SYSTEM INFORMATYCZNY EK_AN_ - HYBRYDA KOMPUTEROWA WSPOMAGAJĄCA PROCES PODEJMOWANIA DECYZJI Arkadiusz GÓRSKI, Edward RADOSIŃSKI Streszczenie: Proces podejmowania decyzji w fazie przetwarzania informacji oraz ich oceny może być z powodzeniem wspomagany przez system informatyczny. Kwestią pozostającą w sferze dyskusji jest określenie jego kształtu. Artykuł prezentuje, jako propozycje rozwiązania tego problemu, laboratoryjną implementację systemu informatycznego o nazwie EK_AN_, będącego hybrydą wybranych technik analitycznych. W postaci najbardziej rozbudowanej system łączy symulację komputerową z dwiema technikami inteligentnymi: systemem ekspertowym i algorytmem genetycznym. Słowa kluczowe: system informatyczny, hybryda, symulator komputerowy, system ekspertowy, algorytm genetyczny. 1. Koncepcja systemu hybrydowego EK_AN_ wspomagającego proces podejmowania decyzji na etapie przygotowania decyzji. Najogólniej proces podejmowania decyzji można podzielić na dwa etapy: faza przygotowania oraz właściwe podjęcie decyzji. Decyzja jest świadomym działaniem człowieka, wyborem jednej alternatywy decyzyjnej spośród wielu dostępnych. Efektywność tego wyboru w dużym stopniu uzależniona jest od jakości danych jakimi dysponuje decydent i jego wiedzy z zakresu rozpatrywanych problemów decyzyjnych. Elementy te zdobywa się na etapie przygotowania decyzji, który obejmuje następujące czynności przeddecyzyjne: gromadzenie danych, przetwarzanie danych do postaci informacji decyzyjnych, generowanie alternatyw decyzyjnych, predykcja efektów ich podjęcia oraz ich ocena. Czynności te mogą być w znacznym stopniu usprawniane, automatyzowane, itp., poprzez zastosowanie systemu informatycznego. Przedsiębiorstwo stanowi złożony system ekonomiczny wymagający oceny w sposób całościowy, uwzględniając informacje ilościowe i jakościowe. Nie ograniczając się przy tym do oceny statycznej przeszłości oraz stanu obecnego, tylko dążąc do poznania związków przyczynowo skutkowych występujących w systemie ekonomicznym, co jest możliwe poprzez obserwację zachowania systemu w ujęciu dynamicznym. Dla realizacji tych wymogów konieczna jest specyficzna forma systemu informatycznego. W ramach prowadzonych prac badawczych postawiona została teza, że integracja techniki symulacji z technikami inteligentnymi w obrębie systemu wspomagania decyzji może stanowić skuteczne narzędzie wspomagające prace na etapie przygotowania decyzji. Celem weryfikacji słuszności postawionej tezy zbudowane zostało środowisko badawcze pozwalające przeprowadzić konieczne eksperymenty. Na środowisko to składa się zaimplementowany system informatyczny klasy DSS. Wybór tej klasy systemu jako platformy do budowy proponowanego rozwiązania wynika z postulowanej jego przydatności w procesie podejmowania decyzji. Systemy te poprzez zbieranie, przetwarzanie i prezentowanie danych, wykorzystując przy tym dostępne modele i narzędzia analityczne, umożliwiają precyzyjne zapoznanie się z analizowanym problemem. Pozyskanie właściwych danych wymaga jednak zastosowania odpowiednich technik analitycznych. Zaproponowano w tym względzie zintegrowanie w obrębie systemu DSS trzech technik analitycznych, a mianowicie: symulacji, systemu ekspertowego, algorytmu genetycznego. Każda z technik w zbudowanym systemie stanowi odrębny moduł. Rola poszczególnych modułów jest bardzo wyraźna. Symulator określa skutki zastosowania poszczególnych alternatyw decyzyjnych, system ekspertowy je ocenia, a algorytm genetyczny poszukuje alternatyw suboptymalnych. Powstały system został określony mianem EK_AN_. System ten od kilku lat jest rozwijany i wykorzystywany w procesie badawczym i dydaktycznym w Zakładzie Zastosowania Komputerów w Zarządzaniu Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej. System ma konstrukcję segmentową, składa się z modułu: danych, technik kalkulacyjnych, współpracy z użytkownikiem, wybranych technik analitycznych.
Moduł współpracy z użytkownikiem pozwala na przyjazne korzystanie z systemu, z którym praca rozpoczyna się od ekranu startowego przedstawionego na rysunku 1. Rys. 1. Ekran startowy systemu EK_AN_. Kontynuacja pracy z systemem, mająca miejsce po przyciśnięciu klawisza OK., prowadzi użytkownika programu do ekranu umożliwiającego interaktywne kształtowanie systemu, z którym będzie on pracował. Możliwy zakres zastosowania, oferowane funkcje, jak również dostępne narzędzia zależne są od wyboru technik analitycznych, które pragnie się wykorzystywać w dalszej pracy. Rys. 2. Ekran startowy systemu EK_AN_. Swoboda budowy hybrydy podlega pewnym regułom, które są monitorowane przez system, nie pozwalający na ich pominięcie. Konstrukcja programu nie przewiduje możliwości samodzielnego wykorzystywania technik inteligentnych, a jedynie symulatora komputerowego. Informacje dotyczące przedstawionych reguł są przekazywane użytkownikowi systemu za pośrednictwem stosownych komunikatów pojawiających się przy każdej próbie pracy niezgodnej z rządzącymi nim prawami. 2. Symulator komputerowy - układ bazowy systemu EK_AN_. Symulator komputerowy jest podstawowym modułem systemu wspomagania decyzji EK_AN_. Zastosowany symulator analityczny, określany mianem DEF, odzwierciedla model wyimagowanego przedsiębiorstwa przemysłowego. Przedsiębiorstwo to jest producentem trzech wyrobów: Alfa, Beta i Gamma, z których każdy produkowany jest na jednym z trzech wydziałów. Wyroby produkowane są z trzech podstawowych surowców: White, Black, Red. Niezbędne do wytworzenia danego wyrobu ilości poszczególnych surowców określa macierz surowcochłonności. Analogicznie wektor pracochłonności określa czas pracy niezbędny do wytworzenia danego rodzaju wyrobu. Produkcja wyrobów jest realizowana na poziomie zleceń na produkcję. Wykonanie zleceń produkcyjnych zdeterminowane jest poziomem zdolności produkcyjnej oraz dostępnością zamawianych surowców. Dekapitalizacja środków trwałych koniecznych w procesie produkcyjnym odzwierciedlona jest w spadku zdolności produkcyjnej. Reprodukcja tych środków jest możliwa poprzez uruchomienie inwestycji, które mogą być finansowane ze środków własnych, bądź kredytu bankowego. Maksymalny pułap sprzedaży wyznaczany jest przez poziom popytu rynkowego, dla każdego produktu,
uzależnionego liniowo od proponowanej ceny jego sprzedaży. Wyniki każdego eksperymentu symulacyjnego uzależnione są również od jeszcze kilku parametrów charakteryzujących otoczenie przedsiębiorstwa, które zostały omówione w dalszej części opracowania. Symulator DEF wykorzystywany jest do długookresowej predykcji skutków realizacji wybranych scenariuszy decyzyjnych. Znajduje zastosowanie w dynamicznej analizie decyzyjnej. Symulator umożliwia jednocześnie poznanie istoty procesów ekonomicznych zachodzących w złożonych oraz dodatkowo dynamicznych systemach jakimi są przedsiębiorstwa. Umożliwia to poznanie wewnętrznych przyczyn zjawisk ekonomicznych. Zadaniem symulatora jest rozpoznanie związków przyczynowo - skutkowych pomiędzy zmiennymi decyzyjnymi a wybranymi agregatami ekonomicznymi. Funkcjonowanie symulatora obrazowo przedstawia winieta tytułowa programu EK_AN_ (patrz rysunek 1). Symulator opierając się na zadanych przez użytkownika zmiennych decyzyjnych dokonuje przebiegu symulacyjnego. Na wyjściu otrzymywane są dane liczbowe charakteryzujące rezultaty działalności spółki. W tak przeprowadzonym eksperymencie symulacyjnym można wyodrębnić trzy fazy: kompletacja zbioru danych wejściowych, przebieg symulacyjny, prezentacja wyników. W fazie przygotowania zbioru danych wejściowych zestawia się informacje niezbędne do uruchomienia i wykonania przebiegu symulacyjnego. Kluczową rolę odgrywają tutaj zmienne decyzyjne. Symulator DEF obejmuje 36 zmiennych decyzyjnych dotyczących jednej z trzech sfer działalności przedsiębiorstwa: produkcyjnej (plan produkcyjny trzech podstawowych produktów, specyfikacja zamówienia na surowce, realizacja projektów inwestycyjnych), marketingowej (ceny sprzedaży produktów), inwestycyjnej (realizacja inwestycji zwiększających zdolność produkcyjną, wybór źródeł finansowania inwestycji, powiększenie kapitału firmy poprzez emisję akcji, ustalenie zasad podziału zysku, itd.) sytuacja początkowa zmienne decyzyjne parametry otoczenia kompletacja zbioru danych wejściowych przebieg symulacyjny prezentacja wyników eksperymentu Rys. 3. Struktura eksperymentu symulacyjnego. Wprowadzanie danych odbywa się za pośrednictwem moduł współpracy z użytkownikiem, natomiast od strony informacyjnej działania te obsługiwane są przez moduł danych. Moduł ten stanowi bazę danych zawierającą parametry charakteryzujące środowisko ekonomiczno techniczne przedsiębiorstwa, zmienne decyzyjne badanej alternatywy oraz będące ich następstwem wyniki. Oprócz zmiennych decyzyjnych istotne są również parametry ekonomiczne charakteryzujące otoczenie przedsiębiorstwa, w jakim przyszło podejmować decyzje. Są to między innymi dane dotyczące oprocentowania kredytów, podatków, stopy inflacji. Parametry te przechowywane są w oddzielnym zbiorze i mogą być zmieniane przez użytkownika. Zbiór wejściowy obejmuje jeszcze sytuację początkową 1 przedsiębiorstwa odzwierciedlającą stan w momencie rozpoczęcia przebiegu symulacyjnego. Informacja tutaj zawarta jest bardzo cenna dla celów analitycznych. Pokazany jest bowiem efekt dotychczas podjętej decyzji. Innymi słowy skutek przyjęcia konkretnej alternatywy decyzyjnej. Użytkownik już na samym początku ma możliwość wstępnego poznania 1 Nie zakładano możliwości edycji sytuacji początkowej.
zależności występujących w badanym systemie. Pozwala to w pewnym stopniu na ukierunkowanie procesu generowania alternatyw decyzyjnych. Po wprowadzeniu i zweryfikowaniu danych wejściowych użytkownik może polecić systemowi wykonanie przebiegu symulacyjnego. Symulator umożliwia badanie alternatyw decyzyjnych dla trzech kolejnych lat. Użytkownik może również badać jaką decyzję podjąć po tym okresie i jakie będą tego konsekwencje pod warunkiem podjęcia w początkowej fazie określonej decyzji. W efekcie możliwe jest budowanie drzewa decyzyjnego i badanie skutków podjętych decyzji w perspektywie kilkunastoletniej. Generowanie drzewa decyzji i rezultatów jest cechą charakterystyczną tego symulatora. Każdy trzyletni okres decyzyjny stanowi węzeł drzewa decyzyjnego. Drzewo decyzyjne symulatora składa się z dwóch rodzajów węzłów: 1. typu D, 2. typu D/R. Węzeł typu D gromadzi jedynie zmienne decyzyjne i może być wykorzystany w kolejnym przebiegu symulacyjnym. Po poprawnym przebiegu symulacyjnym węzeł ten przekształca się w węzeł typu D/R i zawiera dodatkowo rezultaty przeprowadzonej symulacji. W tym układzie każdy eksperyment, z wyjątkiem przebiegu inicjującego jest kontynuacją innego przebiegu symulacyjnego. Początkowa sytuacja ekonomiczna dla jednego przebiegu symulacyjnego jest równoważna sytuacji końcowej przebiegu poprzedzającego, zwanego przebiegiem bazowym. Drzewo decyzyjne symulatora charakteryzuje relacja dziedziczenia dotycząca warunków początkowych i końcowych. Warunki końcowe węzła rodzica są warunkami początkowymi węzła potomka. Rys. 4. Drzewo decyzyjne systemu EK_AN_. Wykonania przebiegu symulacyjnego odbywa się w module modelu, którego głównym elementem składowym jest symulator DEF. Symulator tworzy szereg równań o charakterze definicyjnym i przyczynowym. Równania definicyjne pozwalają wyliczyć wartość wybranych kategorii ekonomicznych w danym momencie. Równania przyczynowe mają charakter dynamiczny i odzwierciedlają związki przyczynowo skutkowe.
Rys. 5. Ekran sterowania symulatorem komputerowym z prezentacją rozwiniętego drzewa decyzyjnego. Poddawane ocenie decyzje kierownicze symulator przekształca w skutki, których treść zapisywana jest w module danych. Mogą one być udostępniane użytkownikowi, który swobodnie kształtuje sposób ich prezentacji poprzez wybór odpowiednich tabel i wykresów zawartych w bibliotece form prezentacji. Proponuje się tutaj wykresy liniowe i słupkowe dla najważniejszych kategorii ekonomiczno-finansowych. Rezultaty opisywane są przez dwie grupy informacji: 1. aktywność produkcyjna, 2. rezultaty finansowe. Wyniki analizy wskaźnikowej są przedstawiane w rozbiciu na wskaźniki płynności, zadłużenia, aktywności oraz rentowności. System wykorzystuje symulację dynamiczną jako technikę naśladowania rzeczywistości. Uwzględnia zarówno procesy ekonomiczne ciągłe (zużycie majątku produkcyjnego przedsiębiorstwa), jak i dyskretne (oddawanie inwestycji produkcyjnych do eksploatacji). Dzięki temu symulator wiarygodniej odwzorowuje rzeczywistość oraz związki przyczynowo-skutkowe występujące w tak złożonym systemie jak przedsiębiorstwo. Symulator komputerowy sam w sobie posiada dwie zasadnicze wady: nie dokonuje oceny uzyskiwanych wyników, co nadal pozostaje w gestii użytkownika, nie oferuje narzędzia pozwalającego poszukiwać optymalne, ze względu na przyjęte kryterium, alternatywy decyzyjne. W pracy rozwiązanie tych problemów widziane jest w połączeniu symulatora komputerowego z technikami inteligentnymi. 3. System wspomagania decyzji EK_AN_EX (hybryda w układzie dwuelementowym: symulator komputerowy system ekspertowy) Układ ten pozwala przeprowadzać ocenę kondycji ekonomicznej przedsiębiorstwa w sytuacja będącej efektem wyboru określonej alternatywy decyzyjnej. System ekspertowy ocenia sytuację ekonomiczną na podstawie sprawozdań finansowych, wybranych charakterystyk badanego podmiotu oraz przyjętych parametrów istotnych z punktu widzenia zastosowanej metody analizy (średni poziom w branży kluczowych agregatów ekonomicznych, standardy oceny). Źródłem sprawozdań finansowych jest moduł symulatora komputerowego DEF. System wspomagania decyzji poprzez moduł współpracy z użytkownikiem pozwala zaprezentować wyniki analiz, wyliczone dane, a co najistotniejsze ich ocenę wyrażoną w języku quasi-naturalnego. Praca w module systemu ekspertowego rozpoczyna się od wyboru jednej z trzech opcji określającej charakter dalszych prac w module, a są to: aktualizacja sprawozdań, parametryzacja systemu, diagnoza. Dla poprawności działania systemu, w szczególności przy pierwszej próbie pracy z systemem, zaleca się wybór wszystkich opcji, zachowując przy tym kolejność ich umieszczenia na ekranie systemu.
Opcja aktualizacji danych umożliwia przeglądanie sprawozdań finansowych importowanych z modułu danych symulatora komputerowego. Docelowo użytkownik będzie mógł tutaj wprowadzać własne dane. Parametryzacja danych umożliwia zdefiniowanie standardów oceny dla wybranych agregatów ekonomicznych oraz podanie średnich poziomów branżowych wybranych wskaźników finansowych. Po zweryfikowaniu sprawozdań finansowych i sparametryzowaniu systemu ekspertowego, można przejść do analizy sytuacji firmy. Diagnoza została podzielona na ocenę danych finansowych oraz danych jakościowych. Analiza finansowa przeprowadzona jest w podziale na cztery grupy, jednorodne pod względem tematycznym: wstępna analiza struktury sprawozdań finansowych, analiza płynności, analiza rentowności, analiza zadłużenia. W obrębie każdej z tych analiz wyliczane są najbardziej reprezentatywne agregaty ekonomiczne dla kolejnych trzech lat analizy. Na podstawie ich wartości generowana jest ocena wyrażona w języku quasi naturalnym. Podsumowaniem oceny jest konkluzja wyrażająca sytuację firmy w danym zakresie, przyjmująca postać krótkiego zdania. Za budowę ocen odpowiedzialny jest moduł bazy wiedzy. Wiedza jest zakodowana w postaci kilkuset zdań warunkowych zapisanych w systemie za pośrednictwem funkcji If - Then. Przy budowie zdań warunkowych nie wykorzystywano wiedzy eksperckiej. Przyjęto założenie, że wiedza kilku ekspertów z danej dziedziny nie jest reprezentatywna. Uznano, że jedynie wiedza powszechnie uznawana, przedstawiona w literaturze przedmiotu, może być brana pod uwagę. Rys. 6. Ekran programowy modułu EK_AN_EX_ przedstawiający jeden z elementów analizy finansowej badanego podmiotu. W przypadku analizy jakościowej wykorzystywany jest tylko jeden ekran programowy. Użytkownik musi tutaj odpowiedzieć na kilka pytań dotyczących działalności poddawanego badaniu przedsiębiorstwa. Chodzi tutaj o: wiek, uzależnienie od odbiorców i dostawców, konkurencyjności produktów, kwalifikacje i doświadczenie kadry kierowniczej. Aspekty te są istotne dla oceny firmy, jednakże nie można wyrazić ich w postaci liczbowej. W odróżnieniu od poprzednich modułów nie jest generowana tutaj żadna ocena. Udzielone na tym etapie odpowiedzi wykorzystywane są do wygenerowania oceny i konkluzji podsumowującej sytuację ekonomiczną badanego przedsiębiorstwa.
Pięć scharakteryzowanych powyżej części składowych analizy ekonomicznej badanego podmiotu gospodarczego wykorzystywanych jest w analizie podsumowującej. Analiza ta składa się ze standardowej oceny wyrażonej w języku quasi-naturalnym (suma ocen poszczególnych części składowych) oraz zwięzłej i zarazem ostatecznej konkluzji podsumowującej stan ekonomiczny firmy. 4. System wspomagania decyzji EK_AN_AG (hybryda w układzie dwuelementowym: symulator komputerowy algorytm genetyczny) Rola algorytmu genetycznego w systemie EK_AN_ sprowadza się do poszukiwania soboptymalnych alternatyw decyzyjnych dla przedsiębiorstwa odzwierciedlonego w symulatorze komputerowym DEF. Algorytm genetyczny jest wykorzystywany w procesie generowania alternatyw decyzyjnych oraz ich optymalizowania. Z poziomu ekranu startowego dokonuje się wyboru zakresu dalszej pracy w module. Możliwe jest wybranie jednej z trzech opcji: 1. parametryzacja modułu, 2. wybór optymalizowanych zmiennych, 3. wykonanie obliczeń i prezentacja wyników. Konieczny jest wybór wszystkich wyliczonych opcji, przy zachowaniu zaprezentowanej kolejności. Parametryzacja pozwala określić charakterystyki procesu optymalizacyjnego, sposób dochodzenia do suboptymalnych rozwiązań oraz zdefiniować funkcję celu. Charakterystyki procesu optymalizacyjnego dotyczą kwestii technicznych wykorzystywanych w procesie obliczeniowym. Domyślnie przyjmowane są wartości najbardziej typowe dla algorytmów genetycznych. Funkcja celu wyznacza kryterium oceny uzyskiwanych wyników. Użytkownik może określić, że poszukuje takich alternatyw decyzyjnych, przy których: zsumowany zysk netto dla kolejnych trzech lat jest najwyższy, zsumowana sprzedaż netto dla kolejnych trzech lat jest najwyższa, kondycja finansowa badanego podmiotu będzie najlepsza. Istotnym osiągnięciem jest zastosowanie przy wykorzystaniu algorytmu genetycznego kryterium jakościowego w procesie poszukiwania suboptymalnych alternatyw decyzyjnych. Możliwość korzystania z tego kryterium wymaga równoległego korzystania z modułu systemu ekspertowego. Powstaje wówczas trójelementowa hybryda łącząca wszystkie wykorzystywane techniki analityczne (patrz punkt 5). W drugim kroku dokonuje się wyboru zmiennych decyzyjnych, dla których będą poszukiwane wartości optymalizujące funkcję celu dla wybranego we wcześniejszym etapie kryterium optymalizacyjnego. Pozostałe zmienne traktowane są jako stałe na ustalonym poziomie. Następnie losowo wybiera się populację 20 osobników (20 alternatyw decyzyjnych), dla których przeprowadzany jest eksperyment symulacyjny. Dysponując wynikami eksperymentu wylicza się wartość wybranej funkcji celu (kryterium optymalizacyjnego), według której poszukuje się najlepszej alternatywy decyzyjnej. Następnie przechodzi się do fazy krzyżowania. Wybór osobników (alternatyw decyzyjnych) do krzyżowania może przebiegać według różnych metod. Z reguły uwzględnia się tutaj poziom przystosowania każdej z alternatyw (gdzie funkcja przystosowania dla osobnika jest liczona jako stosunek wartości kryterium, czy też funkcji celu, do sumy wartości kryterium dla wszystkich osobników populacji). Poziom przystosowania poszczególnych alternatyw decyzyjnych traktuje się jako prawdopodobieństwo ich przeżycia i wykorzystuje do losowania 20 osobników uczestniczących w krzyżowaniu. W efekcie może się zdarzyć, że część osobników dotychczasowej populacji nie zostanie wybrana, natomiast niektórzy mogą zostać wybrani kilka razy. Wybrane osobniki losowo łączy się w pary, a następnie krzyżuje, otrzymując w efekcie z każdej pary dwóch nowych osobników. Krzyżowanie przeprowadzone jest poprzez zamianę wszystkich wybranych do optymalizacji zmiennych decyzyjnych osobnika, wyrażonych w postaci kolejnych wartości numerycznych, do jednego ciągu znaków w postaci binarnej (poszczególne wartości numeryczne zmiennych decyzyjnych są zamieniane do postaci binarnej a następnie łączone ze sobą). Następnie mając dwóch osobników w postaci dwóch ciągów znaków zerojedynkowych wybiera się losowo punkt ich podziału w postaci numeru znaku ciągu rozdzielającego go na dwie części. Teraz łączy się poszczególne części ciągu biorąc jedną część z pierwszego, a drugą z drugiego. Powstałe w wyniku tego działania ciągi znaków są rozdzielane, a następnie zamieniane do postaci liczbowej odzwierciedlającej wartość poszczególnych zmiennych decyzyjnych. Po procesie krzyżowania, a przed zamianą do postaci numerycznej, może występować etap mutacji, którego częstość występowania uzależniona jest od przyjętego, z reguły niewielkiego, poziomu prawdopodobieństwa. Polega on na wyborze miejsc w ciągu binarnym, które są zamieniane na przeciwne wartości (np. z 0 na 1). Pozwala to zapobiegać szybkiej unifikacji populacji badanych osobników.
5. System wspomagania decyzji EK_AN_AG_EX (hybryda w układzie trójelementowym: symulator komputerowy algorytm genetyczny system ekspertowy) System EK_AN_ w swojej podstawowej formule, tj. jako symulator komputerowy posiada bardzo istotną zaletę z punktu widzenia procesu podejmowania decyzji. Pozwala bowiem przeprowadzać analizę dynamiczną. Jednakże posiada on dwa zasadnicze ograniczenia, na które została zwrócona uwaga. W zarysie ograniczenia te związane są z oceną uzyskiwanych wyników oraz poszukiwaniem optymalnych alternatyw decyzyjnych. Każde rozwinięcie podstawowej formuły systemu, do postaci hybrydy w układzie dwuelementowym: symulator komputerowy technika inteligentna, usuwało jedno z ograniczeń. System ekspertowy oceniał wyniki generowane przez symulator komputerowy, algorytm genetyczny poszukiwał suboptymalnych alternatyw decyzyjnych. Hybryda trójelementowa, spajającą jednocześnie wszystkie uwzględnione na etapie badawczym techniki analityczne, charakteryzuje się zaletami tychże technik oraz pozytywnymi efektami ich połączenia w opisane układy typu: symulator komputerowy technika inteligentna. W wyniku zaproponowanego zespolenia uzyskuje się dodatkowy bardzo istotny efekt synergiczny. Staje się bowiem możliwe poszukiwanie suboptymalnych alternatyw decyzyjnych dla złożonego kryterium jakościowego. Hybryda dwuelementowa: symulator komputerowy algorytm genetyczny pozwala wyszukiwać alternatywy decyzyjne jedynie dla tych funkcji celu, które przyjmują wyłącznie wartości liczbowe. W przedstawionym programie ujęto dwa ilościowe kryteria optymalizacyjne, są to: wynik finansowy lub przychód ze sprzedaży. Jednakże nawet najwyższy poziom zysku, czy też przychodów ze sprzedaży, z jednej strony jak najbardziej pożądany, nie gwarantuje, że spółka jest w dobrej sytuacji finansowej gwarantującej jej dalsze funkcjonowanie. Na potwierdzenie tych słów można wspomnieć o badaniach z zakresu bankructwa firm przeprowadzonych w Wielkiej Brytanii. Wykazały one, że 80% upadłych firm było rentownych. Argument ten przemawia za doborem lepszego kryterium poszukiwania suboptymalnych alternatyw decyzyjnych. Uznano, że najwłaściwszym kryterium będzie ocena kondycji ekonomicznej. Nie oznacza to, że pozostałe kryteria należy pominąć. Ze względów poznawczych powinny być one uwzględniane przez użytkownika systemu. Zastosowanie kryterium jakościowego w procesie poszukiwania suboptymalnych decyzji umożliwia system ekspertowy. Połączenie systemu ekspertowego z algorytmem genetycznym i symulatorem komputerowym pozwala poszukiwać takich alternatyw decyzyjnych, w wyniku realizacji których ocena sytuacji ekonomicznej przedsiębiorstwa będzie jak najlepsza. Ocenom generowanym przez system ekspertowy wyrażonym w języku quasi-naturalnym, poprzez zastosowanie metody punktowej, zostały przydzielone stosowne noty punktowe. Najlepsza sytuacja przedsiębiorstwa może uzyskać w sumie maksymalnie 38 punktów. Zastosowany zabieg pozwolił przekształcić ocenę w ujęciu jakościowym na ujecie liczbowe. Ocena kondycji ekonomicznej w ujęciu liczbowym stanowi funkcję celu, którą można już zastosować w pracy z algorytmami genetycznymi. W efekcie uzyskano narzędzie pozwalające poszukiwać suboptymalne alternatywy decyzyjne dla pożądanego kryterium jakościowego, którym jest kondycja ekonomiczna przedsiębiorstwa. Literatura: 1. Bielecki W. Wizualne, interaktywne modelowanie. W: Symulacja systemów gospodarczych. Prace szkoły Antałówka 98. WSPiZ i Instytut Organizacji i Zarządzania Politechniki Wrocławskiej, Warszawa 1998. 2. Radosiński E. Systemy informatyczne w dynamicznej analizie decyzyjnej. Wydawnictwo Naukowe PWN. Warszawa Wrocław 2001. 3. Radosiński E. Inteligentne systemy hybrydowe w analizie ekonomicznej firmy. Prace Szkoły Antałówka 98. Warszawa 1998. 4. Sierpińska M., Wędzki D. Zarządzanie płynnością finansową w przedsiębiorstwie. Wydawnictwo Naukowe PWN. Warszawa 1997. 5. Zabawa J. EKANWIN 2001 implementacja hybrydy systemu wspomagania decyzji i dydaktycznego symulatora przedsiębiorstwa. W: Symulacja systemów gospodarczych. Prace szkoły Antałówka 01. WSPiZ i Instytut Organizacji i Zarządzania Politechniki Wrocławskiej, Warszawa 2001. Dr hab. inż., prof nadzw. Edward Radosiński e-mail: radosinski@ioz.pwr.wroc.pl, Mgr inż. Arkadiusz GÓRSKI e-mail: gorski@ioz.pwr.wroc.pl Instytut Organizacji i Zarządzania Politechniki Wrocławskiej ul. Smoluchowskiego 25 (bud. B1), 50-372 Wrocław