System wspomagania decyzji

Przykład systemu wspomagania decyzji dla John Day Reservoir .

System wspomagania decyzji ( DSS ) to system informatyczny , który wspiera podejmowanie decyzji biznesowych lub organizacyjnych . DSS obsługują poziomy zarządzania, operacji i planowania organizacji (zwykle średniego i wyższego kierownictwa) i pomagają ludziom podejmować decyzje dotyczące problemów, które mogą szybko się zmieniać i niełatwo je z góry określić – tj. nieustrukturyzowane i częściowo ustrukturyzowane problemy decyzyjne. Systemy wspomagania decyzji mogą być w pełni skomputeryzowane lub napędzane przez człowieka, lub mogą być kombinacją obu.

Podczas gdy naukowcy postrzegali DSS jako narzędzie wspierające procesy decyzyjne , użytkownicy DSS postrzegają DSS jako narzędzie ułatwiające procesy organizacyjne. Niektórzy autorzy rozszerzyli definicję DSS, aby obejmowała każdy system , który może wspierać podejmowanie decyzji , a niektórzy DSS obejmują komponent oprogramowania do podejmowania decyzji ; Sprague (1980) definiuje prawidłowo nazwany DSS w następujący sposób:

DSS jest zwykle ukierunkowany na mniej dobrze ustrukturyzowany, niedookreślony problem , z którym zwykle borykają się menedżerowie wyższego szczebla ;
DSS próbuje łączyć stosowanie modeli lub technik analitycznych z tradycyjnymi funkcjami dostępu do danych i ich wyszukiwania ;
interaktywnym przez osoby nieobeznane z komputerem ; I
DSS kładzie nacisk na elastyczność i zdolność dostosowywania się do zmian w środowisku i podejścia użytkownika do podejmowania decyzji .

DSS obejmują systemy oparte na wiedzy . Odpowiednio zaprojektowany DSS to interaktywny system oparty na oprogramowaniu, który ma pomóc decydentom w kompilacji przydatnych informacji z kombinacji surowych danych, dokumentów i wiedzy osobistej lub modeli biznesowych w celu identyfikowania i rozwiązywania problemów oraz podejmowania decyzji.

Typowe informacje, które może gromadzić i przedstawiać aplikacja wspomagająca podejmowanie decyzji, obejmują:

inwentaryzacje zasobów informacyjnych (w tym starsze i relacyjne źródła danych, kostki , hurtownie danych i hurtownie danych ),
porównanie wyników sprzedaży między jednym okresem a następnym,
prognozowane wielkości przychodów oparte na założeniach dotyczących sprzedaży produktów .

Historia

Koncepcja wspomagania decyzji wyewoluowała głównie z teoretycznych badań nad organizacyjnym podejmowaniem decyzji przeprowadzonych w Carnegie Institute of Technology w późnych latach pięćdziesiątych i wczesnych sześćdziesiątych oraz z prac wdrożeniowych wykonanych w latach sześćdziesiątych. DSS stał się samodzielnym obszarem badań w połowie lat siedemdziesiątych, zanim zyskał na intensywności w latach osiemdziesiątych.

W połowie i pod koniec lat 80. systemy informacji wykonawczej (EIS), systemy wspomagania decyzji grupowych (GDSS) i systemy wspomagania decyzji organizacyjnych (ODSS) wyewoluowały z DSS zorientowanego na jednego użytkownika i model. Według Sola (1987) definicja i zakres DSS zmieniały się na przestrzeni lat: w latach 70. DSS był opisywany jako „komputerowy system wspomagający podejmowanie decyzji”; pod koniec lat siedemdziesiątych ruch DSS zaczął koncentrować się na „interaktywnych systemach komputerowych, które pomagają decydentom wykorzystywać bazy danych i modele do rozwiązywania źle ustrukturyzowanych problemów”; w latach 80-tych DSS miał dostarczać systemy „wykorzystujące odpowiednią i dostępną technologię do poprawy efektywności działań zarządczych i zawodowych”, a pod koniec lat 80-tych DSS stanął przed nowym wyzwaniem w zakresie projektowania inteligentnych stacji roboczych.

W 1987 roku firma Texas Instruments zakończyła opracowywanie systemu wyświetlania przydziału bramek (GADS) dla United Airlines . Temu systemowi wspomagania decyzji przypisuje się znaczne zmniejszenie opóźnień w podróży poprzez wspomaganie zarządzania operacjami naziemnymi na różnych lotniskach , poczynając od międzynarodowego lotniska O'Hare w Chicago i lotniska Stapleton w Denver w stanie Kolorado . Począwszy od około 1990 r., hurtownie danych i przetwarzanie analityczne on-line (OLAP) zaczęły poszerzać dziedzinę DSS. Gdy zbliżał się przełom tysiącleci, wprowadzono nowe aplikacje analityczne oparte na sieci Web.

DSS mają również słabe połączenie z paradygmatem interfejsu użytkownika hipertekstu . Zarówno PROMIS Uniwersytetu Vermont (do podejmowania decyzji medycznych), jak i system Carnegie Mellon ZOG / KMS (do podejmowania decyzji wojskowych i biznesowych) były systemami wspomagania decyzji, które również stanowiły przełom w badaniach interfejsu użytkownika. Co więcej, chociaż hipertekstu byli generalnie zaniepokojeni nadmiarem informacji , niektórzy badacze, zwłaszcza Douglas Engelbart , skupiali się w szczególności na decydentach.

Pojawienie się większej liczby lepszych technologii raportowania sprawiło, że DSS zaczął wyłaniać się jako kluczowy element projektu zarządzania . Przykłady tego można dostrzec w intensywnych dyskusjach na temat DSS w środowisku edukacyjnym.

Aplikacje

DSS można teoretycznie zbudować w dowolnej dziedzinie wiedzy. Jednym z przykładów jest system wspomagania decyzji klinicznych w diagnostyce medycznej . Istnieją cztery etapy ewolucji systemu wspomagania decyzji klinicznych (CDSS): prymitywna wersja jest samodzielna i nie obsługuje integracji; druga generacja wspiera integrację z innymi systemami medycznymi; trzecia jest oparta na standardach, a czwarta jest oparta na modelu usług.

DSS jest szeroko stosowany w biznesie i zarządzaniu. Kokpit menedżerski i inne oprogramowanie wspomagające wydajność biznesową pozwalają na szybsze podejmowanie decyzji, identyfikację negatywnych trendów i lepszą alokację zasobów biznesowych. Dzięki DSS wszystkie informacje z dowolnej organizacji są przedstawiane w postaci wykresów, wykresów, czyli w sposób zbiorczy, co pomaga kierownictwu w podejmowaniu strategicznych decyzji. Na przykład jednym z zastosowań DSS jest zarządzanie i rozwój złożonych systemów antyterrorystycznych. Inne przykłady to urzędnik ds. kredytów bankowych weryfikujący zdolność kredytową osoby ubiegającej się o pożyczkę lub firma inżynierska, która złożyła oferty na kilka projektów i chce wiedzieć, czy mogą one być konkurencyjne w stosunku do swoich kosztów.

Rosnącym obszarem zastosowań, koncepcji, zasad i technik DSS jest produkcja rolna , marketing na rzecz zrównoważonego rozwoju . Rolnicze DSS zaczęto rozwijać i promować w latach 90. Na przykład DSSAT4 , The Decision Support System for Agrotechnology Transfer, opracowany dzięki wsparciu finansowemu USAID w latach 80. ^{[ potrzebne źródło ]} i 90., umożliwił szybką ocenę kilku systemów produkcji rolnej na całym świecie w celu ułatwienia podejmowania decyzji w gospodarstwie i poziomy polityki. Rolnictwo precyzyjne dąży do dostosowania decyzji do poszczególnych części pól uprawnych. Istnieje jednak wiele ograniczeń związanych z pomyślnym przyjęciem systemu DSS w rolnictwie.

DSS jest również powszechne w gospodarce leśnej , gdzie długi horyzont planowania i przestrzenny wymiar problemów planistycznych wymagają określonych wymagań. Nowoczesne DSS uwzględniają wszystkie aspekty gospodarki leśnej, od transportu kłód, planowania zbiorów po zrównoważony rozwój i ochronę ekosystemów. W tym kontekście rozważenie jednego lub wielu celów zarządzania związanych z dostarczaniem towarów i usług, które są przedmiotem handlu lub nie i często podlegają ograniczeniom zasobów i problemom decyzyjnym. Wspólnota Praktyków Systemów Wspomagania Decyzji Gospodarki Leśnej zapewnia duże repozytorium wiedzy na temat budowy i użytkowania leśnych Systemów Wspomagania Decyzji.

Konkretny przykład dotyczy systemu Kanadyjskich Kolei Państwowych , który regularnie testuje swoje wyposażenie z wykorzystaniem systemu wspomagania decyzji. Problemem każdej linii kolejowej są zużyte lub wadliwe szyny, które mogą powodować setki wykolejeń rocznie. W ramach systemu DSS system Kanadyjskich Kolei Narodowych zdołał zmniejszyć częstość wykolejeń w tym samym czasie, gdy inne firmy odnotowywały wzrost.

DSS był używany do oceny ryzyka w celu interpretacji danych monitorowania z dużych konstrukcji inżynierskich, takich jak tamy, wieże, katedry lub budynki murowane. Na przykład Mistral to ekspercki system monitorowania bezpieczeństwa zapór, opracowany w latach 90. przez firmę Ismes (Włochy). Pobiera dane z automatycznego systemu monitoringu i dokonuje diagnozy stanu zapory. Jego pierwszy egzemplarz, zainstalowany w 1992 roku na Ridracoli (Włochy), nadal działa 24/7/365. Został zainstalowany na kilku tamach we Włoszech i za granicą (np. zapora Itaipu w Brazylii) oraz na pomnikach pod nazwą Kaleidos. Mistral jest zarejestrowanym znakiem towarowym CESI . GIS jest z powodzeniem wykorzystywany od lat 90. w połączeniu z DSS do przedstawiania na mapie ocen ryzyka w czasie rzeczywistym na podstawie danych z monitoringu zebranych w rejonie katastrofy Val Pola (Włochy).

składniki

Projekt systemu wspomagania decyzji dotyczących łagodzenia skutków suszy

architektury DSS to:

baza danych (lub baza wiedzy ),
model (tj. kontekst decyzyjny i kryteria użytkownika)
interfejs użytkownika .

Sami użytkownicy są również ważnymi składnikami architektury.

taksonomie

Wykorzystując relację z użytkownikiem jako kryterium, Haettenschwiler rozróżnia pasywne , aktywne i kooperatywne DSS . Pasywny DSS to system, który wspomaga proces podejmowania decyzji, ale nie może wydobyć wyraźnych sugestii ani rozwiązań decyzyjnych. Aktywny DSS może wydobyć takie sugestie decyzyjne lub rozwiązania. Kooperacyjny DSS pozwala na iteracyjny proces między człowiekiem a systemem w celu osiągnięcia skonsolidowanego rozwiązania: decydent (lub jego doradca) może modyfikować, uzupełniać lub udoskonalać sugestie decyzyjne dostarczane przez system przed wysłaniem ich z powrotem do systemu do walidacji, podobnie jak system ponownie poprawia, uzupełnia i udoskonala sugestie decydenta i odsyła je z powrotem do walidacji.

Inną taksonomię DSS, zgodnie z trybem wspomagania, stworzył D. Power: rozróżnia on DSS oparty na komunikacji , DSS oparty na danych , DSS oparty na dokumentach , DSS oparty na wiedzy i DSS oparty na modelach .

DSS oparty na komunikacji umożliwia współpracę, wspierając więcej niż jedną osobę pracującą nad wspólnym zadaniem; przykłady obejmują zintegrowane narzędzia, takie jak Dokumenty Google lub Microsoft SharePoint Workspace .
DSS oparty na danych (lub DSS zorientowany na dane) kładzie nacisk na dostęp i manipulację szeregami czasowymi wewnętrznych danych firmy, a czasem danych zewnętrznych.
DSS oparty na dokumentach zarządza, pobiera i przetwarza nieustrukturyzowane informacje w różnych formatach elektronicznych.
DSS oparty na wiedzy zapewnia specjalistyczną wiedzę w zakresie rozwiązywania problemów przechowywaną jako fakty, reguły, procedury lub podobne struktury, takie jak interaktywne drzewa decyzyjne i schematy blokowe.
DSS oparty na modelu kładzie nacisk na dostęp do modelu statystycznego, finansowego, optymalizacyjnego lub symulacyjnego i manipulowanie nim . Model-driven DSS wykorzystuje dane i parametry dostarczone przez użytkowników, aby pomóc decydentom w analizie sytuacji; niekoniecznie wymagają dużej ilości danych. Dicodess jest przykładem modelu typu open source .

Wykorzystując zakres jako kryterium, Power rozróżnia DSS dla całego przedsiębiorstwa i DSS dla komputerów stacjonarnych . System DSS obejmujący całe przedsiębiorstwo jest połączony z dużymi hurtowniami danych i obsługuje wielu menedżerów w firmie. DSS dla jednego użytkownika na komputery stacjonarne to mały system, który działa na komputerze osobistym menedżera.

Ramy programistyczne

Podobnie jak inne systemy, systemy DSS wymagają ustrukturyzowanego podejścia. Takie ramy obejmują ludzi, technologię i podejście do rozwoju.

Wczesne ramy systemu wspomagania decyzji składają się z czterech faz:

Inteligencja – Wyszukiwanie warunków, które wymagają decyzji;
Projektowanie – Opracowanie i analiza możliwych alternatywnych działań rozwiązania;
Wybór – wybór sposobu działania spośród tych;
Implementacja – Przyjęcie wybranego sposobu postępowania w sytuacji decyzyjnej.

Poziomy technologii DSS (sprzętu i oprogramowania) mogą obejmować:

Rzeczywista aplikacja, która będzie używana przez użytkownika. Jest to ta część aplikacji, która umożliwia decydentowi podejmowanie decyzji w określonym obszarze problemowym. Użytkownik może podjąć działania w związku z tym konkretnym problemem.
Generator zawiera środowisko sprzętowo-programowe, które umożliwia łatwe tworzenie określonych aplikacji DSS. Na tym poziomie wykorzystywane są narzędzia lub systemy przypadków, takie jak Crystal, Analytica i iThink .
Narzędzia obejmują sprzęt/oprogramowanie niższego poziomu. Generatory DSS, w tym specjalne języki, biblioteki funkcji i moduły łączące

Iteracyjne podejście rozwojowe pozwala na zmianę i przeprojektowanie DSS w różnych odstępach czasu. Po zaprojektowaniu systemu będzie on musiał zostać przetestowany i w razie potrzeby poprawiony w celu uzyskania pożądanego wyniku.

Klasyfikacja

Istnieje kilka sposobów klasyfikacji aplikacji DSS. Nie każdy DSS idealnie pasuje do jednej z kategorii, ale może być mieszanką dwóch lub więcej architektur.

Holsapple i Whinston klasyfikują DSS w następujących sześciu ramach: DSS zorientowany tekstowo, DSS zorientowany na bazę danych, DSS zorientowany na arkusze kalkulacyjne, DSS zorientowany na solver, DSS zorientowany na reguły i DSS złożony. Złożony DSS to najpopularniejsza klasyfikacja DSS; jest to system hybrydowy, który obejmuje dwie lub więcej z pięciu podstawowych struktur.

Wsparcie udzielane przez DSS można podzielić na trzy odrębne, powiązane ze sobą kategorie: wsparcie osobiste, wsparcie grupowe i wsparcie organizacyjne.

Komponenty DSS można podzielić na:

Dane wejściowe : czynniki, liczby i cechy do analizy
Wiedza i doświadczenie użytkownika: Dane wejściowe wymagające ręcznej analizy przez użytkownika
Dane wyjściowe : przekształcone dane, z których generowane są „decyzje” DSS
Decyzje : Wyniki wygenerowane przez DSS na podstawie kryteriów użytkownika

Systemy DSS realizujące wybrane kognitywne funkcje decyzyjne i oparte na technologiach sztucznej inteligencji lub inteligentnych agentów nazywane są inteligentnymi systemami wspomagania decyzji (IDSS)

Powstająca dziedzina inżynierii decyzyjnej traktuje samą decyzję jako obiekt inżynieryjny i stosuje zasady inżynierskie, takie jak projektowanie i zapewnianie jakości , do wyraźnej reprezentacji elementów składających się na decyzję.

Zobacz też

Dalsza lektura

Marius Cioca, Florin Filip (2015). Systemy wspomagania decyzji - bibliografia 1947-2007 .
Borges, JG, Nordström, EM. Garcia Gonzalo, J. Hujala, T. Trasobares, A. (red.). (2014). " Komputerowe narzędzia wspomagające gospodarkę leśną. Doświadczenie i wiedza na całym świecie . Wydział Zarządzania Zasobami Leśnymi, Szwedzki Uniwersytet Nauk Rolniczych. Umeå. Szwecja.
Delic, KA, Douillet, L. i Dayal, U. (2001) „Ku architekturze systemów wspomagania decyzji w czasie rzeczywistym: wyzwania i rozwiązania .
Diasio, S., Agell, N. (2009) „Ewolucja wiedzy specjalistycznej w zakresie technologii wspomagania decyzji: wyzwanie dla organizacji”, cscwd, s. 692–697, 13. Międzynarodowa Konferencja na temat komputerowej pracy spółdzielczej w projektowaniu, 2009. https ://web.archive.org/web/20121009235747/http://www.computer.org/portal/web/csdl/doi/10.1109/CSCWD.2009.4968139
Gadomski, AM i in. (2001) „ Podejście do inteligentnego doradcy decyzyjnego (IDA) dla kierowników ds. sytuacji kryzysowych, zarchiwizowane 5 marca 2016 r. W Wayback Machine ”, Int. J. Ocena ryzyka i zarządzanie nim, tom. 2, nr 3/4.
Gomes da Silva, Carlos; Clímaco, João; Figueira, José (2006). „Metoda wyszukiwania rozproszonego dla dwukryterialnych {0,1} problemów plecakowych”. Europejski Dziennik Badań Operacyjnych . Elsevier B.V. 169 (2): 373–391. doi : 10.1016/j.ejor.2004.08.005 . ISSN 0377-2217 .
Ender, Gabriela; E-Book (2005–2011) o metodologii OpenSpace-Online w czasie rzeczywistym: dzielenie się wiedzą, rozwiązywanie problemów, dialogi grupowe zorientowane na wyniki na ważne tematy z obszerną dokumentacją konferencyjną w czasie rzeczywistym. Pobierz https://web.archive.org/web/20070103022920/http://www.openspace-online.com/OpenSpace-Online_eBook_en.pdf
Jiménez, Antonio; Ríos-Insua, Sixto; Mateos, Alfonso (2006). „Ogólny system analizy wielu atrybutów” . Komputery i badania operacyjne . Elsevier B.V. 33 (4): 1081–1101. doi : 10.1016/j.cor.2004.09.003 . ISSN 0305-0548 .
Jintrawet, attachai (1995). „System wspomagania decyzji w celu szybkiej oceny alternatywnych upraw ryżu nizinnego w Tajlandii”. Systemy rolnicze . 47 (2): 245–258. doi : 10.1016/0308-521X(94)P4414-W .
Matsatsinis, NF i Y. Siskos (2002), Inteligentne systemy wspomagające decyzje marketingowe , Wydawnictwo Akademickie Kluwer.
Omid A.Sianaki, O Hussain, T Dillon, AR Tabesh - ... Inteligencja, modelowanie i symulacja (CIMSiM), 2010, Inteligentny system wspomagania decyzji do uwzględniania preferencji konsumentów w zużyciu energii w budynkach mieszkalnych w inteligentnej sieci
Moc, DJ (2000). Internetowe i oparte na modelach systemy wspomagania decyzji: koncepcje i problemy . w materiałach konferencji obu Ameryk na temat systemów informacyjnych, Long Beach, Kalifornia.
Rzesza, Yoram; Kapeliuk, Adi (2005). „Ramy organizacji przestrzeni problemów decyzyjnych z zastosowaniem do rozwiązywania subiektywnych, zależnych od kontekstu problemów”. Systemy wspomagania decyzji . Elsevier B.V. 41 (1): 1–19. doi : 10.1016/j.dss.2004.05.001 . ISSN 0167-9236 .
Sauter, VL (1997). Systemy wspomagania decyzji: stosowane podejście menedżerskie. Nowy Jork, John Wiley. ISBN 978-0471173359
Srebro, M. (1991). Systemy wspierające decydentów: opis i analiza. Chichester ; Nowy Jork, Wiley.
Sprague, Ralph (1986). Systemy wspomagania decyzji: przekładanie teorii na praktykę . Englewood Cliffs, NJ: Prentice-Hall. ISBN 978-0-13-197286-5 . OCLC 13123699 .

Kontrola autorytetu
Biblioteki Narodowe	Hiszpania Francja (dane) Niemcy Izrael Stany Zjednoczone
Inny	SZYBKO