Niezawodność Systemów Wspomagania Decyzji

Transkrypt

1 Niezawodność Systemów Wspomagania Decyzji Zespół nr 3 Zespół: Ilona Grobarek Łukasz Grzywański Izabela Mączka Damian Tomalik Kamil Twórz Wrocław, maj

2 Spis treści Cele 3 1. Niezawodność 4 2. Systemy Wspomagania Decyzji Definicja Elementy DSS Możliwości Funkcje Przykładowe zastosowania DSS, ES, EIS Przegląd istniejących systemów wspomagania decyzji InsERT Analityk System Wspomagania Decyzji Matrix System Wspomagania Decyzji - SWD Data Analyzer Comarch Business Intelligence AMandD Intuitive ERP Internetowy system wspomagający podejmowanie decyzji w integrowanej ochronie roślin IMPULS BPSC Weryfikacja definicji Systemów Wspomagania Decyzji Niezawodność Systemów Wspomagania Decyzji Niezawodność oprogramowania Niezawodność systemów informatycznych Niezawodność DSS 23 Wnioski 26 Bibliografia 27 2

3 Cele Za cele prac przyjęto próbę teoretycznego określenia niezawodności systemów wspomagania decyzji i odpowiedzi na pytanie: czy można mierzyć niezawodność systemów wspomagania decyzji? Jeżeli można, to jak ją mierzyć, co na nią wpływa, itp. Chociaż prace skupiły się na stronie teoretycznej, to w opracowaniu zawarto materiał oraz wskazówki, które mogą okazać się przydatne przy dalszej analizie praktycznej, tj. wykorzystującej bezpośredni kontakt z systemami wspomagania decyzji oraz ich użytkownikami. 3

4 1. Niezawodność W związku z tym, że prace badawcze dotyczą niezawodności systemów wspomagania decyzji, powinno się na początku wyjaśnić czym jest i jak można rozumieć niezawodność w sensie ogólnym, technicznym oraz w stosunku do systemów. Potocznie mówi się o czymś (lub o kimś, gdyż termin niezawodność bywa także używany w stosunku do osób), że jest niezawodne wtedy, gdy uważa się że można na tym czymś polegać, że nas nie zawiedzie, czyli okazuje się w pewien sposób zaufanie, czy też pewność co do jego prawidłowego działania. Niezawodność bez dodatkowych określeń jest rozumiana w kategoriach technicznych, tj. jako niezawodność techniczna. Niezawodność jakiegokolwiek obiektu jest to jego zdolność do spełnienia stawianych mu wymagań. Czyli - jeżeli obiekt ma stawiane pewne wymagania i wymagania te mogą zostać określone za pomocą pewnych właściwości tego obiektu. Właściwości natomiast są opisane za pomocą pewnych parametrów. Niezawodnością będzie zatem prawdopodobieństwo, że parametry te nie przekroczą pewnych określonych granic. Przedstawia to poniższy schemat. Rys. 1. Hierarchia niezawodności Źródło: opracowanie własne Miernik tak rozumianej niezawodności: prawdopodobieństwo mieszczenia się parametrów w wyznaczonych granicach (Min;Max). Uwaga: Należy podać pewien przedział czasu oraz warunki zalecanej eksploatacji. Można również spojrzeć na niezawodności jako funkcję opisująca prawdopodobieństwo awarii danego elementu zależną od czasu. Miernik: Analiza Weibulla niezawodności / czasu uszkodzeń. Jest to miernik ilościowej oceny niezawodności. Wskazuje jaka jest przydatność danego wyrobu / obiektu w zależności od czasu. Na przykład pozwala oszacować jakie jest prawdopodobieństwo awarii obiektu w różnych stadiach jego eksploatacji. Przy czym wraz z upływem czasu pracy, prawdopodobieństwo awarii / uszkodzenia zazwyczaj zwiększa się (warto zauważyć, że tzw. stal Hadfiedla umacnia się podczas eksploatacji, głównie tarcia, i staje się coraz bardziej wytrzymała). Można wyróżnić tu 2 określenia awarii: Niezdolność produktu jako całości do wykonywania wymaganych funkcji. Niezdolność poszczególnych elementów do wykonywania wymaganych funkcji, jednak produkt jako całość wciąż może wykonywać wymagane funkcje. Pozostałe definicje Niezawodność produktu: to miara ustalana jako częstotliwość uszkodzenia, a ściślej prawdopodobieństwo psucia się produktu w danym okresie. Stanowi jeden z podstawowych kryteriów oceny produktu przez nabywców. Metody przewidywania niezawodności: MIL-HDBK 217 (Military Handbook for Reliability Prediction of Electronic Equipment) - utworzono w celu zapewnienia standardu oceny niezawodności systemów, obecnie rzadko stosowany Obiekt Właściwość Parametr (Min;Max) HRD5 (Handbook for Reliability Data for Electronic Components) - w systemach 4

5 telekomunikacyjnych RBD (Reliability Block Diagram) - Schemat blokowy niezawodności jest reprezentatywnym narzędziem do kreślenia i obliczeń używanym do modelowania gotowości i niezawodności systemów. FMEA / FMECA Używana do badania trybów awarii produktów, może być również używana jako miara niezawodności całego systemu. Metody szacowania niezawodności: Metoda prognozowania na podstawie podobieństwa elementów Metoda pomiaru danych eksploatacyjnych Niezawodność systemów Podstawowa miara: Mean Time Between Failure (MTBF) Metody przewidywania niezawodności: Niezawodność = e -(CZAS / MTBF) RBD (Reliability Block Diagram) Schemat blokowy niezawodności jest reprezentatywnym narzędziem do kreślenia i obliczeń używanym do modelowania gotowości i niezawodności systemów. Modele Markowa znane również jako schematy przestrzeni stanu lub wykresy stanu. Przestrzeń stanu jest zdefiniowana jako zbiór wszystkich stanów, w których system może się znajdować. W przeciwieństwie do schematów blokowych, wykresy stanów stanowią dokładniejszą reprezentację systemu. Wykresy stanów uwzględniają zależności awarii elementów, jak również różnych stanów, których nie można przed stawić za pomocą schematów blokowych. Poza współczynnikiem MTBF, modele Markowa udostępniają różne inne pomiary systemu, włącznie z dostępnością, współczynnikiem MTTR (Mean Time To Repair), prawdopodobieństwem wystąpienia danego stanu w określonym czasie itp. Drzewo uszkodzeń analiza za pomocą drzewa uszkodzeń jest techniką opracowaną przez Bell Labs, która początkowo służyła do przeprowadzania oceny bezpieczeństwa systemu Minuteman Launch Control System. Później zastosowano ją do analizy niezawodności. Drzewa awarii mogą być pomocne w szczegółowym określeniu ciągu zdarzeń, normalnych i dotyczących awarii, które prowadzą do analizowanej awarii lub niepożądanego zdarzenia na poziomie elementu (analiza od góry do dołu ). Niezawodność jest obliczana przez konwersję pełnego drzewa awarii na odpowiedni układ równań. Można to zrobić, wykorzystując algebrę zdarzeń nazywaną również algebrą Boolowską. Podobnie jak w przypadku analizy FMEA, dane dotyczące prawdopodobieństwa potrzebne do obliczeń mogą być trudne do uzyskania. Sieci Petri'ego Modele symulacyjne 5

6 2. Systemy Wspomagania Decyzji Nie można rozważać problemu niezawodności systemów wspomagania decyzji bez uprzedniego dokładnego zrozumienia czym jest system wspomagania decyzji. Zwłaszcza że, jak się później okaże, występują pewne nieścisłości i rozbieżności w tym zakresie Definicja Podstawowa, bardzo ogólna definicja mówi, że DSS (Decision Support System) to system komputerowy, obsługujący głównie taktyczny i strategiczny poziom zarządzania, który dostarcza informacji z danej dziedziny, umożliwia korzystanie z analitycznych modeli decyzyjnych z dostępem do baz danych, w celu wspomagania decydentów w słabo ustrukturalizowanym środowisku decyzyjnym. System typu DSS wspiera niektóre, bądź wszystkie fazy procesu decyzyjnego, a więc: gromadzenie informacji, rozpoznanie (czyli zdefiniowanie) problemu i zaklasyfikowanie go do określonej grupy standardowej, tworzenie modelu informacyjnego opisującego rzeczywistość, jego rozwiązanie, generowanie wariantów dopuszczalnych rozwiązań oraz pomoc w wyborze najlepszego rozwiązania. Poza tym system DSS powinien uwzględniać osobowość decydenta, to znaczy jak najbardziej przybliżyć model decyzyjny do aktualnego poglądu użytkownika na rozpatrywany problem. Należy jednak podkreślić, że ostateczną decyzję podejmuje użytkownik a nie system komputerowy. Na podstawie przedstawionych wariantów rozwiązań inny decydent może podjąć zupełnie inną decyzję. Chociaż koncepcja systemów wspomagania decyzji istnieje już od dość dawna (lata ubiegłego wieku), to definicje wielu autorów są dość rozbieżne, ujmują systemy z różnych perspektyw, na różnym poziomie abstrakcji oraz dokładności. Edward Radosiński w materiałach wykładowych Systemów Informatycznych w Analizie Finansowej przytacza kilka przykładowych definicji systemów wspomagania decyzji: DSS to interaktywny system informatyczny, którego zadaniem jest integrowanie danych i modeli celem poszukiwania rozwiązania dla słabo ustrukturalizowanych problemów decyzyjnych Keen i Scott Morton DSS jest to system informatyczny, który wspomaga proces zarządzania za pomocą technik przeszukiwania heurystycznego. Levine i Pomerol DSS to nieskomplikowany, łatwy w obsłudze program komputerowy, który zapewnia pełne wsparcie informacyjne w analizie wybranych problemów decyzyjnych. Little DSS to system przeznaczony do wspierania doraźnych analiz decyzyjnych z możliwością wykonywania studiów prognostycznych. Moore i Chang DSS to środowisko, które zapewnia dostęp do danych i modeli, aby umożliwić użytkownikowi podejmowanie lepszych decyzji. Edwards 6

7 Każdy system komputerowy, który wspiera proces planowania lub asystuje przy podejmowaniu decyzji kierowniczych jest DSS-em. Connell i Powell DSS to dowolne środowisko informatyczne, które umożliwia znalezienie zadowalającego rozwiązania problemu decyzyjnego. System ten jest użyteczny zwłaszcza w tych sytuacjach decyzyjnych, w których możliwości tradycyjnych metod algorytmicznych są ograniczone a kluczową rolę odgrywa subiektywny osąd menedżera. Kim i Courtney DSS to specyfikowane architektonicznie oraz technologicznie systemy informacyjne organizacji, umożliwiające obsługę oprócz danych deterministycznych części danych niedeterministycznych, z założenia na wszystkich szczeblach zarządzania. Specyfikacja architektoniczna polega na wykorzystaniu dodatkowej bazy modelu z systemem zarządzania bazą modeli dla lepszego dopasowania systemu do organizacji lub wariantowania rozwiązań. Specyfikacja metodologiczna polega na wykorzystaniu niestandardowych metod rozwiązań problemów generowanych przy pomocy systemu zarządzania bazą modeli (np. stochastyczne, heurystyczne, optymalizacji wielokryterialnej itp.) Chmielarz 2.2. Elementy DSS System wspomagania decyzji jest systemem złożonym, składającym się z kilku modułów (części), w szczególności odpowiadających za pozyskiwanie danych ze źródeł oraz prezentację wyników działania. Wejścia informacyjne do DSS mogą obejmować: bazy danych transakcyjnych; hurtownie danych; bazy danych specjalnie tworzonych dla DSS; Stosowane metody i technologie w DSS mogą obejmować OLTP, OLAP oraz technologie związane z wydobywaniem danych (oparte o sztuczną inteligencję). Do podstawowych składowych DSS należy: 1. system zarządzania bazą danymi; 2. system zarządzania bazą metod i modeli; 3. system komunikacji z użytkownikiem; 4. powiązania DSS w ramach sieci komputerowych (opcjonalnie) Baza danych DSS zawiera aktualne dane dotyczące działalności obiektu. Informacje te pochodzą z baz danych transakcyjnych lub są bazami danych specjalistycznych. Baza modeli składa się z wielu modułów, z których każdy zawiera opis odpowiednich zachowań związanych z określoną sytuacją decyzyjną. Wspierają one podejmowanie decyzji na różnych poziomach zarządzania, w zakresie różnych funkcji kierowniczych i w różnych dziedzinach działalności obiektu. Z tego powodu ważne jest zapewnienie możliwości ciągłej modyfikacji i rozbudowy tego elementu systemu. Podsystem komunikacji użytkownika z systemem mam zapewnić wysoki komfort obsługi. Użytkownik musi otrzymywać to, czego zażąda, w możliwie różnorodnej formie, a system musi być przygotowany na żądania niestandardowe (elastyczność). 7

8 Rys. 2. Elementy SWD Baza metod i modeli System zarządzania bazą metod i modeli Baza danych System zarządzania bazą danych System zarządzania SWD System komunikacji z użytkownikiem Baza danych System zarządzania bazą danych System ewidencyjny System wspomagania decyzji Źródło: J. Czermiński, Systemy wspomagania decyzji w zarządzaniu przedsiębiorstwem, s Możliwości Systemem wspomagania decyzji ogólnie określa się najczęściej jako interaktywny system informatyczny, który wspomaga decydenta w wykorzystywaniu danych i modeli dla rozwiązywania nieustrukturalizowanych problemów, jednak opis ten jest mało dokładny. Jego pełne możliwości i charakterystykę przedstawiono w następujących punktach: są skierowane na mniej ustrukturalizowane, niedostatecznie wyspecyfikowane problemy w dostosowaniu osobistego stylu podejmowania decyzji przez decydenta, przeznaczone są dla decydentów różnych szczebli, mogą być wykorzystywane przez pojedynczych bądź grupowych użytkowników, wspomagają decyzje wzajemnie od siebie zależne i/lub sekwencyjne, wspomagają wszystkie etapy podejmowania decyzji, wspomagają różnorodne style i procesy podejmowania decyzji, są łatwe do adaptowania i elastyczne w przystosowywaniu do wymagań użytkownika, są łatwe w użytkowaniu, przyjazne dla użytkownika, są efektywne we wspomaganiu procesu podejmowania decyzji; decyzja jest podjęta szybciej, jest lepsza jakościowo i dokładniejsza, 8

9 pozwalają decydentowi kontrolować każdy etap procesu podejmowania decyzji, wspomagają, lecz nie zastępują decydenta, który na każdym etapie może zakończyć pracę z systemem, są zorientowane na jego indywidualne potrzeby, dają możliwość zdobycia przez użytkownika nowych doświadczeń, co uczy go profesjonalnego podejścia do procesu planowania i podejmowania decyzji, a jednocześnie podnosi jego wymagania w stosunku do systemu przy kolejnym jego użytkowaniu, są proste w konstrukcji, wykorzystują standardowe bądź specjalnie przygotowane modele, co umożliwia eksperymentowanie z różnymi strategiami w różnych konfiguracjach, czyli przygotowanie różnych wariantów decyzji. Systemy typu DSS ułatwiają podejmowanie decyzji słabo ustrukturalizowanych, głównie na strategicznym, ale i na taktycznym szczeblu zarządzania. Pozwalają one spełniać następujące życzenia decydenta: wyszukiwanie danych jednostkowych, czyli wyodrębnianie danych ze zbiorów, swobodny dostęp do danych oraz przeprowadzanie ich analiz, dostarczanie wcześniej zdefiniowanych danych zbiorczych, przygotowywanie projektów możliwych decyzji, przedstawienie konsekwencji (ocen) proponowanych decyzji przy wykorzystaniu modeli obliczeniowych i symulacyjnych: co by było, gdyby?", wybranie wariantu decyzji na podstawie zadanych kryteriów Funkcje Z technicznego (obliczeniowego) punktu widzenia systemy wspomagania decyzji oferują następujące funkcje (na podstawie skryptu Systemy Wspomagania Decyzji II dr inż. L. Szczurowski): Selekcja czyli pozyskiwanie danych z bazy danych. Nie jest to funkcja dominująca ale pomocnicza, ponieważ DSS nie służy do wyszukiwania lecz do analizy danych. Agregacja sumowanie, uśrednianie, ustalanie rozkładów zmiennych losowych i inne funkcje grupujące (np. zlicz). Ta funkcja zwykle ma za zadanie identyfikację obszarów problemowych, których dotyczyć będzie późniejsza analiza a nie rozwiązywać je. Estymacja najczęściej parametrów rozkładów prawdopodobieństwa i statystyk, DSS z tą funkcją służy do ustalenia relacji między ważnymi zmiennymi problemu decyzyjnego. Jest wykorzystywana gdy nieznana jest zależność między istotnymi wielkościami opisującymi problem decyzyjny i dysponujemy wartościami historycznymi tych wielkości. Symulacja stosowana do obliczeń spodziewanych konsekwencji wariantów decyzyjnych lub możliwych zmian w otoczeniu przedsiębiorstwa. Użytkownik systemu może posługiwać się różnymi wartościami danych i dla każdej z nich, śledzić efekt decyzji opartej o takie dane. Historycznie symulacja była używana na szczeblach operacyjnych (księgowość) a obecnie na poziomie strategicznym. Equalizacja stosowana do analiz (np. holdingowych), których konsekwencje muszą spełniać pewien zbiór warunków, np. modele ekonomiczne grupy przemysłów 9

10 (przedsiębiorstw), które bilansują zapotrzebowania z dostawcami w każdym z należących do grupy przemysłów (przedsiębiorstw). Optymalizacja stosowana do ustalania decyzji maksymalizujących (lub minimalizujących) sformułowaną funkcję celu (lub kosztu) bez naruszania zbioru warunków ograniczających, stosując techniki optymalizacyjne decydent ma możliwość zastosowania określonych procedur formalnych, przy pomocy których można wyznaczyć jedno, najlepsze rozwiązanie problemu w ramach określonych warunków Przykładowe zastosowania Z pośród licznych zastosowań systemów wspomagania decyzji można wymienić: finansowe (analizy ryzyka rentowności inwestycji, efektywności, zarządzanie kosztami, planowanie budżetu, wykrywanie nadużyć) marketingowe (analizy rynku, planowanie i analiza wyników sprzedaży, identyfikacja segmentów rynkowych i nowych rynków zbytu, rentowność klientów, analizy promocji, efektywności kampanii, produktów) produkcyjne i logistyczne (optymalizacja procesów produkcyjnych) dotyczące zarządzania zasobami ludzkimi (planowanie czasu pracy, planowanie płac, analiza rotacji kadr) DSS, ES, EIS Należy zwrócić uwagę na fakt istnienia i stosowania, czasem wymiennie lub też bez wyrazistych różnic kontekstowych, takich pojęć jak: DSS, GDSS, EIS, ES, ANN i zbliżonych. Granice definicji terminologicznych pomiędzy wymienionymi systemami są dość umowne. Najczęściej mylone są pojęcia ES oraz EIS, zatem te dwa rodzaje systemów zostaną krótko omówione. EIS (Executive Information Systems) to systemy informatyczne, opracowane dla potrzeb decydentów najwyższych szczebli zarządzania, charakteryzujące się następującymi cechami: spełniają oczekiwania informacyjne decydentów wyższych szczebli, mają szczególnie proste środowisko pracy (interfejs) są ściśle dostosowane do stylu pracy konkretnych decydentów zapewniają terminową i kompleksową kontrolę aktywności organizacji umożliwiają szybki i łatwy dostęp do szczegółowych informacji, wyrażonych w sposób zagregowany jako liczby, wykresy lub tekst opisowy (funkcje dril down - drill up, intuicyjne odpowiedniki hipertekstu) mają funkcje identyfikacji problemów (zagrożeń bądź potencjalnych korzyści) ES (Expert Systems) przydatne są w złożonych sytuacjach. Wtedy też najczęściej zwracamy się o poradę do ekspertów, będących specjalistami z określonej (zwykle wąskiej) dziedziny. Im bardziej złożona (nieustrukturalizowana) sytuacja, tym bardziej specjalistyczna (i droższa) jest porada eksperta. ES podejmują próby programowego ujęcia i wykorzystywania wiedzy takich ekspertów. ES to system komputerowy wspomagający rozwiązywanie problemów i/lub podejmowanie decyzji, który jest w stanie osiągnąć wydajność (efektywność) porównywalną z człowiekiem - 10

11 specjalistą z wybranej konkretnej dziedziny Od strony technicznej - wiedza człowieka (eksperta) jest zapisana w bazie wiedzy za pomocą reguł (np. jeśli sytuacja A1 oraz sytuacja A2 to wniosek B, dlatego że...). Korzystanie z ES polega zatem na odtwarzaniu wiedzy, jest wieloetapowym procesem wnioskowania w wyniku którego uzyskuje się diagnozę, która jest uznawana za równoważną specjalistycznej ekspertyzie. Zawiera również wyczerpujące objaśnienia a także umożliwia uzyskanie informacji na temat sposobu dojścia do konkretnych wniosków. 11

12 3. Przegląd istniejących systemów wspomagania decyzji Aby zweryfikować czy obecne definicje systemów wspomagania decyzji mają jakieś odniesienie do rzeczywistych systemów i przyjąć jakąś definicję, jak również aby stwierdzić czy dostępne na rynku pakiety można faktycznie określić mianem systemów wspomagania decyzji dokonano przeglądu kilku systemów wspomagania decyzji. W tym celu wybrano systemy o zróżnicowanych profilach i zastosowaniach. Spośród poniższych systemów w dalszej części opracowania zostaną wskazani przedstawiciele, na których warto przeprowadzić dalsze badania InsERT Analityk Producent: InsERT Sp. z o.o. (Polska) Insert Analityk jest systemem wspomagania decyzji, opartym na technologiach takich jak Microsoft SQL Server 2000 oraz usługach OLAP. Stworzony w oparciu o arkusz kalkulacyjny (Microsoft Excel) pozwala na przedstawienie graficznej, zindywidualizowanej prezentacji zdarzeń zachodzących w przedsiębiorstwie. Dane zgromadzone w tabelach arkusza kalkulacyjnego są łatwe do odczytu i interpretacji dla użytkownika, przez co sam proces korzystania z systemu jest intuicyjny. Analityk pozwala na szybkie zestawianie i porównywanie zdarzeń gospodarczych z różnych okresów działalności gospodarstwa, co w znacznym stopniu ułatwia zarządzanie. Ważniejsze cechy: przyjazny interfejs, trójdzielna budowa modułowa (HURTOWNIA, ANALITYK, ADMINISTRACJA), wbudowane funkcje statystyczne, predefiniowane formaty tabel danych, niskie wymagania sprzętowe System Wspomagania Decyzji Matrix Producent: matrix.pl (Polska) System Wspomagania Decyzji pozwala monitorować postępy przedsiębiorstwa, weryfikować skuteczność i efektywność obranych strategii poprzez określenie i pomiary kluczowych wskaźników efektywności (KPI - Key Performance Indicator) na dowolnym poziomie organizacyjnym przedsiębiorstwa. Ułatwia adaptację do zmian rynkowych i wspiera proces selekcji wprowadzanych na rynek usług lub produktów. System Wspomagania Decyzji to również narzędzie dostarczające kluczowych informacji do zarządzania bazą klientów (LTV - Life-time Value) w aspekcie określenia ich wartości dla przedsiębiorstwa. Pozwala skutecznie prognozować zdarzenia biznesowe, reakcje klientów na wprowadzane produkty oraz umożliwia szybki transfer informacji do aplikacji operacyjnych. System Wspomagania Decyzji jest również wsparciem dla działu zarządzania finansami w przedsiębiorstwie. Ułatwia analizę kosztów i zysku, kontrolowanie przychodów i rozchodów. System wspiera weryfikacje poprawności rozliczeń z klientami, dostarcza przydatnych informacji do windykacji zaległych należności. System Wspomagania Decyzji pozwala na globalną, całościową interpretacje wyników raportów i analizy działalności firmy w całej jej strukturze organizacyjnej, będąc wiarygodnym źródłem informacji. 12

13 Ważniejszy cechy: standaryzacja procesów możliwość definiowania pojęć biznesowych unifikacja danych mnogość wskaźników i narzędzi pozwalających na interpretacje danych w różnych aspektach Produkty w grupie Systemy Wspomagania Danych: Repozytorium Danych: pozwala na gromadzenie danych biznesowych, tak aktualnych jak i historycznych, pochodzących z różnych systemów transakcyjnych. Jest narzędziem niezbędnym przy optymalizacji danych pod kątem potrzeb z zakresu analiz i raportowania, Systemy raportowe: narzędzie wspomagające proces tworzenia raportów standardowych i nietypowych Systemy analityczne: pozwalają na ustalanie i wykrywanie złożonych zależności biznesowych w oparciu o zaawansowane i skomplikowane techniki statystyczne 3.3. System Wspomagania Decyzji - SWD Producent: ABAKUS Systemy TeleInformatyczne Sp. z o.o. (Polska) System SWD został stworzony dla potrzeb Centrów Powiadamiania Ratunkowego. Jest system informatyczny zbudowanym z wielu powiązanych funkcyjnie modułów tworzących środowisko, mające na celu wspomaganie prac Powiatowych i Miejskich Stanowisk Kierowania oraz Wojewódzkiego Stanowiska Koordynacji Ratownictwa. Dzięki zintegrowanej bazie sił i środków oraz dzięki rejestrowi zdarzeń umożliwia kompleksową obsługę informacji napływających do centrów powiadamiania ratunkowego. System SWD opiera się głównie o dwa podstawowe bloki programowe: Zintegrowana baza Sił i Środków (BSIS) Rejestr Zdarzeń (Rejestr) Moduł BSIS odpowiedzialny jest za zarządzanie wszelkimi zasobami informacji systemu SWD. Odpowiada za prowadzenie ewidencji stanu sprzętu i wyposażenia, liczebności jednostek ochrony przeciwpożarowej, służb ratowniczych, pogotowia ratunkowego, Policji oraz innych instytucji wspierających działania ratownicze. Moduł Rejestr z kolei stanowi podstawowy blok funkcjonalny systemu. Oparty na zasobach informacyjnych zgromadzonych w Zintegrowanej Bazie Sił i środków, wykorzystywany jest przez dyspozytorów stanowisk kierowania, koordynatorów służb ratowniczych i centrów dyspozytorskich przy ewidencjonowaniu działań ratowniczych, powiadamianiu i alarmowaniu odpowiednich służb i przeznaczaniu odpowiednich środków na działania ratownicze. Może zostać dostosowany do funkcjonowania na poziomie powiatowym jak i wojewódzkim, w zależność od konfiguracji. System SWD jest przystosowany do wykorzystania w: komendach Wojewódzkich Państwowej Straży Pożarnej, komendach Miejskich i Powiatowych Państwowej Straży Pożarnej, jednostkach Ratowniczo-Gaśniczych, 13

14 stacjach Pogotowia Ratunkowego, CPR Data Analyzer Producent: Microsoft (USA) Aplikacja Microsoft Data Analyzer to przyjazne dla użytkownika narzędzie pozwalające na przeprowadzanie innowacyjnych analiz graficznych, służących do identyfikacji nowych trendów, możliwości oraz potencjalnego ryzyka związanego z inwestycjami biznesowymi. Jest przedłużeniem i rozwinięciem możliwości oferowanych przez Microsoft Office poprzez wzbogacone narzędzia wizualizacji i analizy danych. Umożliwia wydobycie informacji kluczowych z natłoku danych spływających do bazy przez różne kanały, w tym handlu elektronicznego. Uwypuklenie wartości informacji ważnych w kontekście rekordów licznych, lecz mniej istotnych. Ważniejsze cechy: ilustracja graficzna danych wykorzystanie technologii On-line Analitycal Processing (OLAP) i Microsoft SQL Server, w celu umożliwienia szybkiego dostępu do informacji wizualna demonstracja tendencji zachodzących w biznesie, możliwość czytelnej prezentacji jak jedne wielkości wpływają na inne możliwość tworzenie struktury wielopoziomowej, segregacji informacji ze względu na ich wartość semantyczną możliwość nakładania na siebie różnych wielkości Data Analyzer pozwala na eksportowanie danych do PowerPointa lub Excela oraz udostępnia dane zgromadzone w źródłach OLAP programom klienckim takim jak Office Web Components Comarch Business Intelligence Producent: Comarch S.A. (Polska) Comarch Business Intelligence to narzędzie pozwalające na uporządkowanie i ubranie w formę czytelną danych, wspomagające podejmowanie decyzji na wszystkich szczeblach decyzyjnych przedsiębiorstwa. Comarch business Intelligence pozwala na uzyskanie następujących korzyści: niższe koszty i większa efektywność raportowania i analiz, poprawa jakości procesów biznesowych, kontrola i prognozowanie wielkości ekonomicznych, zarządzanie informacją kierowaną do pracowników, kadry zarządzającej, dostawców i klientów, wykorzystanie wiedzy o klientach i ich preferencjach, realizacja nowoczesnego controllingu, sterowanie realizacją strategii firmy. 14

15 3.6. AMandD Producent: Instytut Automatyki i Robotyki Politechniki Warszawskiej (Polska) System AMandD stworzony został w celu wykrywania sytuacji anormalnych, rozpoznawania nieprawidłowych stanów procesów przemysłowych i uszkodzeń urządzeń pomiarowych, wykonawczych i technologicznych. Przekazuje wygenerowane diagnozy i komunikaty doradcze, pozwalające na wykonanie czynności niezbędnych przy usuwaniu problemu. Pozwala również na tworzenie zindywidualizowanych symulatorów procesów, dzięki modułowi przetwarzania zmiennych. Wyposażony jest dodatkowa w narzędzia służące do modelowania obiektów, pozwalające na tworzenie sensorów i analizatorów. Ważniejsze cechy: fleksyjność - możliwość stosowania w przemyśle energetycznym, chemicznym, farmaceutycznym, hutniczym, spożywczym unikatowa wielofunkcyjność (w przeciwieństwie do wcześniejszych rozwiązań - systemów MODI firmy ABB czy KNOBOS firmy Siemens, zorientowanych na konkretne obiekty) szeroka gama algorytmów z dziedziny diagnostyki i identyfikacji produkt niekomercyjny 3.7. Intuitive ERP Producent: Intuitive Manufacturing Systems (USA) Intuitive ERP to szeroki zestaw funkcji wspomagający podejmowanie decyzji dzięki dostarczaniu najważniejszych informacji biznesowych, w zakresie: planowania zasobów przedsiębiorstwa (ERP) zarządzania relacjami z klientem (CRM) Intuitive ERP pozwala na graficzną wizualizację danych o sprzedaży, zakupach, zapasach, produkcji i finansach firmy. Jest to narzędzie kompleksowe, dzięki któremu jednostka decyzyjna firmy ma dostęp tak do informacji ogólnych, będących podsumowaniem wyników, jak i szczegółowych, na poziomie pojedynczych transakcji. System zintegrowany jest z Microsoft Office (MS Excel, MS Word), dzięki czemu zapewniona jest elastyczność sposoby prezentacji, pobierania i analizy danych. Producent Intuitive ERP twierdzi, iż system automatycznie i równolegle śledzi i analizuje ponad 50 najważniejszych wskaźników ekonomicznych, dostarczając informacji o kondycji firmy. Jakie są to wskaźniki i według jakiego kryterium oceniana jest obiektywna kondycja jednak nie podaje. Ważniejsze cechy: graficzna prezentacja danych dane przetwarzane w technologii OLAP (On-Line Analytical processing) sprawozdania i analiza prowadzona w czasie rzeczywistym możliwość raportowania finansowego oraz tworzenia i kontroli budżetów 15

16 3.8. Internetowy system wspomagający podejmowanie decyzji w integrowanej ochronie roślin (Polska) System przeznaczony dla przedsiębiorców rolnych, pozwalający na podjęcie decyzji w oparciu o wyselekcjonowane, kluczowe informacje dotyczące danych klimatycznych i ekologicznych w kontekście rachunku ekonomicznego. Powstaje na bazie komputerowych programów doradczych dzięki zapleczu technicznemu uzupełniających się projektów międzynarodowych, kierowanych przez Duński Instytut Nauk Rolniczych. System ma pozwalać na: ocenę zasadności i opłacalności przeprowadzenia zabiegu ochrony roślin w określonych warunkach ustalenie terminu zabiegu wybór optymalnej dawki odpowiedniego środka W systemie mają również znaleźć się informacje na temat: odmian roślin uprawnych szkodników i chwastów, progów ekonomicznej ich szkodliwości organizmów pożytecznych środków ochrony roślin zasad integrowania różnych metod ochrony roślin z ograniczonym korzystaniem ze środków zawierających chemiczne substancje czynne 3.9. IMPULS BPSC Producent: BPSC (Polska) Pakiet Impuls BPSC przeznaczony jest dla średnich i dużych przedsiębiorstw produkcyjnych, handlowych i usługowych. Pozwala na skuteczne i zaplanowane zarządzanie kapitałem, personelem, dystrybucją, transportem, produkcją, relacjami z klientem oraz obiegiem dokumentów. Program zapewnia szybki dostęp do aktualnych informacji dotyczących procesów zachodzących w firmie. Zbudowany na jednej wspólnej bazie, pozwala na integracje informacyjną w obrębie firmy, łącząc zachodzące procesy w zależności i relacje. Ważniejsze cechy: dostosowany do polskich realiów gospodarczych, kompletny i nowoczesny (aktualność i zgodność z przepisami), elastyczność - może być stosowany w przedsiębiorstwach o różnym profilu działalności i dowolnej strukturze organizacyjnej, budowa modułowa - łatwość dostosowania do zindywidualizowanych potrzeb klienta, graficzny interfejs, zgodność z modelem klient serwer. Na podstawie zebranych informacji o istniejących systemach wspomagania decyzji można stwierdzić, że systemy te przeznaczone są głównie dla przedsiębiorstw produkcyjno-handlowych. Występują zazwyczaj w pakietach (np. w obrębie systemów klasy ERP) i złożone są z kilku i więcej modułów. 16

17 Producenci nie udostępniają szczegółowych informacji na temat swoich aplikacji, wychwalając zbliżone do siebie zalety wśród konkurencyjnych produktów. Brak jest również konkretnych porównań. Większość systemów potrafi współpracować z popularnym pakietem biurowym MS Office, a tym samym łatwiej integruje się z istniejącą już w przedsiębiorstwie infrastrukturą informatyczną. Warto też zauważyć, że przedsiębiorstwo Atlantic korzysta zarówno z Comarch Business Intelligence, jak i Impuls BPSC, chociaż według producentów systemy te oferują bardzo zbliżone możliwości oraz najprawdopodobniej przynoszą zbliżone korzyści. Każdy z zaprezentowanych systemów może być określony mianem Systemu Wspomagania Decyzji, jeśli tylko przyjmie się odpowiednią definicję takiego systemu. Oczywiste jest jednak, że jedne systemy będą bardziej pasować do koncepcji DSS a inne mniej. 17

18 4. Weryfikacja definicji Systemów Wspomagania Decyzji W dwóch poprzednich rozdziałach scharakteryzowano pewien model systemu wspomagania decyzji (r. 3) oraz przedstawiono charakterystyki wybranych systemów wspomagania decyzji (r. 4). W bieżącym rozdziale omówione zostaną wybrane opracowania w których dokonuje się ocen lub analiz dostępnych systemów wspomagania decyzji. Ma to na celu określenie jak w rzeczywistości sprawdzają się systemy wspomagania decyzji, w jakich sytuacjach, problemach i w jakim zakresie są wykorzystywane i czy zgodne to będzie z ustaleniami dotyczącymi przedstawionego modelu systemu wspomagania decyzji oraz właściwościami i możliwościami oferowanymi przez wybrane w rozdziale 3 systemy. S. Niziński i B. Żółtowski w pracy Informatyczne systemy zarządzania eksploatacją obiektów technicznych opisują DSS Pro/FIT, który można uznać za modelowy przykład systemu wspomagania decyzji. DSS Pro/FIT: wykorzystuje najnowsze osiągnięcia w dziedzinie zarządzania i informatyki, między innymi Data Mining, Data Warehouse, OnLine Analitycal Procesing (OLAP); współpracuje z innymi systemami zarządzania klasy MRP II i ERP; umożliwia monitorowanie sytuacji przedsiębiorstwa na ekranach komputerów osobistych. gromadzi i przechowuje w jednym miejscu dane, pochodzące z różnych systemów, dotyczące dowolnej liczby firm, obejmujące dowolnie długi okres ich działalności; eliminuje dane nieistotne z punktu widzenia zarządu firmy; dokonuje wielowymiarowych analiz na wybranym poziomie szczegółowości np. sprzedaży wg grupy towarowej, numeru tygodnia, nazwy ulicy; definiuje i monitoruje wybrane wskaźniki biznesowe oraz potrafi szybko identyfikować zagrożenia; generuje czytelne raporty i zestawienia na dowolnym poziomie szczegółowości, zarówno w formie liczbowej, jak i graficznej; prognozuje zdarzenia a dzięki wyjątkowo przejrzystym sposobom prezentacji oraz dostępnym modelom statystycznym przedstawia ich przebieg w dowolnie wybranym układzie; wspomaga podejmowanie decyzji biznesowych poprzez wbudowany moduł symulacji. J. Bossak W. Siński w Symulacyjnym modelu planowania finansowego przywołują inny Symulacyjny Model Planowania Finansowego. Autorzy sugerują, że zastosowanie SMPF zmniejsza ryzyko podejmowanych decyzji, ponieważ pozwala na przeprowadzenie symulacji ich skutków finansowych oraz ocenę różnych wariantów rozwoju sytuacji. Najważniejsze cechy modelu to: dostosowanie, na etapie wdrożenia, do specyfiki przedsiębiorstwa w zakresie struktury źródłowych danych planistycznych oraz jej szczegółowości; automatyczne pobieranie danych wykonawczych z systemu finansowo księgowego eksploatowanego w przedsiębiorstwie; obiektowa i hierarchiczna budowa modelu; zmienny horyzont planowania; zmienna struktura czasowa wiele poziomów (okres inwestycji, okres eksploatacji); dowolna liczba obiektów w modelu; możliwość budowy planów syntetycznych oraz analitycznych; 18

19 bogaty zestaw predefiniowanych raportów i wykresów; proste narzędzia do definiowania własnych wzorców wykresów i raportów; modele optymalizacyjne; wielokryterialna analiza wskaźnikowa; monitoring wykonania planu. W pracy Diagnostyka procesów w strukturze zdecentralizowanej P. Wnuk i M. Syfert przedstawiają Zaawansowany System Monitorowania i Diagnozowania Procesów AMandD. System ten powstał w Instytucie Automatyki i Robotyki Politechniki Warszawskiej w trakcie prac związanych z grantem V Ramowego Programu UE CHEM - jako jeden z modułów zaawansowanego systemu wspomagania decyzji dla procesów przemysłu chemicznego i petrochemicznego. W projekcie CHEM powstało szereg modułów systemu wspomagania decyzji realizujących współzależne i dopełniające się zadania, np. budowę modeli bilansowych i fizykochemicznych, budowę modeli przyczynowych procesu, analizę statystyczną zmiennych procesowych, optymalizację procesów wsadowych, zarządzanie informacją i dokumentami powstałymi podczas analizy zagrożeń (HAZOP), itp. Moduły te mogą być bezpośrednio wykorzystana przez system AMandD jako źródło informacji diagnostycznej. Prof. W. T. Bielecki ( Menedżerskie gry symulacyjne ) do systemów wspomagania decyzji zalicza również modele symulacyjne, które wspomagają menedżerów w podejmowaniu decyzji obciążonych dużym ryzykiem oraz pozwalają im przeanalizować różne hipotetyczne rozwiązania dzięki symulacji. Jest to dość pojemna definicja, która pozwala określać mianem DSS każdy system wykorzystywany w procesie podejmowania decyzji. Dr B. Mielczarek w artykule Symulacja komputerowa jako narzędzie wspomagania decyzji w ochronie zdrowia zaprezentowała przykłady wykorzystania symulacji komputerowej do wspomagania procesów decyzyjnych w ochronie zdrowia. Jako jeden z obszarów zastosowania modeli symulacyjnych wymienia wspomaganie decyzji medycznych. Jako podklasę systemów wspomagania decyzji można wg D. Polaka i P. Polaka ( Sieciowy system wspomagania negocjacji ) traktować również systemy wspomagania negocjacji. We wspomaganiu decyzji coraz częściej stosuje się systemy informacji geograficznej (GIS), które oferują bogate narzędzia analityczne do pozyskiwania, gromadzenia, integrowania, analizowania, weryfikowania, transferowania i udostępniania danych (geo)przestrzennych opisujących świat i zachodzące w nim zjawiska. GIS pozwala zapanować nad wszelkimi geoinformacjami, tj. informacjami o charakterze przestrzennym. Przykładowo nawet ok. 80% decyzji podejmowanych obecnie w administracji publicznej związanych jest właśnie z geoinformacją. Struktury danych przestrzennych stają się częścią biznesowych baz danych, a techniki przetwarzania danych przestrzennych - częścią systemów biznesowych. Z systemów GIS korzystają m.in. operatorzy telefonii komórkowej do projektowania, wdrażania i rozwijania swoich sieci (np. IMAGINE VirtualGIS). Także TP S.A. zaimplementowała DSS w oparciu o rozwiązania GIS. Na podstawie wyszukanych opracowań, ale także istniejących w literaturze definicji można stwierdzić, że sformułowanie Systemy Wspomagania Decyzji może być rozumiane wielorako. Bardzo często przypisuje się taką etykietę każdemu systemowi wykorzystywanemu w procesie podejmowania decyzji (jedna z definicji pozwala na taką klasyfikację). Takie działanie wydaje się jednak bezcelowe i ma charakter głównie marketingowy, ma stanowić przynętę dla potencjalnych użytkowników. 19

20 Ostatecznie przyjęto definicję wyliczającą jakimi cechami powinien charakteryzować się wzorcowy System Wspomagania Decyzji (im więcej cech zawiera tym bliżej mu do tego wzorca): podstawowy obszar zastosowań to niezbyt dobrze (less well) ustrukturalizowane problemy, z którymi borykają się menedżerowie wyższego szczebla (głównie taktyczny i strategiczny poziom zarządzania, jednak umożliwia wspomaganie decyzji na wszystkich szczeblach zarządzania, system oferuje, oprócz standardowych funkcji informacyjnych (zbieranie i prezentacja danych), również dostęp do modeli i narzędzi analitycznych, oprogramowanie jest przystosowane do obsługi przez użytkownika nie mającego profesjonalnego przygotowania informatycznego (kadra kierownicza), system jest zaprojektowany jako konstrukcja elastyczna, tak aby możliwa była jego adaptacja w przypadku zmiany warunków zewnętrznych lub ewolucji stylu podejmowania decyzji przez menedżerów firmy. wspiera niektóre, bądź wszystkie fazy procesu decyzyjnego (gromadzenie informacji, rozpoznanie problemu i zaklasyfikowanie go do określonej grupy standardowej, tworzenie modelu informacyjnego opisującego rzeczywistość, jego rozwiązanie, generowanie wariantów dopuszczalnych rozwiązań oraz pomoc w wyborze najlepszego rozwiązania), powinien uwzględniać osobowość decydenta, to znaczy jak najbardziej przybliżyć model decyzyjny do aktualnego poglądu użytkownika na rozpatrywany problem, ostateczną decyzję podejmuje użytkownik, a nie system komputerowy, na podstawie przedstawionych wariantów rozwiązań inny decydent może podjąć zupełnie inną decyzję, wykorzystuje niestandardowe metody rozwiązywania problemów generowanych przy pomocy systemu zarządzania bazą modeli (np. stochastyczne, heurystyczne, optymalizacji wielokryterialnej itp.) Na podstawie literatury i obserwacji rynku software owego można stwierdzić, że przynajmniej do roku 2000 nie zbudowano standardowego pakietu, który spełniałby kryteria systemu decyzyjnego w odniesieniu do źle i słabo ustrukturalizowanych sytuacji analitycznych. W prasie fachowej odnotowywano pojedyncze koncepcje doprowadzone do fazy implementacji komputerowej. (E. Radosiński, materiały do Systemów Informatycznych w Analizie Finansowej ). Obecnie jednak na rynku są już dostępne są systemy, w których to kryterium zostaje spełnione - część z tych systemów została przywołana we wcześniejszym rozdziale. Wykorzystywane są one głównie na taktycznym (rzadziej na strategicznym) poziomie zarządzania do wspomagania częściowo ustrukturalizowanych decyzji związanych np. ze sprzedażą lub prognozowaniem krótkoterminowym. Co warte wspomnienia na rynku dostępne są także systemy niekomercyjne wykorzystywane poza obszarem biznesu, aczkolwiek mają one bardzo specyficzne przeznaczenie i są wykorzystywane głównie na poziomie operacyjnym. Spośród systemów przedstawionych w rozdziale 3, do dalszej analizy, proponuje się wybranie następujących systemów wspomagania decyzji: System Wspomagania Decyzji matrix.pl. InsERT Analityk Są to systemy o szerokich zastosowaniach, produkcji polskiej i dość popularne (duże prawdopodobieństwo stosowania ich w przedsiębiorstwach) a przede wszystkim w odpowiednim stopniu odpowiadające przyjętej definicji. 20