1. فصل چهارم پشتیبانی از تصمیم و هوش مصنوعی
محمد مقصودی
سپهر سالاریان

2. معرفی Basic data→ Information →Business intelligence →Knowledge
تصمیم گیری است یکی از مهمترین بخشهای یک کسب و کار است.
Basic data→ Information →Business intelligence →Knowledge
مقایسه یک تامین کننده ارزان با یک تامین کننده گران ولی با تعداد کالای مرجوعی کمتر و زمان تحویل سریع تر.
انتخاب یکی از استراژی های سه گانه رهبری در هزینه و تمایز و تمرکز.
در این بخش، به برسسی ابزاری میپردازیم کهIT دراختیار دارد تا Business information را به Business intelligence تبدیل کند.
Management Review: ”موفق ترین شرکت ها درآینده، شرکت هایی خواهند بود که حجم آن ها کم و هوش زیادی داشته باشند :Big of brain and small of mass “

3. مدل اول: مراحل چهار گانه تصمیم گیری
1.هوشمندی Intelligence :
تشخیص مسأله ،نیاز، فرصت یا تهدید
کشف و تفسیرعلامت هایی که بیانگرموقعیت هایی است که نیازمند توجه بیشترهستند:
“Detect & interpreting signals”
مثال:
درخواست های مداوم مشتریان برای اضافه شدن ویژگی هایی جدید به محصول
تهدید ناشی از یک رقیب جدید ، کاهش فروش ، بالا رفتن هزینه ها
2.طراحی Design:
طراحی راه حل
توجه به تمام راه های ممکن: حل مسأله / مرتفع ساختن نیاز / استفاده از فرصت ها
تمامی راه حل ها بدون توجه به عملی بودن یا نبودن یا نقاط قوت و ضعفش

4. مدل اول: مراحل چهار گانه تصمیم گیری
3.انتخاب Choice:
انتخاب بهترین راه حل
امتحان و ارزیابی کردن هر راه حل ، برآورد کردن و تخمین زدن پیامد های هرکدام و انتخاب
بهترین آن ها که ممکن است عدم انجام هیچ عملی باشد.
توجه به فاکتورهایی مانند: هزینه، موانع پیاده سازی، زمان اجرا و....
بخش ”تجویزی“ مدل که ”اقدام نمودن به یک سری امور“ را پیشنهاد می کند.
4.اجرا Implementation:
اجرای راه حل انتخاب شده، نظارت بر آن و تصحیح در صورت نیاز
نیاز به تنظیم و اجرای دقیق در مسائل پیچیده یا محیطهای متغیر

5. مدل اول: مراحل چهار گانه تصمیم گیری

6. مدل اول: مراحل چهار گانه تصمیم گیری
این فرایند چهار مرحله ای لزوماً خطی نیست.
معمولا لازم است که برای بررسی بیشتر موضوعی به مرحله یا مراحل قبل مراجعه کنیم.
مثال:
انتخاب بهترین راه حل در مرحله انتخاب←
آگاهی از امکان اجرای یک راه حل جدید دیگر←
مراجعه به مرحله طراحی به منظور بررسی راه حل جدید ←
مراجعه مجدد به مرحله انتخاب و مقایسه آن با سایر راه حلها ←
انتخاب بهترین راه حل

7. مدل دوم: تصمیم گیری رضایت بخش
Satisficing = Satisfied + sufficient
تصمیم گیری رضایت بخش، به صورتی که نیازهای سازمان مرتفع میشوند ولی لزوما بهترین تصمیم ممکن نیست.
رشد حداکثری در مقابل رشد خوب
رشد حداکثری: استراتژی بهینه سازی (Optimizing Strategy)
رشد خوب: استراتژی رضایت بخش (Satisficing Strategy)
در استراتژی رشد خوب، میزان رشد دقیقا تعیین میشود که هرعددی میتواند باشد و اگر به آن عدد دست یافتیم میتوانیم بگوییم “موفق بوده ایم“.

8. مدل دوم: تصمیم گیری رضایت بخش
طبقه بندی تصمیم ها به وسیله دو معیار:
1) میزان ساختار یافتگی تصمیم.
Structured Vs Unstructured
2) میزان تکرار اتخاذ تصمیم.
Recurring Vs Nonrecurring

9. مدل دوم: تصمیم گیری رضایت بخش
تصمیم های ساختاریافته (Structured):
پردازش داده هایی مشخص به روشی مشخص.
عدم نیاز به شهود یا استفاده از احساسات.
قابل برنامه ریزی.
کسب نتیجه درست در اغلب مواقع.
مثال: محاسبه ی مبلغ پرداختی به کارکنان ساعتی
”اتخاذ این گونه تصمیم ها را می توان به راحتی به IT واگذار کرد.“

10. مدل دوم: تصمیم گیری رضایت بخش
تصمیم های غیر ساختاریافته (Unstructured) :
وجود پاسخهای صحیح متعددی برای آن ها.
عدم وجود ضابطه ای مشخص برای رسیدن به جواب درست.
تضمینی برای یافتن بهترین راه حل وجود ندارد.
مثال: تصمیم گیری برای راه اندازی خط تولید محصول جدید
به کارگیری یک برنامه بازاریابی جدید
تغییر تصویر و تجسم شرکت در ذهن مشتریان (Corporate Image)
معمولا در زندگی واقعی، تصمیمات در جایی میان این طیف قرار دارند، مانند انتخاب شغل : درآمد و مزایای کاری: عوامل ساختاریافته و مشخص
فرصت پیشرفت در آینده: عوامل غیرساختاریافته

11. مدل دوم: تصمیم گیری رضایت بخش

12. مدل دوم: تصمیم گیری رضایت بخش
تصمیم های تکرارشونده (Recurring):
تکرارتصمیم معمولا در دوره های مشخص: هفتگی، ماهانه، سه ماهه و....
مثال: محاسبه قیمت فروش محصول
تصمیم های غیرتکرارشونده ( Ad hoc or Nonrecurring):
تصمیم های موردی که شاید فقط برای یک بار با آنها مواجه شویم.
امکان متفاوت بودن معیارهای تصمیم گیری در هر بار.
مثال: راه اندازی یک شعبه جدید در محلی دیگر
ادغام با سازمانی دیگر

13. سیستم های پشتیبانی از تصمیم Decision Support System (DSS)
تعریف: یک سیستم کاملا منعطف و تعاملی است که به منظور پشتیبانی از تصمیمهای غیر ساختار یافته ، طراحی شده است.
هدف اصلی: بهبود بخشیدن اثربخشی تصمیم گیرنده به کمک تقویت کردن بینش او در تصمیم گیری.
ایجاد یکپارچگی و ائتلاف بین دانش و تجربیات کاربر با انبوه اطلاعات و سرعت سیستمIT

14. سیستم های پشتیبانی از تصمیم DSS
آوردۀ کاربر
فواید DSS
آوردۀ IT
تجربه
افزایش بهره وری
سرعت
شهود و بینش
افزایش درک و فهم
اطلاعات
قضاوت
افزایش سرعت
قابلیتهای پردازش
دانش
افزایش انعطاف پذیری
کاهش پیچیدگی مساله
کاهش هزینه

15. سیستم های پشتیبانی از تصمیم DSS
مردان متاهل صاحبخانه از 40 سال بالاتر، دارای کمترین ریسک تکرار تخلفات هستند.
کاهش حق بیمه برای این دسته از مشتریان و در نتیجه افزایش فروش.

16. سیستم های پشتیبانی از تصمیم DSS
Model management : مدیریت مدلها
Data management: مدیریت داده ها
: User interface management مدیریت ارتباط با کاربر

17. سیستم های پشتیبانی از تصمیم DSS
Model management:
ذخیره، نگهداری و مدیریت استفاده از مدلهای مختلف براساس نوع تصمیمی که قرار است اتخاذ شود و نوع تحلیلی که باید روی داده ها انجام گیرد.
4 نوع مدل مختلف :
مدلهای چه میشد، اگر؟ what- if models
مدلهای بهینه سازی optimizing models
مدلهای هدف یاب goal-seeking models
مدلهای آماری statistical models

18. سیستم های پشتیبانی از تصمیم DSS
Data management:
ذخیره، مواظبت و مدیریت استفاده از اطلاعات مختلفی که DSS قرار است از آنها استفاده کند.
3منبع مختلف اطلاعات :
اطلاعات سازمانیOrganizational information
اطلاعات خارجیExternal information
اطلاعات شخصیPersonal information

19. سیستم های پشتیبانی از تصمیم DSS
User interface management
راه ارتباطی کاربر برای با سیستم DSS
آن بخشی از سیستم که قابل مشاهده و دیدن است و از طریق آن اطلاعات و درخواستهای خود را به سیستم انتقال میدهید.
باید با کاربر هماهنگ باشد : منعطف، فراگیر و ساده

20. سیستم های پشتیبانی از تصمیم DSS

21. سیستم های اطلاعاتی جغرافیایی Geographic Information Systems: GIS
تعریف : نوعی از سیستمهای پشتیبانی از تصمیم(DSS) می باشند که به طور تخصصی برای تحلیل اطلاعات مکانی و جغرافیایی طراحی شده اند. اطلاعات محیطی شامل هر اطلاعاتی می باشد که بتوان آن را در نقشه نشان داد مانند جاده ها، اطلاعات پراکندگی جمعیت و مسیرطوفان ها.
سازمان ها از نرم افزارهای GIS برای تحلیل اطلاعات، ایجاد هوش کسب و کار و کمک در تصمیم گیری استفاده می کنند.
هیچ محدودیتی برای نوع اطلاعاتی که قرار است به وسیله GIS نشان داده شود وجود ندارد: مسیر جاده ها، سطح درآمد افراد ناحیه های مختلف، شرایط بهداشتی آنها یا میزان جرم خیزی نواحی مختلف.
قراردادن لایه لایه اطلاعات با یک کلیک موس.

22. هوش مصنوعی Artificial Intelligence : AI
علمی است که به کمک آن ماشین هایی تولید میشوند که به تقلید از تفکر و رفتار انسانی می پردازند.
استفاده در مدیریت مالی: مدیریت دارایی ها،سرمایه گذاری در بازار سهام و...
بیشترین استفاده در : بیمه، هواشناسی، مهندسی و صنایع فضایی

23. هوش مصنوعی Artificial Intelligence : AI
سیستمهای خبره
شبکه های عصبی(و منطق فازی)
الگوریتمهای ژنتیکی
عوامل هوشمند

24. سیستم های خبره Expert Systems
تعریف: سیستم مبتنی بر دانش هم گفته می شود، یک سیستم هوش مصنوعی است که توانایی استدلال را برای رسیدن به نتیجه به کار می گیرد.
برای انجام امور معمولا به تخصص نیاز است و جایگاه تخصص در افراد، ذهن آنهاست. اما هوش مصنوعی به وسیله یک سیستم خبره، این امکان را میدهد که تخصص لازمه را کسب کنید. بنابراین افرادی که تخصص لازم را ندارند هم می توانند از این سیستم برای حل مسأله استفاده نمایند.
کمک به حل مساله یا کمک به یادگیری حل مساله

25. سیستم های خبره Expert Systems
حل مسائل تشخیصی (Diagnostic) و تجویزی (Prescriptive) به وسیله سیستم های خبره.
مسائل تشخیصی
مسائلی که نیازمند پاسخ به سوال مشکل چیست؟ هستند و به مرحله هوش(Intelligence) در مدل تصمیم گیری هربرت سایمون مربوط می شوند.
مسائل تجویزی
مسائلی که نیازمند پاسخ به سوال چه باید کرد؟ هستند و به مرحله انتخاب (Choice) در در مدل تصمیم گیری هربرت سایمون مربوط می شوند.

26. سیستم های خبره Expert Systems
یک سیستم خبره معمولاً برای یک ناحیه کاربردی مخصوص ایجاد میشود که به آن دامنه (Domain) می گویند.
نمونه هایی از چند دامنه کاربرد سیستم خبره :
حسابداری: برای ممیزی، برنامه ریزی مالیات و...
پزشکی: برای تجویز آنتی بیوتیک ها در جایی که بسیاری از ملاحظات باید در نظر گرفته شود مانند سوابق پزشکی بیمار، منشأ عفونت و همچنین قیمت داروهای در دسترس.
کنترل فرایند: به طور مثال برای کنترل فرایند چاپ.
مدیریت منابع انسانی: برای کمک کردن به مدیران در تشخیص این که آیا نحوه استخدام پرسنل با قوانین استخدام مطابقت دارد یا خیر.
مدیریت مالی: برای تعیین تخلفات موجود در حساب ها و وام های بانکی.

27. سیستم های خبره Expert Systems
ماهیت یک سیستم خبره با سیستمهای پشتیبانی از تصمیم(DSS) متفاوت است، ولی میتوانند هماهنگ با یکدیگرکار کنند.
تفاوت: برای استفاده از یک DSS کاربر باید اطلاعات و تخصص زمینه مربوطه را داشته باشد. DSS به کاربر در تصمیم گیری کمک میکند، اما کاربر خود باید بداند: چه سوالی بپرسد، چگونه جواب بگیرد و چگونه برای قدم بعدی اقدام کند.
اما در استفاده از یک سیستم خبره، دانش و اطلاعات لازم در خود سیستم وجود دارد و کاربر فقط باید داده ها و نشانه های مشکل را انتقال دهد.
منشا دانش و تخصصی که باعث حل مساله میشود، فرد دیگری است که سیستم را تعبیه کرده.

28. سیستم های خبره Expert Systems
سیستم خبره از فن آوری اطلاعات استفاده می کند تا تخصص انسانی را کسب کرده و به کار گیرد.
یک سیستم خبره می تواند:
میزان چشمگیری از اطلاعات را اداره کند.
خطاها را کاهش دهد.
اطلاعات را از منابع مختلف گردآوری کند.
خدمت به مشتریان را بهبود دهد.
ثبات در تصمیم گیری ایجاد کند.
اطلاعات جدید را فراهم کند.
زمان صرف شده پرسنل برای انجام وظایفشان را کاهش دهد.
هزینه را کاهش دهد.

29. سیستم های خبره Expert Systems
مشکلات یک سیستم خبره:
دشواری تبدیل دانش و تخصص یک فرد خبره در یک زمینه خاص به یک سیستم خبره واقعی الکترونیکی.
زیرا: افراد خبره معمولا نمیتوانند توضیح دهند که چگونه مطلبی را میدانند. به فرایند کامل استدلال در ذهن خود آگاه نیستند. آنها احساس میکنند که یک مساله چگونه حل میشود.

30. سیستم های خبره Expert Systems
دشواری اتوماتیک نمودن فرایند: سیستمهای خبره تنها میتوانند مسائلی را حل کنند که برای آن طراحی شده اند نه موقعیتهایی کاملا جدید. یک سیستم خبره نمیتواند از تجربیات قبل درس بگیرد و اگر موقعیت بیش از حد پیچیده یا مبهم باشد، فرایند خودکار نمودنش سخت خواهد شد.
عدم وجود عقل سلیم و قدرت قضاوت:
یکی از سیستمهای خبره اولیه که بر روی F-16 نصب شده بود، به خلبان اجازه می داد که چرخ هواپیما را هنگامی که هنوز روی زمین است ببندد یا اقدام به ریختن بمب کند وقتی که به طور عمودی در حال پرواز به سوی زمین است.

31. شبکه های عصبی
تعریف:
سیستم هوشمندی است که قادر به تشخیص و متمایز کردن الگوها می باشد.
یک شبکه عصبی ازطریق مثال ها و نمونه ها می آموزد و می تواند خود را با مفاهیم و دانش جدید وفق دهد.

32. شبکه های عصبی
یک سیستم عصبی، الگوها و روابط مهم را در حجم عظیم اطلاعات شناسایی می نماید.
شبکه های عصبی برای تشخیص، طبقه بندی و پیش بینی، وقتی که مقدار زیادی اطلاعات موجود باشد بسیار مفیدند.
عموما به سیستم های پیش بینی نیز معروفند زیرا قادر به دیدن الگوها در حجم زیاد اطلاعات هستند.

33. شبکه های عصبی مزیت های شبکه عصبی
یاد گیرنده هستند و خود را با شرایط و موقعیت های جدید سازگار می سازند.
انجام پردازش های همزمان و موازی
با وجود نقص یا نبود اطلاعات، ساختار یافته عمل می کنند.
توانایی کار با تعداد زیادی متغیر وابسته و حجم عظیم اطلاعات را دارند.
آنالیز ارتباطات غیرخطی در اطلاعات

34. منطق فازی منطق فازی: یک روش رسیدن به نتایج بر اساس اطلاعات مبهم
به دلیل اینکه بسیاری از اطلاعات را نمی توان در طبقه و دسته های انحصاری قرار داد، افراد بر اساس اطلاعات تقریبی تصمیم گیری می کنند.
الگوریتم منطق فازی: مجموعه ای از مراحل که متغیرهای بازگوکننده اطلاعات نادقیق و ادراکات فردی را بیان می کند.

35. الگوریتم ژنتیک
تعریف:
در واقع یک سیستم هوش مصنوعی است که فرایند تکاملی را برای ایجاد راه حل های بهتر برای یک مسئله را تقلید می کند.
به عبارت دیگر یک سیستم بهینه کردن است که ترکیبی از ورودیها که بهترین خروجی ها را می دهد پیدا می کند.

36. اصول تکاملی الگوریتم ژنتیک
انتخاب : بقای مناسب ترین انتخاب.
دوراهی(crossover) : ترکیب بخشی از خروجی های مطلوب برای بدست آوردن نتیجه بهتر.
تحول: ترکیب های تصادفی و ارزیابی خروجی ها

37. الگوریتمهای ژنتیک
هزاران یا حتی میلیونها راه حل را به دفعات ترکیب کنند تا به راه حل بهینه برسند.
خیلی سریع تر و درست تر از انسان کار می کنند.

38. الگوریتم ژنتیک
بر اساس گفته دیوید گلدبرت از پیشگامان الگوریتم ژنتیک، تکامل قدیمیترین و قدرتمندترین الگوریتمی است که وجود دارد. و سه میلیارد سال تکامل نمی تواند نادرست باشد.

39. یک عامل هوشمند نرم افزاری است که به کاربرکمک می کند
عوامل هوشمند
یک عامل هوشمند نرم افزاری است که به کاربرکمک می کند
و یا بجای او وظایف تکراری مربوط به کامپیوتر را انجام می دهد .

40. انواع عوامل هوشمند: عوامل هوشمند عوامل اطلاعاتی (خرید و مراکز خرید )
عوامل نظارت و مراقبت
عوامل داده کاوی
عوامل کاربری یا شخصی

41. عوامل خرید: عوامل اطلاعاتی
عامل های خرید در یک شبکه (معمولا اینترنت) جستجو می کنند و اطلاعات یا محصولات و خدمات مورد نظر را می یابند و به شما ارائه می کنند.
عامل های خرید به مراکز خرید نیز معروفند

42. عوامل نظارت و مراقبت
عامل های هوشمندی هستند که از روی آثار مسائل، بررسی و مشاهدات لازم را انجام میدهند و گزارش ارائه می نمایند
اغلب برای نظارت بر شبکه های کامپیوتری پیچیده استفاده می شوند.

43. عوامل داده کاوی
یک عامل داده کاوی در یک انبار داده برای کشف اطلاعات عمل می کند. انبار داده اطلاعات را از چندین منبع مختلف جمع آوری می کند.
داده کاوی فرایند جستجو در انبار داده برای پیدا کردن اطلاعات مورد نیاز است.
یک تغییر روند یا شاخص اصلی را شناسایی می نماید و همچنین وجود اطلاعات جدید را کشف می کند.

44. عمل می کنند مانند: عوامل کاربری عامل های هوشمندی هستند که بجای شما
عامل های هوشمندی هستند که بجای شما
عمل می کنند مانند:
- چک کردن و دسته بندی کردن پیغام ها
- به جای طرف مقابل شما در بازیهای کامپیوتری
-جستجو و یافتن اطلاعات مورد نظر شما

45. سیستم های چند عامله
زیست تقلیدی(Biomimicry): یادگیری از اکوسیستم و تطبیق خصوصیات و ویژگی های آنها به انسانها و موقعیت های سازمانی
در یک سیستم چندعامله گروه های عامل های هوشمند توانایی اینکه هر کدام به طور مستقل کارکنند و بر یکدیگر نیز متقابلا اثر گذار باشند را دارند.
:Agent-based modelingروش شبیه سازی سازمان های انسانی با استفاده از عامل های هوشمند که هر کدام از یک سری قوانین ساده پیروی می کنند و می توانند خود را با شرایط متغیر تطبیق دهند.

46. کلونی مورچه ها و هوش جمعی
هوشمندی جمعی: رفتارجمعی گروه هایی از عامل ها که قادر به تدبیر راه حل ها در هنگام رخ دادن مسائل است که نهایتا منجر به ایجاد الگوهای یکپارچه و منسجم می شود.
هوشمندی جمعی باعث ایجاد و حفظ سیستم هایی می شود که دارای 4 ویژگی زیراند:
انعطاف پذیری: باعث می شود که سیستم بتواند به تغییرات محیط پاسخ دهد.
تنومندی: باعث می شود که حتی اگر بعضی از اعضا در کارشان موفق نشدند کار انجام شود.
عدم تمرکز: هر فردی کار نسبتا ساده ای دارد که بدون داشتن سرپرست آنرا انجام می دهد.
خود-سازماندهی: روش های حل مسئله از قبل تعیین شده توسط یک قدرت مرکزی نیست.