1. نظم دعم اتخاذ القرار و أهميته في القطاع الصناعي
م.محمد منصور

2. خطة العرض مقدمة ومجال اهتمام ورقة العمل
أنظمة إدارة العلاقات مع الزبائن CRM
الذكاء الصنعي ونظم دعم اتخاذ القرار
تحليل وتصميم النظام CBR DSS

3. مقدمة اتخاذ قرار شراء المنتجات.
نظام دعم اتخاذ القرار Decision Support System DSS
اتخاذ قرار شراء المنتجات.

4. مجال اهتمام البحث
يهتم البحث بحل مشكلة اتخاذ القرار الأمثل لعمليات الشراء ضمن المؤسسات باستخدام تقنيات الذكاء الصنعي.
إن هدف هذا البحث هو تصميم وبناء نظام دعم لاتخاذ القرار المساعد في اختيار برمجية إدارة العلاقات مع الزبائنCRM الأمثل التي تلبي احتياجات شركة ما.

5. تعريف إدارة العلاقة مع الزبون.
منهجية لفهم الزبون، وأيضاً التأثير في سلوكه من خلال التواصل معه، وذلك بهدف تحسين
عملية الحصول على الزبون.
الاحتفاظ بالزبون.
الحصول على ولاء الزبون وتحقيق الربح.

6. إحصائيات حول برمجياتCRM
8.1 مليار دولار
حجم سوق برمجيات CRM السنوي
23.1 %
نسبة نمو سوق برمجيات CRM سنوياً
50 %
نسبة المشاريع الفاشلة من
74%
نسبة المشاريع الفاشلة بين 8000 شركة.
الاختيار الخاطئ يؤدي .....

7. مقدمة عن أنظمة دعم القرار
James O'Brien عرف
نظام دعم اتخاذ القرار، بأنه نظام معلومات مرتبط بالحاسب يقوم بتزويد المستخدمين بالدعم اللازم لاتخاذ القرارات اللازمة من خلال تحليل المعلومات المعقدة ، ومحاكاة عملية اتخاذ القرارات على الصعيد البشري .
PETER KEEN حدّد
أحد رواد نظام دعم القرار المهيكلة ، ثلاثة أهداف يعمل نظام دعم القرار على تحقيقها وهي :
مساعدة المدراء في اتخاذ القرار لحل المشاكل المهيكلة
دعم حكم المدير بدلاً من محاولته أن يحل محله
تحسين فعالية عملية اتخاذ القرارات بدلاً من كفاءتها

8. أنواع نظم دعم القرارات
تقسم نظم دعم القرار للأنواع التالية : نظم الخبرة والذكاء الصنعي نظم المعلومات التنفيذية الشبكات العصبية الاصطناعية نظم المعلومات الإدارية

9. أنواع نظم دعم القرارات نوع نظام المعلومات توقيت ظهوره
المستوى الإداري الذي يخدمه
أنواع الدعم الذي توفرها عملية
اتخاذ القرارات
نظم المعلومات الإدارية
الستينيات
الإدارة الوسطى
دعم المشكلات الروتينية
المهيكلة بمعاونة أدوات بحوث العمليات التقليدية
نظم دعم القرارات
السبعينيات
المديرون
المحللون
المشكلات شبه المهيكلة وغير القابلة للهيكلة التي تحتاج إلى
كم ضخم من النمذجه والحكم الشخصي
النظم الخبير
الثمانينات
الأخصائيون
المشكلات المعقدة غير المهيكلة باستخدام أدوات المنهج الوصفي
الشبكات العصبية
التسعينيات
تفيد فقط في التنبؤ المبنى على دراسة الحالات التاريخية

10. مستويات الدعم لأنظمة دعم اتخاذ القرار
الاحتياجات من المعلومات تكون من أجل :
الإجابة السؤال التالي
نوع الدعم الذي تقدمه نظم المعلومات بغرض الإجابة على هذا السؤال
ماذا يحدث ( What is )
تقارير البيانات العامة أو التفصيلية
ماذا يحدث ولماذا (/ why What is )
الإمكانيات التحليلية العامة
ماذا سيحدث ( What will be )
القوائم المالية والتنبؤات
لماذا (Why)
نماذج تشخيص علاقات النسبية
ماذا لو ( What if )
اقتراح الحلول وتقييم البدائل
ما هو الأفضل أو الجيد كفاية
( What is best or good enough)
اختيار البديل الأفضل

11. الحل ؟

12. -1- اتجاهات الحل الرياضي
الميزة
المنتج X
المنتج Y
المنتج Z
إدارة الحسابات 3 4
إدارة الوقت 2
إدارة التسويق 5
المجموع 9 13 11

13. -2- اتجاهات الحل الرياضي
الميزة
الأهمية
المنتجX
المنتج Y
نسبة الأهمية من 10
الدرجة
النتيجة
إدارة المواعيد 4 3 12
إدارة التسويق 16
إدارة الحسابات 2
المجموع الكلي 32 28

14. إذاً نحن بحاجة للذكاء الصنعي ..

15. الذكاء الصنعي Elaine rich
" الذكاء الصنعي هو دراسة كيفية توجيه الحاسب لأداء أشياء يؤديها الإنسان بشكل “أفضل
Nils Nilsson
وفي تعريف آخر نجد أن هدف الذكاء الصنعي هو بناء آلات قادرة على القيام المهام التي تتطلب الذكاء البشري

16. تقنيات الذكاء الصنعي
النظم الخبيرة التنقيب في البيانات منطق الغموض الشبكات العصبونية الخوارزميات الوراثية الاستنتاج اعتماداً على الحالات الواقعية

17. الاستنتاج اعتماداً على الحالات الواقعية
تعتبر CBR إحدى تقنيات الذكاء الصنعي لبناء نظام خبير
تستخدم قاعدة المعرفة المستنتجة من تجارب ، وخبرات سابقة تسمى الحالات ( Cases )
يتم حل أي مشكلة جديدة بإيجاد الحالة الأكثر تشابهاً للحالة الجديدة ، ومن ثم إعادة استخدامها لتكون حل للمشكلة الجديدة
تخزن الحالة الجديدة في قاعدة المعرفة لحل مشاكل أخرى في المستقبل

18. الذكاء الصنعي ونظم دعم اتخاذ القرار
التقنية
مجالات الاستخدام
النظم الخبيرة
التشخيص، اكتشاف الأعطال، النظم المساعدة باتخاذ القرار.
التنقيب في البيانات
التحليل، التنبؤات ، التصنيف ، اكتشاف القواعد.
منطق الغموض
اكتشاف طريق، حركة روبوت.
الشبكات العصبونية
التعرف، المحاكاة، النمذجة.
الخوارزميات الجينية
إيجاد الحلول المثلى.
الاستنتاج اعتماداً على الحالات الواقعية
النظم الخبيرة الذكية، التقييم، إيجاد حلول جديدة

19. ؟ ما هو الحل المقترح

20. إن وجود نظام خبير لوحده لا يكفي ...
الحل المقترح
إن وجود نظام خبير لوحده لا يكفي ...
استخدام النظم الخبيرة مع دمجها بتقنية الاستدلال من خلال الحالات السابقة Cased Based Reasoning CBR بالإضافة لاستخلاص القواعد المترابطة Association Rules.

21. CBR تقنية الاستدلال اعتماداً على الحالات
استنتاج الحل من خلال عملية استعادة الحالات المخزنة، وحساب نسبة التشابه بينها ويبن الحالة الجديدة، واختيار الحالة الأكثر تشابهاً.

22. توصيف النظام -1-
1. يتم طرح مجموعة من الأسئلة العامة تمثل الميزات المطلوبة في المنتج.
لكل سؤال وزن يمثل مدى أهمية هذه الميزة.
اختصار الأسئلة.
في كل سؤال يتم حساب التشابه
حساب التقييم وفق العلاقة :
إرشاد المستخدم.

23. توصيف النظام -2- 2. في حال كان السؤال يمثل المتطلبات الوظيفية للمنتج
يتم طرح مجموعة أسئلة تمثل الميزات التفصيلية لكل متطلب وظيفي.
يتم حساب التشابه بين الميزات التفصيلية المتوفرة وبين الميزات التفصيلية المطلوبة.
يتم التدرج حالة تلو الحالة.
يتم حساب التقييم النهائي وذلك بأخذ بعين الاعتبار معايير التقييم العامة

24. Association Rule استخلاص قواعد الارتباط
توجد عدة خوارزميات لإيجاد قواعد الارتباط
Apriori
Freq. Pattern Growth
Vertical Data Format Approach
تم استخدام الخوارزمية Freq Pattern Growth
يتم استخراج قواعد الارتباط مع اعتبار أن المعامل Min Confidence يساوي 100%.

25. مدعومة ولكن بحاجة للتعديل
يتم تطبيق خوارزمية FP-Tree لاستنتاج 2-itemsets مع اعتبار min support تساوي عدد المزودين، أي عند سؤال معين اتفق كل المزودين على نفس الجواب، كما يتم استخراج قواعد الارتباط مع اعتبار أن المعامل Min Confidence يساوي 100%.
دعم الميزات التفصيلية
دعم المنتج
رمز الحالة
الدرجة
الشرح
مدعومة 10
الميزة مدعومة بشكل كامل
مدعومة ولكن بحاجة للتعديل 7
الميزة مدعومة من خلال التعديل في الواجهات والخيارات.
مدعومة من قبل طرف ثالث 6
الميزة مدعومة من خلال طرف ثالث
مدعومة بالتخصيص 4
الميزة مدعومة من خلال التخصيص وتعديل الشفرة البرمجية
ستدعم بإصدار مستقبلي 2
الميزة سيتم دعمها بإصدار مستقبلي
رغبة الزبون
أهمية الميزة
الدرجة
يجب أن تكون 10
لا بأس بوجودها 5
لا تهمني البتة

26. إيجاد قانون لحساب نسبة التشابه:
يجب إيجاد آلية لمعرفة نسبة التشابه بين برمجية ما وبين متطلبات الزبون، وذلك من خلال حساب نسبة التشابه بين مجموعة من الميزات ضمن البرمجية، وبين نظيرتها التي يطلبها الزبون.
تم الانطلاق من قانون (Kolodner, 1993)
RV= (∑ wi * Si) ∕ ∑wi
S :Similarity
W:Weight
R:Ranking

27. Si حساب
تم اقتراح التعريف التالي لمعامل التطابق بين ميزتين وهو "المتوسط الحسابي لنسبة الميزتين المتقابلتين عند كل من الزبون والمنتج"، ولكن بشرط أن لا يتجاوز الواحد كما يلي:
If F<= 0 then S=0
Else
If F<n then S= F/n
Else S=1
F : تمثل أهمية الميزة التفصيلية المتوفرة في المتطلب الوظيفي للمنتج
N: تمثل أهمية الميزة التفصيلية المطلوبة

28. مثال D C B A V1 V2 V3 Wd Wc Wb Wa Sv1 Sv2 Sv3 RV= (∑ wi * Si) ∕ ∑wi5 10 V1 7 V2 V3 Wd Wc Wb Wa
0.2
0.4 1
Sv1
0.7
Sv2
0.5
Sv3
RV= (∑ wi * Si) ∕ ∑wi
Rv1 = =1
Rv2= =0.88
Rv3= =0.80

29. معايير التقييم العامة

30. وظائف النظام
الزبون
المنتج
مدير النظام

31. Use Case - منتج

32. Use Case - زبون

33. Use Case – مدير النظام

34. شكراً لكم ..