Описание системы поддержки принятия решений Analytica 2.0

Концепция систем поддержки принятия решений. Диапазон применения Analytica 2.0. Программное обеспечение количественного моделирования. Графический интерфейс для разработки модели. Основные способы моделирования. Диаграмма влияния и дерево решений.

Рубрика Программирование, компьютеры и кибернетика
Вид контрольная работа
Язык русский
Дата добавления 08.09.2011
Размер файла 1,1 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ

ФАКУЛЬТЕТ ЭКОНОМИКИ И МЕНЕДЖМЕНТА

Кафедра менеджмента

РАСЧЕТНО-ГРАФИЧЕСКАЯ РАБОТА

по дисциплине:

«Системы поддержки принятия решений»

на тему:

«Описание СППР Analytica 2.0»

Симферополь, 2010

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. Общее описание СППР Analytica 2.0

2. Диапазон применения Analytica 2.0

3. Основные способы моделирования в Analytica 2.0

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

ВВЕДЕНИЕ

analytica моделирование программный решение

Концепция систем поддержки принятия решений возникла в конце 60-х годов ХХ века вместе с идеей раздельного компьютерного исчисления. Первой целью создания таких систем было предоставление конечным пользователям возможности взаимодействовать непосредственно с компьютером без посредничества информационных специалистов. Термина СППР (DSS) не было до 1971 года. Как уже отмечалось, термин DSS предложили Горри (G.Anthony Gerry) и Мортон (Michael S. Scott Morton) - профессоры Мессачусетского технологического института. Они ощупали потребность в создании соответствующих компьютерных приложений для разработки управленческих решений и разработали классификационную таблицу, которая называется сеткой Горри и Мортона.

Горри и Мортон сначала использовали термин DSS только для обозначения компьютеризированных приложений. Впоследствии он прижился и применялся ко всем компьютерным приложений, которые предназначены для поддержки принятия решений, как имеющихся, так и будущих. Как уже отмечалось, не существует общепринятого определения СППР. Отталкиваясь именно от первоначальной концепции Горри и Мортона, можно дать основательнее определения СППР.

Система поддержки принятия решений является интерактивной системой, которая обеспечивает пользователю легкий доступ к моделям и данным для того, чтобы поддержать процесс принятия решений относительно слабоструктурированных и неструктурированных задач.

Однако следует заметить, что разнообразие предлагаемых определений систем поддержки принятия решений отражает широкий диапазон разных форм, размеров и типов СППР. Но практически все виды этих компьютерных систем характеризуются четкой структурой, содержащей три главных компонента: пидсистем интерфейса; подсистему управления базой данных и подсистему управления базой моделей.

1. Общее описание СППР Analytica 2.0

СППР Analytica 2.0 разработана компанией "Lumina Decision Systems" (http://www.lumina.com/) и ориентированная на модели. Модель представляет собой некоторый материальный или мысленно представляемый объект или явление, замещающий оригинальный объект или явление, сохраняя только некоторые важные его свойства, например, в процессе познания или конструирования.

СППР Analytica 2.0 является наследницей СППР Demos. Она разработана на основе десятилетних исследований инструментальных средств моделирования, анализа неопределенности и пользовательского интерфейса, которые проводились в университете Carnegie-mellon и компании "Decision Lumina Systems".

Данную СППР можно определить как программное обеспечение количественного моделирования, как использование графического интерфейса для разработки модели. Ее возможности включают анализ сценариев, диаграммы влияния, многомерное моделирование (dimensional Modeling) и анализ риска. Система обеспечивает прозрачность и мощность бизнес-моделированию. Она значительно превышает возможности, которые предоставляются пользователям обычными электронными таблицами, фактически это графически-ориентированное инструментальное средство для создания, анализа и объединения количественных бизнес-моделей.

Она предоставляет легкие и быстрые возможности благодаря:

· использованию удобного графического интерфейса на основе диаграмм влияния для объединения моделей в общей структуре;

· средствам масштабирования модели, чтобы справиться с многомерностью проблем реального мира, используя массивы бизнес-информации (Intelligent Arrays);

· управлению риском и неопределенностью благодаря эффективному моделированию по методу Монте-Карло, который можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений;

· быстрого и легкого развертывания, создания моделей в Интернете с помощью инструментального средства Analytica Decision Engine®;

· импорта и экспорта данных с использованием механизма OLE (или ODBC в версии для корпораций - Enterprise Analytica).

Из-за того, что Analytica использует графический интерфейс и малое количество стандартных диаграммных символов, ее легко изучать и использовать. Главный менеджер или группа менеджеров могут определить концепцию проблемы, а ее качественные аспекты могут быть отображены без применения формул. Модели Analytica можно также легко и быстро модернизировать, поддерживать и расширять. Массивы бизнес-информации делают возможным установление временной последовательности моделей, исходя из того, что время является измерением. В святи с тем, что диаграммы Analytica самодокументируются, модели легко проверять или контролировать. Для этого не нужна внешняя документация, чтобы использовать модели вместе с другими.

2. Диапазон применения Analytica 2.0

Analytica 2.0 широко используется для создания и исследования моделей в различных отраслях, включая: бизнес и финансы; аэропространство; консалтинг; электронную коммерцию; здравоохранение; энергетику и окружающую среду; разработку новых видов продукции; оборона; научно-технические исследования и разработки, производство; телекоммуникации; высшее образование и др.

В идеале, пользователи должны быть информационно и компьютерно грамотными, то есть понимать сущность используемой информации и уметь работать непосредственно за компьютером. Однако компьютерная грамотность создателя решений не является обязательным условием успешного применения СППР. Дело в том, что многие руководители различного уровня не нуждаются в работе за компьютером, а предпочитают ее общению с людьми. Поэтому системы поддержки принятия решений проектируются с учетом этого фактора. Опишем спектр режимов взаимодействия пользователей с СППР, имея в виду, что практически могут использоваться не только приведенные в таблице. 2.1 режимы, но и различные смешанные режимы, т.е. скомбинированные из пяти основных.

Таблица 2.1. Способы взаимодействия ЛПР И СППР

Название режима взаимодействия

Описание режима

1

Усовершенствованный терминальный

ЛПР является непосредственным пользователем системы, ощущает комфортность и уверенность в работе с базами данных, СУБД и системами моделирования. Может самостоятельно строить модели и небольшие СППР.

2

Терминальный

ЛПР работает непосредственно с системой в интерактивном (оn-liпе) режиме, формирует запросы к системе, получает и интерпретирует ответы, использует в процессе принятия решений и/или для поиска дополнительной информации.

3

Режим клерка

ЛПР чаще работает с системой в режиме не-прямого (оff-liпе) доступа, конструирует запросы, которые затем обрабатываются системой. Ожидая ответа, ЛПР может выполнять другую работу.

4

Режим посредника

ЛПР использует систему через посредников (аналитиков, консультантов), которые, получив запрос руководителя, формализуют его, анализируют проблему с помощью системы, фильтруют и интерпретируют выданные СППР результаты.

5

Автоматизированный режим («на подпись»)

ЛПР получает стандартные, повторяющиеся сообщения, которые автоматически (без специального запроса) генерируются системой. ЛПР используют эти сообщения вместе с информацией, поступающей из других источников.

Пользователями СППР Analytica 2.0 является более 25 крупных корпораций, в частности Боинг (Boeing), General Motors, Motorola, Microsoft, Xerox и др. Среди консалтинговых пользователей системы можно назвать Anderson Consulting, Booz-Allen & Hamilton, Deloitte & Touche, Ernst & Young, McKinsey & Co, PriceWaterhouseCoopers, Strategic Decisions Group, SAIC. Среди академических вузов, использующих эту систему, есть такие ведущие университеты США и Англии, как UC Berkeley, Cambridge, Carnegie-Mellon, Harvard, Stanford.

Analytica помогает решать сложные проблемы во многих функциональных областях, включая: оценку проектов; финансовое моделирование; поддержку и анализ решений, анализ, управление и ослабление риска; прогнозирование; анализ рынка; вероятностную имитацию; сценарии «а что ..., если ...?»; анализ «затраты / выгоды»; экономический анализ и др.

3. Основные способы моделирования в Analytica 2.0

Основные предоставляемые функции. Analytica 2.0 обеспечивает пользователя общими языками моделирования, а также словарем более 150 операторов и функций, включая: стандартные математические функции; финансовый анализ; тригонометрию; создание и трансформацию многомерных массивов; матричные операторы; интегральное и дифференциальное исчисление; текстовую последовательность операторов; распределения вероятностей; статистический анализ; кривые сглаживание и регрессию (рис. 3.1); анализ чувствительности и неопределенности; организацию сортировки и индексирования; функции ODBC. ODBC (англ. Open Database Conectivity) -- это программный интерфейс (API) доступа к базам данных, позволяющий единообразно работать с разными источниками данных, абстрагируясь от особенностей взаимодействия в каждом конкретном случае.

Библиотеки функций представлены в виде диаграмм, с помощью которых пользователь может получить описание каждой функции. Например, на рис. 3.2 изображены типы статистических функций, где пользователь, нажав на соответствующий блок, раскрыл описания среднего квадратического отклонения. В целом, применение статистических функций облегчает пользователю статистический анализ данных.

Пользователь может добавлять новые функции в модель из предлагаемого набора или составлять собственные функции. Определенные пользователем функции могут быть написаны и храниться в библиотеках, отдельно от моделей и многократно использоваться в других моделях по вызову пользователя.

Диаграммы влияния. Диаграммы влияния послужили основой для разработки СППР Analytica 2.0, обеспечив интуитивное, визуальное отображение структуры модели, которое недоступно в электронной таблице. Они используются для концептуализации качественной структуры проблемы перед разработкой математических моделей, а также с тем, чтобы найти четкое различие между решениями (переменными, которые можно контролировать, случайными переменными (вероятными величинами, которые нельзя контролировать и целями (критериями, которые нужно оптимизировать); для передачи разрабатываемой модели к другим без загромождения их числами и формулами.

Диаграмма влияния - это простая визуальная репрезентация проблемы выбора. Она обеспечивает интуитивный путь к идентификации и отображению существенных элементов, включая решения, неопределенности, цели, и как они взаимообусловлены. Диаграмма обеспечивает высококачественную квалифицированную проекцию ситуации, требующей принятия решения, с использованием которой аналитик строит детализированную количественную модель.

По сути дела, диаграммы влипния - это модели, представляющие собой процесс появления отдельных предпосылок и развития их в причинную цепь происшествия в виде соответствующих диаграмм причинно-следственных связей. Диаграммы влияния дают нам формальное представление моделируемых категорий (объектов, процессов, целей, свойств) в виде множества графических символов (узлов, вершин) и отношений - предполагаемых или реальных связей между ними.

Основными компонентами диаграммы влияния служат узлы (вершины) и связи (отношения). В качестве узлов обычно подразумеваются простейшие элементы моделируемых категорий (события, состояния, свойства), а в качестве связей - действия, ресурсы и т.п.

Каждые два соединенных между собой узла образуют ветвь диаграммы. Отношения или связи между переменными или константами в узлах диаграммы представляются в виде дуг или ребер.

Узлы диаграммы характеризуются наборами данных (фреймами данных), т.е. множеством выходов (значений, принимаемых переменными). Если диаграмма стохастическая, то дугам или ребрам приписываются вероятности (или распределения вероятностей) появления этих значений. В некоторых случаях вместо условных распределений допускается использование в диаграммах отдельных значений, принимаемых переменными.

Таблица 3.1. Формы елементов диаграммы влияния

Решение -- это переменная, которую лицо, принимающее решение, может контролировать.

Предполагаемая переменная, связанная с неопределенностью, которую ЛПР не может контролировать непосредственно.

Целевая переменная -- количественный критерий, который стараються максимизировать (или минимизировать).

Общая переменная - функция, которая определяется другими количественными переменными, от которых она зависит.

Стрелка означает влияние. А влияет на Б означает, что если мы знаем величину А, то это будет напрямую влиять на наши ожидания относительно значения Б. Влияние выражает знания об отношении. Это не обязательно означает случайное отношение или поток материалов, данных или денег.

Как сравнить диаграммы влияния с деревом решений? Дерево решений представляет из себя некий графический инструмент, который помогает производить действия, такие, как: описание возможных стратегий игрока, описание неопределенных исходов (неизвестные стратегии второй стороны) и их вероятностей, вычисление EMV по стратегиям первого игрока, выбор стратегии с максимальным значением EMV. Деревья решений являються иным общим способом изображения проблемы, требующей решения. Они показывают множество альтернатив для каждого решения и случайные переменные как ветви, исходящие из каждого узла.

Диаграмма влияния и дерево решений отражают различные виды информации (рис. 3.3). Диаграмма влияния отражает зависимость между переменными очевиднее, чем дерево решений. Дерево решений подробнее показывает возможные маршруты или сценарии, как последовательность ветвей слева направо. Но эта детализированность требует большей цены: во-первых, необходимо рассматривать все переменные как дискретные (что уменьшает количество альтернатив, даже если они в действительности непрерывные).Во-вторых, количество вершин в дереве решения растет экспоненциально с ростом количества решений и случайных переменных. Нужна была бы 121 вершина для того, чтобы показать дерево решения, которое отвечает простой диаграмме влияния анализа рынка. Диаграмма влияния намного компактнее изображением.

Рис. 3.3. Analytica 2.0: диаграмма влияния и соответствующее дерево решений.

С помощью программного обеспечения Analytica 2.0 можно создать диаграмму влияния, просто выбирая новые узлы, размещая их и стрелки между ними. Analytica расширяет стандартную систему обозначений диаграммы влияния дополнительными типами узлов для обеспечения большей мощности и гибкости и для того, чтобы решать болем сложные реальные проблемы, чем те, которые могут быть обработаны традиционными инструментальными средствами.

Иерархические диаграммы. Можно построить сложную модель как иерархию модулей, каждый из которых содержит собственную диаграмму влияния (рис. 3.4). Иерархические диаграммы в программе Analytica помогают:

· реорганизовать сложную модель в иерархию понятных и простых модулей;

· построить большую модель, как комбинацию модулей, разрабатываемых разными людьми;

· показывать иерархию в виде раскрывающейся схемы.

Массивы бизнес-информации (Intelligent Arrays). В отличие от стандартных электронных таблиц, Analytica позволяет легко создавать и изменять многомерные модели. Для этого нужно выбрать наиболее значимых проекции в таблицах (рис. 3.5) или их соответствующие графики с помощью изменения размещения строк, столбцов и других измерений. Можно написать простые выражения над многомерными значениями, например, добавление, увеличивая их элемент за элементом, или подытоживая по заданным единицами измерения размерности. При необходимости можно просмотреть величину и количество измерений, расширяя или упрощая их, чтобы найти наилучший урівень детализации.

Анализ риска и неопределенности. Бороться с неопределенностью можно путем сведения ее к принятию решений в условиях риска, используя вероятности событий. Analytica помогает:

· выражать неопределенность относительно любой переменной, выбрав ее распределение вероятностей, используя графическое окно просмотра (рис. 3.6);

· выражать неуверенность через модель, применяя различные методы создания выборки, например, Латинский гиперкуб или Монте-Карло;

· отражать вероятные результаты в статистическом виде (стандартные статистические показатели, функции плотности вероятностей и т.п.).

Сосредоточение на важных вопросах. Понимание того, какие предположения и неопределенности действительно влияют на конечный результат, является ключом к успешному моделирования и анализа. СППР Analytica была создана именно с этой целью, и она обеспечивает эффективные методы для проведения анализа чувствительности и неуверенности. Для этого она позволяет:

· исследовать и расширять диаграмму эффектов смены одного или нескольких входов над заданным диапазоном;

· отыскивать нелинейные зависимости и взаимодействия с помощью графического изображения поведения модели, варьируя значениями одного или нескольких входных параметров;

· проводить анализ важности, чтобы сравнить вклады каждого сомнительного входа на значение переменной, используя упорядоченную корреляцию;

· визуально исследовать соотношение между сомнительными переменными с помощью диаграмм рассеяния.

На рис. 3.7 в качестве иллюстрации изображен влияние различных чинноков на исходно показатель - нынешнюю чистую стоимость (NPV).

Рис.3.7 Analytica 2.0: визуальное определение влияния разных факторов на результативную переменную (NPV)

Интегрированная документация. Каждой переменной соответствует определенная карта, которая содержит ее описание, единицу измерения, определение переменной, а также списки входящих и исходящих данных. Карточка переменной генерируется автоматически. Эти карточки вместе с иерархической диаграммой влияния обеспечивают четкое гипертекстовое документирование модели, позволяющее:

· контактировать по модели с рецензентами без требования любой внешней документации;

· использовать модель вместе с коллегами для совместного моделирования.

На рис. 3.8 - 3.12 изображены модели, созданные средствами Analytica 2.0, для решения важных деловых и других проблем.

Рис. 3.8. Analytica 2.0: финансовый анализ возможностей бизнеса.

Рис. 3.9. Analytica 2.0: диаграммы модели рынка

Рис.3.10. Диаграмма планирования, составления расписания и управления проектом.

Рис.3.11. Analytica 2.0: модель ценообразования.

Рис. 3.12. Analytica 2.0: пример модели реинжиниринга.

ЗАКЛЮЧЕНИЕ

В данной работе были изучены теоретические аспекты систем поддержки принятия решений и изучена СППР Analytica 2.0, а именно цель создания, диапазон применения, основные способы моделирования в Analytica 2.0

СППР обеспечивается реализация таких важных свойств при построены вы информационных систем, как интерактивность, интегрированность, мощность, доступность, гибкость, надежность, робастность, управляемость.

Интерактивнисть СППР означает, что система откликается на разного вида действия, которыми человек намерен повлиять на вычислительный процесс, в частности, в диалоговом режиме

Интегрованность СППР - это совместимость составляющих системы по управлению данными и средствами общения с пользователями в процессе поддержки принятия решений.

Мощность СППР означает способность системы отвечать на самые существенные вопросы.

Доступность СППР - это способность обеспечивать выдачу от-сообщений на запросы пользователя в нужной форме и в необходимое время.

Гибкость СППР характеризует возможность системы адаптироваться к изменениям потребностей и ситуаций.

Надежность СППР означает способность системы выполнять необходимые функции в течение заданного длительного периода.

Робастность (robustness) СППР - это способность системы возобновляться в случае возникновения ложных ситуаций как внешнего, так и внутреннего происхождения.

Управляемость СППР означает, что пользователь может контролировать действия системы, вмешиваясь в ход решения задачи.

Список использованной литературы

1. Баин А.М. Современные информационные технологии систем поддержки принятия решений. - М: Книга, 2009 г.

2. Евланов Л. Г. Основы теории принятия решений. - М.: Наука, 1979.-- 212 с.

3. Сытник В. Ф. Системы піддержки принятия решений. Учебное пособие. - К: КНЭУ, 2004 г.

4. http://www.basegroup.ru

Размещено на Allbest.ru


Подобные документы

  • Классификация систем поддержки принятия решений. Сравнительный анализ методик для оценки рисков розничного кредитования. Структура системы поддержки принятия решений, формирование начальной базы знаний. Проектирование базы данных информационной системы.

    дипломная работа [1,9 M], добавлен 10.07.2017

  • Методы решения проблем, возникающих на стадиях и этапах процесса принятия решений, их реализация в информационных системах поддержки принятия решений (СППР). Назначение СППР, история их эволюции и характеристика. Основные типы СППР, области их применения.

    реферат [389,3 K], добавлен 22.11.2016

  • Разработка алгоритмического и программного обеспечения для решения задачи поддержки принятия решений о выпуске новой продукции. Математическое обеспечение задачи поддержки принятия решений о выпуске новой продукции, основные входные и выходные данные.

    дипломная работа [943,0 K], добавлен 08.03.2011

  • Человеко-машинные комплексы, специально предназначенные для принятия решений. Процесс принятия решений и его этапы. Методы поиска новых вариантов решений: дерево решений, морфологические таблицы, конференции идей. Принцип математической оценки тенденций.

    курсовая работа [272,1 K], добавлен 30.07.2009

  • Анализ существующих решений системы поддержки принятия решений для корпоративной сети. Многоагентная система. Разработка концептуальной модели. Структура базы знаний. Разработка модели многоагентной системы на базе сетей Петри. Методика тестирования.

    дипломная работа [5,1 M], добавлен 19.01.2017

  • Основные модели представления знаний. Системы поддержки принятия решений. Диаграмма UseCase. Разработка базы данных на основе трех моделей: продукционные правила, семантическая сеть, фреймовая модель. Программная реализация системы принятия решений.

    курсовая работа [715,1 K], добавлен 14.05.2014

  • Классификация задач системы поддержки принятия решений, их типы и принципы реализации при помощи программы "Выбор". Обзор современных систем автоматизированного проектирования "Компас", "AutoCad", "SolidWorks", оценка преимуществ и недостатков программ.

    курсовая работа [1,4 M], добавлен 22.07.2014

  • Теоретические аспекты функционирования Business intelligence - систем в сфере логистики. Анализ условий для разработки системы поддержки принятия решений. Характеристика процесса создания программного продукта, применение аналитической платформы QlikView.

    курсовая работа [2,5 M], добавлен 09.09.2017

  • Обслуживание двух встречных потоков информации. Структура информационных систем. Разработка структуры базы данных. Режимы работы с базами данных. Четыре основных компонента системы поддержки принятия решений. Выбор системы управления баз данных.

    курсовая работа [772,0 K], добавлен 21.04.2016

  • Типы административных информационных систем: системы генерации отчетов, системы поддержки принятия решений, системы поддержки принятия стратегических решений. Сортировка и фильтрация списков в Microsoft Excel. Работа с базами данных в Microsoft Access.

    контрольная работа [6,0 M], добавлен 19.11.2009

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.