KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA



Podobne dokumenty
KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

Systemy ekspertowe i sztuczna inteligencja. dr Agnieszka Nowak Brzezioska

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY.

Systemy ekspertowe : program PCShell

Informacja o firmie i oferowanych rozwiązaniach

STUDIA I MONOGRAFIE NR

SIMPLE systemy zarządzania uczelnią

Typy systemów informacyjnych

PRZEWODNIK PO PRZEDMIOCIE

ROZWÓJ SYSTEMÓW SZTUCZNEJ INTELIGENCJI W PERSPEKTYWIE "PRZEMYSŁ 4.0"

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Systemy ekspertowe. Krzysztof Patan

SZTUCZNA INTELIGENCJA

KIERUNKOWE EFEKTY KSZTAŁCENIA

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

Paweł Gołębiewski. Softmaks.pl Sp. z o.o. ul. Kraszewskiego Bydgoszcz kontakt@softmaks.pl

Spis treści. Wstęp... 9

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Automatyzacja Procesów Biznesowych. Systemy Informacyjne Przedsiębiorstw

[1] [2] [3] [4] [5] [6] Wiedza

PRZEWODNIK PO PRZEDMIOCIE

SYSTEMY EKSPERTOWE. Anna Matysek IBiIN UŚ 2008

PRZEWODNIK PO PRZEDMIOCIE

Zintegrowany System Informatyczny (ZSI)

WYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA KIERUNEK: MATEMATYKA, SPS WIEDZA

Systemy eksperowe. Agnieszka Nowak Brzezińska Wykład I

Rozpocznij swój pierwszy projekt IoT i AR z Transition Technologies PSC

Wprowadzenie do teorii systemów ekspertowych

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.

Aplikacje Dynamics 365.

MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH

PRZEWODNIK PO PRZEDMIOCIE

Odniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol

Oferta dydaktyczna. INSTYTUTU METROLOGII, ELEKTRONIKI i INFORMATYKI

Praca dyplomowa magisterska

Zastosowania aplikacji B2B dostępnych na rynku zalety aplikacji online

Efekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA

zna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych

produkować, promować i sprzedawać produkty, zarządzać i rozliczać przedsięwzięcia, oraz komunikować się wewnątrz organizacji.

Efekt kształcenia. Wiedza

Symbol efektu kształcenia

Kilka zagadnień dotyczących Sztucznej inteligencji.

Katalog handlowy e-production

Transformacja wiedzy w budowie i eksploatacji maszyn

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Systemy ekspertowe Część siódma Realizacja dziedzinowego systemu ekspertowego Roman Simiński

Analiza procesów wewnętrznych i ich optymalizacja przez ICT.

Procesowa specyfikacja systemów IT

Matryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy (cz. I)

2/4. informatyka" studia I stopnia. Nazwa kierunku studiów i kod. Informatyka WM-I-N-1 programu wg USOS. Tytuł zawodowy uzyskiwany przez

ZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA

Uchwała obowiązuje od dnia podjęcia przez Senat. Traci moc Uchwała nr 144/06/2013 Senatu Uniwersytetu Rzeszowskiego z 27 czerwca 2013 r.

PRZEWODNIK PO PRZEDMIOCIE

kierunkowy (podstawowy / kierunkowy / inny HES) nieobowiązkowy (obowiązkowy / nieobowiązkowy) polski drugi semestr letni (semestr zimowy / letni)

Misja. Strategia. Cele UNIT4 TETA BI CENTER. Plan prezentacji. Grupa UNIT4 TETA. Grupa kapitałowa UNIT4 UNIT4 TETA BI CENTER

Kierownik Katedry: Prof. dr hab. inż. Tadeusz BURCZYŃSKI

System wspomagania harmonogramowania przedsięwzięć budowlanych

Zakładane efekty kształcenia dla kierunku Wydział Telekomunikacji, Informatyki i Elektrotechniki

Zakładane efekty kształcenia dla kierunku

Zakładane efekty kształcenia dla kierunku

Oferta szkoleniowa Yosi.pl 2012/2013

Opis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań

Informatyzacja przedsiębiorstw. Cel przedsiębiorstwa. Komputery - potrzebne? Systemy zarządzania ZYSK! Metoda: zarządzanie

Zarządzanie procesami w Twojej firmie Wygodne. Mobilne. Sprawdzone.

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NYSIE

Przyszłość to technologia

PROGRAM STUDIÓW WYŻSZYCH ROZPOCZYNAJĄCYCH SIĘ W ROKU AKADEMICKIM 2015/2016

Mateusz Kurleto NEOTERIC. Analiza projektu B2B Kielce, 18 października 2012

Rozwiązania i usługi SAP

Dopasowanie IT/biznes

KIERUNKOWE EFEKTY KSZTAŁCENIA

Wybór dostawcy: doświadczony duży provider usług versus mały software house

Narzędzia Informatyki w biznesie

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Sylabus przedmiotu: Data wydruku: Dla rocznika: 2014/2015. Kierunek: Opis przedmiotu. Dane podstawowe. Efekty i cele. Opis. 1 z 5

Od ERP do ERP czasu rzeczywistego

MODUŁY WEBOWE I APLIKACJE MOBILNE COMARCH ERP EGERIA. Platforma szerokiej komunikacji

Efekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej

EFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6

Informatyzacja przedsiębiorstw WYKŁAD

KIERUNKOWE EFEKTY KSZTAŁCENIA

Katalog rozwiązań informatycznych dla firm produkcyjnych

INFORMATYKA Pytania ogólne na egzamin dyplomowy

Projekt Badawczy Analiza wskaźnikowa przedsiębiorstwa współfinansowany ze środków Unii Europejskiej

Model referencyjny doboru narzędzi Open Source dla zarządzania wymaganiami

Kluczowe aspekty komputerowego wspomagania zarządzania utrzymaniem ruchu

KIERUNKOWE EFEKTY KSZTAŁCENIA

(termin zapisu poprzez USOS: 29 maja-4 czerwca 2017)

a) Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów

Wykład 1 Inżynieria Oprogramowania

Praktyczne wdrożenie RODO w systemie informatycznym uczelni na przykładzie one4all RODO dla systemów Microsoft Dynamics 365 / AX

PRZEWODNIK PO PRZEDMIOCIE. stacjonarne. I stopnia III. Leszek Ziora, Tomasz Turek. ogólnoakademicki. kierunkowy

Zespół do spraw Transformacji Przemysłowej Departament Innowacji

Opis efektu kształcenia dla programu kształcenia

Transkrypt:

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 5 Systemy eksperckie Dr inż. Mariusz Makuchowski

Systemy eksperckie SE Sztuczna inteligencja - (ang. artificial intelligence, AI) Dział informatyki zajmujący się konstruowaniem maszyn i algorytmów, których działanie posiada znamiona inteligencji. Rozumie się przez to zdolność do samorzutnego przystosowywania się do zmiennych warunków, podejmowania skomplikowanych decyzji, uczenia się, rozumowania jakiegoś tekstu abstrakcyjnego itp. 2

Systemy eksperckie SE Ekspert W rozumieniu tego wykładu to osoba posiadająca wiedzę i umiejętności zdobywane przez doświadczenie czyniące ją autorytetem. Eksperta charakteryzują trzy kluczowe cechy: duża wiedza, profesjonalizm w stosowaniu wiedzy, umiejętność uczenia się przez doświadczenie. 3

Systemy eksperckie SE System ekspercki To złożone oprogramowanie oparte na rozbudowanej BAZIE WIEDZY zawierającej wprowadzoną, wyspecjalizowaną wiedzę specjalistów. Dane zawarte w bazie są podstawą do wyciągania przez SE wniosków - w sposób symulujący proces rozumowania człowieka eksperta w danej dziedzinie. SE wykorzystuje techniki związane ze sztuczną inteligencją i 4 jest przeznaczony do wspomagania podejmowania decyzji.

Systemy eksperckie SE SE stosujemy dla pewnej grupy zagadnień, gdzie rozwiązanie problemu klasycznymi systemami jest nie możliwe ze względu na: a. duży stopień nieokreśloności: dane podobnie jak wiedza, obarczone są nie znanym błędem, są niepełne, występuje wielka dynamika wiedzy i danych, które 5 pozostają w różnych relacjach między sobą; lub,

Systemy eksperckie SE b. niemożność przedstawienia matematycznego modelu : problem nie może być sformułowany w postaci liczbowej, cele nie dają się opisać przy pomocy matematycznie określonej funkcji, nie istnieje matematyczny algorytm rozwiązania problemu, występuje znaczny obszar problemu przejawiający się znaczną liczbą danych i zależności, którego nie można opisać przy pomocy klasycznych modeli matematycznych. 6

Systemy eksperckie SE Przykłady wykorzystania SE analizy ryzyka, monitorowanie, wspomaganie procesów diagnostycznych, analiza i interpretacja danych instruktaż, szkolenia 7

Systemy eksperckie SE - tworzenie BAZA WIEDZY SYSTEM EKSPERTOWY użytkownik wprowadza, testuje, rozszerza buduje, testuje EKSPERT DZIEDZINOWY pozyskuje wiedzę INŻYNIER WIEDZY projektuje SE NARZĘDZIA DO BUDOWY SE implementuje 8 TWÓRCA NARZĘDZI DO BUDOWY SE

Systemy eksperckie SE Cechy systemów eksperckich 9 zgromadzenie jak najpełniejszej wiedzy z danego zakresu i jej ciągła aktualizacja umiejętność naśladowania rozumowania człowieka-eksperta w danej dziedzinie, zdolność przedstawienia przeprowadzonego toku rozumowania na żądanie użytkownika uzasadniania otrzymanych konkluzji modyfikowanie sposobu wykonywania działań przyjazny język dialogu z użytkownikiem

Systemy eksperckie SE Podział systemów ekspertowych systemy doradcze podpowiadają rozwiązanie pomagając podjąć decyzję człowiekowi prezentują rozwiązanie jakiegoś problemu, ale do użytkownika należy jego ocena, oraz to czy je zaakceptuje, czy odrzuci; podejmujące decyzję bez ingerencji i kontroli człowieka stosowane do sterowania skomplikowanymi urządzeniami w warunkach wykluczających lub mocno ograniczających możliwości człowieka; 10 systemy krytykujące dokonują analizy pewnego problemu i jego rozwiązania, a następnie komentują to rozwiązanie;

Systemy eksperckie SE Podział systemów ekspertowych ze względu na złożoność Płytkie korzystają tylko z informacji zgromadzonych w bazie wiedzy Głębokie wyposażone w moduły pozwalające na samodoskonalenie się potrafią rekomendować decyzję w sytuacjach nieznanych 11

Systemy eksperckie SE Podział SE, ze względu na metodę prowadzenia procesu wnioskowania Z logiką Boole a Z logiką wielowartościową Z logiką rozmytą 12

Systemy eksperckie SE Podział SE, ze względu na rodzaj przetwarzanej informacji Systemy z wiedzą pewną czyli zdeterminowaną, Systemy z wiedzą niepewną w przetwarzaniu której wykorzystuje się przede wszystkim aparat probabilistyczny 13

Systemy eksperckie SE Systemy narzędziowe zwane czasem szkieletowymi są to systemy z pustą bazą wiedzy, umożliwiające użytkownikowi wprowadzenie własnych informacji, z którymi ma pracować system. Systemy dedykowane to systemy projektowane na konkretne zamówienie z wprowadzonymi danymi do bazy wiedzy 14

Systemy eksperckie SE Dobry SE powinien charakteryzować się: Poprawnością dobre rezultaty i odpowiedni czas działania Uniwersalnością możliwość zastosowania systemu do wielu rodzajów zadań z danej dziedziny Złożonością możliwie duża baza wiedzy i ilość reguł Autoanalizą umiejętność uzasadniania swojego rozwiązania Zdolnością do polepszania bazy wiedzy możliwość rozszerzania 15 bazy wiedzy, uczenie się systemu

SZKIELET systemu eksperckiego SE UŻYTKOWNIK PROCEDURY STEROWANIA DIALOGIEM - INTERFEJS UZYTKOWNIKA MODUŁ WYJAŚNIAJĄCY MASZYNA WNIOSKUJĄCA EDYTOR BAZY WIEDZY WEWNĘTRZNA BAZA DANYCH BAZA WIEDZY (FAKTY, REGUŁY) 16 INŻYNIER WIEDZY EKSPERCI

Systemy eksperckie SE Podstawowe elementy struktury SE baza wiedzy baza danych Procedury wnioskowania procedury objaśniania procedury sterowania dialogiem procedury umożliwiające rozszerzenie oraz modyfikację 17 wiedzy

Systemy eksperckie SE Wiedza jest kluczowym elementem systemu ekspertowego. Decyduje ona o jego jakości i wiarygodności. To zbiór wiadomości z określonej dziedziny składający się z opisów, relacji i procedur, zapisanych za pomocą języka reprezentacji wiedzy. Zgromadzona w systemie może zawierać błędy. Aby temu zapobiec stosuje się różne techniki jej przetwarzania: symbole, zbiory rozmyte, metody heurystyczne. 18

Systemy eksperckie SE Fakty to zdania oznajmujące ukazujące pewną zależność między obiektami i charakteryzujące cechy tych obiektów. Reguły zawarte w bazie wiedzy można przedstawić w postaci: IF warunek THEN wniosek AND/OR podjęcie akcji Poprzez warunek zadawane są pytania o związki między cechami obiektów. Uznanie jakiejś reguły nazywa się uaktywnieniem reguły. Dzięki uaktywnieniu reguły nowe fakty (wnioski) są dodawane do bazy wiedzy. 19

Systemy eksperckie SE Przykład bazy wiedzy FAKTY: A, B, C, D, E, REGUŁY: R1: if A and B then F R2: if C and D then G R3: if F and G then H R4: if E and H then CEL SZUKANA: CEL 20

Systemy eksperckie SE Algorytmy wnioskowania algorytm wnioskowania wstecz W tym algorytmie zaczyna się od hipotezy i poszukuje się argumentów (dowodów), które ją potwierdzą lub obalą. 21 algorytm wnioskowania do przodu Wnioskowanie rozpoczyna się od analizy faktów. Na podstawie dostępnych reguł i faktów generowane są fakty tak długo, aż wśród nich znajdzie się poszukiwany przez użytkownika cel lub aż zabraknie reguł.

Systemy eksperckie SE Porównanie algorytmów Wnioskowanie wstecz łatwo się programuje (rekurencja) W przypadku wnioskowania wstecz generowana jest mniejsza liczba faktów, niż w przypadku wnioskowania do przodu (+/-) Wnioskowanie mieszane jest przydatne w rozwiązywaniu problemów, wymagających bardzo skomplikowanej sieci zależności reguł. Wymaga jednak istnienia w systemie dodatkowych metareguł określających kiedy jakie wnioskowanie może być użyte oraz implementacji obu sposobów wnioskowania. 22

Systemy eksperckie SE Projektowanie systemy eksperckie w edytorze narzędziowym systemu eksperckiego EXSYS Budowa bazy wiedzy wymaga określenia: celów - wyników końcowych pytań (tablica pytań) zmiennych - drzew decyzyjnych (IF-THEN-ELSE) reguł budowanych przez dodawanie wcześniej zdefiniowanych pytań, wyrażeń, odwołań do danych zewnętrznych oraz celów 23

Systemy eksperckie SE Regułę można zapisać jako: (a o, u, cf a ) (b o, w, cf b ) (g o, y, cf g ) co oznacza: JEŚLI dla obiektu o atrybut a ma wartość u ze wskaźnikiem pewności cf a i atrybut b ma wartość w ze wskaźnikiem pewności cf b TO atrybut g przyjmuje wartość y ze wskaźnikiem pewności cf g 24

Systemy eksperckie SE EXSYS nie wykrywa nieprawidłowości dotyczących danych wyjściowych wynikających z błędów projektanta SE, na przykład takich: podanie błędnego celu jako konkluzji prawidłowo działającej reguły wprowadzenie do bazy wiedzy niewłaściwych celów błędy językowe 25

Systemy eksperckie SE Wady SE to przede wszystkim: bardzo wysokie koszty opracowania i wdrożenia, składają się na nie duże koszty oprogramowania do tworzenia programów ekspertowych konieczność zatrudnienia inżyniera wiedzy zatrudnienie wielu ekspertów tworzących bazę wiedzy zyski z inwestycji mogą być uzyskane po długim okresie użytkowania systemu 26

Systemy eksperckie SE W niektórych SE zastosowano sieci neuronowe, które umożliwiają systemowi rozwijanie swojej wiedzy, jednak przyszłość SE to tworzenie systemów hybrydowych, gdzie zostaną połączone SE + sieci neuronowe + algorytmy ewolucyjne co w efekcie doprowadzi do najwyższego stopnia rozwoju systemów inteligentnych. 27

Systemy eksperckie SE Podsumowanie SE najlepiej nadają się do zastosowania w tych dziedzinach w których trudno jest sformułować teorie oparte na matematyce Przykładami mogą być: rolnictwo, medycyna, geologia, chemia. Do rozwiązywania problemów, dla których istnieją algorytmy numeryczne, stosowanie systemów ekspertowych jest nieopłacalne, gdyż programy algorytmiczne są na ogół szybsze. Systemy ekspertowe nie muszą prowadzić do rozwiązań optymalnych, a jedynie akceptowalnych przez użytkownika systemu. 28

Podstawowe elementy struktury SE BAZA WIEDZY Znajdują się w niej wszelkie informacje z zakresu wybranej dziedziny: 29 wiedza faktograficzna (fakty), wiedza o wnioskowaniu (zbiór reguł), wiedza o sposobach rozwiązywania problemu (meta-wiedza) musi być ona zapisana w postaci sformalizowanej, zrozumiałej dla mechanizmu wnioskującego i pozwalającej na prześledzenie sposobu dojścia systemu do rozwiązania.

Podstawowe elementy struktury SE BAZA DANYCH Obok bazy wiedzy systemy posiadają klasyczną bazę danych zawierającą fakty z dziedziny wiedzy opisanej w bazie wiedzy tj.\ wyniki pomiarów, hipotezy, dane o obiekcie itp. 30

Podstawowe elementy struktury SE MASZYNA WNIOSKUJĄCA Na podstawie zgromadzonej wiedzy wyszukuje rozwiązanie postawionego problemu. Jest ona oddzielona od bazy wiedzy, dzięki czemu działa tak samo w systemach ekspertowych dla dowolnej dziedziny jak i w szkieletowych systemach ekspertowych. Zadaniem maszyny wnioskującej jest znalezienie odpowiedzi na następujące pytania: 31 Jak zacząć proces wnioskowania? Którą regułę zastosować, gdy jest kilka reguł aktywnych? Jak znaleźć następne reguły?

Podstawowe elementy struktury SE MODUŁ WYJAŚNIANIA Zawiera procedury objaśniania. Objaśniają one strategię wnioskowania, sposób dojścia do rozwiązania i pokazują dokładniejsze dane o rozwiązaniu użytkownikowi. 32

Podstawowe elementy struktury SE INTERFEJST UŻYTKOWNIKA Zawiera procedury wejścia - wyjścia umożliwiające formułowanie zadań przez użytkownika i przekazanie rozwiązania przez program. Umożliwia on komunikację człowieka z systemem (pracę interaktywną) służy do zasięgania informacji u użytkowania, przedstawiania wygenerowanego wyniku oraz udzielania wyjaśnień na temat procesu wnioskowania. Konstrukcja i wygląd interfejsu zależy od języka programowania, za pomocą którego stworzono system ekspertowy oraz systemu 33 operacyjnego, w którym on działa.

Podstawowe elementy struktury SE Moduły zdobywania i modyfikacji wiedzy Pozyskiwanie nowej wiedzy pozwala na automatyczne ulepszanie systemu. Aby użytkownik systemu mógł redagować bazę w języku przybliżonym do naturalnego potrzebny jest mechanizm pozyskiwania wiedzy. Pośredniczy on między użytkownikiem a bazą wiedzy. Na schemacie opisany jako EDYTOR BAZY i odpowiada on za translację wiedzy w postaci przystępnej dla użytkownika do postaci niezbędnej dla mechanizmu 34 wnioskowania.

Producenci systemów Przegląd producentów systemów wspomagających zarządzanie (m. in. klasy Business Intelligence, CRM, ERP, FK, HRM, BPM, MES, PLM, PM, SCM) działających na polskim rynku w 2010 roku. Informacje zaczerpnięto ze stron internetowych firm. 35

Oprogramowanie: Navireo Branża: budowlana, obuwnicza, odzieżowa, spożywcza, motoryzacyjna Branża: budowlana, obuwnicza, odzieżowa, spożywcza, motoryzacyjna InsERT (Wrocław) Firma działająca we Wrocławiu. InsERT S.A. od wielu lat jest liderem na rynku programów dla małych i średnich przedsiębiorstw. Od momentu powstania firmy w 1992 r. sprzedanych zostało blisko 400 tys. licencji programów z linii InsERT GT Oprogramowanie - Navireo W ostatnim roku zrealizowanych zostało 45 wdrożeń systemu ERP Navireo 36 Branża: budowlana, obuwnicza, odzieżowa, spożywcza, motoryzacyjna Źródło: www.insert.com.pl

Navireo Navireo to zintegrowany system informatyczny klasy ERP wspomagający zarządzanie. System został stworzony z myślą o firmach średnich, ale może być stosowany również przez małe i duże przedsiębiorstwa. Dostosowany jest do obowiązujących w Polsce przepisów oraz do wymogów Unii Europejskiej. 37 Źródło: www.insert.com.pl

Navireo - Najlepszy Produkt dla Biznesu 2010 InsERT został nagrodzony za system Navireo w rankingu Najlepsze Produkty dla Biznesu. Zestawienie przygotowane przez Gazetę Finansową prezentuje firmy, które "wyróżniają się kompleksową ofertą dla biznesu i wprowadzają do swojej działalności innowacyjne rozwiązania 38 Źródło: www.insert.com.pl

Exact Software Poland Exact Software Poland Sp. z o.o. jest spółką holenderskiej grupy Exact Holding N.V., która istnieje od 1984 roku. W Polsce od 1992 roku - na siedzibę w Warszawie. Jest jednym z czołowych, działających w skali globalnej, producentów oprogramowania ERP, MRP i CRM dla firm średniej wielkości. Holding zatrudnia ponad 2700 pracowników w ponad 100 krajach 39 Źródło: www.exact.pl

Exact Software Poland Oprogramowanie: Exact Globe ERP, Exact Synergy BPM, Exact Warehouse Management System Branża: produkcja, usługi, handel, finanse Oprogramowanie dla firm Exact Globe jest klasycznym systemem klasy ERP automatyzującym wewnętrzne procesy biznesowe firmy. Rozwiązanie jest w Polsce głównie stosowane przez średnie firmy. Od 1992roku zintegrowane systemy ERP Exact zostały wdrożone w 40 Polsce w ponad 700 firmach. Źródło: www.exact.pl

Exact Globe ERP Dzięki pakietowej budowie Exact Globe pozwala stworzyć system wspomagający wszystkie obszary działania przedsiębiorstwa. Modułowa budowa pozwala na dostosowanie systemu do indywidualnych potrzeb klienta na etapie wdrażania oprogramowania. 41 Źródło: www.exact.pl

SIMPLE Spółka Akcyjna z siedzibą w Warszawie SIMPLE S.A. zajęło 30 miejsce w rankingu DIAMENTÓW FORBESA, plasując się w ścisłej czołówce zestawienia województwa mazowieckiego. 02.02.2011 Najlepszy produkt IT 2011 za platformę SIMPLE.BUD 06.12.2010 42 MEDAL EUROPEJSKI za SIMPLE.PROD - platformę rozwiązań dla produkcji. 23.11.2010

SIMPLE Oprogramowanie: SIMPLE.ERP, SIMPLE.BI, SIMPLE.EDU, SIMPLE.MED, SIMPLE.BUD, SIMPLE.PROD, SIMPLE.SCM, esimple.karo HRMS Branża: produkcyjna, budowlana, usługowa, handlowa, edukacyjna, naukowo-badawcza, medyczna, administracyjna, jednostki rządowe 43

SIMPLE oferta produktów SIMPLE.ERP - jest Zintegrowanym Systemem Informatycznym zapewniającym spójną i kompleksową obsługę procesów gospodarczych w całym zakresie działalności. Swym działaniem obejmuje procesy zachodzące w: Firmach o różnych profilach działalności (produkcja, budownictwo, usługi, handel) Uczelniach wyższych Jednostkach medycznych Instytutach badawczych Jednostkach rządowych 44

SIMPLE.ERP System dzięki wykorzystaniu technologii Microsoft SQL Server oraz najnowszych narzędzi programistycznych zapewnia bezpieczeństwo danych i integrację z pakietem Microsoft Office, pozwalając na wydajną pracę w firmach o stałej lokalizacji jak i w strukturach rozproszonych. 45

SIMPLE.BI platforma analiz biznesowych SIMPLE.BI to rozwiązanie przeznaczone dla menadżerów wspierające proces podejmowania decyzji i budżetowania. Rozbudowanie mechanizmy integracji pozwalają pobierać dane z dowolnego systemu informatycznego. Oprogramowanie SIMPLE udostępnia w czasie rzeczywistym aktualne informacje o stanie przedsiębiorstwa w wielu przekrojach. Poprzez portal controllingowy możemy z dowolnego miejsca śledzić wyniki firmy i szybko reagować na zmieniającą się sytuację. 46

SIMPLE.EDU platforma rozwiązań dla szkolnictwa wyższego To oprogramowanie przeznaczone do wsparcia obsługi części administracyjnej uczelni ze szczególnym uwzględnieniem obsługi procesów finansowych, kontroli kosztów, budżetów i pracowników. Możliwość definiowania planu rzeczowo-finansowego, realizowanego w jednostkach budżetowych, wspomaga zarządzanie zakupami i pomaga w definiowaniu specyfikacji przetargowej. Zastosowanie innowacyjnych technologii umożliwia integrację z systemami obsługi uczelni (systemami dziekanatowymi), dzięki czemu otrzymujemy kompletny zintegrowany system obejmujący swoim działaniem całą 47 uczelnię.

Simple - Oprogramowanie SIMPLE. APS - Optymalizacja w planowaniu produkcji CECHY SYSTEMU - Nieograniczone możliwości automatycznego harmonogramowania siły ludzkiej, maszyn, narzędzi i materiałów SIMPLE.CRM (Customer Relationship Management) to innowacyjne oprogramowanie, które wspiera szeroko rozumianą strategię Zarządzania Relacjami z Klientami na rynku B2B. Wdrożenie oprogramowania SIMPLE.CRM pozwala osiągnąć 48 pełną skuteczność biznesowej strategii CRM w przedsiębiorstwie.

SYKOM (Rzeszów) OPROGRAMOWANIE: ERP SyKOF BRANŻA: produkcja seryjna, budownictwo, przemysł spożywczy, farmaceutyczny, przedsiębiorstwa budowy dróg i mostów 49 www.sykom.pl

ZETO Bydgoszcz OPROGRAMOWANIE: STER.ERP BRANŻA: Przemysł maszynowy, drzewny, elektroniczny, handel hurtowy, jednostki budżetowe www.zeto.bydgoszcz.pl 50

ALAN SYSTEMS (Katowice) Firma powstała w Katowicach w 1999 roku. Dziś firmy z grupy Alan działają w Polsce, Austrii i Emiratach Arabskich. Świadczymy usługi z zakresu tworzenia oprogramowania oraz usług wsparcia i integracji systemów informatycznych. 51

ALAN SYSTEMS (Katowice) Specjalizujemy się w rozwiązaniach IT w segmentach: Rejestracja czasu pracy Kontrola dostępu Zarządzanie projektami Obieg dokumentów CMS (systemy zarządzania treścią) Systemy klasy Business Intelligence dostosowane do potrzeb i wymagań Klienta 52

ALAN SYSTEMS (Katowice) OPROGRAMOWANIE: ABMS (BI/BPM)- system, umożliwiający spójny obieg informacji, dokumentów, zadań związanych z bieżącą działalnością oraz analizę zasobów firmy ABMS gov (BI/BPM)- Systemem do zarządzania i rejestrowania obiegu dokumentów w jednostkach administracji publicznej ATMS (BI)- System RCP, rejestracja czasu pracy, ewidencja czasu pracy BRANŻA: przemysł, administracja publiczna, telekomunikacja, energetyka, służba zdrowia 53

Microsoft OPROGRAMOWANIE: Microsoft Dynamics AX (ERP), Microsoft Dynamics NAV (ERP), Microsoft Dynamics CRM (CRM) BRANŻA: Produkcja, usługi handel 54 www. Microsoft.com/poland/dynamics

Perspektywy rozwoju systemów nowej generacji Elastyczne systemy produkcyjne ESP Next Generation Manufacturing System NGMS Inteligentne systemy produkcyjne IMS Więcej informacji na temat systemów i firm ich produkujących znajduje się na stronie http://decyzje-it.pl 55

Bibliografia 56 [1] Adam Nowicki, Komputerowe wspomaganie biznesu (2006) [2] Karol Kukuła, Badania operacyjne w przykładach i zadaniach (2002) [3] Czesław Smutnicki, Algorytmy szeregowania (2002) [4] Ryszard Knosyla i Zespół, Komputerowe wspomaganie zarządzania przedsiębiorstwem Nowe metody i systemy (2007) [5] Zbigniew Klonowski, Systemy informatyczne zarządzania przedsiębiorstwem. Modele rozwoju i właściwości funkcjonalne (2004) [6] M. Fertsch, K. Grzybowska, A. Stachowiak, Logistyka i zarządzanie produkcją nowe wyzwania i odległe granice (2007) [7] S. Zieliński Inteligentne systemy w zarządzaniu. Teoria i praktyka (2000)

Zasoby internetu http://aragorn.pb.bialystok.pl Politechnika Białostocka, Wydział Informatyki wykład Krzysztof Krawczak - Systemy ekspertowe: Generowanie reguł drzewa decyzyjne, algorytm C4.5 http://kinio001.webpark.pl - Politechnika Gdańska Wydział Elektrotechniki i Automatyki, Kierunek Automatyka i Robotyka http://www.ci.pwr.wroc.pl/~kwasnick/cybula_nedza_www - strona o neuronowych systemach ekspertowych- Politechnika Wrocławska - INSTYTUT INFORMATYKI I-32 http://zsi.tech.us.edu.pl/~nowak/se/psshell.pdf http://www.neurosoft.edu.pl/tkwater/tk/se.pdf - wykład Systemy eksperckie Uniwersytet Rzeszowski Zakład Elektrotechniki i Informatyki http://www.cs.put.poznan.pl/jjozefowska/wyklady/ai/03eksperckie.pdf 57

Dziękuję za uwagę.