WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 14 |

Системы поддержки принятия решений (СППР) используются для решения в режиме диалога плохо структурированных задач, для которых характерна неполнота входных данных, недостаточность имеющихся стандартных процедур, неполная ясность целей и ограничений. Участие человека в работе системы велико. Он в случае необходимости может вмешиваться в ход решения, модифицировать входные данные, процедуры обработки, цели и ограничения задачи. Выбор стратегий оценки альтернатив решения – исключительная функция пользователя. Помимо СУБД СППР включает в себя базу моделей и систему управления этой базой, а также систему управления диалогом. Может использоваться на уровнях оперативного и управленческого контроля, а также стратегического планирования.

Экспертные системы (ЭС) основываются на моделировании процесса принятия решения человеком-экспертом (человеческих эмпирик) при помощи компьютера и разработок в области искусственного интеллекта. В отличие от всех вышерассмотренных систем ЭС основываются на использовании не только данных и информации, но и знаний, что дает им возможность самообучения. ЭС не включает в себя математические модели, улучшающие принимаемое человеком решение. Их цель – обеспечить экономию за счет замены высокооплачиваемого эксперта-пользователя сравнительно низкооплачиваемым специалистом. ЭС признаны автоматизировать многие решения пользователя (но не все). Они могут использоваться на любом уровне управления, а также специалистами-неуправленцами.

Гибридные экспертные системы (ГЭС) являются гибридом ЭС и СППР. Они построены на принципах обработки знаний, но включают в себя подсистему данных и подсистему математических моделей.

ГЭС обеспечивают доступ человека к решению задачи на любой стадии решения. Это не автоматическая система, в ней решения принимает человек. Может использоваться на уровнях управленческого контроля и стратегического планирования.

Информационные системы мониторинга (ИСМ) служат для целей контроля за деятельностью фирмы, обеспечивая управленцев высших уровней наиболее важной укрупненной информацией. Эти системы не предназначены для помощи в принятии решений, но очень эффективны в деле выявления оперативных проблем, а также при анализе управленческих и стратегических ситуаций за счет немедленного предоставления текущей и ретроспективной информации.

Представленная классификация информационных систем менеджмента позволяет однозначно определить вид конкретной системы, что существенно облегчает ее поиск. В настоящее время отсутствует полный набор систем, отвечающих сформулированным признакам, однако работы в соответствующем направлении ведутся весьма активно.

Выв оды 1. Автоматизация процесса разработки управленческого решения представляет собой дорогостоящий комплексный процесс, в котором может быть задействовано большое число людей и затраты на который не должны превысить разумного уровня.

2. Информационная поддержка разработки управленческого решения требует наличия у менеджера или у его персонала определенного уровня информационной культуры, включающего в себя навыки работы с источниками информации.

3. Модельная поддержка разработки управленческого решения ориентируется на разработку, апробацию и тестирование математических и программных моделей объектов предполагаемого интереса менеджера, связанного с принимаемыми проблемами.

4. Экспертная поддержка разработки управленческого решения сводится к автоматизации процесса получения и обработки экспертных оценок и созданию систем, позволяющих опосредованно использовать знания экспертов через стандартные наборы данных.

5. Можно предложить классификацию информационных систем менеджмента, позволяющую отыскивать требуемую систему на рынке программных средств или формулировать задание на ее разработку.

3. СТРУКТУРИРУЕМЫЕ ЗАДАЧИ РАЗРАБОТКИ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ 3.1. Общая характеристика оптимальных задач разработки управленческого решения Разработка управленческого решения для структурируемых задач должна производиться методами, позволяющими находить их оптимальное решение, обеспечивающее наилучшее значение выбранного критерия. Отличительной особенностью оптимального решения является то обстоятельство, что его нельзя улучшить, а можно только повторить.

Этот эффект объясняется тем, что оптимальное решение удовлетворяет условию экстремума (максимума или минимума) критериальной функции. Менеджер заинтересован в отыскании оптимальных решений по той простой причине, что в случае их реализации результаты его труда не могут быть кем-либо превзойдены. Любой практик, работающий в такой сложной области человеческих отношений, как современный менеджмент, вынужден непрерывно доказывать окружающим свою ценность как профессионала. Оптимальные решения дают относительно редкую возможность измерить качество труда менеджера в количественных единицах, что превращает задачи рассматриваемого класса в своеобразный квалификационный рубеж.

В разговорной речи, существенно отличающейся от речи профессионалов, часто встречаются такие словосочетания: “наиболее оптимальное решение”, “самое оптимальное решение” и т.п. Особенно часто такие выражения позволяют себе, например, дикторы радио и телевидения, за речью которых мы подсознательно следим и непроизвольно пытаемся перенять их словарь и манеру изложения. Следует отметить, что приведенные выражения являются бессмысленными с точки зрения специалиста, поскольку понятие оптимальности уже предусматривает самое лучшее из числа возможных. Поэтому в профессиональном языке такие речевые обороты являются недопустимыми и окружающие, услышав такие словосочетания из уст специалиста, автоматически полагают, что тот не понимает, о чем говорит.

Математически структурированные задачи разработки управленческого решения записываются в виде функции, набора функций или функционалов, связывающих между собой их составляющие части в единую математическую модель. В качестве обязательной составляющей такой модели является выражение для так называемой критериальной функции, позволяющее рассчитать численное значение критерия. Математически решение задачи отыскивается как набор переменных, обращающий в максимум или в минимум выбранный критерий в зависимости от его смысла. С точки зрения теории принятия решения возможные значения переменных представляют собой набор альтернатив, а оптимальное решение соответствует альтернативе, обращающей в экстремум критериальную функцию.

Традиционно математики уделяли задачам отыскания аргументов функции, обеспечивающих достижение экстремума, очень большое внимание. Отметим, что естественным выводом из математической теории дифференциального исчисления следует возможность определения экстремума функции и его вида (минимум или максимум) по первой и второй производным. Классическая теория дифференциального исчисления налагает ряд ограничений на вид дифференцируемой функции (отсутствие разрывов, изломов в точке экстремума). Кроме этого существует ряд сложностей, возникающих при решении задач с ограниченной областью изменения аргумента. Как следствие, методы теории дифференциального исчисления относительно редко находили применение в менеджменте, дополнительной спецификой которого часто является еще и дискретность анализируемых функций.

Существенный вклад в математическую теорию экстремальных задач был внесен Л.В. Канторовичем, впервые сформулировавшим и решившим задачу, позднее получившую название задачи линейного программирования. Математическая постановка этой задачи сводится к поиску переменных, входящих в выражение критериальной (линейной!) функции и в общем случае в неограниченное конечное количество дополнительных функций ограничений (тоже линейных), которые, в частности, могут представлять собой неравенства. Дальнейшее развитие идей Л. В. Канторовича привело к появлению теории математического “программирования”, расширившей класс используемых функций. Так в некоторых случаях удается решать задачи с нелинейными критериальными функциями (задачи квадратичного программирования, геометрического программирования и т. п.). Отметим, что термин “программирование” в данном случае используется только как название математического метода и непосредственного отношения к программированию на ЭВМ не имеет.

Дальнейшее развитие экстремальные задачи получили в рамках вариационного исчисления и теории оптимального управления. В отличие от обычных экстремальных задач, предметом решения которых является отыскание фиксируемого набора переменных, здесь отыскиваются функции, позволяющие получить экстремальное значение критериального параметра. На практике подобные задачи возникают тогда, когда требуется находить связанные решения для различных моментов времени. Подобные задачи относятся к категории динамических и представляют особый интерес, например при стратегическом планировании.

Наряду с рассмотренными выше теориями в настоящее время активно развивается теория многокритериальных задач принятия решения. Ее предметом является способ отыскания компромиссного решения, которое получается на основе оптимальных решений, полученных по нескольким противоречивым критериям. Разработано большое число методов компромисса. В задачу менеджера в этом случае входит обоснование и выбор одного из них. Отметим, что хотя в случае компромисса не обязательно достигается оптимальное решение по каждому из рассматриваемых критериев (как правило, это невозможно), итоговое решение многокритериальной задачи может быть оптимальным при выбранной схеме компромисса.

Наконец, самостоятельным вопросом при разработке решения является учет различных рисков. Математически риски могут рассматриваться как случайные параметры, входящие в рассматриваемую задачу. Исследованием таких параметров занимается теория вероятностей, теория случайных процессов и теория игр, в рамках которых возникает свой набор оптимальных задач, базирующихся, в частности, и на ранее упомянутых математических теориях.

Таким образом, математическая теория предоставляет менеджеру большой набор методов, позволяющих отыскивать оптимальные решения.

3.2. Математическая постановка задачи линейного программирования Рассмотрим простейшую задачу математического программирования, у которой имеется линейная целевая функция и линейные ограничения. Такая задача называется задачей линейного программирования.

Будем считать, что у этой задачи имеется n переменных и m ограничений. Тогда целевая функция может быть записана в виде n c1x1 + c2x2 +... + cnxn = x max.

(3.1) c j j j=Если по смыслу задачи целевая функция должна обращаться в минимум, то для получения выражения (3.1) в ней достаточно поменять значения всех коэффициентов ci на противоположные (–ci). Набор ограничений может быть записан в виде n a x1 + a12x2 +... + a1nxn = x bi, 11 a1 j j j= n a x1 + a22x2 +... + a2nxn = x b2, 21 a2 j j j=......... (3.2)..

n am1x1 + am2x2 +... + amnxn = x bm.

amj j j= Обычно в задачах, связанных с менеджментом, имеет место набор дополнительных n ограничений xi 0.

Задача линейного программирования при n = 2 допускает достаточно наглядную геометрическую интерпретацию. Например, если целевая функция задана выражением x1+x2, которое необходимо максимизировать, а набор ограничений (дисциплинирующие функции) имеет вид -x1 + x2 2, -0,5x + x2 1, x + x2 3, 2x1 + x2 6, (3.3) x1 0, x2 0, то может быть найдено ее плоскостное решение (рис. 3.1).

X–x1+x2<=–0,5x1+x2>=A 3 D B C X–1 0 x1+x2>=x1+x2=2x1+x2<=Рис. 3.1. Графическая интерпретация метода линейного программирования для n=Построим в системе координат x1, x2 графики функций ограничений, отмечая у каждой из прямых стрелками направление действия знаков неравенства. Пересечение линий образует многоугольник ABCD, на гранях которого находится оптимальное решение. Для того чтобы его отыскать, достаточно построить семейство графиков целевой функции x1+x2= для различных значений. Очевидно, что графики будут идти параллельно графику функции x1+x2 = 0, причем целевая функция будет возрастать в сторону первого квадранта. Подбирая параметр так, чтобы многоугольник ABCD пересекался с графиком целевой функции при максимальных значениях x1 и x2 (в нашем случае это точка A) получим оптимальное решение задачи линейного программирования 1.

X = {x1; x2} = ; 3 Как следует из рассмотренного выше примера, совсем необязательно конкретный набор ограничений образует замкнутый многоугольник, на гранях которого можно искать оптимальное решение. Например, если в первом ограничении (3.3) изменить знак на противоположный, то экстремум отсутствует, а целевая функция неограниченно возрастает. В этом случае оптимальное решение найти невозможно (ограничений недостаточно). Если мы дополнительно изменим знак во втором ограничении, то область допустимых значений переменных (многоугольник ABCD) вообще будет отсутствовать. Как и в предыдущем варианте, оптимальное решение задачи при таком наборе ограничений также найти невозможно (ограничения слишком жесткие). Эти обстоятельства приходится учитывать при решении практических задач.

Рассмотренный пример носит чисто методический характер. На практике количество переменных задачи n бывает гораздо большим, чем 2.

Решение подобных задач вручную осуществляется на основе специально разработанного симплекс-метода, позволяющего в результате повторения определенной последовательности действий над исходными данными получить в конечном итоге оптимальное решение. Именно благодаря этому методу соответствующий раздел математической теории получил название программирование (программа – последовательность действий, возможно повторяющихся). Однако при ручной реализации симплекс-метод оказывается достаточно трудоемким, что существенно ограничивает его применение. Наиболее перспективным представляется в этом случае использование специализированных программ для ЭВМ, позволяющих решать рассматриваемые задачи в разумное время.

В теории линейного программирования очень часто вводят в рассмотрение так называемую двойственную задачу. Ее целевая функция и ограничения записываются как m b1y1 + b2 y2 +... + bm ym = yi min, bi (3.4) i=a11y1 + a21y2 +... + am1ym c1, a y1 + a22 y2 +... + am2 ym c2, (3.5).................

a1n y1 + a2n y2 +... + amn ym cn.

Как и в случае прямой задачи, обычно полагают. Сравнивая yi (3.1), (3.2) и (3.4), (3.5), можно отметить ряд схожих свойств исходной и двойственной задач. Так если в одной задаче ищут максимум целевой функции, то в другой ее минимум. Коэффициенты при переменных целевой функции одной задачи являются свободными членами системы ограничений в другой. Знаки ограничений одной задачи противоположны знакам ограничений другой, а само число ограничений одной задачи совпадает с числом переменных другой. Наконец матрицы коэффициентов при переменных в системах ограничений aij одной задачи являются транспонированными в другой.

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 14 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.