Proces odločanja prof. dr. Vladislav Rajkovič lopes1.fov.uni-mb.si

1. Proces odločanja prof. dr. Vladislav Rajkovič http://lopes1.fov.uni-mb.si V.Rajkovič

2. Cilji Študentje pri tem predmetu spoznajo: • odločitveni proces kot socio-tehnični proces, ki ga je možno podpreti z metodami in tehnikami sodobne informacijske in komunikacijske tehnologije • razpoložljive metode in tehnike za podporo odločitvenemu procesu • metode organiziranja sistemov za podporo odločanju v danem okolju V.Rajkovič

3. Metoda dela • Predavanja • Vaje • Pisni izpit V.Rajkovič

4. Literatura 1/4 • Jereb, E., Bohanec, M., Rajkovič, V., DEXi – računalniški program za večparametrsko odločanje, Moderna organizacija, 2003 • Krapež, A., Rajkovič, V., Tehnologije znanja pri predmetu informatika, Zavod RS za šolstvo, 2003 • Hammond, J.S., Keeney, R.L., Raiffa, H., Pametne odločitve: praktični vodnik za sprejemanje boljših odločitev, Gospodarski Vestnik, 2000 • Neubauer, F.F., Upravljanje s portfeljem: potencialni dobiček – teorija in praksa, Gospodarski Vestnik,1991 V.Rajkovič

5. Literatura 2/4 • Ilievski, T., Rajkovič, V., Razvoj tržnega portfelja za vrednotenje programov izobraževalne dejavnosti, Uporabna Informatika 3, št. 4, 1995,15-19 • Bohanec, M., Rajkovič, V., Multi-attribute Decision Making: Industrial Applications of DEX, Informatica 23,1999,487-491 • Bohanec, M., Zupan, B., Rajkovič, V., Applications of Qualitative Multi-attribute Decision Models in Health Care, International Journal of Medical Informatics 58-59,2000,191-205 • Jennings, D., Wattam, S., Decision making: An integrated Approach, Financial Times Management,1998 V.Rajkovič

6. Literatura 3/4 • Berkeley, D., Widmeyer, G., Brezillon, P., Rajkovič, V., (eds.), Context Sensitive Decision Support Systems, Chapman & Hall,1998 • Turban, E., Aronson, J.E., Decision Support Systems and Intelligent Systems, Prentice-Hall,1995 • Carlsson, S.A., Brezillon, P., Humphreys, P., Lundberg, B.G., McCosh, A.M., Rajkovič, V., (eds.), Decision Support through Knowledge Management, University of Stockholm and Royal Institute of Technology,2000 • Klein, M., Methlie, B.L., Expert Systems: A Decision Support Approach - With Applications in Management and Finance, Addison-Weseley,1995 V.Rajkovič

7. Literatura 4/4 • Daellenbach, H.G., Systems and Decision Making: A Management Science Approach, Wiley,1995 • Dearlove, D., Key Management Decisions: Tools and Techniques of the Executive Decision-Maker, Financial Times – Pitman Publishing,1998 • Gray, P., Watson, H.J., Decision Support in the Data Warehouse, Prentice Hall,1998 • Xing Li, H., Yen, V.C., Fuzzy Sets and Fuzzy Decision-Making, CRC Press,1995 • Liebowitz, J., (ed.), The Handbook of Applied Expert Systems, CRC, 1998 • Milner, E.M., Managing Information and Knowledge in the Public Sector, Routledge – Taylor and Francis Group,2000 V.Rajkovič

8. 80 60 40 OCENA 20 0 A B C D VARIANTA E Odločitveni proces Izbira določene variante izmed več možnih tako, da izbrana varianta najbolj ustreza ciljem.

9. Problemi odločanja • CILJI • zapleteni, nepopolni, negotovi, ... • protislovni, neusklajeni (skupinsko odločanje) • VARIANTE • slabo ali nepopolno definirane (nepoznane) • veliko število variant • PARAMETRI, ki vplivajo na odločitev • slabo definirani, neznani, spregledani • težko merljivi • veliko število parametrov

10. Problemi odločanja • OMEJITVE VIROV • časovne, kadrovske in druge omejitve • pomankljivo poznavanje problemskega področja • METODOLOŠKE OMEJITVE • “omejena racionalnost” odločevalcev • teoretični problemi • problem merjenja kakovosti odločitve

11. Izdelki, storitve Surovine, materiali, ipd. Poslovni sistem Upravljalski proces Informacijski sistem Okolje Sistemi za podporo odločanju Poslovni sistem in sistemi za podporo odločanju

12. Splošna zgradba SPO Sistemi za delo s podatki Sistemi za delo z modeli VMESNIK Sistemi za delo s preferenčnim znanjem Ekspertni sistemi

13. 100 50 OCENA PARAMETRI 0 A B VARIANTA Večparametrsko odločanje

14. NEPOSREDNI PODATKI MANAGEMENTA PODATKI JAVNIH PODATKOVNIH BAZ SPO OPERATIVNA PODATKOVNA BAZA POSLOVNEGA SISTEMA Podatkovni kazalci poslovnega sistema AGREGIRANI PODATKOVNI KAZALCI

15. Elementi odločitvenega procesa Množica variant:A: a1, a2, a3, ... , an, ... Preferenčna relacija:P (uredi množico variant A po zaželenosti, ustreznosti oz. koristnosti) Racionalna odločitev: je izbira tiste variante a iz A, ki je najbolj zaželjena Funkcija koristnosti: v(a) izmeri stopnjo zaželenosti variante a tako, da za vsak par a,b iz A velja: aPb v(a) > v(b) a imam rajši kot b

16. Merjenje Merjenje omogoča količinsko oceno Merjenje mase: prirejanje števil, ki ohranjajo relacijo T: “je težji” a T b  m(a) > m(b) Mera za maso je tudi aditivna: m(a & b) = m(a) + m(b)

17. Merjenje koristnosti Relacijo P skušamo nadomestiti s funkcijo v v:AD v izmeri (priredi) vsaki varianti iz A vrednosti iz zaloge vrednosti D tako, da velja: a P b v(a)>v(b) D je lahko podmnožica realnih števil npr. 0 - 100 ali kaj drugega npr. D={nesprej., sprejemljiv, dober} Aditivnost?

18. Večparametrsko odločanje Množica parametrov X: x1, x2, ..., xm x1:ADi Di – zaloge vrednosti i-tega parametra a = x1(a), x2(a), ..., xm(a) Varianto a opišemo z naborom (vektorjem) vrednostiparametrov Funkcijo koristnosti v: AD nadomestimo s funkcijov* in predpostavimo v(a) = v*( x1(a), x2(a), ..., xm(a) )

19. Koristnost (utility, zaželjenost, primernost, ocena) v(ai) v*(x1,x2,…,xm) funkcija koristnosti parametri (atributi, kriteriji) x1 x2 xm . . . . . . variante (inačice) x1(a1) x2(a1) xm(a1) an . . . . . . a2 a1

20. Opisljivost variant • Množica parametrov X mora ustrezati več lastnostim: • polnost • operativnost • razstavljivost • nerundantnost • minimalnost • ortogonalnost • ...

21. 100 v(xi) 0 xi = starost Določanje funkcije koristnosti • predstavitveni problem • problem enoličnosti • aksiomatski pristop • neposredni pristop: • funkcija koristnosti enega parametra a b c d e f g h i

22. 100 v(xi) 0 xi = starost Določanje funkcije koristnosti • predstavitveni problem • problem enoličnosti • aksiomatski pristop • neposredni pristop: • funkcija koristnosti enega parametra 0 1 2 3 4 5 6 7 8

23. 100 v(xi) 0 xi = starost Določanje funkcije koristnosti • predstavitveni problem • problem enoličnosti • aksiomatski pristop • neposredni pristop: • funkcija koristnosti enega parametra 0 10 20 30 40 50 60 70 80

24. Vpliv varnosti na oceno avta v1(x1) Vpliv cene na oceno avta v2(x2) OCENA AVTA odličen dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 Funkcija koristnosti več parametrov

25. OCENA AVTA odličen dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 Združevanje delnih koristnosti Ocena = u ( v1(x1), v2(x2) )

26. OCENA AVTA odličen dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 Funkcija koristnosti več parametrov

27. Funkcija koristnosti več parametrov Ocena = S vi(xi)*wi - utežena vsota n i=1 OCENA AVTA odličen dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 W-utež kriterij 70% varnost 30% cena W-utež kriterij 50% varnost 50% cena

28. OCENA AVTA v1(x1) odličen v2(x2) dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 Funkcija koristnosti več parametrov

29. OCENA AVTA odličen dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 Funkcija koristnosti več parametrov

30. OCENA AVTA odličen dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 Funkcija koristnosti več parametrov podana po točkah

31. OCENA AVTA odličen dober primeren neprimeren odlična dobra nizka srednja zadovoljiva slaba visoka CENA – x2 VARNOST – x1 Funkcija koristnosti več parametrov podana po točkah

32. OCENA AVTA odličen dober primeren odlična neprimeren dobra nizka zadovoljiva slaba srednja visoka CENA – x2 VARNOST – x1 Funkcija koristnosti več parametrov podana potočkah – lahko jih smatramo za enostavna pravila

33. Pomembnost parametrov CENA PROCESOR ZASLON TRDI DISK MODEM MIŠKA / KROGLICA AVTONOMIJA Kakovost VREDNOSTI PARAMETROV PARAMETRI 5000 dem 4000 dem 3000 dem Celeron PIII 500 boljše 12” 13” 14” 2GB 4GB 6GB 10GB brez eksterni interni ne posebej vgrajena 2 uri 3 ure 4 ure 5 ur Variante: Rač1, Rač2, Rač3

34. Pomembnost parametrov 0 10 20 30 40 50 60 70 80 90 100 [%] CENA PROCESOR ZASLON TRDI DISK MODEM MIŠKA / KROGLICA AVTONOMIJA Kakovost VREDNOSTI PARAMETROV PARAMETRI visoka srednja nizka nesprej. sprejemljiv dober nesprej. sprejemljiv dober nesprej. sprejemljiv dober nesprej. sprejemljiv dober nesprej. sprejemljiv dober 2 uri 3 ure 4 ure 5 ur Variante: Rač1, Rač2, Rač3

35. Rač1Rač2Rač3 kriterij cena 403010 procesor 505050 zaslon 606080 trdi disk 202020 modem 505070 miška 505050 avtonomija 050100

36. Rač1Rač2Rač3 utež kriterij 20%cena 403010 10% procesor 505050 15% zaslon 606080 20% trdi disk 202020 12% modem 505070 8% miška 505050 15% avtonomija 050100 100%

37. Rač1Rač2Rač3 utež kriterij v v*w v v*w v v*w 20%cena 40830610 2 10% procesor 5055055015 15% zaslon 6096098012 20% trdi disk 20420420 4 12% modem 50650670 8.4 8% miška 504504504 15% avtonomija 00507.510015 100% 36 41.5 50.4 Sv*w

38. Rač1Rač2Rač3 utež kriterij v v*w v v*w v v*w 33%cena 4013.2309.9103.3 10% procesor 5055055015 15% zaslon 6096098012 20% trdi disk 20420420 4 12% modem 50650670 8.4 8% miška 504504504 2%avtonomija 005011002 100%41.2 38.9 38.7 13%

39. INTENZIVNA UPORABA ZNANJA DELAMO STVARI, KI JIH DO SEDAJ NISMO POMOČ PRI DELU RAČUNALNIŠKA PISMENOST V.Rajkovič

40. Znanje razumemo kot ustrezno organizirane podatke oz. informacije za reševanje kakega problema. Upravljanje z znanjem (knowledge management) je proces sinergetskega povezovanja med metodami in tehnikami procesiranja podatkov in informacij s sodobno informacijsko in telekomunikacijsko tehnologijo (ITKT) in ustvarjalnimi ter inovativnimi sposobnostmi človeka. Gre za sprejemanje izzivov ITKT za povečanje človekovih umskih sposobnosti za obvladovanje problemov vse bolj kompleksnega sodobnega sveta. V.Rajkovič

41. Umetna inteligenca (UI) • Je znanstvena disciplina, ki se ukvarja z • metodami • tehnikami • orodji • arhitekturami • … • za reševanje logično zapletenih problemov, • ki bi jih bilo težko ali celo nemogoče rešiti s • klasičnimi metodami V.Rajkovič

42. Cilji umetne inteligence “inteligentno” obnašanje računalnikov večja uporabnost računalnikov proučevanje principov inteligence boljše razumevanje človekovega inteligentnega obnašanja V.Rajkovič

43. Teme umetne inteligence: • Hevristično reševanje problemov • Predstavitev znanja in mehanizmi sklepanja • Ekspertni sistemi (ES) • Procesiranje naravnega jezika • Strojno učenje in sinteza znanja • Inteligentni roboti • Računalniški vid • Avtomatsko programiranje • Nevronske mreže • . . . V.Rajkovič

44. Kaj je ekspertni sistem? UPORABNIK KOMUNIKACIJSKI VMESNIK BAZA ZNANJA MEHANIZEM SKLEPANJA ES V.Rajkovič

45. TEHNOLOG ZNANJA EKSPERT(I) Tri učne zanke: ZAJEMANJE ZNANJA BAZA ZNANJA (BZ) PREDSTAVITEV BZ SKLEPANJE V.Rajkovič

46. artikulacija SAY HOW Feigenbaumovo ozko grlo BZ tehnolog znanja avtomatsko učenje model KNOW HOW Izgradnja baze znanja: KNOW HOW ekspert primeri SHOW HOW V.Rajkovič

47. nizek visok zelo visok 150 160 170 180 190 200 VIŠINA Kvalitativno modeliranje: Kvantitativno: enačbe, domena spremenljivk je množica npr. realnih števil Kvalitativno: relacije med spremenljivkami, domena je prostor količin Mozetič, I., Principi kvalitativnega modeliranja, Informatica, 4/84, pp. 79-85 Človek doseže predmet: Če VIŠINA (zelo visok) Če VIŠINA (visok) in pručka Če VIŠINA (nizek) in stol V.Rajkovič

48. DEX:Lupina ekspertnega sistemaza večparametrsko odločanje 19871995, DOS DEXi:Računalniški program za večparametrsko odločanje 1999, Windows M.Bohanec

49. Osnove sistemov DEX in DEXi • VEČPARAMETRSKO ODLOČANJE • modeliranje s kriteriji in funkcijami koristnosti • strukturiranje odločitvenega problema (drevo kriterijev) • vrednotenje variant • EKSPERTNI SISTEMI • kvalitativne (simbolične) merske lestvice • funkcije koristnosti predstavljene s pravili tipa če-potem • odločitveni model = baza znanja • poudarek na razlagi in analizi rezultatov vrednotenja (DEX) M.Bohanec

50. Faze odločitvenega procesa • 0. IDENTIFIKACIJA PROBLEMA • IDENTIFIKACIJA KRITERIJEV (ATRIBUTOV) • spisek kriterijev • struktura kriterijev (drevo kriterijev) • merske lestvice • DEFINICIJA ODLOČITVENIH PRAVIL • OPIS VARIANT • ANALIZA VARIANT M.Bohanec