- •Литература
- •Введение
- •1. Основные понятия теории принятия решений
- •2. Классификация видов решений
- •Классификация видов решений
- •3. Общие положения, характеризующие процесс принятия решений
- •4. Роль и место принятия решений в процессе управления
- •5. Содержание задачи принятия управленческих решений
- •6. Общая характеристика процесса принятия решения
- •7. Роль руководителя в принятии решений
- •8. Системный анализ как методологическая основа принятия решений
- •8.1. Логические элементы системного анализа и процесс его проведения
- •8.1.1. Цели
- •Классификация целей
- •8.1.2. Средства достижения поставленных целей
- •8.1.3. Потребные ресурсы
- •8.2. Модели и критерии
- •8.2.1. Модель
- •8.2.2. Критерии
- •9. Базовые методы обработки экономической информации
- •9.1 Методы диагностики проблем
- •9.2. Методы разработки (генерирования) альтернатив.
- •9.3. Методы фазы выбора решения.
- •9.4 Методы фазы реализации решения
- •10.Типы задач принятия решений и подходы к их решению
- •10.1. Краткая характеристика задач принятия решений
- •10.2. Вероятностные задачи
- •10.3. Детерминированные задачи
- •10.4. Задачи в условиях неопределенности
- •10.5. Многокритериальные задачи принятия решений
- •10.5.1. Постановка задачи и схема её выполнения.
- •10.5.2. Метод оптимизации главного критерия при ограничении остальных
- •10.5.3. Метод последовательных уступок
- •11. Общая характеристика основных подходов к процессу разработки управленческих решений
- •12. Общая характеристика методов принятия управленческих решений
- •12.1. Методы экспертных оценок
- •12.1.1. Метод Дельфи
- •12.1.2. Метод мозгового штурма
- •13. Экспертные системы и системы поддержки принятия решений
- •13.1. Экспертные системы
- •Архитектура экспертных систем
- •Классификация экспертных систем
- •Модели представления знаний
- •13.2. Системы поддержки принятия решений
13.1. Экспертные системы
Как показывает практика, экспертные системы должны будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг.
Однозначного определения понятие экспертной системы не имеет.
Так специальная группа по экспертным системам Британского компьютерного сообщества предлагает следующее: экспертная система — создание на базе ЭВМ компоненты, которая соответствует знанию эксперта и позволяет системе дать разумный совет или принять разумное решение.
Согласно толковому словарю по информатике, под экспертной системой понимают систему искусственного интеллекта, которая включает базу знаний с набором правил и механизмом вывода, позволяющую на основании этих правил и предоставляемых пользователем фактов распознавать ситуацию, ставить диагноз, формулировать решение или давать рекомендации для выбора действия.
Иногда вместо определения данного понятия дают следующий перечень свойств экспертных систем:
экспертная система ограничена определенной сферой экспертизы;
она способна рассуждать при сомнительных данных;
она способна объяснять цепочку рассуждений понятным способом;
факты и механизм вывода четко отделены друг от друга;
она строится так, чтобы имелась возможность постепенного развития и наращивания системы;
чаще всего она основана на использовании правил;
на выходе она выдает совет ~ не таблицы из цифр, а четкий совет;
она экономически выгодна.
Экспертные системы отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления информации.
Целесообразность применения экспертных систем (ЭС) вытекает из следующего:
технология ЭС существенно расширяет круг практически значимых задач, решение которых с использованием современных средств вычислительной техники приносит значительный экономический эффект;
ЭС предназначены для решения неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.
К неформализованным относят задачи, которые обладают одной или несколькими из следующих характеристик:
задачи не могут быть заданы в числовой форме;
цели не могут быть выражены в терминах точно определенной целевой функции;
не существует алгоритмического решения задач;
Неформализованные задачи обладают следующими особенностями:
ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;
ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;
большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;
4) динамически изменяющимися данными и знаниями.
Коммерческие успехи к экспертным системам пришли не сразу.
На протяжении ряда лет (с 60-х годов) успехи касались в основном исследовательских разработок, демонстрировавших пригодность систем искусственного интеллекта для практического использования.
С 1988 —1990 гг. в экспертные системы стали активно использоваться в реальных областях человеческой деятельности.
Рынок продуктов искусственного интеллекта можно разделить на:
- системы искусственного интеллекта;
- инструментальные средства, предназначенные для автоматизации всех этапов создания приложения.
Среди специализированных систем, основанных на знаниях, наиболее значимы экспертные системы реального времени или динамические экспертные системы. На их долю приходится 70 % этого рынка.
Значимость инструментальных средств реального времени определяется в первую очередь тем, что только с помощью подобных средств создаются стратегически значимые приложения в таких областях, как:
- управление непрерывными производственными процессами в химии, фармакологии, производстве цемента, продуктов питания и т.д.;
- аэрокосмические исследования;
- транспортировка и переработка нефти и газа;
- управление атомными и тепловыми электростанциями;
- финансовые операции;
- связь и др.
Инструментарий для создания экспертных систем реального времени впервые выпустила фирма Lisp Machine Inc. в 1985 г. Этот продукт носил название Picon. Его успех привел к тому, что группа ведущих его разработчиков образовала фирму Gensym, которая, значительно развив идеи, заложенные в Picon, выпустила в 1988 г. инструментальное средство под названием G2. В настоящий момент работает его третья версия и подготовлена четвертая [1, 5].
В качестве примеров успешного применения экспертных систем для решения экономических задач можно привести следующие факты:
American Express сократила свои потери на 27 млн. дол. в год благодаря экспертной системе, определяющей целесообразность выдачи кредита или отказа в его получении той или иной фирме [1];
фирма DEC ежегодно экономит 70 млн. дол. в год благодаря системе XCON/XSEL, которая по заказу покупателя составляет конфигурацию вычислительной системы VAX. Ее использование сократило число ошибок от 30 до 1 % [5];
фирма Sira сократила затраты на строительство трубопровода в Австралии на 40 млн. дол. за счет управляющей трубопроводом экспертной системы, реализованной на базе системы G2 [2].