Файл: Аналитический обзор существующих систем поддержки принятия решений.pdf

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;

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;^[26]

импорта и экспорта данных с использованием механизма OLE.

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.

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.^[27]

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 системы поддержки принятия решений. 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.

Пользователями системы поддержки принятия решений Analytica 2.0 является более 25 крупных корпораций, в частности Боинг (Boeing), General Motors, Motorola, Microsoft, Xerox. 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. Существенный минус данного программного решения это отсутствие его хотя бы в демо версии в свободном доступе для ознакомления, что очень затрудняет распространению программы.

2.5 Система поддержки принятия решений «Игла»

Большинство социально-экономических систем являются слабо структурированными. К подобному типу относят системы, параметры и законы поведения которых описываются, в основном, на качественном уровне, и изменения параметров системы может приводить к трудно предсказуемым изменениям ее структуры. По этой причине моделирование таких систем и управление ими с использованием традиционных подходов, основанных на аналитическом описании либо статистическом наблюдении зависимостей между входными или выходными параметрами, затруднено, а зачастую невозможно, и приходится прибегать к субъективным моделям, основанным на информации, получаемой от экспертов и обрабатываемой с привлечением мышления, логики «здравого смысла», интуиции и эвристик.^[28]

Для моделирования слабо структурированных систем успешно применяется когнитивный подход, который ориентирован на то, чтобы активизировать интеллектуальные процессы лица, принимающего решение (лицо принимающее решение), и помочь ему зафиксировать свое представление о проблемной ситуации в виде формальной модели. В качестве такой модели выступает когнитивная карта ситуации, представляющая собой множество описывающих ее понятий (факторов), на котором задан набор причинно-следственных отношений.

Программная система поддержки принятия решений (системы поддержки принятия решений) «ИГЛА» (Интеллектуальный Генератор Лучших Альтернатив) основана на применении нечетких когнитивных моделей и обеспечивает поддержку группового построения и согласования нечеткой когнитивной карты, выполнение расчета и анализа ее системных показателей, а также динамического моделирования сценариев развития ситуации.

Система поддержки принятия решений «ИГЛА» может быть использована в качестве инструментария для синтеза, анализа и моделирования стратегий управления сложными, слабо структурированными системами, а также порождения и проверки гипотез, связанных с поведением данных систем при различных внешних воздействиях. Система является инвариантной относительно предметной области и может применяться пользователями различной квалификации: студенты, аналитики специализированных подразделений, эксперты, менеджеры, руководящие работники и многими другими.

Рисунок 5 Рабочее окно программы «Игла»^[29]

2.6 Система поддержки принятия решений «Прогноз»

Современное государственное управление невозможно без использования информационных технологий, опирающихся на методы математического моделирования и прогнозирования ситуаций. Речь идет о системах поддержки принятия решений, которые уже стали важным инструментом для многих органов власти — как на федеральном, так и на региональном уровне. На протяжении 14 лет подобные системы разрабатывает пермская компания «Прогноз»( модуль многокамерного анализа программы представлен на рисунке 6).

Системы поддержки принятия решений компании «Прогноз» в сфере государственного управления можно разбить на две группы. Это комплексы систем поддержки принятия решений для региональных органов власти и федеральных структур. Ключевыми характеристиками этих систем являются применение комплексов динамических моделей и возможность вариантного прогнозирования.^[30]

Важной особенностью системы поддержки принятия решений, разрабатываемых компанией, является высокий уровень научного обеспечения комплексов. Тесное сотрудничество с ведущими математиками страны в области функционально-дифференциальных уравнений во главе с профессорами Н.В. Азбелевым и В.П. Максимовым позволяет реализовывать модельные комплексы с применением самых современных достижений в этой области. В частности, решение задач целевого прогнозирования выполняется на основе технологии решения специализированных краевых задач, что существенно повышает адекватность моделей и оценку достижимости целей при заданных ограничениях.

Как правило, специалистами компании в рамках проекта создается хранилище данных, обеспечивающее интеграцию информационных ресурсов и единое пространство показателей. Разрабатываются модели процессов развития территорий, отраслей и предприятий. Формируется ситуационный центр ведомства, позволяющий просчитывать результаты принимаемых решений. Кроме этого, в нем заложена возможность оценивать ресурсы, необходимые для достижения целей.

Комплекс системы поддержки принятия решений регионального уровня обеспечивает поддержку принятия и выработки решений органами государственной власти в вопросах формирования, контроля и реализации социально-экономической и финансово-бюджетной политики управления регионом. В числе задач комплекса — мониторинг экономических, бюджетных, социальных процессов территории, исполнение бюджета, работа предприятий, жизнь и здоровье населения, уплата налогов и экологическое состояние среды. Блок аналитических задач позволяет сравнить социально-экономические характеристики региона с соседями по федеральному округу или любым другим субъектом РФ, выявить сильные и слабые стороны развития хозяйственного комплекса, оценить основные тенденции развития. Модельная подсистема реализует многовариантные прогнозные расчеты социально-экономического развития региона сценарного и целевого типа.^[31]

Один из интересных проектов компании «Прогноз» федерального уровня — созданная для Счетной палаты Российской Федерации информационно-аналитическая система. Она обеспечивает аудиторов необходимыми средствами контроля исполнения федерального бюджета и экспертизы финансово-бюджетных процессов страны. Для систематизации процессов сбора, первичной обработки и контроля данных, поступающих от различных субъектов бюджетного процесса, разработано централизованное хранилище данных. Задачи текущего и последующего контроля обеспечивает «Прикладной программный комплекс аналитических и сводных отчетов по результатам ревизии федерального бюджета». Комплекс реализует методы структурного и динамического анализа исполнения федерального бюджета в разрезе бюджетной классификации. При этом появляется возможность детализации анализа до отдельных платежных документов. Специализированный комплекс обеспечивает руководство ведомства интегрированной информацией.

На сегодняшний день пользователями разработанных компанией прогнозно-аналитических систем являются Администрация Президента и Правительство Российской Федерации, Минэкономразвития, Минфин России, Минприроды, Минпромэнерго, Банк России и Счетная палата Российской Федерации, Федеральная налоговая и тарифная служба, администрации Чувашии, Якутии, Башкортостана, Пермской и Нижегородской областей.

Данный программный комплекс является довольно мощной системой поддержки принятия решений, но он конечно же не является очень доступным и простым в использовании, в данной работе он представлен с целью показать промежуточную ступень между пользователями с малыми финансовыми средствами и состоятельными компаниями. Так как это отечественная разработка то она на порядок дешевле зарубежных аналогов, но при этом обладает всеми чертами комплексного проекта охватывающего большие сферы применения.^[32]

Рисунок 6 Модуль многокамерного анализа программы «Прогноз»^[33]

Заключение

В данной курсовой работе было отображено лишь только малая часть программ написанных программистами, для практического применения теоритических изысканий в области систем поддержки принятия решений. Даже учитывая что существует большой комплекс программ в данном направлении которые не были отображены в обзоре, тут еще существует большой потенциал для развития.

Как вывод первой главы можно сказать что в данной области еще не до конца сформированы единые представления о классификации и разделении разных направлений систем поддержки принятия решений. Даже среди деятелей науки данное направление является открытой книгой в которую еще предстоит написать страницы. Во второй главе была попытка предоставить обзор программ и провести не большой анализ с точки зрения преимуществ, областей применения каждой из них. Выбор программ строился не по наиболее функциональным и насыщенным инструментами, а по наиболее доступным для большого круга пользователей с разным уровнем подготовки. Как итог данного раздела можно сказать что программы систем поддержки принятия решений, с уровня корпораций крупных предприятий, постепенно доходят до рядового пользователя. Интерфейсы становятся упрощённее и более интуитивно понятными пользователям с низким уровнем подготовки.

Как следствие такое течение событий скорее всего приведет к еще более массовому использованию программ данного рода. Ведь когда то даже обычный текстовый редактор не все могли эксплуатировать, его было проблематично открыть с помощью одной лишь командной строки. В данной ситуации когда большие игроки уже заняли полностью нишу создание программного обеспечения для крупных компаний, имеет смысл сосредоточить усилия на создании программ ориентированных на ежедневное использование радовым пользователем. Например плотнее импортировать на такие платформы как Andoid и IOS.

Список использованных источников.

1. Е. Г. Капралов,  А. В. Кошкарев, В. С. Тикунов./ Геоинформатика: Учеб, для студ. Вузов М.: Издательский центр «Академия». 2005 — с. 163—164
2. А.В.Вишнеков, Н.С.Курилова, И.Е.Сафонова, В.И.Штейнберг. /Многоцелевые задачи принятия проектных решений: Учебное пособие. - - М.: МГИЭМ. 2002. - 78 с.
3. А.В.Вишнеков./ Методы принятия проектных решений в CAD/CAM/CAE системах электронной вычислительной техники: Учебное пособие. - - М.: МГИЭМ. 1999. - 92 с.
4. А.В.Вишнеков, И.Е.Сафонова, Н.С.Курилова, В.И.Бадулин /Методы экспертных оценок. - Методические указания к лабораторной работе по курсу "Системы поддержки принятий решений". - - М.: МГИЭМ. 2001. - 24 с.
5. А.В.Вишнеков, И.Е.Сафонова, Н.С.Курилова/Продукционная модель представления знаний в экспертных системах. - Методические указания к лабораторной работе по курсу "Системы поддержки принятий решений". - - М.: МГИЭМ. 2001. - 20 с.
6. А.В.Вишнеков, И.Е.Сафонова, Н.С.Курилова, А.В.Киселев/Принятие решений в условиях неопределенности на сонове аппарата нечетких множеств. - Методические указания к лабораторной работе по курсу "Системы поддержки принятий решений". - - М.: МГИЭМ. 2001. - 33 с.
7. И.Е.Сафонова, А.В.Дробышев, К.Ю.Мишин, С.В.Цыганов/Методы принятия решений. Методы Дельфи и ЭЛЕКТРА. - Методические указания к лабораторной работе по курсу "Системы поддержки принятий решений". - М.: МГИЭМ. 2007. - 26 с.
8. Simba DSS/ В. Игнатьев // Описание программы. URL:http://simba.su/. (Дата обращения:03.06.2017)