ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ

Παρουσίαση με θέμα: "ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ"— Μεταγράφημα παρουσίασης:

1 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ
ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ Διαδικασία λήψης αποφάσεων – Τρόποι υποβοήθησης μέσω υπολογιστικών προγραμμάτων Οι σπουδάστριες : Λέφα Μαρία Τριανταφυλλίδου Ελένη Επιβλέπων : Δημήτρης Μπαλτζής, Χημικός MBA

2 Στόχος της πτυχιακής εργασίας :
Ο στόχος είναι η διαδικασία λήψης αποφάσεων στις επιχειρήσεις να είναι πιο απλή και γρήγορη με τη βοήθεια υπολογιστικών συστημάτων. Εκτός από τη θεωρητική προσέγγιση παρουσιάζεται μοντέλο μικρής κλίμακας που επιβεβαιώνει την ταχύτητα και απλότητα ενός τέτοιου συστήματος στην επίλυση ενός προβλήματος λήψης απόφασης.

3 Στάδια Λήψης Αποφάσεων
Προσδιορισμός και ανάλυση προβλήματος. Προσδιορισμός του ζητούμενου, ιεράρχηση στόχων και αναγνώριση προβλήματος. 2. Εξεύρεση και ανάπτυξη διαφόρων εναλλακτικών λύσεων. Αναζήτηση πιθανών εναλλακτικών λύσεων και ανάλυσή τους.

4 3. Αξιολόγηση των διαφόρων εναλλακτικών λύσεων
Προσδιορισμός πλεονεκτημάτων και μειονεκτημάτων των εναλλακτικών λύσεων, καθώς και άμεσες και έμμεσες επιπτώσεις τους στο μέλλον. 4. Απόφαση επιλογής της ικανοποιητικής και της δεύτερης καλύτερης λύσης. Επιλογή και εφαρμογή της βέλτιστης λύσης και εφαρμογή της αμέσως επόμενης σε περίπτωση προβλήματος.

5 5. Εφαρμογή και εκτέλεση της απόφασης.
Μετατροπή απόφασης σε σειρά προγραμματισμένων ενεργειών, δίνοντας ιδιαίτερη προσοχή στις παραμέτρους. 6. Αξιολόγηση των αποτελεσμάτων της απόφασης και εντοπισμός των αποκλίσεων. Έλεγχος και αξιολόγηση των αποτελεσμάτων που προέκυψαν για πιθανές αναπροσαρμογές της παραπάνω διαδικασίας.

6 Γενικός διαχωρισμός των επιχειρηματικών αποφάσεων
Προγραμματισμένες Απρογραμμάτιστες Αφορούν πλήρως κατανοητά και καλά δομημένα προβλήματα Δυσκολία κατανόησης προβλημάτων Τρόποι σκέψης για τη λήψη επιχειρηματικών αποφάσεων Γραμμικός Συστηματικός Αποδοχή μοναδικής λύσης που παραμένει έγκυρη μετά την εφαρμογή της Κατανόηση πολυπλοκότητας προβλήματος και εύρεση παροδικής λύσης

7 Είδη Αποφάσεων Στρατηγικές Διαχειριστικές Λειτουργικές
Προσδιορίζουν τους επιχειρηματικούς στόχους Λειτουργικές Υλοποιούν τους στρατηγικούς στόχους Αφορούν καθημερινές λειτουργίες

8 Μέθοδοι υποβοήθησης στη λήψη αποφάσεων
1. Συστήματα Υποστήριξης Αποφάσεων (ΣΥΑ) Πρωτοεμφανίστηκε την δεκαετία του 1970 από τους Grorry και Scott Morton με την ονομασία «Σύστημα Διαχειριστικών Αποφάσεων». Στόχος τους ήταν η διευκόλυνση στη λήψη απόφασης όπου είτε η εμπειρία ήταν απαραίτητη είτε η υποστήριξη με μαθηματικούς αλγόριθμους ήταν αδύνατη. Τα πέντε βασικά χαρακτηριστικά τους είναι τα ακόλουθα : Υποστήριξη της διαδικασίας λήψης αποφάσεων σε κακώς δομημένα προβλήματα. Εύχρηστα σε άτομα χωρίς ιδιαίτερη γνώση στους υπολογιστές. Ευελιξία για τυχόν αλλαγές στο περιβάλλον της απόφασης. Συνδυασμός αναλυτικών μοντέλων και τεχνικών με λειτουργίες πρόσβασης και ανάκτησης δεδομένων. Η λειτουργία της αλληλεπίδρασης, παρέχοντας έτσι τη δυνατότητα άμεσης πρόσβασης σε δεδομένα.

9 Βάση δεδομένων. Αυξάνει την απόδοση του συστήματος και μειώνει την πολυπλοκότητά του.
Επίσης λειτουργεί ως σύνδεσμος ανάμεσα στα άλλα δύο τμήματα. Υπάρχουν διάφορες μέθοδοι σε ότι έχει σχέση με την αναπαράσταση, οργάνωση και αποθήκευση των δεδομένων όπως :  Σχεσιακή αναπαράσταση δεδομένων.  Ιεραρχική αναπαράσταση δεδομένων.  Αναπαράσταση δεδομένων με τη μορφή εγγραφών  Αναπαράσταση μέσω δικτύου

10 Βάση μοντέλων. Αναλύει το πρόβλημα και δίνει την δυνατότητα σύγκρισης των
εναλλακτικών λύσεων. Οι τρεις βασικές του λειτουργίες είναι :  Ανάπτυξη μοντέλων.  Ενημέρωση μοντέλων.  Επανακαθορισμός μοντέλων. Επανακαθορισμός μοντέλων. Σε αυτό το τμήμα η αλληλεπίδραση του χρήστη με το Σύστημα Υποστήριξης Απόφασης είναι μέγιστης σημασίας. Υπάρχουν διάφοροι τρόποι και τεχνικές για αυτή την επικοινωνία, που ακολουθούν :  Επικοινωνία με τη μορφή εντολών.  Επικοινωνία με τη μορφή ερωτήσεων - απαντήσεων.  Επικοινωνία μέσω μενού επιλογών.

11 ΠΛΕΟΝΕΚΤΗΜΑΤΑ ΜΕΙΟΝΕΚΤΗΜΑΤΑ
Συνδυασμός των πληροφοριών που εξάγονται από τα μοντέλα αποφάσεων με την κρίση των χρηστών. Δυνατότητα επεξεργασίας μεγάλου όγκου δεδομένων σε μικρό χρονικό διάστημα από τον χρήστη. Δυνατότητα διαχείρισης των δεδομένων με αποδοτικό και ευέλικτο τρόπο παρά τις πιθανές μεταβολές στο περιβάλλον της απόφασης. Υποστήριξη των χρηστών από τα ΣΥΑ ανεξαρτήτως της θέσης που έχουν στην επιχείρηση. Επαφή του χρήστη με παλιές και νέες πληροφορίες, που αξιολογούνται από τα ορθολογικά μοντέλα, με αποτέλεσμα να μπορεί να αναγνωρίσει τυχόν κενά και ελλείψεις στον τρόπο λήψης απόφασης. ΜΕΙΟΝΕΚΤΗΜΑΤΑ Ο σχεδιαστής του ΣΥΑ πρέπει να κοινοποιήσει τις βασικές υποθέσεις που διέπουν τη λειτουργία του ενώ ταυτόχρονα ο χρήστης θα πρέπει να έχει ήδη ξεκαθαρίσει αυτές πριν από οποιοδήποτε συμπέρασμα. Η αξιολόγηση και ερμηνεία των αποτελεσμάτων ενός ΣΥΑ είναι ευθύνη του χρήστη. Άρα χωρίς την απαραίτητη εκπαιδευτική κατάρτιση μπορεί να οδηγηθεί σε λάθος συμπεράσματα.

12 2. Έμπειρα Συστήματα Είναι ένα πρόγραμμα υπολογιστή το οποίο χρησιμοποιεί γνώσεις και διαδικασίες συλλογιστικής όμοιες με αυτές που θα χρησιμοποιούσε ένας ειδικός, με σκοπό την επίλυση πολύπλοκων προβλημάτων. Τα χαρακτηριστικά τους είναι : Η ανάπτυξή του βασίζεται στην περιγραφή της αντιμετώπισης ενός προβλήματος από τον άνθρωπο. Το επίκεντρο της ανάπτυξης ενός ΕΣ είναι η αναπαράσταση της εμπειρίας, δηλαδή της γνώσης που αντλείται από τους ανθρώπους με την βοήθεια των παραδειγμάτων και της πρακτικής. Οι προϋποθέσεις χρήσης ενός Έμπειρου Συστήματος είναι :  Οι τιμές των κριτηρίων πρέπει να είναι εκ των προτέρων γνωστές.  Οι αποφάσεις να έχουν ως βάση ένα αυστηρά καθορισμένο σύνολο κριτηρίων.  Να είναι γνωστός ο τρόπος με τον οποίο εξάγονται οι αποφάσεις βάσει ορισμένων κριτηρίων απόφασης.

13 Βάση γνώσης. Αφορά το χώρο ενός συγκεκριμένου προβλήματος και εμπεριέχει την γνώση
αλλά και τη λογική που ακολουθεί ένας ειδικός προκειμένου να καταλήγει σε ένα συμπέρασμα. Περιγράφονται αναλυτικά τα αντικείμενα καθώς και σχέσεις μεταξύ τους. Η αναπαράσταση της γνώσης των ειδικών στη βάση γνώσης γίνεται με τρεις τρόπους: α) Εννοιολογικά δίκτυα. Αποτελούνται από κόμβους (γεγονότα) που συνδέονται μεταξύ τους μέσω συνδέσμων, που καθορίζουν τη σχέση μεταξύ των γεγονότων. Το κύριο πλεονέκτημα είναι η ιεραρχική δομή που προκύπτει αλλά ταυτόχρονα η ανεύρεση ενός αντικειμένου αποτελεί συνήθως μια πολύπλοκη διαδικασία.

14 β) Κανόνες παραγωγής. Αποτελούν την κυριότερη μέθοδο σε σχέση με την αναπαράσταση
της γνώσης των ειδικών στη βάση γνώσης. Η γενική του μορφή έχει ως εξής : ΕΑΝ συνθήκες ΤΟΤΕ συμπέρασμα Κάθε κανόνας παραγωγής είναι ανεξάρτητος από τον άλλον, αναπαριστώντας ένα κομμάτι γνώσης. Αυτό έχει ως αποτέλεσμα την εύκολη αύξηση των δυνατοτήτων του ΕΣ αλλά και την επέκταση του πεδίου δράσης του, απλά προσθέτοντας επιπλέον κανόνες στη βάση γνώσης του. Για να αποφευχθεί η καθυστέρηση όταν η βάση γνώσης είναι πολύ μεγάλη οι κανόνες χωρίζονται σε υποσύνολα με κυρίαρχο στοιχείο τους μετακανόνες, οι οποίοι μεταβάλλουν τους ίδιους τους κανόνες και τη φυσική ροή του ελέγχου τους. γ) Πλαίσια. Είναι στην ουσία μια δομή δεδομένων που εμπεριέχει όλη την γνώση που αφορά ένα αντικείμενο. Παρατηρείται ιεραρχική δόμηση των εννοιών όπου στα ανώτερα επίπεδα της ιεραρχίας τοποθετούνται τα πλαίσια που περιγράφουν τις πιο αφηρημένες έννοιες ενώ στα κατώτερα ανήκουν τα πλαίσια που περιγράφουν ειδικότερες έννοιες.

15 α) Καθορισμός του χώρου του προβλήματος και των χαρακτηριστικών του.
Μέσα απόκτησης γνώσης και μηχανισμός γνώσης. Αποσπά την γνώση από τον ειδικό, την κωδικοποιεί και τέλος την αναπαριστά μέσα στη βάση γνώσης του Έμπειρου Συστήματος. Η απόσπαση γνώσης πραγματοποιείται από τα ακόλουθα πέντε στάδια : α) Καθορισμός του χώρου του προβλήματος και των χαρακτηριστικών του. β) Καθορισμός των εννοιών. γ) Δόμηση της γνώσης. δ) Εφαρμογή – υλοποίηση. ε) Έλεγχος της ορθότητας της γνώσης.

16 Μηχανισμός εξαγωγής συμπερασμάτων
Μηχανισμός εξαγωγής συμπερασμάτων. Είναι ο μηχανισμός ελέγχου του ΕΣ, δηλαδή το «μυαλό» του. Χρησιμοποιώντας την διαθέσιμη γνώση από την βάση γνώσης αποφασίζει για το ποιοι κανόνες και με ποια σειρά θα εκτελεστούν, βασιζόμενος σε απλή λογική. Όταν καταλήξει σε ένα συμπέρασμα τότε την ίδια στιγμή δημιουργείται ένα νέο σύνολο δεδομένων πάνω στα οποία εξετάζονται οι κανόνες. Έτσι, εξάγεται μια αλληλουχία συμπερασμάτων βάσει των οποίων το ΕΣ καταλήγει στο τελικό συμπέρασμα. Χρησιμοποίηση δύο τεχνικών γι’ αυτή την υλοποίηση : Μέθοδος της ορθής συλλογιστικής (forward chaining). Η μέθοδος της ορθής συλλογιστικής καθοδηγείται από τα δεδομένα. Έχοντας έναν αριθμό αρχικών δεδομένων ο μηχανισμός πραγματοποιεί έναν έλεγχο στη βάση γνώσης με στόχο να βρει κανόνες που επαληθεύονται από τα υπάρχοντα δεδομένα και το συμπέρασμά του ενσωματώνεται στα αρχικά δεδομένα με αποτέλεσμα την δημιουργία ενός νέου συνόλου δεδομένων. Η διαδικασία αυτή επαναλαμβάνεται όσες φορές χρειαστεί μέχρις ότου οι συλλεγμένες πληροφορίες να οδηγήσουν το ΕΣ σε ένα συμπέρασμα. Μέθοδος της ανάστροφης συλλογιστικής (backward chaining). Η μέθοδος της ανάστροφης συλλογιστικής καθοδηγείται από τον στόχο και το μοναδικό δεδομένο είναι ο έλεγχος αυτού. Και εδώ ο μηχανισμός πραγματοποιεί έναν έλεγχο στη βάση γνώσης με στόχο όμως να βρει έναν κανόνα το συμπέρασμα του οποίου περιέχει τον ελεγχόμενο στόχο. Στη συνέχεια οι συνθήκες του συγκεκριμένου κανόνα μετατρέπονται στους νέους στόχους έρευνας που θα πρέπει να ελεγχθούν. Και πάλι ακολουθεί επανάληψη της διαδικασίας ενώ αξιοσημείωτη είναι η συνεχής μεταβολή της πορείας του διαλόγου ανάμεσα στο σύστημα και τον χρήστη.

17 Υποσύστημα επικοινωνίας
Υποσύστημα επικοινωνίας. Ο χρήστης μέσω του υποσυστήματος επικοινωνίας έρχεται σε άμεση επαφή με το σύστημα εισάγοντας τα δεδομένα. Σημαντικό πλεονέκτημά του είναι ότι παρέχει την δυνατότητα στο ΕΣ να επικοινωνήσει και να χρησιμοποιήσει τις δυνατότητες άλλων συστημάτων. Έτσι επιτυγχάνεται η ενοποίηση των ΕΣ με άλλα συστήματα υποστήριξης αποφάσεων. Υπάρχουν διάφοροι τρόποι για να επιτευχθεί η φιλική και σωστή επικοινωνία συστήματος – χρήστη, οι κυριότεροι από τους οποίους είναι :  Γλώσσα εντολών  Ερωτήσεις και απαντήσεις  Μενού επιλογών  Φυσική γλώσσα  Χρησιμοποίηση αντικειμένων

18 ΠΛΕΟΝΕΚΤΗΜΑΤΑ ΜΕΙΟΝΕΚΤΗΜΑΤΑ      
Εξομοιώνουν την λειτουργία τους με τον τρόπο σκέψης των ειδικών ενώ ταυτόχρονα είναι σε θέση να εξηγήσουν την συλλογιστική διαδικασία που ακολουθούν προκειμένου να καταλήξουν σε κάποιο συμπέρασμα. Έτσι επιτυγχάνεται η μεταφορά γνώσης των ειδικών του χώρου ενός συγκεκριμένου προβλήματος σε άτομα που δεν την διαθέτουν αλλά καλούνται να πάρουν αποφάσεις.  Καταλήγουν πάντα στο ίδιο συμπέρασμα εφόσον τα δεδομένα παραμένουν ίδια αλλά και ο χρόνος που απαιτείται για τη λήψη αποφάσεων μειώνεται σημαντικά.  Χαρακτηρίζονται από ιδιαίτερη ευελιξία διότι επιτρέπουν στα συστήματα να εξελίσσονται και να μετατρέπονται με ιδιαίτερη ευκολία. ΜΕΙΟΝΕΚΤΗΜΑΤΑ  Λόγω της πολυπλοκότητας του ανθρώπινου τρόπου σκέψης δεν είναι δυνατή η επαρκής αναπαράστασή του και για αυτό απαιτείται η ύπαρξη πολυάριθμων κανόνων παραγωγής και έτσι αυξάνεται ο χρόνος εξαγωγής συμπερασμάτων.  Η γνώση που αφορά ένα εξεταζόμενο πρόβλημα ποικίλει ανάλογα με τον ειδικό και ο χώρος εφαρμογής ενός ΕΣ είναι πολύ περιορισμένος διότι η γνώση που εμπεριέχει είναι συγκεκριμένη και αφορά το χώρο ενός εξειδικευμένου προβλήματος.  Απαιτείται ιδιαίτερη προσοχή κατά την εξέταση των συμπερασμάτων γιατί πολλές φορές τα ΕΣ αντικαθιστούν τον λήπτη απόφασης έχοντας τον ρόλο του ειδικού.

19 3. Ευφυή Συστήματα Υποστήριξης Αποφάσεων.
Οδήγησαν σε μια ποιοτική αλλαγή της διαδικασίας λήψης των χρηματοοικονομικών Αποφάσεων σχετικά με τις επιδόσεις και τη βιωσιμότητα των επιχειρήσεων. Είναι συστήματα πληροφοριών τα οποία συνδυάζουν τις δυνατότητες των ΕΣ με τα αναλυτικά μοντέλα ανάλυσης και τις δυνατότητες διαχείρισης δεδομένων των ΣΥΑ, που έχουν σκοπό την όσο το δυνατόν πιο ολοκληρωμένη και εμπεριστατωμένη υποστήριξη της διαδικασίας λήψης της απόφασης και του αποφασίζοντα. Γενικά η δομή ενός Ευφυούς Συστήματος Υποστήριξης Αποφάσεων είναι : ΧΡΗΣΤΗΣ ΥΠΟΣΥΣΤΗΜΑ ΕΠΙΚΟΙΝΩΝΙΑΣ ΔΙΑΧΕΙΡΙΣΗΣ ΤΗΣ ΒΑΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΟΝΤΕΛΩΝ ΓΝΩΣΗΣ ΒΑΣΗ

20 Οι νέες δυνατότητες των ευφυών συστημάτων υποστήριξης αποφάσεων
Κατανόηση της λειτουργίας και των αποτελεσμάτων του συστήματος. Ο αποφασίζων μαθαίνει πραγματικά και ουσιαστικά χρησιμοποιώντας ένα ΕΣ τον τρόπο αντιμετώπισης και επίλυσης του συγκεκριμένου εξεταζόμενου προβλήματος. τα ποσοτικά μεγέθη να μεταφραστούν σε ποιοτικά συμπεράσματα, τα οποία είναι αρκετά πιο κατανοητά και έχουν μεγαλύτερη βαρύτητα. Εξασφάλιση της αντικειμενικότητας και της πληρότητας των αποτελεσμάτων. Ένα ευφυές σύστημα απλώς μας συμβουλεύει σαν ένας ειδικός. Η συμβουλή αυτή που δίνεται κάθε φορά μπορεί και ελέγχεται μέσω μαθηματικών μοντέλων, τα οποία προσαρμόζονται στις προτιμήσεις αλλά και στην λογικά του χρήστη, που ουσιαστικά είναι αυτός που τα κατευθύνει. Είναι δυνατή η δόμηση της διαδικασίας ανάλυσης του προβλήματος. Η γνώση που αφορά στον χώρο του εξεταζόμενου προβλήματος χρησιμοποιείται για να προτείνει μια συγκεκριμένη διαδικασία ανάλυσης αλλά και τα κατάλληλα μοντέλα ανάλυσης, τα οποία ανταποκρίνονται στα υπάρχοντα δεδομένα του προβλήματος. Έτσι, χρησιμοποιώντας μια βάση γνώσης είναι δυνατή η δόμηση μιας διαδικασίας ανάλυσης του προβλήματος ώστε να εξασφαλιστεί η εφαρμοσιμότητα, η αποτελεσματικότητα και η εγκυρότητα των χρησιμοποιούμενων τεχνικών ανάλυσης.

21 Ανάπτυξη μοντέλου μικρής κλίμακας
Στην εργασία μας ασχοληθήκαμε με το πρόβλημα που αντιμετωπίζουν οι τράπεζες ως προς την έκδοση των πιστωτικών καρτών. Στόχος μας ήταν η δημιουργία ενός μοντέλου μικρής κλίμακας που δίνοντάς του τα κατάλληλα στοιχεία θα μας οδηγήσει στην έκδοση πιστωτικής κάρτας, για έναν υποψήφιο πελάτη, ή μη. Δηλαδή, να αντικαταστήσουμε την σχολαστική και ογκώδη από άποψη πληροφορίας εργασία ενός τραπεζικού υπαλλήλου με ένα εύχρηστο και αποδοτικό πρόγραμμα. Στο μοντέλο μας τα κατάλληλα στοιχεία που λαμβάνονται υπόψη είναι τα:  Φερεγγυότητα  Εισόδημα  Περιουσία  Εισφορές

22 Εμφάνιση προγράμματος
Ο χρήστης συμπληρώνει τη φόρμα ανάλογα με τα στοιχεία του εκάστοτε πελάτη και πατώντας το κουμπί «ΥΠΟΛΟΓΙΣΜΟΣ» γίνεται η εκτίμηση για την έκδοση πιστωτικής κάρτας.

23 Συμπεράσματα Εγκυρότητα και αξιοπιστία.
Απλούστερη και γρηγορότερη η διαδικασία λήψης απόφασης Όφελος όταν υπάρχει μεγάλος βαθμός πολυπλοκότητας και αυξημένος όγκος πληροφοριών. Συνδυασμός πολλών βάσεων δεδομένων με τα συστήματα απόφασης ώστε να οδηγηθούμε στο βέλτιστο αποτέλεσμα. Άμεση ανταπόκριση σε απροσδόκητες καταστάσεις.

24 Ευχαριστίες Ευχαριστούμε θερμά τους κυρίους Μπαλτζή Δημήτριο και Βαρσάμη Δημήτριο για το ενδιαφέρον και την πολύτιμη βοήθειά τους.

25 Ακολουθεί η παρουσίαση του προγράμματος