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