ROZWÓJ BADAŃ NAD PARADYGMATEM DANE-DIALOG- MODELOWANIE W KOMPUTEROWYM WSPOMAGANIU DECYZJI Stanisław Stanek, Zbigniew Twardowski Wstęp Interdyscyplinarny obszar badań nad Systemami Wspomagania Decyzji dostarcza dwa fundamentalne wyzwania: (1) formułowanie teorii i metodologii, które byłyby uŝyteczne dla projektantów systemów oraz (2) walidację badań oraz rozwój projektów w kierunku pomyślnej ich eksploatacji [Power03]. Analiza kierunków rozwojowych w obszarze Systemów Wspomagania Decyzji (SWD) prowadzi w kierunku dodania do tradycyjnego zestawu komponentów dane-dialog-modelowanie, określonych w paradygmacie Sprague'a- Carlsona komponentu kreatywności oraz komponentu komunikacji [Stan99, StanSrok01]. Architektura kreatywnego SWD w kontekście powyŝej przytoczonego wymagania Power'a jest ukierunkowana na następujące nowe moŝliwości : (1) dominujący komponent kreatywności realizowany zgodnie z intensywnie rozwijaną wiedzą o technicznych podstawach komputerowego wspomagania kreatywności, (2) pracowników wiedzy podejmujących wyzwanie odkrywania zagroŝeń, moŝliwości oraz rozwiązań powodujących istotne zmiany w warunkach funkcjonowania organizacji, (3) celem komponentu jest wspomaganie holistycznych, wizualnych, intuicyjnych procesów tradycyjnie przypisywanych "prawej półkuli mózgu", (4) technologia hybrydowego systemu wieloagentowego umoŝliwia integrację komponentu kreatywności oraz pozostałych komponentów. Celem referatu jest prezentacja rozwiązań jakie zostały przyjęte w trakcie realizacji systemu wspomagania zorientowanego na rozszerzony paradygmat wspomagania decyzji dane dialog modelowanie komunikacja kreatywność. Architektura kreatywnego SWD Sztuczna inteligencja to nauka o maszynach realizujących zadania, które wymagają inteligencji wtedy, gdy są wykonywane przez człowieka. Propozycje dotyczące architektury SWD przedstawili Sprague oraz Carlson [por. SpraCarl82, Stan94] formułując podstawowy obecnie dla koncepcji SWD paradygmat dane,
dialog, modelowanie. Rozwój metod i technologii informatycznych wskazuje na moŝliwość rozwinięcia tego paradygmatu o składowe komunikacji oraz kreatywności (por. rys. 1) Legenda: SK Składowa komunikacji, SM Składowa modelowania, SW Składowa wiedzy Rys. 1. Architektura kreatywnego systemu wspomagania decyzji. Źródło: [Stan99] W dalszej części zostanie przedstawiona rozwinięta architektura kreatywnego SWD jaka wyłoniła się w trakcie prac nad implementacją rozszerzonego paradygmatu. Składowa komunikacji PoniewaŜ nie sposób przewidzieć wszystkich przyszłych oczekiwań ze strony uŝytkownika oraz potrzebnych do ich realizacji technologii, hybrydowy system sztucznej inteligencji powinien być jak najbardziej otwarty i składać się z jak najbardziej niezaleŝnych części [por. Kost04, Kost05]. Do realizacji tego postulatu wykorzystano podejście agentowe - poszczególne składowe systemu hybrydowego są agentami realizującymi samodzielne zadania. KaŜdy z agentów
stanowi niezaleŝny system, choć działania poszczególnych agentów mogą być od siebie zaleŝne. Narzędzia zastosowane do budowy poszczególnych agentów mogą być całkowicie róŝne. Podobnie jak w przypadku platformy analitycznej, hybrydowe systemy sztucznej inteligencji wymagają osobnego narzędzia, umoŝliwiającego zarysowanie obszaru ich działania, wzajemną wymianę faktów oraz wiedzy jak i komunikację z dalszym otoczeniem. Na potrzeby tychŝe systemów zaprojektowano i zbudowano środowisko do tworzenia hybrydowych, multiagentowych systemów sztucznej inteligencji o rozproszonej architekturze. PoniewaŜ omawiane systemy hybrydowe projektowane są do rozwiązywania konkretnych problemów, moŝna powiedzieć, Ŝe mówimy o tworzeniu zespołów wyspecjalizowanych agentów (Team-agents) [Weiss, 1999]. W tak róŝnorodnym środowisku niezbędne staje się zorganizowanie pracy poszczególnych agentów, tak by w sposób skoordynowany realizowali oni swoje zadania ukierunkowane na osiągnięcie celu głównego. Istnieje wiele znanych protokołów opisujących oddziaływania agentów na siebie. Najbardziej zbliŝonym do idei zespołowego realizowania zadań są tak zwane blackboard systems, w których poszczególni agenci (członkowie zespołu) zapisują na tablicy kolejne kroki działań (na podstawie juŝ zapisanych na tablicy informacji), aŝ do momentu znalezienia rozwiązania końcowego. Jednak rozproszony charakter omawianego rozwiązania sprawia, Ŝe systemy tablicowe byłyby trudne do zrealizowania, z uwagi na fakt współdzielenia zasobów. Zdecydowano się na protokół Contract Net, który idealnie nadaje się do realizacji systemów rozproszonych, a zarazem dobrze oddaje zespołową pracę agentów, kooperujących ze sobą w celu realizacji zadań pośrednich, składających się na cel główny [Inverno, 1996]. W omawianym protokole za współpracę agentów między sobą odpowiada agent zarządzający (manager), który inicjuje proces, a następnie wyszukuje potencjalnych dostarczycieli rozwiązania (contracotrs) (rys.2.). Inicjator (agent zarządzający) Uczestnik (potencjalny dostawca rozwią- wezwa- nie odrzucenie propozycja przyjęcia odrzucenie propozycji akceptacja niepowodzenie dostarczenie rozwiązania
Rys.2. Schemat działania protokołu Contract Net, wzorowany na FIPA Contract Net Interaction Protocol Agentem zarządzającym moŝe być kaŝdy z agentów. Rola jaką spełnia agent zaleŝy od tego czy w danym momencie realizuje on zadania zlecone przez innego agenta, czy teŝ aby wykonać swoje zadania musi zlecić zadania innym agentom. Wadą stosowania protokółu Contract Net jest prawdopodobieństwo wybrania gorszego agenta do realizacji określonego zadania (brak procesu negocjacji, pierwszy agent, który odpowie pozytywnie na wezwanie realizuje zadanie). Istnieje równieŝ moŝliwość niezrealizowania celu głównego, w wyniku odrzucenia wezwania przez potencjalnego dostawcę rozwiązania, na przykład w związku z realizacją innych zadań. Aby przynajmniej częściowo zniwelować powyŝsze wady, zwiększyć efektywność systemu oraz zmniejszyć obciąŝenie zadaniami poszczególnych agentów, wprowadzono mechanizmy prostego uczenia się agentów [por. Kost05]. W miarę działania systemu, agenci coraz trafniej rozpoznają potencjalnych dostawców (unikając wysyłania zbędnych zapytań do wszystkich członków zespołu), uczą się którzy agenci lepiej w danych sytuacjach rozwiązują problemy (potrafią odrzucić propozycje rozwiązań od gorszych agentów). Składowa danych Architektura komponentu oparta jest na platformie analitycznej tworzącej zintegrowane środowisko budowy aplikacji wykorzystujących technologie OLAP oraz eksperckie bazy wiedzy (por. np [Stan04]; [Kost02]) rys.3.. Istotnym elementem architektury podsystemu jest system ekspertowy przetwarzający wiedzę w postaci reguł rozmytych. System ekspertowy realizuje w systemie trzy podstawowe funkcje: diagnostyczne, syntetyzujące oraz sterowania. Dane wejściowe, w zaleŝności od zadanego stopnia generalizacji obserwacji (poziom operacyjny bądź strategiczny) pochodzą z [Stan03]: - systemów transakcyjnych bezpośrednio z baz danych i/lub jako sygnały alarmowe generowane poprzez zaimplementowane procedury kontrolujące bieŝące zmiany w bazach danych (tzw. triggering subsystem [Bassil00]) - hurtowni danych, gdzie odpowiednio predefiniowane agregacje danych ilościowych przechowywane w kostkach OLAP oraz dane jakościowe, pozwalają na generowanie sygnałów ostrzegawczych dla potrzeb długookresowego monitorowania realizacji celów strategicznych.
Rys. 3. Platforma analityczna systemu Optima Controlling jako komponent architektury kreatywnego systemu wspomagania decyzji [Kost04]. Składowa modelowania. KaŜda z wiodących technologii sztucznej inteligencji (SI) wykazuje zarówno mocne jak i słabe strony w zaleŝności od kontekstu zastosowań [Medsker98]. Efektywne zastosowanie SI wymaga więc uŝycia odpowiedniej kombinacji technik wiodących w celu uzyskania efektu synergii dla rozwiązań typu Stand Alone, Tight Coupling oraz Full Integration : SE - LR AG OLAP RDBMS LR CBR AG OLAP RDBMS CBR LR SSN - OLAP Literatura przedmiotu dostarcza licznych przykładów udanych aplikacji, opartych na paradygmacie hybrydyzacji wiodących technik SI ([Jain97]; [Goon95]). Dodatkowo hybrydyzacja rozwiązań rozpatrywana moŝe być z punktu widzenia relacji pomiędzy uŝytą platformą bazodanową a technikami przetwarzania danych. W takim ujęciu przestrzeń poszukiwań kombinacji komponentów, uŝytych do rozwiązania problemu, staje się zdecydowanie większa, stwarzając tym samym potencjalną moŝliwość wyboru rozwiązania optymalnego. Takie podejście do konstrukcji strategicznych systemów wspierających działalność organizacji gospodarczej, np. w obszarze marketingową proponowane jest np. przez Duan Y., Burrell Ph [Duan95].
Dialog Na rysunku 4 zilustrowano uogólniony schemat funkcjonowania architektury wieloagentowej. Hurtownia danych jest najwaŝniejszym źródłem informacji dla wszystkich komponentów biorących udział w procesie. JednakŜe kaŝdy z agentów ma moŝliwość samodzielnego poszukiwania wymaganej informacji w dostępnych dla siebie alternatywnych źródłach (bazy danych systemu ERP, inne dedykowane aplikacje ewidencyjne, dokumenty, arkusze kalkulacyjne, Internet). Pulpit analityczny, zrealizowany jako agent interfejsu działający w środowisku intranetu lub Internetu, jest preferowanym interfejsem umoŝliwiającym dostęp do wyników analiz oraz wygenerowanych raportów. Hurtownia Danych Monitoring KPI Agenci monitorujący Standardowa prezentacja KPI Pulpit analityczny Alert Rozpoznanie problemu Kontroler Rozszerzony raport o problemie Generator Aplikacji Raport o problemie Pulpit analityczny Ustalenie dalszego sposobu analizy problemu Kontroler Baza modeli Uruchomienie agentów tematycznych rozwiązujących problemy cząstkowe Agent Agent Agent Rozwiązania, optymalne warianty Generowanie aplikacji analitycznych w obszarach problemów cząstkowych Umozliwienie uŝytkownikowi samodzielnej analizy Pulpit analityczny Przygotowanie raportu końcowego Raport końcowy Rys. 4. Proces analityczny w ramach budowy SWO [Kost05] Pulpit analityczny
Składowa kreatywności. W proponowanym podejściu, poszukiwanie rozwiązania problemu diagnostycznego sprowadza się do wygenerowania a następnie weryfikacji określonego zbioru hipotez (scenariuszy) na podstawie obserwacji tzw. sygnalizatorów ryzyka. Takimi sygnalizatorami są KPI zidentyfikowane dla kaŝdego diagnozowanego obszaru [Kost04]. Generowanie hipotez w postaci moŝliwych scenariuszy decyzyjnych dokonywane jest przez system ekspertowy na podstawie interaktywnych zapytań analityka do wielowymiarowych baz danych oraz baz wiedzy systemu rys.5 (szerzej por. [Kost04, Stan05]) Rys. 5. Procedura twórczego rozwiązywania problemów w oparciu o wielowymiarową platformę analityczną. Inicjacja procedury analitycznej pozwala, w pierwszej kolejności na wygenerowanie raportu diagnostycznego, wskazującego na obszary ewentualnego ryzyka. Kolejnym krokiem diagnozy jest uszczegóławianie raportu w kierunku identyfikacji czynników kształtujących oceny zbiorcze. Efektem uŝycia procedur analitycznych wspieranych systemem ekspertowym, jest identyfikacja ewentualnych symptomów mogących świadczyć o zagroŝeniach w poszczególnych, diagnozowanych obszarach aktywności gospodarczej przedsiębiorstwa. Dalszy kierunek analizy wyznaczać będą sygnalizatory, odchylenia których w sposób istotny
kształtują poziom ryzyka w diagnozowanych obszarach z punktu widzenia zagroŝeń w realizacji celów przedsiębiorstwa. Literatura [Power03] [Duan95] [StanSrok01] [SpraCarl82] [Bassil00] [Weiss99] [Inverno96] [Stan99] [Stan03] [Stan04] Power D. J. Defining Decision Support Constructs. Proceedings of the 7 th International Conference of the International Society for Decision Support Systems DSS in the Uncertainty of the Internet Age (Eds. Bui T., Sroka H., Stanek S., Głuchowski J.), Katowice: The Karol Adamiecki University of Economics. 2003. Duan Y., Burrell Ph.: A hybrid system for strategic marketing planning. Marketing Intelligence and Planning,Vol.13 no. 11, 1995. pp 5-12. Stanek S., Sroka H. Building Creativity into OSS Design Framework. In Journal of Decision Systems, Vol.10 No. 3-4/2001. 2001. Sprague R. W., Carlson E. D. Building Effective Decision Support Systems. Englewood Cliffs, New Jersey: Prentice Hall Inc. 1982. N. Bassiliades, I. Vlahavas: Active Knowledge-Base Systems, in C.T. Leondies (ed.) Knowledge-Base Systems, Techniques and Applications, Academic Press, NY, 2000, vol. I. Multiagent Systems: A modern approach to Distributed Artificial Intelligence edited by Gerhard Weiss, The Massachusetts Institute of Technology Press, Massachusetts 1999. d'inverno, M. and Luck, M., Formalising the Contract Net as a Goal Directed System. In Proceedings of Agents Breaking Away: Proceedings of the Seventh European Workshop on Modelling Autonomous Agents in a Multi-Agent World 1038,. Van de Velde, W. and Perram, J., Eds.1996. Stanek S, Metodologia budowy komputerowych systemów wspomagania organizacji, Akademia Ekonomiczna, Katowice, 1999. Stanek S., Sroka H., Twardowski Z.: Decision Suport Systems and New Information Technologies at the Beginning of Internet Age, 7 th Int. conf. of Int. Society for Decision Support Systems DSS in The Uncertainty of the Internet Age, Akademia Ekonomiczna, Katowice 2003. Stanek S., Sroka H., Twardowski Z., Directions for an ERPbased DSS, The 2004 International Conferences on Decision Support Systems in Uncertain and Complex World, IFIP, Prato - Florence, Italy, 2004.
[Stan05] [Medsker98] [Goon95] [Jain97] [Kost02] [Kost04] [Kost05] Stanek, S., Twardowski, Z. Kierunki rozwoju systemów ERP jako platformy implementacji systemów wspomagania decyzji w zarządzaniu, Krajowa konferencja naukowa Komputerowo zintegrowane zarządzanie, Red. R. Knosala, WNT, Warszawa. 2005. Medsker L.R., Hybryd Intelligent Systems, Kluwier Academic Press, Boston, 1998. Goonatilake S., Khebbal S., Intelligent Hybrid Systems, John Wiley, Chichester, 1995. Jain L.C., Jain R.K. (eds.), Hybrid Intelligent Engineering Systems, World Scientific Publishing, Singapore, 1997. Kostrubała S., Stolecki G., Twardowski Z., Integracja technologii OLAP oraz eksperckich baz wiedzy dla potrzeb budowy wielowymiarowych systemów wspomagania decyzji ekonomicznofinansowych, Komputerowo zintegrowane zarządzanie, Red. R. Knosala, WNT, Warszawa, 2002. Kostrubała S., Stolecki G., Twardowski Z., The Multidimentional Intelligent Analytical Platform in Hybrid Controlling Decision Support System Development, Proc. 7th International Conference on Business Information Systems Red. W. Abramowicz, Poznań, Poland, 21-23 April, 2004. Akademia Ekonomiczna w Poznaniu, Poznań, 2004. Kostrubała S., Stolecki G., Twardowski Z. Inteligentna linia analityczna jako platforma budowy systemów wczesnego ostrzegania w strategicznym zarządzaniu organizacją gospodarczą. Krajowa Konferencja Naukowa Nowoczesne technologie informacyjne w zarządzaniu red. E. Niedzielska, H. Dudycz, M., Dyczkowski. Akademia Ekonomiczna we Wrocławiu, Wrocław, 2005.