چکیده
دنیای امروز با انبوهی از مسائل تصمیم گیری مواجه است. این واژه ها طیف گسترده ای از نظریه ها و رویکردهای تصمیم گیری را ارائه می کنند. طرفداران بکارگیری الگوهای ریاضی، این شیوه ها را دقیق ترین و بهترین راه دستیابی به تصمیم بهینه، می دانند. در نقطه مقابل ، طراحان رویکردهای مبتنی بر نظریه های ادراکی از تطابق بیشتر روشهای خود با دنیای واقعی سخن می گویند و گروه سومی از صاحبنظران ومدیران نیز وجود دارند که هیچ یک از این دو را باور ندارند! هرسه گروه برای خود دلایلی دارند و شواهدی را برای پشتیبانی از نظریات خود ارائه می کنند.
امروز سیستم های پشتیبان تصمیم گیری دوران گذار تکاملی خود را می گذراند و همانند هر سیستم نابالغ دیگری امیزه ای از توانمندیها و ناتوانیها، بیمها و امیدواریها، طرفداران ومنتقدان را به همراه خود دارد. در چنین شرایطی انسان می بایستی دستاوردهای عینی راتجربه و افقهای ذهنی را نظاره کند و این رویکردی است که امروز واقعی را به فردای ارمانی پیوند می زند. کارشناسان ستادی ، معاونان و مشاوران همه درتلاشند تا مدیران را درجهت تصمیم گیری صحیح کمک کنند. شما حتی اگر با این نظر که، مدیریت یعنی تصمیم گیری، موافق نباشید، قطعا این واقعیت که تصمیم گیری بخش مهمی از نقش مدیر و منشا تاثیرنگرش های او در سازمان است را تجربه کرده اید. با این همه ، در میان انبوهی از فعالیتهای ستادی و سیستم های عریض و طویلی که برای حمایت از تصمیم-گیری وجود دارد، نهایتا مدیرکسی است که در اوج تنهایی تصمیم می گیرد!
امروزه درحالی که بسیاری از سازمانها توسعه سیستم های پشتیبان تصمیم گیری را در راس برنامه های خود قرار داده اند، برخی از مدیران با پروفسور براون هم عقیده و نسبت به سیستم های پشتیبان تصمیم گیری بی اعتماد هستند. هر دو گروه، برای خود دلایلی دارند وشواهدی را هم برای پشتیبانی از نظریات خود ارائه می کنند.
واژه های کلیدی:
تصمیم گیری، مدیریت، سیستم های پشتیبان تصمیم گیری، انبار داده، پردازش تحلیل برخط، داده کاوی، سیستم خبره، مراقبت بالینی، سیستم پشتیبان تصمیم گیری پزشکی، تحقیقاتی ، فناوری اطلاعات ، هوش مصنوعی، طراحی الگوریتم ، سیستم عامل ،پایگاه داده ، نرم افزار
زمینه های علمی سیستم های پشتیبان تصمیم گیری
سیستمهای خبره، از دو زمینه علمی بهره میجویند: هوش مصنوعی ونظریه های رفتاری تصمیمگیری. هوش مصنوعی برپایه روان شناسی ادراکی استوار است و نظریههای رفتاری تصمیمگیری نیز از زیرشاخههای علوم اجتماعی به شمار میاید.
امروز محققان با بهرهگیری از علوم احتمالات و نظریه فازی، تلاش دارند تا عدم قطعیت موجود در تصمیمگیریهای واقعی را در روشها و الگوریتمهای سیستمهای خبره وارد کنند. پیشرفت دیگر در این زمینه شبکههای عصبی مصنوعی است. شبکههای عصبی، سیستمهای خبره هوشمندی هستند که قدرت یادگیری دارند. سیستمهای عصبی مصنوعی که با الهامگیری از سیستم عصبی مغز طراحی شدهاند قادرند تا درصورت ازبین رفتن بخشی از سخت افزار، نورونهای مصنوعی، باز هم به کار خود ادامه دهند، البته باکیفیت کمتر. این دستاوردها هریک گام مهمی در نزدیک کردن ویژگیهای تصمیمگیری کامپیوتر با انسان به شمار میاید. امروزه محققان بر روی سیستمهای خبره پیوندی، مطالعه میکنند. این سیستمها با تلفیق ویژگیهای نظریه فازی و شبکههای عصبی درتلاشند، تا برحجم بیشتری از عدم قطعیت و بیساختاری مسائل دنیای واقعی فائق ایند. در افق دورتر، زندگی مصنوعی، دردست تحقیقات قراردارد. دنیایی که در ان همه چیز زندگی به دنیای مجازی کامپیوتر پیوند میخورد. سیستمهای پشتیبان تصمیم، نیز از زمینه های علومکامپیوتری، علوم ریاضی و علوم تجویزیبهره میجویند. الگوریتمهای بهینهسازی، نظریههای مطلوبیت، تحقیق در عملیات و الگوهای انتخاب، زمینههای مهم سیستمهای پشتیان تصمیم هستند.
فرایند تصمیم گیری
برای تعیین اینکه یک تصمیمگیرنده چطور تصمیم میگیرد، ابتدا باید فرایند و عمل تصمیمگیری را بررسی کنیم. انگاه میتوانیم روشهای مناسب برای کمک به تصمیمگیرندگان را بشناسیم. و در نهایت میتوانیم سیستم های پشتیبان تصمیمگیری را برای کمک به انها توسعه دهیم.
تصمیمگیری: تصمیمگیری فرایند انتخاب از میان پیشنهادهای مختلف برای رسیدن به اهداف است.
تصمیمگیری و حل مسئله: یک مسئله هنگامی اتفاق میافتد که یک سیستم نتواند به اهداف مسلم خود دستیابد، یا نتواند به نتایج پیشبینی شده برسد و یا اینکه نتواند طبق برنامه کارکند. تفاوت بین حل مسئله و تصمیمگیری ممکن است کمی مبهم باشد، برای درک بهتر این تفاوت، فازهای مختلف تصمیمگیری را بررسی میکنیم. هربرت سایمون در سال (1977) فرایند تصمیمگیری را در 3 فاز اصلی بیان نمود. این سه فاز شامل هوشمندی، طراحی و انتخاب بود. او بعد ها فاز چهارم اجرا را نیز اضافه نمود. نظارت میتواند به عنوان فاز پنجم در نظر گرفته شود( نوعی بازخورد)، اگر چه نظارت را میتوان در به کارگیری فاز هوشمندی در فاز اجرا نیز دید. مدل سایمون کاملترین مشخصه از تصمیمگیری عقلانی است. یک تصویر مفهومی از روند تصمیمگیری در شکل 1-1 نشان داده شده است. در این شکل، یک جریان پیوستهی فعالیتها از هوشمندی به طراحی وجود دارد(خطوط پررنگ شده) اما در هر فاز ممکن است یک بازگشت به فاز قبلی (فیدبک) وجود داشته باشد. مدلسازی یک قسمت ضروری از این روند است.
فهرست مطالب
مقدمه. 1
فصل اول ، تصمیم گیری و پشتیبانی مبتنی بر کامپیوتر
1-1- مقدمه. 5
1-2- دسته بندی مسائل تصمیم.. 8
1-2-1- دسته بندی مسائل تصمیم بر مبنای ساختار مسئله. 8
1-2-2- دسته بندی مسائل تصمیم بر مبنای سطوح تصمیم گیری.. 9
1-3- فرایند تصمیم گیری.. 10
1-4- سیستم های پشتیبان تصمیم گیری.. 14
1-4-1- مفهوم سیستم های پشتیبان تصمیم.. 15
1-4-2- خصوصیات سیستم های پشتیبان تصمیم گیری.. 16
1-4-3- انواع سیستم های پشتیبان تصمیم گیری.. 17
1-5- روش های پشتیبان تصمیم گیری.. 17
1-5-1- بهینه سازی.. 18
1-5-2- تصمیم گیری چندمعیاره. 18
1-5-3- داده کاوی.. 18
1-5-4- استدلال مبتنی بر مورد CBR.. 19
1-5-5- درخت تصمیم.. 20
فصل دوم ، سیستم پشتیبان تصمیم گیری و اجزا ان
2-1- مقدمه. 22
2-2- زیر سیستم مدیریت داده. 23
2-2-1- پایگاه داده. 24
2-2-2- سیستم مدیریت پایگاه داده. 26
2-2-3- ساختار پرس و جو. 27
2-2-4- راهنما 27
2-3- زیر سیستم مدیریت مدل.. 27
2-3-1- پایگاه مدل.. 27
2-3-2- ابزارهای مدل سازی.. 29
2-3-3- سیستم مدیریت پایگاه مدل.. 29
2-3-4- فهرست مدل.. 30
2-3-5- اجرا مدل، مجتمع کردن و فرمان دادن.. 30
2-4- زیر سیستم واسط کاربر. 30
2-5- زیر سیستم مدیریت پایگاه دانش.... 32
2-6- طبقه بندی سیستم های پشتیبان تصمیم گیری.. 33
فصل سوم ، مدل سازی و تجزیه و تحلیل
3-1- مدل سازی MSS. 36
3-2- مدل های ایستا و پویا 40
3-2-1- انالیز ایستا 40
3-2-2- انالیز پویا 40
3-3- قطعیت، عدم قطعیت و ریسک... 41
3-3-1- تصمیم گیری درشرایط قطعی.. 41
3-3-2- تصمیم گیری در شرایط عدم قطعیت... 41
3-3-3- تصمیم گیری در شرایط ریسک... 42
3-4- نمودارهای تاثیرات.. 42
3-5- نرم افزار. 43
3-6- مدل سازی MSS با صفحات گسترده. 44
3-7- تجزیه وتحلیل تصمیم برای تعدادی پیشنهاد (جدول تصمیم و درخت تصمیم) 46
3-7-1- جدول تصمیم.. 46
3-7-2- درخت تصمیم.. 48
3-8- ساختار مدل های ریاضی MSS. 48
3-9- اهداف چندگانه، حساسیت ها، انالیز، What-if، جستجوی هدف.. 51
3-9-1- اهداف چندگانه. 51
3-9-2- انالیز حساسیت ها 52
3-9-3- انالیزهای what-if. 52
3-9-4- جستجوی هدف.. 53
3-10- روش های جستجوی حل مسئله. 54
فصل چهارم ، زیر سیستم مدیریت داده
4-1- نوع و منابع داده. 59
4-2- جمع اوری داده، مسائل وکیفیت... 61
4-3- سیستم های مدیریت پایگاه داده در سیستم های پشتیبان تصمیم گیری.. 62
4-4- انبارداده. 62
4-4-1- تفاوت انبار داده و پایگاه داده. 65
4-4-2- فعالیت های انبارداده. 66
4-5- سیستم پردازش تحلیل بر خط.. 67
4-5-1- تعاریف عمده فناوری OLAP. 70
4-5-2- مدل داده رابطه ای، مدل داده چندبعدی.. 72
4-5-3- حوه عملکرد سیستم های OLAP. 74
4-5-4- شماهای داده ای.. 75
4-5-5- طراحی پایگاه داده چندبعدی انبارداده. 77
4-6- داده کاوی.. 78
4-6-1- مراحل داده کاوی.. 82
4-6-2- خلاصه سازی و به تصویر دراوردن داده ها 82
4-6-3- مدل های پیش بینی داده ها 84
فصل پنجم ، مدیریت دانش
5-1- مفاهیم و تعاریف هوش مصنوعی.. 94
5-2- سیستم خبره. 96
5-3- ساختار سیستم خبره. 98
5-3-1- معماری سیستم خبره. 100
5-3-2- انواع روش های برنامه نویسی و ارتباط با سیستم های خبره. 101
5-4- دانش.... 102
5-4-1- قواعد. 102
5-4-2- شبکه های معنایی.. 104
5-4-3- قاب.. 104
5-4-4- منطق.. 104
5-5- روش های استنتاج.. 105
5-5-1- انواع روش های استنتاج.. 105
5-6- ابزارهای ایجاد سیستم خبره. 106
فصل ششم، سیستم های پشتیبان تصمیم گیری پزشکی (CDSS)
6-1- تاریخچه. 109
6-2- دسته بندی سیستمهای پشتیبانی تصمیم بالینی.. 112
6-2-1- دسته بندی سیستمهای پشتیبان تصمیم گیری از دید پزشکان.. 112
6-2-2- انواع سیستمهای پشتیبانی تصمیم در پزشکی از لحاظ روش و سیستم مورد استفاده. 113
6-2-3- انواع مدل های پشتیبانی تصمیم.. 113
6-3- ابزار کسب دانش.... 113
6-4- مکانیسم های استنباطی استفاده شده درCDSS. 115
6-5- پشتیبانی تصمیم با ابزارهای پیش بینی ساده. 117
6-6- طراحی مفهومی DSS برای تشخیص و درمان بیماری.. 118
6-6-1- شبکه بیزین.. 119
6-6-2- درخت تصمیم.. 120
6-6-3- شبکه عصبی.. 120
6-6-4- الگوریتم های ژنتیک... 120
6-6-5- شبکه های احتمالاتی علی (سببی) 121
6-6-6- جدول تصمیم.. 122
6-6-7- استدلال مبتنی بر مورد. 122
6-6-8- سیستم های مبتنی بر قانون.. 122
6-6-9- شرط منطقی.. 123
فصل هفتم
جمع بندی و نتیجه گیری
منابع و مراجع.. 131
پروژه سیستم های پشتیبان تصمیم گیری هوشمند