Содержание:

Введение. 2

Глава 1. Теоретическиехарактеристики с практическими
аспектами систем поддержки принятия решений. 3

1.1.
Системы поддержки принятия решений в управлении проектами. 3

1.2. Системы
поддержки принятия решений: практические аспекты.. 12

1.1.1.
Персонализация и оптимизация сценариев многокритериальных усечений  17

1.1.2
Технология проектирования и внедрения СППР. 19

1.1.3
Внедрение СППР. 22

1.1.4.
Сопровождение СППР. 24

Заключение. 26

Список
литературы. 30

Введение:

В настоящее время
значительно усилилась роль оценки успешности проектов (портфелей проектов) на ранних стадиях их выполнения.
Правильная оценка успешности проекта на ранних стадиях позволяет, в случае ее низкого уровня, вовремя принять решение об
отказе от его финансирования. Используемые сейчас математические
(количественные) методы обладают рядом недостатков, связанных, с одной стороны,
с необходимостью высокой квалификации разработчика проекта, а с другой стороны,
с погрешностями, вносимыми математическими моделями, которые в них применяются.

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.

Заключение:

Интересным
является вопрос — в составе каких более крупных систем могут включаться
экспертные системы? Самый тривиальный ответ: «В составе систем автоматического
управления и автоматизированных систем управления». Это традиционные области
использования экспертных систем, особенно в хорошо формализуемых проблемных
областях. Например, системы автоматического управления технологическими
процессами вполне могут управляться при помощи достаточно небольших экспертных
систем, базы знаний которых содержат несколько сотен продукций.

Но самым главным
классом систем, в которых используются экспертные системы в качестве элементов,
являются системы поддержки принятия решений. С развитием аналитических методов
и появлением новых математических формализмов для обработки больших объёмов
данных, для поиска закономерностей, в том числе скрытых, системы поддержки
принятия решений получили второе дыхание, и сегодня этот класс систем
используется в большом количестве областей применений для снятия с аналитиков и
руководителей рутинной работы по сбору и анализу больших массивов информации и
подготовке и принятию решений. Так что внимательно посмотрим на такие системы —
какие методы в них используются, какие составные элементы в них имеются, каковы
взаимосвязи между элементами и всё остальное.

Общая структура
систем поддержки принятия решений выглядит следующим образом:

1. Хранилище
данных — первичный элемент системы, в который собираются все данные об
объекте управления или проблемной ситуации, относительно которых система
осуществляет поддержку принятия решений. Как и в случае с экспертной системой в
хранилище попадают данные как от пользователей, так и с различного рода
датчиков, устройств и иных систем. В отличие от базы данных в хранилище
осуществляется первичная обработка данных таким образом, чтобы потом их можно
было эффективно использовать для анализа и визуализации. Происходит очистка и
преобразование данных, а их хранение осуществляется в специальном формате,
который позволяет быстро манипулировать ими. Всё это помогает двух другим
компонентам системы — модулям статистического и интеллектуального анализа
быстро обрабатывать огромные массивы информации.

2. Модуль
статистического анализа предназначается для применения различных
методов математической статистики и смежных дисциплин для анализа больших
объёмов информации (статистических выборок), в частности, поиска корреляций и
причинно-следственных связей, анализа трендов, определения статистических
закономерностей и т. д. Большинство методов статистического анализа давно разработаны
и апробированы, однако временами появляются новые, а потому важно, чтобы этот
элемент системы был открытым для использования новых методов.

3. Модуль
интеллектуального анализа используется для проведения глубокого
анализа больших объёмов данных методами, которые позволяют обнаруживать скрытые
закономерности, нетривиальные и практически полезные интерпретации информации в
данных. В первую очередь это методы из разряда технологий Data Mining. Этот
модуль сам по себе реализует многие техники искусственного интеллекта, начиная
от генетических алгоритмов и искусственных нейронных сетей до отдельных методов
символьных вычислений. При этом в рамках интеллектуального анализа данных также
могут проводиться и отдельные ветви статистического анализа, либо результаты
такого анализа могут браться из соответствующего модуля.

4. Модуль
построения отчётности — фактически, центральный модуль, преобразующий
результаты анализа и (или) выводы экспертной системы к виду, который доступен
для лица, принимающего решения. Основная задача этого модуля — доступная и
эффективная визуализация найденных закономерностей и знаний для руководителя,
который на основании этой информации может принять взвешенное и оптимальное
решение. В этом и заключается сама сущность поддержки принятия решений.

5. Интерфейс
аналитика — в процессе принятия решений и его поддержки важна роль
аналитика, который готовит окончательный вариант решения или варианты
альтернатив на основе того, что рекомендует система. Аналитик модифицирует
процедуры извлечения и обработки информации из неструктурированных больших
объёмов данных, он же проверяет окончательные результаты работы системы и её
объяснения того, как она получила эти результаты. Поэтому для аналитика имеется
интерфейс, при помощи которого он может взаимодействовать с системой. Он
намного более богат на функциональность, нежели интерфейс руководителя.

6. Интерфейс
руководителя — лицо, принимающее решение, является главным
пользователем систем поддержки принятия решений, поскольку именно для него и
готовятся варианты решения с объяснениями так, чтобы этот ответственный
руководитель выбрал итоговое решение и своей подписью придал ему официальный
статус. Для этих целей в составе системы имеется специальный интерфейс с
упрощённым набором функций, который позволяет руководителю получить варианты
решений, увидеть их обоснования и либо принять один из вариантов, либо
отправить все варианты на доработку, снабдив их дополнительными комментариями.

Сегодня системы
поддержки принятия решений используются во многих областях жизни. В первую
очередь необходимо отметить, что они являются неотъемлемой частью деятельности
различного штабов, действующих в условиях крайне ограниченного времени — при
ликвидации последствий чрезвычайных ситуаций, при очень быстро развивающихся событиях
внешнего характера, при невозможности задействования людей при выполнении
каких-либо работ. В этих случаях системы поддержки принятия решений
используются в рамках так называемого ситуационного управления, когда такая
система должна за крайне ограниченное время обработать большие объёмы
динамической информации о развитии ситуации, над которой осуществляется
управления, и выдавать лицам, принимающим решения, обоснованные прогнозы, планы
и решения.

Но не только
государственные службы, задействованные в предупреждении и ликвидации
последствий чрезвычайных ситуаций, использую системы поддержки принятия
решений. Многие коммерческие компании используют системы этого класса для
развития своего бизнеса. В первую очередь это относится к организациям,
работающим в области телекоммуникационных технологий, розничной продажи,
обслуживания массового клиента, банковской сфере. Системы поддержки принятия
решений в этих областях находят различные скрытые закономерности в поведении
клиентов, что позволяет организациям тонко настраивать тарифные политики или
даже организовывать персонализированный маркетинг.

Фрагмент текста работы:

Глава 1.
Теоретическиехарактеристики с практическими аспектами систем поддержки принятия
решений

1.1. Системы поддержки принятия решений в управлении
проектами

Существующие методы решения
задач. Рассмотрим существующие СППР в
УП с точки зрения используемых в них методов.

Например, в [5]
предложена концепция комплексной СППР по управлению инновационными проектами,
основанная на методах и технологиях, использующих теорию нечетких множеств,
нечеткую логику, эволюционное моделирование и нейронные сети.

В [6] предложена структура компьютерной СППР при управлении денежными потоками проектов предприятия, имеющая в основе
агентную имитационную модель динамического анализа процессов управления
ресурсами проектов предприятия, осуществляющую анализ ресурсного обеспечения
проектов с учетом различных вариантов финансирования.

В [7] приводятся  результаты научных исследовании в
области управления рисками при выборе инвестиционных
проектов в телекоммуникационной сфере с применением СППР. В основе лежат методы, основанные на дисконтированных оценках
(«динамические» методы) и методы, основанные на учетных оценках
(«статистические» методы).

Ряд статей
посвящен решению кадровых задач в УП. Например, в [8] описана разработка СППР по управлению трудовыми ресурсами
проекта (подбору исполнителей для производственных процессов), основанная на вычислении функций полезности
и теории прецедентов. В [9] рассматривается СППР, с помощью которой распределяются по позициям незанятые работники в будущих ИТ проектах. СППР оптимизирует распределение
по трем параметрам: времени, стоимости
и качеству. Используемые методы:
оптимизация по Парето, последовательных уступок,
целевого программирования, анализа
иерархий.

В [10]
рассматривается СППР по наиболее оптимальному распределению ресурсов проекта с
использованием кодированием на основе приоритета и адаптивного генетического
алгоритма.

В [12] предложена
СППР для разработки и УП в условиях неопределенности на основе моделирование по
методу Монте-Карло и эволюционных алгоритмов.

В [13] описана
СППР, оптимизирующая стоимость ресурсов при оценке рентабельности инвестиционных
проектов в области биодизельного топлива.

Несмотря на
широкое распространение математических методов при решении
задач УП, нельзя считать, что формальные методы
современной математики окажутся универсальным средством решения всех проблем,
возникающих в этой сфере. В связи с ограниченными возможностями применения в
управлении и маркетинге экономико-математических методов, отсутствием во многих случаях статистической и другой информации, а также надежных методов
определения соответствия экономико-математических моделей реальным объектам
экспертные оценки являются единственным средством решения многих задач. К
преимуществам экспертных оценок можно отнести простоту применения для
прогнозирования практически любых ситуаций, в
том числе в условиях неполной информации.

Но из-за
особенностей человеческого мышления [14] опытному эксперту или группе экспертов без наличия СППР практически невозможно принять решение
при выборе или оценке
одной альтернативы из множества существующих (или возможных,
что еще труднее), если количество критериев
и их значений, которые описывают
оцениваемые альтернативы, достаточно большое (более пяти-семи критериев и/или значений каждого критерия).

Например, возьмем
набор возможных факторов риска [15], которые
могут возникнуть на начальных
стадиях проекта: рождение идеи,
разработка плана и формирование коллектива – всего порядка 40 факторов,
но их количество может быть и увеличено. Предположим, что руководитель проекта
(который не имеет пока опыта в УП)
по каждому из факторов дал качественный ответ (практически все эти ответы: «да»
или «нет», может иногда – «частично» – тем более, что еще
одна особенность человека заключается в том, что как измерительный прибор он оставляет желать лучшего. Людям
свойственно качественное оценивание, 
особенно когда  под  рукой 
нет ничего «измерительного», а необходимо что-то с чем-то сравнить – «сегодня жарче, чем вчера» или «сегодня я прошел
меньше вчерашнего», а не количественное – часто ли можно услышать: «сегодня температура
выше на 5,35 градуса»?!). После чего ждет от экспертов оценки: можно ли начинать выполнение
проекта или можно начать, но некоторые незначительные проблемы можно устранить по
ходу выполнения проекта или необходимо сначала устранить проблемы, а потом еще раз оценить полученные результаты. И конечно, в последнем случае хорошо было бы от экспертов услышать перечень проблем, которые нужно устранить в первую очередь.
Вряд ли подобная задача окажется легко разрешимой
без наличия соответствующей СППР, при
том, что математические методы и модели здесь не подойдут.

Основой такой
технологии может служить метод «ОРКЛАСС» (ординарная классификация альтернатив)
[16] из набора методов вербального анализа решений, разработанных  под 
руководством  академика Ларичева
О.И.

Метод имеет в
своей основе три понятия – альтернатива, критерий (и его значения) и класс,
имеющих следующее смысловое наполнение:

—   
альтернативы – наборы данных (результаты исследований) либо
объекты одной предметной области, которые необходимо распределить по классам;

—    
критерии – набор характеристик, которыми отличаются
альтернативы друг от друга;

—   
значения критериев – набор всех возможных значений всех
критериев, при этом для каждого
критерия они упорядочиваются от лучшего значения
к худшему;

—   
классы – обладающие своими уникальными признаками, упорядоченные (от лучших к худшим) части общего списка всех возможных
альтернатив (например, диагнозы, причины неисправности, рейтинговые или
оценочные категории чего- или кого- либо и т.д.).