Реальные ситуации, которые складываются в экономической сфере любой страны, зачастую отличаются увеличивающейся сложностью задач, постоянным изменением и неточностью (неполнотой) данных об экономической ситуации, динамичностью процессов. В таких условиях интеллектуальные возможности конкретного человека зачастую входят в противоречие с большим объемом информации, необходимым для осмысления и переработки в ходе управления многочисленными технологическими и социальными явлениями и процессами. Как результат возрастает опасность нарушения управления.
Лицо, принимающее решения (ЛПР) – субъект, производящий выбор определенной альтернативы в качестве решения и несущий ответственность за последствия реализации данного решения. ЛПР могут представлять также и группу лиц, которые принимают какое-либо из альтернативных управленческих решений.
В качестве результативного способа повышения эффективности управления можно отметить овладение менеджерами любых уровней методологией принятия решений и системного анализа на основе математических методов. В роли мыслительного помощника человека при этом выступает компьютер. Чтобы наделить компьютер "мыслительными" способностями, нужно реальную управленческую или экономическую задачу заместить ее математическим аналогом, интуиция человека и его опыт заменяются моделями предпочтений. Эти вопросы рассматриваются в математической теории принятия решений.
Математическую теорию принятия решений часто называют теорией принятия решений (ТПР). Она занимается разработкой универсальных методов анализа ситуаций принятия решений. С помощью этих методов полная информация о проблеме, в том числе данных о предпочтениях ЛПР, отношении ЛПР к риску, рассуждений ЛПР о возможных ответных реакциях других субъектов информационного процесса на принятые ЛПР решения, может использоваться для вывода о наилучшем варианте решения задачи.
Для решения практических задач управления (задач принятия решений в том числе) лицу, принимающему решение, необходимо использовать анализ и синтез, системный подход и конкретно-формальные методы.
ЛПР выполняет следующие функции по организации принятия решения:
Для разработки сложных решений, требующих использования системного анализа, принимают участие специалисты – системные аналитики (системотехники).
Функции системных аналитиков и руководителей в процессе выработки решений. Системные аналитики:
Руководитель (ЛПР):
Для выработки решения, несмотря на ведущую определяющую роль ЛПР, часто задействована довольно большая группа специалистов.
Для того чтобы производственная среда успешно функционировала, необходимо принятие решений в условиях, адекватных условиям функционирования объектов. Системы поддержки принятия решений являются в настоящее время мощным инструментом, в котором сконцентрированы современные методы теории управления, математического моделирования. Такой инструмент действительно способен оказать помощь руководителям любых проектов.
Для принятия решений необходимо быстро перерабатывать большие объемы информации и для этого компьютер становится незаменимым, в частности он обеспечивает:
При этом для процесса принятия решений традиционное использование ЭВМ далеко не самое эффективное. Ведь руководитель, помимо информации из БД, экономических и технологических расчетов, постоянно сталкивается в своей деятельности с достаточным количеством разнообразных задач по управлению системой, не решающихся в рамках стандартных информационных технологий.
Для решения задач подобного типа были созданы системы поддержки принятия решений (СППР), которые являются системами обработки информации для интерактивной поддержки работы руководителя в процессе принятия решений.
Можно отметить основные направления подобных систем:
Роль СППР заключается не в замене руководителя, а в повышении эффективности его работы. Для этого СППР должны иметь интуитивно-понятный интерфейс, а в идеале уметь вести диалог с пользователем на характерном для управляемой области языке. Основная цель СППР – это не автоматизация процесса принятия решений, а осуществление эффективного взаимодействия между человеком и системой в процессе поиска решения.
Помимо требований к современным информационным системам (СУБД, обеспечивающей быстрый доступ к данным, а также их целостность и надежную защиту; вычислительные процедуры, которые обеспечивают обработку данных; надежность, гибкость), СППР должны также обладать характерными чертами:
Нужно помнить, что лицо, принимающее решение, зачастую не имеет хорошо определенную цель и решение часто является исследовательским процессом, СППР в таком случае являются средством для углубленного познания управляемой системы. СППР, как правило, имеют модульную структуру, это позволяет включать в ее состав новые процедуры и модифицировать уже имеющиеся в системе в соответствии с актуальными требованиями к системе.
Принятие решений предполагает последовательное прохождение следующих этапов: осмысление проблемы, диагностика, математическое или концептуальное моделирование, формулирование альтернатив и выбор из них наиболее удовлетворяющих поставленным целям, мониторинг осуществления решения.
В последнее время в СППР интегрируются системы, которые основаны на знаниях и это позволяет получать объяснения полученных решений. Также СППР эволюционируют и по уровню помощи, которую они оказывают лицу, принимающему решения, от пассивной поддержки к активной. Фактически, СППР с пассивным подходом к поддержке представляют собой интерактивные информационные системы с удобным интерфейсом. ЛПР выбирает альтернативы, оценивает их, при этом возможность анализировать даже простые альтернативы увеличивает продуктивность процесса принятия решений.
Также имеются условия для расширенной поддержки принятия решений, для чего используются аналитические методы и многокритериальный анализ, при этом в таких СППР реализованы процедуры анализа, объяснения найденного решения и анализ преимуществ и возможных потерь. ЛПР в этом случае может проанализировать предложенную СППР альтернативу и принять конечное решение, имея больше информации не только о самом решении, но и о последствиях его внедрения в систему.
Как правило, в СППР используется информация из баз знаний и данных и/или полученная от ЛПР. Также руководители используют и информацию из текстовых документов, специальных обзоров, отчетов, статей и др. Неструктурированная информация может применяться в СППР и более широко благодаря технологии контекстного поиска.
По критерию сложность решаемых задач и область применения все СППР можно разделить на три класса.
СППР первого класса обладают самыми большими функциональными возможностями. Они предназначены для использования в структурах государственного управления самого высокого уровня, в структурах управления крупных компаний при составлении планов реализаций комплексных целевых программ, применяются для обоснования решений, какие мероприятия должны быть включены в программу и как между ними должны быть распределены ресурсы на основании оценки влияния мероприятий на достижение конечной цели программы. СППР первого класса являются системами принятия решений совместного коллективного пользования, для таких систем базы знаний формируются многочисленными экспертами, являющимися специалистами в разных областях знаний.
Базы знаний для СППР второго класс. формируются самим пользователем и они являются системами индивидуального пользования. Такие СППР предназначены для работы служащих среднего ранга, администраторов небольших огранизаций для решения оперативных задач управления.
Системы принятия решений, адаптирующиеся к опыту пользователя, выделяются в СППР третьего класса. Это системы индивидуального пользования, предназначенные для решения довольно часто встречающихся задач системного анализа и оперативного управления (в качестве примера можно привести выбор субъекта кредитования, выбор претендента на должность, выбор исполнителя работы и т.д.). Такие СППР обеспечивают получение решения конкретной задачи, ориентируясь на информацию о результатах практического применения принятых в прошлом решений этой же задачи.
Любое конкурентоспособное производство основывается на новейших достижениях и поэтому достаточно легко переориентируется на еще более совершенные технологии. Менеджеру любого ранга полезно обеспечить необходимую помощь для выработки и обоснования решений, которые будут адекватны изменяющимся условиям функционирования для управляемых ими систем. СППР являются мощным инструментарием для разработки альтернативных вариантов действий, последующего анализа последствий их внедрения и рационализации навыков руководителя в принятии решений, которая является одной из важнейших областей его деятельности.
Схему процесса принятия решений представим в виде последовательности следующих основных шагов:
Этап 1. Предварительный анализ задачи. В рамках данного этапа определяются:
Этап 2. Постановка задачи. Данный этап включает:
Этап 3. Извлечение исходных данных. Здесь выбираются способы измерения альтернативы. Как правило, это или сбор статистических данных, или методы математического или имитационного моделирования, или методы экспертной оценки. Для последнего случая необходимо решить задачи по формированию экспертной группы, проведению опрашивания экспертов, ориентировочному анализу экспертных оценок.
Этап 4. Решение ЗПР с помощью математических методов и ВТ, экспертов и ЛПР. В рамках этого этапа необходимо произвести математическую обработку исходной информации, уточнение и модификацию информации при необходимости. Обычно обработка информации процесс достаточно трудоемкий, может потребоваться несколько итераций и несколько различных методов решения задачи. Именно на данном этапе необходима компьютерная поддержка процесса принятия решений, выполняющаяся с помощью автоматизированных систем принятия решений.
Этап 5. Анализ, трактовка полученных результатов. Результаты, полученные на этапе 4, могут не удовлетворить ЛПР и привести к изменениям в постановке ЗПР. Тогда будет необходимо возвратиться на один из предыдущих этапов и пройти все этапы заново. Решение ЗПР зачастую занимает довольно много времени, при этом условия задачи могут изменяться и, соответственно, потребовать корректировок в постановке задачи или в исходных данных (появляются новые альтернативы, для которых необходимо вводить новые критерии).
Задачи принятия решений подразделяются на статические и динамические. К статическим относят задачи, не требующие многократного решения через краткие интервалы времени. Динамические ЗПР, напротив, встречаются гораздо чаще, итерационный характер решения подобных задач считается закономерным, что лишний раз подтверждает необходимость разработки и использования систем компьютерной поддержки.
Унифицированность процедуры принятия решений и математического аппарата, который при этом применяется, позволяет использовать ее как для взаимодействия человека с техническими средствами автоматизированных систем управления, так и при непосредственном проектировании этого взаимодействия, при создании структурной схемы интерфейса, выборе технических средств, наилучшего алгоритма решения задачи и т.д.
На самом деле проблема принятия решений присуща любой целенаправленной деятельности человека, но, несмотря на многообразие различных возможных ситуаций и условий, в которых может осуществляться выбор, она носит универсальный характер.
Характерные признаки ситуаций в процессе выбора решений:
Процесс принятия управленческого решения – это процесс преобразования исходной информации (информации состояния) в выходную информацию (информацию управления). Управленческое решение бывает формальным и творческим. Считается, что решение, полученное с помощью математических моделей, будет формальным, а если оно появилось в результате работы интеллекта человека – творческим. Все проблемы, которые сопутствуют процессу принятия решений, подразделяются на два класса в соответствии с делением управленческих решений - формальные и творческие:
Концептуальные проблемы представляют сложные логические проблемы, решение которых невозможно исключительно формально-математическими методами и с помощью ЭВМ. Такие проблемы зачастую уникальны, некоторые их них могут решаться впервые и, соответственно, не имеют прототипов в прошлом. Проблемы концептуального характера можно решить только на высоких уровнях руководства с привлечением экспертов и очень трудно формализовать. Примером концептуальных проблем являются выбор целей и их анализ, выявление показателей, определяющих следствия управленческих решений, выбор критериев оптимизации и т.д.
В дальнейшем будем предполагать, что конечные цели управления, критерии оптимальности и ограничения, соответствующие целям, заданы. То есть речь пойдет о количественной или формальной теории принятия решений.
Процесс принятия решений представляет собой сложный итерационный процесс, схема которого приведена на рис. 3.
Эффективность выбора того или иного решения определяется некоторым критерием F, допускающим количественное представление. Все факторы, влияющие на эффективность выбора, разбиваются на две группы:
Неконтролируемые факторы делятся на три подгруппы в зависимости от информированности о них:
Рисунок 18 - Структурная схема процесса принятия решения
В соответствии с выделенными факторами критерий оптимальности можно представить в виде
F = F (X1, X2,...,Xl, A1, A2,...,Ap, Y1, Y2,..., Yq, Z1, Z2,..., Zr, t)
Величины X, A, Y, Z в общем случае могут быть скалярами, векторами, матрицами.
Значения контролируемых (управляемых) факторов обычно ограничены рядом естественных причин, например ограниченностью располагаемых ресурсов. Математически эти ограничения записываются в виде
gi = gi(X1, X2,...,Xl, A1, A2,...,Api, Y1, Y2,..., Z1, Z2,...,Zr, t) {≤,=,≥},
i = 1,m.
Эти условия определяют области ΩX1, ΩX2, ΩXl пространства, внутри которых расположены возможные (допустимые) значения факторов.
По аналогии могут быть ограничены и области возможных значений неконтролируемых факторов. Поскольку критерий оптимальности это количественная мера степени достижения цели управления, математически цель управления выражается в стремлении к максимально возможному увеличению (или уменьшению) значения критерия F, что можно записать в виде
F → max (или min).
Средством достижения этой цели является соответствующий выбор управлений X1, X2,…, Xl из областей ΩX1, ΩX2, ΩXl их допустимых значений.
Таким образом, общая постановка ЗПР может быть сформулирована следующим образом: при заданных значениях и характеристиках фиксированных неконтролируемых факторов A1, A2,..., Ap, Y1, Y2,..., Yq с учетом неопределенных факторов Z1, Z2,..., Zr найти оптимальные значения X1opt, X2opt,..., Xlopt из областей ΩX1, ΩX2, ΩXlих допустимых значений, которые по возможности обращали бы в максимум (минимум) критерий оптимальности F.
Схема принятия решений приведена на рис. 19.
Рисунок 19 - Схема принятия решений
1 – формулировка проблемы; 2 – принятие решения; 3 – приказ указаний или сигнал в автоматических системах; 4 – обратная связь и/или коррекция решения
Процесс принятия решений предполагает несколько уровней:
Первый уровень характеризуется тем, что руководитель является и ЛПР и в том числе организует весть процесс принятия решений.
Процесс принятия решений может также осуществляться и группой лиц, которые взаимодействуют друг с другом. При этом на одних этапах более эффективным может быть индивидуальный вид деятельности, при других – групповой. Это так называемый групповой уровень процесса принятия решений.
Идея поддержки принятия решения заключается в следующем:
На рис. 20 проиллюстрирована зависимость времени на принятие решения от его вида.
Рисунок 20 - Зависимость времени на принятие решения от вида решения
Классификация задач принятия решений. Такие задачи обычно отличаются большим многообразием и, соответственно их можно классифицировать по разным признакам, которые определяют количество и качество информации. Задача принятия решений в общем случае может представляться в виде следующего набора информации:
< T, A, K, X, F, G, D >,
где T – непосредственно постановка задачи (выбор лучшей альтернативы, упорядочение набора альтернатив); A – подмножество альтернативных вариантов, допустимых для данной задачи; K – подмножество критериев выбора; X – подмножество методов измерения предпочтений (например, использование различных шкал); F – отображение подмножества допустимых альтернатив в подмножество критериальных оценок (исходы); G – система предпочтений эксперта; D – решающее правило, отражающее систему предпочтений.
Каждый из элементов набора может служить классификационным признаком. Приведем традиционные классификации.
Детерминированные задачи принятия решений. В данный класс можно отнести задачи, для решения которых присутствует достоверная и достаточная количественная информация. Для их решения можно применять методы математического программирования, основная идея которых заключается в нахождении оптимального решения на основе математической модели объекта. При этом следует помнить условия применимости методов математического программирования:
Задачи в условиях риска. ЗПР, для которых возможные исходы описываются неким вероятностным распределением, относятся к задачам в условиях риска. Распределение вероятностей для таких задач строят с использованием статистических данных или на основании знаний экспертов. Задачи в условиях риска решаются методами теории одномерной или многомерной полезности. Такие задачи занимают пограничное место между задачами принятия решений в условиях определенности и неопределенности и для их решения необходимо привлечение всей доступной количественной и качественной информации.
Если необходимая для принятия решения информация является неполной или неточной, или неколичественной (описательной), составить формальную модель системы слишком сложно или вообще невозможно. В таком случае имеют место задачи в условиях неопределенности, для решения которых необходимо привлечение экспертных знаний, которые выражены некими количественными данными – предпочтениями.
Существует большое количество классификаций методов принятия решений, основанных на применении различных признаков. В таблице 3 приведена одна из возможных классификаций, признаками которой являются содержание и тип получаемой экспертной информации.
Таблица 3 - Классификация методов принятия решений
| Содержание информации | Тип информации | Метод принятия решений |
|---|---|---|
| 1. Экспертная информация не нужна | Метод доминирования. Метод на основе глобальных критериев |
|
| 2. Информация о предпочтениях на множестве критериев | Качественная информация. Количественная оценка предпочтительности критериев. Количественная информация о замещениях |
Лексикографическое упорядочение. Сравнение разностей критериальных оценок. Метод припасовывания. Методы "эффективность–стоимость". Методы свертки на иерархии критериев. Методы порогов. Методы идеальной точки. Метод кривых безразличия. Методы теории ценности |
| 3. Информация о предпочтительности альтернатив | Оценка предпочтительности парных сравнений | Методы математического программирования. Линейная и нелинейная свертка при интерактивном способе определения ее параметров |
| 4. Информация о предпочтениях на множестве критериев и о последствиях альтернатив | Отсутствие информации о предпочтениях; количественная и/или интервальная информация о последствиях. Качественная информация о предпочтениях и количественная о последствиях. Качественная (порядковая) информация о предпочтениях и последствиях. Количественная информация о предпочтениях и последствиях |
Методы с дискретизацией неопределенности. Стохастическое доминирование. Методы принятия решений в условиях риска и неопределенности на основе глобальных критериев. Метод анализа иерархий. Методы теории нечетких множеств. Метод практического принятия. Методы выбора статистически ненадежных решений. Методы кривых безразличия для принятия решений в условиях риска и неопределенности. Методы деревьев решений. Декомпозиционные методы теории ожидаемой полезности. |
Как видно, данный принцип классификации позволил четко выделить несколько групп методов, первые три их которых являются методами решения в детерминированных условиях, а последняя – методам принятия решений в условиях неопределенности. Наибольший интерес в настоящее время представляют методы и подходы, позволяющие учитывать неопределенность и многокритериальность.
Среди методов последней группы стоит отметить метод анализа иерархий, методы теории нечетких множеств, декомпозиционные методы теории ожидаемой полезности. Данные методы являются универсальными, учитывающими многокритериальность выбора в условиях неопределенности, и отвечают требованиям простоты подготовки и обработки экспертной информации.
Рассмотрим некоторые из перспективных методов принятия решений.
Декомпозиционные методы теории ожидаемой полезности являются самыми распространенными в группе аксиоматических методов принятия решений в условиях риска и неопределенности.
Основная идея данной теории – получить количественные оценки полезности для возможных исходов, в свою очередь являющихся следствиями процессов по принятию решений. Затем по данным полученных оценок можно выбирать лучший исход. Чтобы получить оценки полезности нужно обладать информацией о предпочтениях ЛПР.
Концепция анализа решения в данной теории сводится к пяти последовательным этапам.
Этап 1. Предварительный анализ. В рамках данного этапа определяется проблема и вероятные варианты действий для решения поставленной проблемы.
Этап 2. Структурный анализ. На этом этапе выполняется структуризация проблемы на качественном уровне. Для этого ЛПР должно наметить основные этапы для процесса принятия решений, упорядочить эти этапы в виде последовательности – дерева решений. Такое дерево имеет два типа вершин: вершины-решения и вершины-случаи. В вершинах-решениях выбор полностью зависит от ЛПР, в вершинах-случаях ЛПР не полностью контролирует выбор, так как случайные события можно предвидеть лишь с некоторой вероятностью.
Этап 3. Анализ неопределенности. Для ветвей дерева решений, начинающихся в вершинах-случаях, устанавливаются значения вероятностей, которые в дальнейшем должны быть проверены на внутреннюю согласованность. Для того чтобы получить значения вероятностей, должен быть привлечен весь объем доступной информации (экспертная информация, статистические данные, результаты моделирования и др.).
Этап 4. Анализ полезности. Для каждого пути по дереву решений получают количественные оценки полезности последствий (исходов). Последствия принимаемых решений (исходы) необходимо оценить функцией фон Неймана - Моргенштерна, устанавливающей соответствие каждому исходу количественное значение его полезности. Функция строится на базе знаний экспертов и лица, принимающего решения.
Этап 5. Процедуры оптимизации. Наилучшая стратегия действий, а это может быть также путь с дерева решений или альтернатива, определяется вычислительным способом: в пределах пространства возможных исходов необходимо найти максимальное значение ожидаемой полезности. Для того чтобы иметь возможность сформулировать задачу оптимизации, необходимо иметь адекватную математическую модель, связывающую параметры оптимизации с переменными, включенными в целевую функцию. (В нашем случае параметрами оптимизации являются альтернативные варианты действий, а целевой функцией – функция полезности) В теории полезности математические модели являются вероятностными и основаны на том, что оценка вероятности ожидаемого исхода может быть использована для введения числовых оценок возможных вероятных распределений на конечном множестве исходов.
Построение таких функций полезности – основная и самая трудоемкая процедура подобных методов, зато после построения функции с ее помощью можно оценивать бесконечное количество альтернатив для исходной задачи. Процедура по построению функции полезности включает следующие шаги.
Рассмотренная процедура приведена для задачи со скалярной функцией полезности, которая может быть также и векторной величиной. Такое бывает, если ожидаемая полезность не представляется единственной количественной характеристикой (многокритериальная задача). Обычно многомерная функция полезности представляется как аддитивная или мультипликативная функция частных полезностей. Процедура построения многомерной функции полезности еще более трудоемка, чем одномерной.
Методы теории полезности располагаются между методами принятия решений в условиях определенности и методами, направленными на выбор альтернатив в условиях неопределенности. Чтобы успешно применять эти методы, нужно знать количественную зависимость между исходами и альтернативами и экспертную информацию, необходимую для того, чтобы построить функции полезности. Выполнение этих условий не всегда возможно, поэтому методы теории полезности не всегда могут быть применены для решения ЗПР. К слабым местам данных методов также можно отнести процедуру построения функции полезности, которая плохо формализуема и очень трудоемка.
Информационная технология поддержки принятия решений предполагает принципиально другой способ организации взаимодействия человека с компьютером. Решение, выработка которого и есть конечная цель этой технологии, получается посредством итерационного процесса с участием:
Итерационный процесс заканчивается по воле человека – ЛПР, таким образом информационная система совместно с пользователем создает новую информацию для принятия решений. Помимо этого, можно указать и следующие отличительные характеристики информационной технологии поддержки принятия решений:
Информационная технология поддержки принятия решений используется на уровнях управления. Решения могут приниматься на разных уровнях управления и должны часто координироваться. Немаловажна для таких систем разработка технологии координации ЛПР как одного, так и разных уровней управления.
На рис. 21 представлена структура системы поддержки принятия решений, функции составляющих ее блоков, определяющих основные технологические операции.
Рисунок 21 - Основные компоненты информационной технологии поддержки принятия решений
В составе системы поддержки принятия решений должны присутствовать три основных компонента: база данных, база моделей и программная подсистема, которая в свою очередь состоит из системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером.
Данные из базы данных в информационной технологии поддержки принятия решений используются пользователем для расчетов с использованием математических моделей.
Необходимо рассмотреть источники данных и их особенности.
У системы управления данными должны быть следующие возможности:
Модели создаются для описания и дальнейшей оптимизации некоторых объектов или процессов. С их помощью можно проводить анализ в системах поддержки принятия решений, так как модели базируются на математической интерпретации проблемы и с помощью специальных алгоритмов помогают извлекать информацию, полезную для принятия правильных решений.
По цели использования можно разделить модели на оптимизационные, которые связаны с нахождением точек экстремума некоторых показателей (например, управляющие часто хотят знать, какие их действия ведут к максимизации прибыли или минимизации затрат), и описательные, описывающие поведение некоторой системы и не предназначенные для целей управления (оптимизации).
По способу оценки модели классифицируются на детерминированные, использующие оценку переменных одним числом при конкретных значениях исходных данных, и стохастические, которые оценивают переменные несколькими параметрами, потому что исходные данные задаются вероятностными характеристиками.
Детерминированные модели более популярны, чем стохастические, потому что их легче строить и использовать и они могут получать достаточную информацию для принятия решений.
По области возможных приложений модели делятся на специализированные, которые предназначены для применения только в одной системе, и универсальные – для использования несколькими системами.
Специализированные модели являются более дорогими, применяются для описания уникальных систем и обладают большей точностью. В системах поддержки принятия решения база моделей состоит из стратегических, тактических и оперативных моделей, а также математических моделей в виде совокупности модельных блоков, модулей и процедур, используемых как элементы для их построения.
Стратегические модели используются на высших уровнях управления для установления целей организации, объемов ресурсов, необходимых для их достижения, а также политики приобретения и использования этих ресурсов. Они могут быть также полезны при выборе вариантов размещения предприятий, прогнозировании политики конкурентов и т.п. Характерными чертами стратегических моделей являются значительная широта охвата, множество переменных, представление данных в сжатой агрегированной форме. Обычно эти данные базируются на внешних источниках и могут иметь субъективный характер. Время планирования в стратегических моделях зачастую измеряется в годах. Эти модели обычно детерминированные, описательные, специализированные для использования на одной определенной фирме.
Тактические модели применяются управляющими среднего уровня для распределения и контроля использования имеющихся ресурсов. Такие модели могут использоваться для финансового планирования, планирования требований к работникам, планирования увеличения продаж, построения схем компоновки предприятий. Тактические модели применяются лишь к отдельным частям фирмы (например, к системе производства и сбыта) и могут также включать в себя агрегированные показатели. Временной горизонт, охватываемый тактическими моделями, от одного месяца до двух лет. Для работы тактических моделей также требуются данные их внешних источников, однако основное внимание уделяется внутренним данным фирмы. Обычно тактические модели реализуются как детерминистские, оптимизационные и универсальные.
Оперативные модели используются на низших уровнях управления для поддержки принятия оперативных решений с горизонтом, измеряемым днями и неделями. Возможные применения этих моделей включают в себя ведение дебиторских счетов и кредитных расчетов, календарное производственное планирование, управление запасами и т.д. Для расчетов оперативные модели обычно используют внутрифирменные данные. Эти модели, как правило, детерминистские, оптимизационные и универсальные (т.е. могут быть использованы в различных организациях).
Математические модели состоят из совокупности модельных блоков, модулей и процедур, реализующих математические методы. Сюда могут входить процедуры линейного программирования, статистического анализа временных рядов, регрессионного анализа и т.п. Модельные блоки, модули и процедуры могут использоваться как поодиночке, так и комплексно для построения и поддержания моделей.
Система управления базой моделей должна обладать следующими возможностями: создавать новые модели или изменять существующие, поддерживать и обновлять параметры моделей, манипулировать моделями.
Эффективность и гибкость информационной технологии во многом зависят от характеристик интерфейса системы поддержки принятия решений. Интерфейс определяет: язык пользователя; язык сообщений компьютера, организующий диалог на экране дисплея; знания пользователя.
Язык пользователя –действия пользователя, производимые в отношении системы путем использования возможностей клавиатуры; электронных карандашей, пишущих на экране; джойстика; "мыши"; команд, подаваемых голосом, и т.п. Наиболее простой формой языка пользователя является создание форм входных и выходных документов. Получив входную форму (документ), пользователь заполняет его необходимыми данными и вводит в компьютер. Система поддержки принятия решений производит необходимый анализ и выдает результаты в виде выходного документа установленной формы. Значительно возросла за последнее время популярность визуального интерфейса. С помощью манипулятора "мышь" пользователь выбирает представленные ему на экране в форме картинок объекты и команды, реализуя таким образом свои действия.
Управление компьютером с помощью человеческого голоса – самая простая и поэтому самая желанная форма языка пользователя. Она еще недостаточно разработана и поэтому мало популярна. Существующие разработки требуют от пользователя серьезных ограничений: определенного набора слов и выражений; специальной надстройки, учитывающей особенности голоса пользователя; управления в виде дискретных команд, а не в виде обычной гладкой речи. Технология этого подхода интенсивно совершенствуется, и в ближайшем будущем можно ожидать появления систем поддержки принятия решений, использующих речевой ввод информации.
Язык сообщений – это то, что пользователь видит на экране дисплея (символы, графика, цвет, данные) полученные на принтере, звуковые выходные сигналы и т.п. Важным измерителем эффективности используемого интерфейса является выбранная форма диалога между пользователем и системой. В настоящее время наиболее распространены следующие формы диалога: запросно-ответный режим, командный режим, режим меню, режим заполнения пропусков в выражениях, предлагаемых компьютером. Каждая форма в зависимости от типа задачи, особенностей пользователя и принимаемого решения может иметь свои достоинства и недостатки. Долгое время единственной реализацией языка сообщений был отпечатанный или выведенный на экран дисплея отчет или сообщение. Теперь появилась новая возможность представления выходных данных – машинная графика. Она дает возможность создавать на экране и бумаге цветные графические изображения в трехмерном виде. Использование машинной графики, значительно повышающее наглядность и интерпретируемость выходных данных, становится все более популярным в информационной технологии поддержки принятия решений.
За последние несколько лет наметилось новое направление, развивающее машинную графику, – мультипликация. Мультипликация оказывается особенно эффективной для интерпретации выходных данных систем поддержки принятия решений, связанных с моделированием физических систем и объектов.
В ближайшие годы следует ожидать в качестве языка сообщений использование человеческого голоса. Сейчас эта форма применяется в системе поддержки принятия решений сферы финансов, где в процессе генерации чрезвычайных отчетов голосом поясняются причины исключительности той или иной позиции.
Знания пользователя – это то, что пользователь должен знать, работая с системой. К ним относятся не только план действий, находящийся в голове у пользователя, но и учебники, инструкции, справочные данные, выдаваемые компьютером. Совершенствование интерфейса системы поддержки принятия решений определяется успехами в развитии каждого из трех указанных компонентов. Интерфейс должен обладать следующими возможностями:
