaju ekspanziju na komercijalnom trituPrema stanju iz
1988. ES su se tada primenjivali u oko 150 oblasti, a samo etiri
godine kasnije u SAD je bilo korieno najmanje 3000 ES, od ega je
nekoliko stotina bilo razvijeno (nisu koriene koljke) i testirano
na svom polju primene.U Japanu 400razvijenih ES pri cemu je oko 190
implementiralo ES u svoj rad. U Francuskoj takodje preko 400.
U daljem razvoju ES prognozira se razvoj povezivanja ES sa DSS,
multimedijom, neuronskim mreama itd.Ocekuju se poboljsani interfejs
i to uz pomoc tehnologija kao sto su hipermedija i virtualna
realnost tj. Da ce se tako postici bolji nacin za automatsku
akviziciju znanja.
PODELE ES
Postoje dve grupe ES (Stoiljkovic):
1. ES koji analiziraju neki problem
2. ES koji vre sintezu u procesu reavanja problema
Prema vrsti informacija koju ES pruaju:
1. Samostalni samostalno izvode proces donoenja odluke i
planiranja buduih pravaca akcije, a korisnika izvetavaju o
primenjenim postupcima i razlozima za usvajanje odreene procedure.
2. Konsultantski pruaju razne konsultanste usluge: pomau
korisnicima na nain na koji bi i ivi ekspert pruio svoje miljenje.
Ova grupa sistema koncipirana je tako da se njima koriste eksperti
kojima su potrebna dodatna misljenja za resavanje kompleksnih
problema(stvara se atmosfera poput formiranja tima eksperata.3.
Savetniki mogu ih koristiti i eksperti, ali i ostali korisnici
kojima je potreban savet u odgovarajuim situacijama
4. Sistemi za ispitivanje ta bi bilo ako omoguavaju razmatranje
odreenih situacija u kojima je potrebno predvideti efekte primene
alternativnih akcija. Moze se uspostaviti analogija ove grupe ES sa
simulacionim modelima ali razvijenim do ekspertnog nivoa. Prema
Turban & Aronson:
1. Knowledge-based ES (zasnovani na znanju)
2. ES zasnovani na pravilima
3. Frame-based ES (zasnovani na okvirima)
4. Hybrid ES
5. Ready-made, Off-the-shelf Systems (spremni za rad)
6. Model-based ES (zasnovani na modelima)
7. Real-time ES (rade u realnom vremenu)
Goodwin & Wright:
1. ES koji se javljaju kod komplikovanih istraivakih projekata
ili potencijalno nereivih problema, gde je potrebno razviti novi
nain prezentovanja ili izlaganja znanja2. ES koje su izgradili
konsultanti putem korienja specijalno razvijenih koljki (shells) ES
shells sadre sve komponente kao i posebno razvijeni ES, s tom
razlikom to im je baza znanja prazna, otuda i naziv prazni ili
okvirni ES; korisnik koljke ES sam popunjava bazu znanja, unosei u
nju pravila koja se odnose na probleme koje je potrebno da njegov
ES reava.Skoljke ES su jednostavne za programiranje ,fokusirane su
na probleme u kojimanije prisutna neizvesnost.Kod koriscenja
skoljki ES ekspertsko rasudjivanje predstavlja se u obliku dva
odlucivanja sto se ubraja u oloncavanje unapred. U svetu poznate
skoljke: XiPlus, EXSYS Professional, kod nas BEST Blackboard-based
Expert System Toolkit. OSOBINE ES ES poseduju sedam dimenzija:
1. Ekspertiza
2. Rezonovanje manipulacijom simbola
3. Opta sposobnost reavanja problema u datom domenu
4. Sloenost i teina
5. Reformulacija
6. Rezonovanje o sebi
7. Vrsta zadatka za ije se obavljanje sistem izgrauje.
Primena ES je visestruka a zadaci u koje ES uspesno resavaju su:
evidentiranje i inetpretacija podataka kojim se opisuju razliite
situacije ili stanja sistema; dijagnostika i
servisiranje;planiranje, predvianje i prognoziranje dizajn(razvoj
konfiguracije objekata uz postovanje zadatih ogranicenja);
Merenje(interpretacija rezultata merenja); otkrivanje kvarova u
sloenim tehnikim sistemima; analiza i konsultacije(u oblastima
osiguranja kreditiranja..); kontrola(upravljanje ponasanjem
sistema)STRUKTURA ES
Model jednostavnog ES sastoji se iz etiri dela:
Baza znanja
Mehanizam za zakljuivanje
Korisniki interface
Radna memorijaZnanje eksperta se cuva u nizu fajlova nazvanih
baza znanja. Najcesce je znanje predstavljeno pomoci if...then
pravila. Mehanizam za zakljucivanje koristi neke forme logicke
dedukcije da bi se obezbedili odgovori. Preko korisnickog
interfejsa omogucava se komunikacija izmedju ES i korisnika. Radna
memorija sadrzi detalje o stanju znanja sistema u odredjenom
trenutku.
Primer rada je sledeci: korisnik zove ES preko korisnickog
interfejsa. ES uz pomoc mehanizma za zakljucivanje upravlja
pravilima u bazi znanja. Ukoliko su sistemu potrebne dodatne
informacije,on ce pitati korisnika(preko interfejsa) a zatim
sacuvati te informacije u radnoj memoriji. Svaki novi podatak koji
se pojavi kao izlaz mehanizma za zakljucivanje takodje se cuva u
radnoj memoriji. Ovaj proces se nastavlja sve dok sistem ne
obezbedi korisniku sve odgovora na njegova pitanja ili dok se ne
iskoriste sva pravila.Proces funkcionisanja ES moe se raslaniti na
pet komponenti:
1. Akvizicija (sticanje znanja) jedan od najznaajnijih zadataka
za ES, jer putem dijaloga sa korisnikom sistem mora primiti i
sintaktiki (formalno ispravne) i semantiki (semantika nauka o
znanju) adekvatne raznovrsne informacije. Od akvizicije znanja
zavisice memorisanje znanja i samim tim i kvalitet rada ES2.
Reprezentacija (memorisanje) znanja vrsi se dugotrajnim procesom
memorisanja programskih modula sastavljenih od cinjenica i pravila
i nacina za resavanje problema(mehanizmi zakljucivanja) za
odredjenu oblast3. Obrada znanja (reavanje problema) predstavlja
izvrsavanje programa radi dobianja resenja sa odgovarajucim
pratecim objasnjenjima putem logickog procesa za resavanje
problema.Ovaj zadatak podrazumeva automatsko vrednovanje cinjenica
i pravila prema predhodnoj datoj logici zakljucivanja pomocu
trazenja i uporedjivanja,a zatim dobijanje rezultata u obliku novih
podataka do krajnjeg algoritma za resavanje problema4. Komponente
za objanjenje (predstavljanje znanja) omogucava pregled unutrasnjih
medjuzavisnosti,aktivnih i neaktivnih pravila za resavanje problema
i pruzaju razumevanje zakljucaka koji je dao ES.Tako predstavljene
cinjenice koje je koristio ES u procesu donosenja odluke sluze
korisniku da uvidi koje su bile polazne osnove ES da se opredeli za
neku odluku ,ali neki podatak moze da se pokaze kao netacan ili
besmislen pa se proces zakljucivanja ES sa novim ispravnim
informacijama moze uputiti na poovno razmatranje.
Takodje,posedovanje komponente za objasnjavanje kod ES omogucuje
korisniku sticanje novih znanja.5. Interface (jedinica za dijalog)
omogucuje komunikaciju korisnika sa ES putem tastature i ekrana,ali
moguce su i ostale varijante direktne komunikacije ES sa okolinom
npr. Putem slike,tona,mernih signala.. PREDSTAVLJANJE ZNANJA I
MEHANIZMI ZAKLJUCIVANJANakon komplikovanogprocesa prenosenja znanja
eksperata na papir i logickog puta poveziavnja pojedinih cinjenica
postavlja se pitanje kako to znanja uobliciti u formu koja ce biti
funkcionalna za rad ES. Jedan od nacina za prevazilazenja ovog
problema moguc je koriscenjem produkcionih pravila. Npr: IF
prevozno sredstvo ima dva tocka THEN prevozno sredstvo mije
automobil ili u formalnom obliku: IF(stanje u bazi znanja) THEN
(akcija za ponovno pretrazivanje baze znanja).Produkciona pravila
mogu imati vise stanja i vise akcija. Npr . produkciona pravila
mogu od korisnika zahtevati akciju u smislu da korisnik odgovori na
dodatna pitanja sistema radi ponovnog pretrazivanja baze znanja. ES
moze imati vise stotina produkcionih pravila,sto usloznjava proces
projektovanja logickog povezivanja ovih pravila u bazi
znanja.Kontrolna struktura odredjuje koje ce pravilo biti sledece
upotrebljeno. Kontrolna struktura cesto poziva masinu za
zakljucivanje. Na bazi informacija koje dobije od korisnika(na
pitanja koje je postavio ES) masina za zakljucivanje vrsi selekciju
i testiranje pojedinih pravila i u bazi znanja trazi odgovarajuci
savet ili odluku.To se obicno postize pomocu olancavanja
unapred,sto zanaci da se sledi put od poznattih cinjenica do
krajnjeg zakljucka.Olancavanje unazad ukljucuje biranje
hipotetickih zakljucaka i testiranje da se uporedi da li ce se
potrebno pravilo u skladu sa zakljuckom ispostaviti kao tacno. U
ovom slucaju pravila izlozena od strane eksperata cesto u sebi
sadrze odredjen stepen neizvesnosti. Npr: IF kola koja nece da
upale THEN razlog moze biti nedostatak goriva ili moze
biti...Vecina eksperata tolerise neizvesnost koja ukljucuje neku
vrstu verovatnoce kao sto je merenje vrednosti ili vaganje
protivurecnih cinjenica. Moguca su dva nacina organizovanja ovih
sistema i to pomocu mreze pravila ili pomocu stabla odluke,gde se
kod stabla odluke polazi od jednog pravilapa se putem grananja
dolazi do krajnjeg zakljucka.Postoje i drugi nacini predstavljanja
znanja a to su: semanticke mreze,trojke ojekat-atribut-vrednost i
predikatska logika.
Semanticke mreze formiraju cvorovi koji su medjusobno povezani
na odredjeni nacin. Pomocu semanticnih mreza mogu se lako
predstaviti kompleksni hijerarhijski modeli a jedna od vaznijih
karateristika jeste da poseduju svojstvo nasledjivanja.Dakle
svojstva se pamte tokom logickog puta sve do krajnjeg zakljucka.
Predsavljanje znanja pomocu trojki atribut-vrednost-objekat
predstavlja posebnu vrsti senantickih mreza. Za razliku od
semantickih mreza gde cvorovi mogu biti objekat ili atribut ili
vrednost,kod trojki AVO veza izmedju objekta i atributa je tipa
ima,a izmedju atributa i vrednosti je (Ristic).Bankovni zajam ima
kamatnu stopu,
Kamatna stopa je 10% (Ristic).
Predstavljanjem znanja pomocu predikatske logike moguce je
izraziti i najkompikovanije izraze.Predikatska logika prvog reda
pogodna je da se jednostavno prevede znanje se prirodnog jezika na
jezik koji je razumljiv kompjuteru.Npr.
bez muke nema nauke
not obrnutoE x,obrnuto E y:muka (x) and nauka (y)
not nema (x) and nema (y)Predstavljanje znanja pomocu
predikatske logike zahteva simbolicko iskazivanje problema,medjutim
ovaj nacin predstavljanja znanja jos uvek nije u siroj
upotrebi.
UVODJENJE ES U RAD
Uvodjenje ES u rad predstavlja poslednju fazu u procesu razvoja
ES,a ova faza podrazumeva testiranje i implementaciju ES.Tokom
testiranja ES ispituje se i proverava logicko
zakljucivanje,proveravaju rezultati testiranja,otklanjaju uocene
nepravilnosti,a zatim se vrsi ponovno testiranje sve dok se ne
postigne zadovoljavajuci kvalitet rada ES.U okviru implementacije
es ukljucuju se svi faktori bitni za radno okruzenje pocev od
uskladjivanja hardverskih zahteva ES za njegovo optimalno
funkcionisanje pa sve do obuke kadrova za rad ES,pri cemu se ne
misli samo na koriscenje ES vec i na njegovo odrzavanje u smislu
stalnog azuriranja baze znanja. HIBRIDNI SISTEMI-HS
HS nastaju integracijom dva ili vie kompjuterskih IS. Razvijeno
je vie klasa HS, a meu osnovne spadaju:
Integracija SPO i ES
Integracija ES i Neuronskih mrea
Aspekti globalne integracije vie IS.
Oblici integracije dva ili vie IS meusobno se razlikuju po
arhitekturnim reenjima spajanja sistema.
Integracija ES i SPO se moe izvesti na dva osnovna naina:
1. ES integrisan kao SPO komponenta (ES kao komponenta uz bazu
podataka u SPO; kao komponenta uz bazu modela u njeno upravljanje u
SPO; sa namenom da poboljsa karakteristike korisnickog interfejsa;
za pomoc u izgradnji SPO; kao komponenta koja pruza konsultativne
usluge)
2. ES kao posebna komponenta SPO (ulaz u ES je izlaz u SPO i
ulaz u SPO je izlaz iz ES)
Povratni rad-izlaz iz es predstavlja ulaz u SPO,a potom izlaz iz
SPO se vraca kao ulaz u ES (SPO se koristi izlaz iz ES za analizu,a
dobijeni rezultat analize se vraca u ES kako bi se koriscenjem baze
znanja izdvojilo konacno resenje).
Varijante HS prema Stoiljkovicu i Milosavljevicu :
Kompletno preklopljen sistem ima dualnu prirodu, tj. zasnovan je
i na znanju i na neuronskoj mrei. Pomou ureaja za konverziju sistem
moe da se prikae ili kao ES ili kao neuronska mrea, u zavisnosti od
elje korisnika
Parcijalno preklopljen sistem poseduje karakteristike i ES i
neuronske mree, ali ova dva sistema u ovom sluaju komuniciraju
preko kompjuterske memorije ili neke spoljanje baze podataka
Paralelni ES i neuronska mrea rade zajedno, paralelno, i ne dele
svoje unutranje promenljiva niti strukturu podataka, a komuniciraju
preko ulaznih i izlaznih ureaja i datoteka
Sekvencijalni izlaz iz jednog od komponentnih sistema ulaz u
drugi
Povezani ili ugraeni ES ugraen u neuronsku mreu ili obrnuto
(gost i domain), a korisnik vidi samo jedan sistem (domaina).
Kao najkompleksniji oblik integracije kompjuterskih
informacionih sistema za podrsku menadzmentu odlucivanju smatra se
tzv. globalna integracija.Globalna integracija moze ukljucivati
nekoliko tehnologija za podrsku menadzmentu i nekoliko
kompjuterskih informacionih sistema ili cak povezivanje sa
sistemima iz druge organizacije.Jedan primer globalne integracije
navode u svom radu Turban i Aronson.Kao ulaz sistem ima bazu
podataka,bazu znanja i bazu modela.EIS komponenta se koristi za
filtriranje podataka,stavljanje filtriranih podataka u centar
posmatranja i povezivanje sa ostalim delovima organizacije koji su
povezani sa datim problemom.ES je neophodan donosiocu odluke u
smislu da mu pruzi podrsku tokom modeliranja u upravnjanja bazom
modela,podataka i znanja,kao uvod za EIS i SPO analizu i
procenjivanje.Izlazi iz modela globalne integracije su
izvestaji,prognoze,saveti, i sl. Povratna sprega ili veza neophodna
radi obezbedjivanja dodatnih informacija,znanja ili modela koji se
mogu ponovo upotrebiti u buducnosti.U okviru ovih savremenih modela
globalne integracije kompjuterskih informacionih sistema ukljucene
su i brojne napredna tehnologije radi poboljsanja karakteristike
modela.Tako, u okviru filtracije podataka ukljucuju se inteligentni
agenti ili pretazivaci koji znatno skracuju vreme potrebno da se
izdvoje neophodne informacije.Takodje,postoji teznja da se citav
model uskladi sa protokolima standardnim za prikljucivanje sistema
na globalnu kompjutersku mrezu-Internet.Time se sa jedne strane
omogucava potrosacima sirom sveta da pristupe pojedinim bazama
podataka ili modela da pretazuju(ali se tacno definisu granice
pristupa). Sa druge strane formira se Internet mreza poslovnog
sistema, a zaposlenima unutar preduzeca omogucava se da prilikom
pretrazivanja podataka mogu izaci na Internet i tamo potrazi
informacije.Koncept virtualnog poslovanja predstavlja jos jedan
aspekt trgovine u buducnosti.Stoga novije informacione tehnologije
namenjene za poslovanje poslovnih sistema ubrazano se okrecu
prilagodjavanju rada Interneta.
Prilikom izbora integracije kompjuterskih informacionih sistema
treba se rukovoditi cinjenicom da se integrisanjem pstojecih
informacionih sistema dobijaju objedinjene karakteristike
integrisanih sistema,sto pruza korisnicima znatno komforniji
rad,skracenje vremena aktivnosti- dakle povecava se radni ucinak i
opste zadovoljstvo zaposlenih.Sa druge strane implementacija
integrisnih sistema iskazuje ulaganje dodatnih sredstava koja su
neophodna za izgradnju globalnog sistema i za nabavku hardverskih
komponenata.Odrzavanje ovog sistema tj. administracija mreze
iskazuje dodatna ulaganja.
Imajuci iznete pretpostavke u vidu,namece se konstatacija da
prilikom izbora sistema za podrsku menadzment aktivnostima treba da
se napravi balans tako da izabrani sistem sa jedne strane u
potpunosti zadovoljava potrebe poslovnog sistem,a sa druge strane
bude takav da mu obezbedi konkurentske prednosti,adaptabilnost
poslovnom okruzenju,rast i razvoj.SKLADISTE PODATAKA (Data
Warehouse-DW)Bill Inmon (otac DW) definie ga kao:
Subjektno orijentisanu
Integrisanu
Nevolatilnu
Vremenski promenljivu
kolekciju podataka za podrku menaderskom procesu odluivanja.
DW je baza podataka (DataBase) sa posebnom strukturom podataka,
projektovanom tako da se relativno brzo i jednostavno mogu izvoditi
sloeni upiti nad velikom koliinom podataka.Osobina DW-a da pruza
brz pregled i analizu velike kolicine poslovnih podataka koji se
kasnije uglavnom koriste za ocenu postignutih rezultata,pri
planiranju i odlucivanju ,cini ih pogodnim za integraciju u
sistemima za posrsku odlucivanju ili osnovnom za izgradnju sistema
poslovne inteligencije (BI-Bussiness Inteligence).IBM za DW ponekad
koristi termin Informaciono skladite. Uobiajeno je da je DW smeten
na mainframe serverima u preduzeu.
Skladiste podataka obavlja najmanje tri razlicite aplikacije
(Arbor Software):
1. Osnovne radne aplikacije odnose se na tabele i statistike
pakete, grafike alate koji su korisni za upravljanje i
predstavljanje podataka na PC-ju.Razvijeni u samostalnom okruzenju
ovi alati koriste aplikacije koje mogu da obradjuju samo manju
kolicinu podataka iz sladista podataka.2. Aplikacije za upite i
izvetaje obrauju podatke pomou jednostavnih radnih upita i
generisanje osnovnih raporta.Ovi raporti sadrze istorijske
podatke,ali ne zadovoljavaju potrebe preduzeca za iscrpnim(dubljim)
analizama.3. Aplikacije za analizu i planiranje zadovoljavaju
sutinske poslovne potrebe kao to su predvianje, analiza proizvodnih
linija, finansijska konsolidacija, profitabilnost, proizvodne
mix.-analize- aplikacije koje koriste postojece
podatke,zeljene(projektovane-koriste se zauporedjivanje odstupanja
ostvarenog od zeljenog stanja) ili tacno izdvojene podatke
neophodne za odredjenu analizu. Detaljniji pregled procesa
ukljucenih u upravljanje i odrzavanje skladista podataka.Proces
zapocinje sa leva na desno i ima povratnu spregu preko
korisnika.Iterativni karakter je od sustinskog znacaja za skladiste
podataka jer omogucava da se zapocne sa malim skladistem podataka
koje tokom vremena moze da evoluira prema potrebama preduzeca.
Fleksibilnost i sposobnost adaptacije promenljivim poslovnim
potrebama takodje su vrlo bitne osobine skladista podataka.Neki
proizvodjaci skladista podataka govore i o alatima za automatsko
odrzavanje skladista podataka.
Skladiste podataka za razliku od drugih vrsta informacionih
sistema poseduje osobine objedinjavanja razlicitih podataka koji
mogu poticati iz razlicitih proizvedeno-informacionih sistema
realizovanih na razlicitim platformama, moze se relatvno brzo
otkriti promena u izvornom sistemu,ima iterativni karakter
izgradnje modela podataka, moze se detektovati greska u proizvodnom
sistemu,dugotrajnije cuva podatke u odnosu na klasicne
proizvodno-informacione sisteme(najcesce 5-10 godina).
Proizvodno-informacioni preduzeca najcesce je sastavljen iz vise
podsistema,fizicki odvojenih ili na razlicitim
platformama(neintegralni informacioni sistem)Problem prikupljanja
podataka iz razlicitih podsistema je otezan zbog nekonzistenosti
podataka koji pokrivaju isto podrucje poslovne delatnosti
preduzeca,a neophodno ih je objediniti u cilju generisanja
izvestaja.Skladiste podataka vrsi funkciju objedinjavanja podataka
iz svih raspolozivih izvora i ovo je upravo jedan od najtezih
zadataka prilikom izgradnje skladista podataka. Direktan rucni unos
podataka u skladiste podataka nije dozvoljen jer se podaci u
skladiste podataka unose preko proizvodno-informacionog sistema sto
i jeste osnovna namena proizvodno informacionoc sistema ).Unos
podataka u skladiste podataka obavlja se automatski i
periodicno.Unosi se velika kolicina podataka npr. Dnevno na kraju
radnog vremena vrsi se prikupljanje i objedinjavanje podataka iz
svih raspolozivih izvora.Ovaj proces obavlja program,a njegova
dinamika pokretanja zavisi od nase potrebe u pogledu azurnosti
podataka. Razlikujemo alate(programske pakete) za generisanje ad
hoc izvestaja npr. ORACALE Discoverer,i alate za izradu slozenih
korisnickih aplikacija npr. ORACALE Express.Ovi alati namenjeni su
za rad sa skladistima podataka,i pruzaju podrsku top menadzmentu u
donosenju poslovnih,stategijskih odluka.
Data Warehouse koncept se zasniva na odvajanju OLTP (On Line
Transaction Processing) i OLAP (On Line Analytical
Processing)procesa.OLTP predstavlja operativni proces obrade
podataka u kome se vrednosti podataka menjaju kontinualno u toku
dana i u trenutcima koji se ne mogu unapred specifirati.Nasuprot
OLTP, analiticka obrada podataka(OLAP) se obavlja uporedjivanjem
ili obradom izvornih podataka i analizom trendova.Ovde se podaci ne
menjaju proizvoljnim vremenskim intervalima,vec u tacno odredjenin
intervalima u zavisnosti od prirode problema koji se
analizira(Mihailovic) OLAP tehnologija omogucava korisniku pristup
i analizu ad hoc podataka,pregled informacija dobijenih kroz
poredjenja,analize podataka iz proslosti i podataka iz razlicitih
sta ako scenarija. OLAP aplikacije koriste analiticari,menadzeri
koji cesto zahtevaju pregled visoko agregatnih podataka, kao sto su
ukupna prodaja jedne prizvodne linije ili jednog regiona itd. OLAP
baza podataka ili analiticka baza podataka je podvrgnuta promenama
koje dolaze od strane vise izvora podataka obezbedjujuci snaznu
analiticku pozadinu mnogim korisnickim aplikacijama. Klasicne
relacione baze podataka projektovane su za online transacionalnu
obradu(OLTP) ali ne zadovoljavaju potrebe za online analiticku
obradu podataka. Kao rezultat javlja se skladiste podataka
projektovano razlicito od klasicnih relacionih baza podataka.
ROLAP,MOLAP I HOLAP su specijalizovane OLAP aplikacije. ROLAP se
odnosi na relacioni OLAP.U relacione baze podataka (RDBMS) smestaju
se podaci,a ROLAP podsistem pruza potrebnu analiticku
funkcionalnost.U ROLAPu se mogu uskladistiti velike kolicine
podataka nad kojima se mogu efikasno izvrsavati jednostavni sumarni
upiti.Ima lose performanse u pogledu izvrsavanja kompleksnih
kalkulacija.Predstavnici: Oracle RDBMS i Microsoft SQL Server
MOLAP oznacava multidimenzioanalni OLAP .Multidimenzionalna baza
je skladiste podataka i analiticki mehanizam. Korisnici cuvaju
svoje podatke specijalizovanim kockama(hybride cube)podataka.
HOLAP oznacava hibridni OLAP,tj. kombinaciju MOLAPa i ROLAPa.
Seagatov softver Holos je primer HOLAP okruzenja. HOLAP omogucava
da velicina multidimenzijalne baze bude veca nego kod MOLAPa,ali
manja nego od ROLAPa. Kod slozenih upita brzina odgovora kod HOLAPa
jednaka je brzini rada MOLAPa
U izgradnji skladista podataka javljaju se slicni problemi kao i
u processu izgradnje proizvodnih informacionih sistema.Navedeni
problemi vezani su uglavnom za ekstrakciju podataka tj. periodicni
automatski proces prenosa podatka iz izvornog proizvodnog
informacionog sistema u odredjeno skladiste podataka. Problemi
vezani za ekstrakciju podataka su najznacajniji jer se priblizno
60% ukupnog vremena potrebnog za izgradnju DW trosi na izgradnju
sistema za ekstrakciju podataka. U vidu treba imati i probleme koji
nastaju zbog iterativnog karaktera izgradnje modela podataka i
sistema za ekstrakciju podatak,sto ukazuje na slozenost izgradnje
skladista podataka. Neki od problema pri izgradnji DW su:
Objedinjavanje raznovrsnih podataka iz vie nivoa (vie proizvodno
informacionih sistema) ralizovanih na razliitim platformama Brzo
otkrivanje nastalih promena u izvornom sistemu Iterativni karakter
izgradnje modela DW, samim tim i iterativni karakter izgradnje
programskog sistema za ekstrakciju.Datamart (trite podataka)
definie funkcionalnu celinu koja u sebi objedinjava podatke slicnog
tipa koji su organizovani u dimenzionalnom modelu. Datamart moe i
ne mora biti deo DW. Moe egzistirati samostalno. Najee je u vezi sa
jednim delom poslovanja preduzea, a usmeren je ka grupi korisnika
(npr. Datamart za knjigovodstvo, marketing i sl.)
UPOREDNE KARAKTERISTIKE KOMPJUTESKIH INFORMACIONIH SITEMA ZA
PODRSKU ODLUCIVANJU
Poredjenjem karakteristika kompjuterskih sistema za podrsku
odlucivanju stice se uvid o njihovoj adevatnoj primeni prema vrsti
problema.Sauter daje jednostavan prikaz o nivou uspesnosti
odredjenih informacionih sistema prema strukturiranosti
problem,neophodnosti za bazom znanja itd,PRIMENA VESTACKE
INTELIGENCIJE U RESAVANJU MENADZMENT PROBLEMA Meyer VI definie kao
rezultat vaeih znanja koja potiu iz razliitih naunih oblasti i koja
su transformisana u oblik koji omoguava reavanje problema Medjutim
mnogi autori smatraju da ne postoji jasna definicija VI. Koriscenje
tehnika VI u resavanju realnih problema treba da zapocne sa ucenjem
klasicnih kompjuterskih alata i resavanjem problema. Kada projekti
menadzer resi priblem, prirodno je da pocne da razislja o nacinima
kako da lakse dodje do boljeg resenja,drugim recima sta moze da
uradi da program bude inteligentniji. Sledeci korak je da se
napravi specifikacija tehnika koje mogu da se koriste.
Naravno,svaki projektni menadzer pri trazenju resenja mora da
razmislja o tome da li razmatrani problem moze da se resi pomocu
tehika koje zna ili tretirani problem zahteva primenu novih
tehika
Treba napomenuti da projekti VI podrazumevaju veliku kolicinu
promenu u organizaciji mnogo vise nego uvodjenje novih
informativnih tehnologija(IT). Menadzment moze da ima stav da se
odupire tim promenama. Isto tako svaki projektni menadzer treba da
zna da uvek postoje organizacije koje su otvorene za promene. Ako
je projektni menadzer siguran da je vreme za implementaciju novih
ideja,ako razmislja o tome,on ce da nadje i nacin da ostvari svoje
ideje.
Poznavanje specificnih tehologija koje su oznzcene kao
tehnologij VI i kompanije koje ih prozviode su definitivno dobar
start za pocetak izgradnje sisitema VI u preduzecu. Kada preduzece
izgradi sistem VI projektni menadzeri ce razmatrati postojece
tehnologije ili one koje su se u novije vreme pojavile na
trzistu,tako da ce moci da odluce da se mnoge od njih ugrade u vec
postojeci sistem VI.Moze da se postavi pitanje zasto je ovo
potrebno. Pre svega, VI je jos uvek mala industrija sa odsustvom
jasnih standarda. Ovo mora da se promeni u buducnosti. Uspesan VI
projekat treba da ukljuci sve uobicajene predpostavke bilo kog
projekta: dobre projektante,dobre programere,baze
podataka,administratre mreze,analiticare i dr.
VI radi najbolje kada koristi najbolje projektovan osnovni IT
sistem.
Ponekad u izgradnji VI ucestvuju ljudi koji su angazovani za
posebnu tehnologiju,mada to nije njihovaomiljena tehnologija ili su
oni konsultanti za prodavce koji proizvode tehnologiju koja se
primenjuje. Potrebno je dapostoji nepristasan mehanizam za
odredjivanje najboljeg nacina za resavanje partikularnog
problema.
Sta se dogadja ako ljudi koriste naprednu VI tehnologiju za
resavanje probleme koji moze da bude resen na mnogo laksi nacin
koriscenjem konvencionalnih programerskih tehnologija. Naravno,da
nije dobro ako se potrosi puno vremena za razvoj VI sistema i
izgradnju VI resenja. Primarni cilj je taj da se pokusa resavanje
problema na najbolji moguci nacin za kljijenta npr.preduzece.
Tehnike VI nikada ne treba da se koriste ako to nije u najvecem
interesu za klijenta.
Kada se sitem VI uvede u organizaciju svaki projekti menadzer
treba pazljivo da prati kakav ce uticaj VI imati na preduzece.
Treba da bude siguran koje koristi je organizacija ostvarila usled
uvodjenja projekta VI. VI projekti mogu da budu razlog velikih
promena u org. Ponekad oni dovode do velikih poboljsanja u
poslovanju preduzeca kao celine ali ne moraju da budu dobri za
donosioce odluka.Ovo ukazuje da treba da se pokusa da se napravi VI
sitema koji ce da bude isto tako dobar za eksperte kao i za
organizaciju.
Naravno, u velikim org. Postojace vise protivljenja za
implementaciju VI sistema,u nekim manje.Generalno,ako projektni
menadzer zeli da implementira svoje ideje mora da trazi vise
fleksibilne org. Pojam znanje i njegovo razumevanje predstavlja
osnovni cilj VI. Da bi smo definisali znanje potrebno je damo
odgovore na sledeca pitanja: Sta je znanje? Kako da se prepozna?
Koliko dugo ga istrazivati?Da li je nase znanje sigurno? Usled cega
mozem da imamo sigurnost u nase znanje?
Odgovori na ova pitanja su zasnovani na hipotetickom
realizmu.
Hipoteticki realizam se karakterise kao teorija misljenja i
predstavlja osnovu znanja. Pridev hipoteticki se koristi jer nasa
znanja i saznanja mogu biti pogresna. Termin realizam u rezmatranom
pojmu oznacava cinjenicu da nasa saznanja poticu iz realnog
sveta.
Delovi VI su prema Meyer-u:
Ucenje
Modeliranje simbolima
Heuristika
Resavanje problema
Integracija
Tehnike i jezici VI
Buduci razvoj
UCENJE (moe u celosti da se definie kao glavna sposobnost
inteligentnih sistema, inteligencija je odreena: mehanizmima uenja
i rezultatima uenja. Znanje i inteligencija su vrlo cesto
razmatrani kao sinonimi.Inteligencija i znanje su prikazivani kao
rezultat sticanja, memorisanja,dobijanja,kombinacije,kompracije
ikoriscenja informacija u novom
kontekstu:apstrakcija,predstavljanje i modeliranje.Mehanizam ucenja
moze da se predstavi kroz algoritam procesa ucenja.
Postoje dva dela procesa ucenja: heuristicko i logicko.
Proces uenja se sastoji iz: prikupljanja ulaznih podataka iz
okruenja, indukcije, dedukcije i analize informacija. Ucenje moze
da se definise kao upravljanje faktorima koje uticu na resavanje
postavljenog problema i koji ne mogu da se uzmu u obzir u klasicnim
algoritmima.Upravljanje faktorima obavlja se u realnom vremenu i
ono se razlikuje u zavisnosti od hijerarhijskog nivoa na kome se
vrsi upravljanje.
MODELIRANJE SIMBOLIMA- VI omogucava resavanje problema koji ne
mogu da resavaju na klasican nacin,odnosno primenom klasicne
metodologije. (u VI se koriste simboli (umesto algoritama) pomou
kojih se predstavljaju realni predmeti, njihove karakteristike i
relacije koje postoje meu njima, na ovaj nacin je omogucena laka i
brza simulacija)
HEURISTIKA (VI koristi pravila heuristike koja pojednostavljuju
pretraivanje i omoguava da se nau reenja. Heuristiko programiranje
je kombinacija heuristika koje se koriste za reavanje nekog
upravljakog zadatka.Heuristika je plod intuicije i iskustva.
Primena heuristickih metoda je usmerena u dva pravca : (1) na
resavanje slozenih zadataka koji se mogu predstaviti u
kvantitativnom obliku ali su toliko slozeni da njihovo resenje nije
moguce naci pomocu strogih analitickih tehnika i (2) na probleme
koji se ne mogu predstaviti matemetickim modelom jer su promenljive
u modelu kvantitativne prirode.Cilj heuristiceke metode je da
omoguce nalazenje prihvatljivih resenja slozenih problema koji ne
mogu da se rese pomocu klasicnih metoda
RESAVANJE PROBLEMA (ovaj pojam oznaava: vetinu korienja
relativnih znanja u postizanju postavljenih ciljeva, transformaciju
dobijene situacije u eljenu ili unapred definisanu pomou
razumevanja problema i sprovoenjem adekvatnih upravljakih
akcija.Pojam resavanje problema oznacava razumvanje dogadjaja i
transformaciju znanja u odgovarajuce akcije. Reavanje problema moe
da se ostvari na 2 naina: primenom heuristikih metoda( resavanje
problema sa aspekta upravljanja podacima) i primenom analitikih
metoda(resavanje problema sa aspekta upravljanja modelima)
INTEGRACIJA ( Distribucija VI imodela koji su zasnovani na
rasudjivanju predstavlja nove razvojne discipline unutar VI koje se
odnose na koordinaciju i kooperaciju izmedju distribuiranog
osnovnog znanja i resenja problema.VI treba da omogui realnu
informacionu integraciju: raspoloivost informacija i znanja unutar
sloenog poslovnog sistema, kao to je preduzee),
TEHNIKE I JEZICI VI (detaljan opis tehnika VI su: tehnologija
kolske table, klijent/server, kreativno razmiljanje, ES, fazi
logika, opte heuristike, inteligentna sredstva, internet, logika
ema, mainsko uenje, multimedija, neuronske mree, robotika,
modeliranje i simulacija i dr.) i budui razvoj. TEHNOLOGIJA SKOLSKE
TABLE Arhitektura tehnologije kolske table VI se sastoji iz 3
komponente: hijerarhijsko organizovanje globalne memorije ili DW,
kolekcija izvora znanja tako da se generiu nezavisna reenja na
kolskoj tabli koristei ES, neuronske mree i numeriku analizu i
separatni modul kontrole koji prikazuje izvore znanja i selektuje
jedno koje je najprihvatljivije.Prednost ove tehnologije ukljucuje
separatisano znanje u nezavisne module.Svaki modul slobodno koristi
prihvatljive tehnologije koje dovode do najboljeg resenja sa
najvise efikasnosti.
KREATIVNO RAZMISLJANJE Resavanje rutinskih problema je gotovo u
svim org. Automatizovano,postoje edekvatni kompjuterski programi.
Pri reavanju sloenijih zadataka, koji su poznati pod nazivom
problemske situacije, nije mogue primeniti uobiajene programe.
Reavanje ovih problema zahteva kreativnost donosilaca odluke.
Odnosno u resavanju problema kompjuter ne moze mnogo da pomogne jer
je jos uvek u svom detinjstvu INTELIGENTNA SREDSTVA Inteligentna
sredstva izvravaju zadatke koji se odnose na odreivanje koristi
poslovnih procesa.Npr. preduzece koristi monitoring program
zasnovan na sredstvima koja mogu da budu kljucna komponenta za
obradu rezanjem sa aspekta pracenja troskova i porasta kompjuterske
efikasnosti.
MASINSKO UCENJE je podpolje VI koje podrazumeva automatsko
sticanje domena specifinog znanja. Cilj ovih sistema je poboljanje
njihovih performansi kao rezultat iskustva.Proucavanja na ovom
polju ukljucuju probleme: klasifikacije i dekompozicije,principe
inteligencije,=- rezonovanja , i prirodnog jezickog
procesiranja.Ono moze da bude postavljano kao okvir za sprovodjenje
istrazivanja i razvoja VI. Pet glavnih oblasti mainskog uenja su:
analitiki modeli uenja, metode uenja neuronskih mrea, genetski
algoritmi i sistem klasifikatora, empirijske metode za stvaranje
pravila i drvo odluivanja i pristupi uenja zasnovani na sluajevima.
NEURONSKE MREZE predstavljaju tehniku obrade informacija koja je
zasnovana na biolokom nervnom sistemu, kao to mozak procesira
informacije. Osnovni koncept neuronske mree je struktura sistema
procesiranja informacija. Sastavljen je od velikog broja strogo
povezanih procesirajucih elemenata ili neurona,sistem neuronske
mreze koristi tehniku koja lici na humanu tehniku ucenja,npr.
Ponovno resavanje problema.Neuronska mrea je strukturirana za
specifine primene, kao to je specifikacija podataka ili
prepoznavanje prema uzorku, kroz proces uenja. Kao i u bioloskim
sistemima ucenje obuhvata regulisanje sinaptickih povezivanja koja
egzistiraju izmedju neurona. Neuronske mreze su nastale primenom
rastuceg broja realnih problema.Njihova primarna prednost je ta to
one mogu da ree probleme koji su takoe vrlo kompleksni za
konvencionalne tehnologije-problemi koji nemaju algoritamsko reenje
ili za koje je algoritamsko reenje kompleksno da bi se moglo
definisati.Nacin resavanja problema pomocu neuronskih mreza je za
ljude vrlo dobro razumljiv,ali ne i za kompjuter. Rasavanje pomocu
neuronskih mreza ukljucuje prepoznavanje prema uzorku i
prognoziranje. MODELIRANJE I STIMULACIJA Kompjuterski modeli mogu
da predstavljaju sloene prirodne sisteme ili sisteme koje je ovek
napravio, NPR: to su tehnicki i organizacioni sistemi. Ovi modeli
mogu da se koriste za predvianje efekata razliitih uslova i stanja
sistema.Ova tehnika dozvoljava analize i u slucaju da su
ispitivanja na realnim sistemima skupa ili nemoguca. Simulacija moe
da bude uraena u vezi sa realnim svetom istraivanja pomou ega se
stie bolje razumevanje sloenih sistem.
JEZICI VI Jezici koji se koriste za programiranje su npr. LISP
(razvijen XX veka, ovo je funkcionalno orijentisan jezik koji se
zasniva na povezivanju i obradi velikog broja listi. Svaka lista
sadri odgovarajui broj simbola sa listom njihovih svojstava ili
ogranien broj drugih listi.Preko svojstava uspostavljaju se veze
izmedju razlicitih simbola,sto je potrebno za reprezentaciju
znanja), PROLOG (razvijen sedamdesetih god. Proslog veka,kao jezik
za programiranje u logici, omoguava iskazivanje znanja preko
pravila,npr. Objekti se izrazavaju preko:simbol konstanti,simbola
varijabli i simbola sadrzaja), LOGO, C++ i dr. BUDUCI RAZVOJ VI
omogucava razvoj u smislu: Modelovanja slozenih fizickih sistema
,ukljucujuci mehanizme za prezentaciju i slucajnih saznanja koja
poticu i odnose se na fizicki sistem i omogucava razvoj principa
odlucivanja
Prikaza i koriscenja raznovrsnih znanja
Vremenskog rasudjivanja,ukljucujuci sposobnost prikaza relacija
koje postoje izmedju realnog vremena i poremecaja koji uticu na
njega
Integracije razalicitih teorija upravljanja
OPSTE HEURISTIKE Upravljacki problemi u lancu snadbevanja su po
pravilu vrlo slozeni,nelinearni i visekriterijumski. Za resavanje
ovakvih problema koriste se razvijene specijalizovane heuristicke
metode koje su prilagodjene strukturi problema koji se resava.
Poslednjih godina proslog veka pocela je da se razvija opsta
heuristika koje predstavlja skup heuristickih metoda koje polaze od
najopstijeg problema kombinatorne optimizacije
Min f(x)xeX
gde je sa X oznacen skup dopustivih resenja. Ovaj skup ima
konacno mnogo resenja. Funkcija f(x) moze da bude bilo kakva f-ja
takva da skup X preslikava u skup realnih brojeva R. U ovoj sekciji
veoma sazeto su prikazane opste heuristike:metoda lokalnog
pretrazivanja(local search), alternativna heuristika(alternate
heuristic technique-ALT).metoda pretrazivanja promenljive
okoline(variable neighborhood search-VNS) i genetski
algoritam(genetic algorithm). Slozeni problemi odlucivanja ,cije
resenje je tesko naci pomocu klasicnih algoritama,resavaju se putem
metoda opste heuristike.
Mogunost maine da zadovolji potrebe
Potrebe donosioca odluka
Mogunost maine da zadovolji potrebe
Potrebe donosioca odluka
Podaci: unutranji i spoljanji
Drugi raunarski zasnovani sistemi
Upravljanje podacima
Upravljanje znanjem
Korisniki interface
Korisnik
Upravljanje modelima
Korisnikova dilema
Definisanje i formulacija problema
Obrada od strane DSS
Prezentacija alternativa
Korisnikov izbor
Projekcija posledica
Informacija za buduu upotrebu
Opis situacije
Opis domena
Ekspertsko rezonovanje i logika
Znanje
Informacija
Izvori podataka
Drutveni faktori
Ekonomski faktori
IBM compatible
Javni ekran
Pomone procedure za grupni rad
Korisniki interface
Procesor
GDSS software
Baza modela
Baza podataka
Korisnik
Podrka
Interface, sredstva za rukovanje fajlovima, sredstva za pruanje
objanjenja, alat za rukovanje bazom znanja
Mehanizam za zakljuivanje
Baza znanja
Radna memorija
Baza podataka
Baza modela
Baza znanja
Raporti
Predvianje, prognoze
Preporuene akcije
Objanjenja, savet
Analiza i obrada
EIS
MBMS
DBMS
Ekspertni sistem
Hardware & software
Donosilac odluke
Povratna sprega
Interaktivna povratna sprega
Proizvodni IS
Program za periodino osveavanje DW
BAZA SKLADITA PODATAKA
Izvor 1
Izvor 2
Dodatne datoteke
PAGE 2