Fadak.IR راهکارهای فدک
English Русский العربية فارسی
مقالات مدیریت مطالعات زبان


/ مدیریت / مدیریت فناوری

سیستم پشتیبان تصمیم گیری (DSS: Decision Support System)


   تاریخچه
      تاریخچه سیستم تصمیم یار در یک نگاه
      کاربردهای DSS
   انواع سیستم‌های اطلاعاتی
      سیستم پشتیبانی از تصمیم (DSS: Decision Support System)
      اجزای DSS
      اهداف DSS
      اجزای DSS
      فرآیند DSS
      نرم افزار‌های گروه گرا(GroupWare)
      مفهوم سیستم تصمیم یار
      فناوریهای اصلی پشتیبانی از تصمیم
      پایگاه داده DSS
      مدیریت داده Data Managment
      مدیریت مدل   Model Managment
      واسط کاربری
   انواع سیستم‌های تصمیم یار DSS
      DSS ارتباط محور
      DSS داده محور
       DSS سند محور
      DSS دانش‌محور
      DSS مدل محور
      مدیریت مدل   Model managment
      تقسیم بندی مدلهای ریاضی
      سیستم‌های تصمیم یار سازمانی ODSS
      GDSS
      GDSS & ODSS
      طبقه بندی سیستم‌های MSS
   مدل
      انواع مدل
         مدل‌های مستحکم
         مدل اکتشافی
      طبقه بندی روشهای تحلیل تصمیم
      کاربردهای DSS
      طبقه بندی توان
   سیستم‌های EIS
      ویژگیهای تصمیمات مدیران ارشد
      ویژگیهای EIS
      پیاده سازی EIS
      روشهای EIS
      طبیعت EIS
      ویژگیهای رایج EIS
      فاکتور‌های تاثیر گذار در تصمیم گیری
      استراتژیهای تصمیم
   مفاهیم اولیه سیستم تصمیم یار
   DSS
   سیستم‌های تصمیم یار هوشمند
   سیستمهای پشتیبان مدیریت

تاریخچه

سایمن به جای استفاده از تصمیمات برنامه‌ریزی شده و غیر برنامه‌ریزی شده، از تصمیمات ساخت‌یافته و غیر ساخت یافته استفاده نمود.
تصمیمات ساخت‌یافته آنهایی هستند که مطابق با مراحل خاص و یا روتین هستند.
تصمیمات غیر ساخت‌یافته در غیاب چنین مراحلی اتخاذ می‌شوند.
گری و اسکات مورتون، منطقه مبهم میانی به نام تصمیمات نیمه ساخت‌یافته را تشخیص دادند.
گری و اسکات مورتون، انواع مسائل بازرگانی را در جدول خود وارد کردند. بعنوان مثال، حساب‌های دریافتنی بوسیله مدیران در سطح پایین تر با اتخاذ تصمیمات ساخت‌یافته حل می‌شود. برنامه ریزی R&D بوسیله مدیران سطح بالاتر در ستون برنامه‌ریزی استراتژیک، با اتخاذ تصمیمات غیر ساخت‌یافته اجرا می‌گردد.

سیستم‌های فروش و تولید برنامه‌ریزی r&d pert/cpm نمودار چارچوب مطرح شده بوسیله گری و اسکات مورتون خط نقطه چین وسط جدول مسائلی را که با استفاده از کامپیوتر بصورت موفقیت‌آمیزی حل می‌شوند بالای خط چین را از مسائلی که در همان زمان موضوع پردازش کامپیوتر نیست جدا می‌سازد. منطقه بالاتر به نام سیستمهای تصمیم ساخت یافته (Structured SDS  یا Decision System) و منطقه پایین‌تر به نام سیستمهای پشتیبان تصمیم یا DSS شناخته شده‌اند. گری و اسکات مورتون در ابتدا DSS را بعنوان تعریف کاربردهای آینده کامپیوتر شناختند. بعدها این اصطلاح برای تمام کاربردهای کامپیوتر که درجهت پشتیبانی تصمیم بود به کار گرفته شد. کمک مهم بعدی به درک DSS بوسیله استیون آل. آلتر انجام شده است. وی ضمن مطالعه‌ای در مورد 56 سیستم پشتیبانی تصمیم آنها را به 6 نوع عمده طبقه‌بندی کرد. وجه تمایز آنها در درجه پشتیبانی فراهم شده بوسیله آنها است:

  1. اتخاذ تصمیم پیشنهاد تصمیمها
  2.   برآورد نتایج تصمیم
  3.   دریافت گزارشهای استاندارد
  4.   تجزیه و تحلیل کل فایلها
  5.   بازیافت اجزا داده
  6.   دخالت مدیر، شش نوع DSS مطرح شده بوسیله آلتر است

مفهوم سیستمهای تصمیم یار برای اولین بار در سالهای آغازین دهه 70 بوسیله اسکات مورتون تحت عنوان سیستمهای تصمیم گیری مدیریت مطرح گردید. او چنین سیستمهایی را، سیستم‌های تعاملی برمبنای کامپیوتر نامید که با استفاده از داده‌ها و مدلها، تصمیم گیرندگان را در حل مسائل ساختار نایافته یاری می‌رسانند. تعریف دیگر DSS به وسیله کین و اسکات مورتن به شرح زیر ارائه شده است: سیستم‌های تصمیم‌یار منابع هوشمند انسانی را با تواناییهای کامپیوتر برای بهبود بخشیدن کیفیت تصمیمات ترکیب می‌کنند، آنها سیستمهایی برمبنای کامپیوتر (cbis) تصمیم‌گیریهای مدیریتی هستند که به مسائل نیمه ساختار یافته میپردازند. تعاریف مزبور به چهار ویژگی اصلی اشاره دارند:

  1. DSS داده‌ها و مدلها را با هم ترکیب می‌کند.
  2. DSSها برای کمک به مدیران در فرایند تصمیم‌گیری در مورد مسائل نیمه ساختار یافته و ساختار نایافته طراحی می‌شوند.
  3. DSSها تصمیمات مدیران را پشتیبانی می‌کنند و به هیچ وجه جایگزین آنها نمی‌شوند.
  4. هدف DSS بهبود اثر بخشی تصمیمات است.

باید یادآوری کرد که DSS اصطلاحی تفسیر بردار است به این معنی که برای اشخاص مختلف معانی مختلف دارد و تعریف جهان شمول قابل قبولی برای DSS وجود ندارد و در بسیاری ازحالات DSS با توجه به ویژگیها و فواید آن توصیف می‌شود. مفهوم DSS به خاطر استعمال غلط اصطلاح MIS در سیستم بوجود آمد MIS در ابتدا مفهومی متفاوت با پردازش داده داشت. هدف MIS استفاده از سیستم کامپیوتری برای کمک به مدیر در تصمیم‌گیری بود. ولی پس از مدتی MIS بعنوان تمام فعالیتهای کامپیوتری شناخته شد. بنابراین، وجود اصطلاحی برای نشان دادن نیاز مدیر به اطلاعات، احساس گردید. یک مسئله ساختاری را به تنهایی می‌توان توسط کامپیوتر با دنبال کردن یک برنامه فرعی که توسط مدیر تدارک میشود حل نمود. در حل مسائل نیمه ساختاری، مدیر بخش ساختار مسئله را با کامپیوتر حل می‌کند در حالیکه با آن بخش نیمه ساختاری به طور ذهنی برخورد می‌نماید. اگر مسئله فاقد هرگونه ساختار باشد، کامپیوتر هیچگونه کمکی نمی‌تواند بنماید و مدیر باید به طور ذهنی به یک راه حل برسد. مفهوم سیستم پشتیبانی تصمیم متداول‌ترین روش را برای استفاده کامپیوتر در حل مسئله در خلال سالهای دهه 1980 بوجود آمد. مدیران تشخیص داده‌اند می‌توانند با کامپیوتر بصورت یک تیم حل مسئله کار کنند.

تاریخچه سیستم تصمیم یار در یک نگاه

دهه 50 : سیستم‌هایی که در کارهای سطح پایین و TPS بودند.
دهه 60 : MIS و مجتمع کردن سیستم‌های TPS
دهه 70 : سیستم‌های اتوماسیون و DSS
دهه 80 : مفاهیم پیشرفت کرده و سیستم‌هایی برای مدیران ارشد آمده، البته امکانات زیادی نداشته و سیستم‌ها نیمه گرافیکی بوده‌اند . کاربردهای تجاری برای سیستم‌های خبره
دهه 90 : سیستم‌های گرافیکی پیشرفت کرد و سیستم‌های تصمیم گیری گروهی، محاسبات بر اساس شبکه‌های عصبی بوجود آمد. سیستم‌های هیبرید نیز بوجود آمد.

کاربردهای DSS

DSS سیستم‌های تعاملی هستند باید ارتباط بین انسان و ماشین را به خوبی برقرار کرد یک داده ورودی داریم، یک مدل و یک داده خروجی بدست می‌آوریم ولی یک رابط کاربری وجود دارد که فرد می‌نشیند و خروجی را re-optimization می‌کند و دوباره به مدل می‌دهد این کار را معمولا مدیران میانی انجام می‌دهند که سرشان خیلی شلوغ است بنابراین باید رابط کاربری به خوبی طراحی شود .
مولفه‌های اصلی DSS

انواع سیستم‌های اطلاعاتی

سیستمهای پردازش تراکنش TPS
سیستم‌های اطلاعات مدیریتMIS
سیستم‌های پشتیبان تصمیم گیری  DSS
سیستم‌های پشتیبان مدیران ارشد ESS

سیستم پشتیبانی از تصمیم (DSS: Decision Support System)

مجموعه‌ای از برنامه‌ها و داده‌های مرتبط بهم که برای کمک به تحلیل و تصمیم گیری طراحی می‌شوند. کمک این گونه سیستم‌ها در تصمیم گیری بیش از سیستم‌های مدیریت اطلاعات (MIS) یا سیستم‌های اطلاعات اجرایی(EIS) است.

اجزای DSS

این سیستم‌ها دارای یک بانک اطلاعاتی متشکل از دانش موجود درباره‌ی موضوع و یک زبان که برای فرموله کردن مسائل و پرسش بکار میرود و یک برنامه مدلسازی برای آزمایش تصمیمات ممکن هستند.

اهداف DSS

1) کمک به مدیر برای تصمیم گیری در مورد مسائل نیمه ساخت یافته
2) پشتیبانی تصمیم گیری انجام شده توسط مدیر و نه جایگزینی آن
3) بهبود کارائی تصمیم گیری و توجه بیشتر به اثر بخشی آن

اجزای DSS

  1. بانک مدلها
  2. بانک اطلاعاتی
    1. داده‌های خارجی
    2. داده‌های داخلی
  3. سیستم مدیریت بانک اطلاعاتی
  4. سیستم مدیریت مدلها
  5. نرم افزار مدیریت

فرآیند DSS

نرم افزار‌های گروه گرا(GroupWare)

نرم افزاری که به گروهی از کاربران یک شبکه امکان میدهد تا در رابطه با یک پروژه‌ی خاص با یکدیگر همکاری کنند. این گونه نرم افزار‌ها ممکن است خدماتی برای بر قراری ارتباط (مثلا پست الکترونیکی) و تأیید جمعی سند‌ها و زمان بندی و پیگیری فراهم کنند. سندها ممکن است حاوی متن و تصاویر یا دیگر اشکال اطلاعاتی باشند.
نرم افزار گروه گرا :که امکان فعالیت چندین حل کننده‌ی مسئله را در کنار هم برای هر راه حل فراهم می‌کند که در این مورد به عنوان سیستم پشتیبان تصمیم گیری گروهی بکار می‌رود.

این سیستم پشتیبان تصمیم گیری از بخش‌های زیر تشکیل شده است:

-مدیریت تقاضا و مدیریت ارشد
-برنامه ریزی احتیاجات مواد(MRP)
-کنترل فعالیت‌های تولید/ زمانبندی تامین کنندگان
-بانک اطلاعات
-زمانبندی خط مونتاژ
-هماهنگ کننده کارخانه
-رابط کاربر

هدف اصلی ایجاد یک سیستم پشتیبان تصمیم گیری برای کمک به زمانبندی تولید خط مونتاژ نهایی است به نحوی که تصمیم گیرنده بتواند امر هماهنگی تمامی اجزای کارخانه را طوری انجام بدهد که:

  1. از موجودی انبارها بتواند یک برنامه تولیدی استخراج نماید.
  2. از موجودی‌های در جریان ساخت و انبار محصول نیمه ساخته بهترین استفاده را بنماید.
  3. فیدبک‌های لازم را در جهت تعیین بهترین برنامه خطوط مونتاژ ارائه دهد.
  4. پیشنهادات سفارشات جدید رد یا قبول نماید.
  5. در مقابل حوادث برهم زننده برنامه ریزی تولید واکنش نشان دهد.

FCDSS طراحی شده شامل دو بخش زیر:
۱. زمانبندی و ارسال کننده سطح کارخانه : توسعه خطوط راهنمای زمانبندی در سطح کارخانه و بکارگیری آن برای تهیه برنامه زمانبندی زمان واقعی برای کارگاه‌ها و خطوط مونتاژ
۲ . نظارت کننده سطح کارخانه: نظارت بر پیشرفت جریان تولید

الگوریتم فرآیند پشتیبانی تصمیم‌گیری
گام ۱ ( با انتخاب یک محصول به عنوان محصول مورد نظر برای تولید، DSS ابتدا با بررسی فایل وضعیت اطلاعات مقایسه‌ای میان میزان دردسترس بودن مواد موجود در کارخانه با مواد مورد نیاز تولید آن محصول بر اساس لیست مواد(BOM) آن صورت می‌دهد و فایل میزان دردسترس بودن را استخراج و عمل تفکیک بین قطعات دردسترس و غیر دردسترس (مورد نیاز به ساخت) را صورت خواهد داد. این میزان، شاخصی برای امکان تولید آن محصول بر اساس وضعیت موجود کارخانه است.

پنج مورد از خصوصیات سیستم‌های DSS

  1. یک سیستم پشتیبان تصمیم، با کنار هم قرار دادن افکار انسانی و اطلاعات رایانه‌ای، از تصمیم‌گیرندگان حمایت و پشتیبانی می‌کند.
  2. این سیستمها برای پشتیبانی سطوح گوناگون مدیریت، از مدیران ارشد تا عملیاتی ارائه می‌شود.
  3. انعطاف پذیر است.
  4. قدرت ریسک را بالا می‌برد.
  5. سبب بهبود بخشیدن  دقت، کیفیت، بروز بودن تصمیمات در تصمیم گیری می‌شود

تعاریف متعددی برای DSS پیشنهاد شده است. این تعددتعابیر تاحدودی به سیر تکاملی این رویکرد بازمی گردد. تعاریف اولیه بیشتر بر قابلیت DSS درحل مسائل نیمه ساختاریافته تمرکز داشته‌اند و تعاریف بعدی اجزای اصلی سیستم و فرایند طراحی آن را موردتوجه قرار داده اند. دلیل دیگر این اختلاف، در زوایای نگرش متفاوت به موضوع نهفته است.

مفهوم سیستم تصمیم یار

سیستم‌های اطلاعات مدیریت اشکالاتی دارد که سیستم‌های پشتیبانی تصمیم برای رفع آنها بوجود آمده است. سیستم اطلاعات مدیریت به منظورتدارک پشتیبانی شخصی برای هر مدیرنمی باشد. این ضعف سیستم اطلاعات مدیریت، اقداماتی را باعث شد که منتهی به مفهوم سیستم پشتیبانی تصمیم گشت.
مفهوم سیستم پشتیبانی تصمیم،شکستهای اولیه سیستم اطلاعات مدیریت راتجربه نکرد. به احتمال قوی دلیل اصلی آن، دامنه محدودترسیستم پشتیبانی تصمیم است. برخورد ملایم تر سیستم پشتیبانی تصمیم، شانس موفقیت خود را حداکثر می‌کند.
این سیستمها،منابع انسانی (اگاهیهای فردی) را با قابلیتهای کامپیوتری ترکیب میکنند تا باعث ارتقاء کیفیت تصمیم گیریها مخصوصا در مورد مسائل نیمه ساخت یافته شوند. در واقع منابع فکری افراد را با قابلیت‌های کامپیوتر، جهت بهبود کیفیت تصمیمات به کار می‌گیرند. این سیستم‌ها، معمولاً برای حل مسائل نیمه ساخت یافته به کار می‌روند. این سیستمهای تعاملی مبتنی بر کامپیوتر می‌‌باشند که تصمیم‌گیران را یاری می‌کنند تا با به‌کارگیری داده‌ها و مدل‌ها، مسائل نیمه‌ساخت‌یافته را حل نمایند.
سیستم پشتیبان تصمیم گیرا  یک سیستم اطلاعاتی  کامپیوتری دوطرفه  (Interactive) است که انعطاف پذیر و وفق پذیر می‌باشد که بطور اختصاصی برای پشتیبانی حل یک مسئله غیرساخت یافته مدیریتی استفاده می‌شود.

خصوصیات کلی سیستمهای تصمیم یار

بطور کلی دلایل استفاده از سیستم DSS:

دلایل نیاز به سیستم‌های مکانیزه حمایت از تصمیم گیری
1)   محدودیتهای فکری بشر در پردازش وذخیره سازی: چون توانایی ذهن بشر در پردازش ذخیره ودسترسی به اطلاعات محدود است با استفاده ازاین سیستمها می‌توانیم این محدودیت را برطرف کنیم.
2)   محدودیتهای دانش: اگر برای حل یک مساله نیاز به اطلاعات ودانشهای متنوعی باشد توانائی یک فرد در حل ان مسئله محدود میباشدواگر بخواهیم از چندین متخصص در هر زمینه استفاده کنیم هماهنگی وارتباط بین این افراد مشکل خواهد بود.سیستمهای کامپیوتری این مشکلات را حل کرده ومی توانند به سرعت به حجم زیادی اطلاعات دسترسی پیدا کرده وانها راپردازش کنند همچنین میتوانند هماهنگی وارتباط بین ان افراد را اسان کنند.
3)   کاهش هزینه: حمایت کامپیوتری باعث کاهش تعداد افراد گروه می‌شود وامکان برقراری ارتباط از مناطق مختلف را برای اعضای گروه فراهم می‌سازد و همچنین باعث افزایش بهره وری بخش ستادی میشود که همه این موارد منجر به کاهش هزینه خواهد شد.
4)   حمایت فنی: کامپیوترها می‌توانند به سرعت وبه شکل مقرون به صرفه‌ای داده‌های لازم را جستجو وذخیره کنند یا انتقال دهند.
5)    حمایت از کیفیت: سیستمهای کامپیوتری با اجرای سریع شبیه سازیهای پیچیده به مدیران کمک میکنند تا امکانها و راهکارهای گوناگون را بررسی وتاثیرات مختلف را به سرعت ومقرون به صرفه ارزیابی کنند واز این طریق کیفیت تصمیمها را بالا ببرند.
6)    حاشیه رقابت_مهندسی مجدد فرایندها واختیارات: فناوریهای کامپیوتری در زمینه فشارهای رقابتی وتغییر در وضعیت عملیات سازمان، مهندسی مجدد فرایندها وساختارها، اختیارات کارکنان ونواوریها به مدیران اختیارهایی اعطا وانها را در اخذ تصمیم درست وسریع یاری می‌کنند.

فناوریهای اصلی پشتیبانی از تصمیم

سیستم حمایت از تصمیم (DSS)
سیستم حمایت از تصمیم گروهی(GDSS)
سیستمهای اطلاعات مدیریت عالی(EIS)
سیستمهای خبره(ES)
شبکه‌های عصبی مصنوعی(ANN)
سیستمهای حمایت ترکیبی(MSS)

تعیین چهارچوبی برای پشتیبانی از تصمیم
فرایندهای تصمیم گیری شامل سه نوع تصمیمات ساختار یافته (قابل برنامه ریزی)، نیمه ساختار یافته، ساختار نیافته(غیر قابل برنامه ریزی) است. فعالیتهای مدیریت نیز شامل سه قسمت برنامه استراتزیک، کنترل مدیریت، کنترل عملیاتی است. از ترکیب این تصمیمات و فعالیتها حالتهای مختلفی بوجود می‌آید که برای هر حالت یک یا چند سیستم اطلاعاتی جوابگو است. برای مثال زمانیکه تصمیم از نوع ساخت یافته است سیستمهای MIS، OR، TPS، DP جوابگو است یا اگر نیمه ساخت یافته باشد DSS مناسب است.

پایگاه داده DSS

DSS از دادههای داخل ( پایگاه‌های داده سازمان)، دادههای خارجی (اینترنت) و دادههای شخصی فرد تصمیمگیر استفاده مینماید.
DSS می‌تواند خود دارای Database مستقل بوده یا از پایگاههای داده سازمان استفاده نماید

عناصر داخلی DSS

معرفی DSS در 4 فاز
یک نمونه Framework برای تعیین سیستمهای مورد نیاز یک سازمان  

نتیجه گیری کلی

مدیریت داده Data Managment

مدیریت داده کار ذخیره سازی و نگهداری از داده‌هایی را انجام می‌دهد که کاربر از طریق سیستم بر روی آنها تحلیل انجام می‌دهد. این بخش هم شامل یک پایگاه داده و هم نرم افزار مدیریت پایگاه داده می‌شود. در واقع اطلاعات در بستر یک نرم افزار مدیریت پایگاه داده ذخیره سازی شده و مورد استفاده قرار می‌گیرند. اطلاعاتی که در DSS مورد استفاده قرار می‌گیرند معمولاً از سه منبع عمده تامین می‌شوند: قسمتی از اطلاعات، اطلاعات سازمانی هستند که بسته به هدف کاربر از بکارگیری سیستم می‌تواند اطلاعات مختلفی را از محیط سازمان در بر بگیرد. معمولاً اطلاعات مورد نظر از پایگاه داده سازمانی و یا گاهی پایگاه داده تحلیلی بدست می‌آیند. بعضی از تصمیمات نیازمند استفاده از اطلاعات از منابع بیرونی مانند گزارشات دولتی، اینترنت و غیره هستند که به عنوان اطلاعات تکمیلی برای DSS مورد استفاده قرار می‌گیرند و آنها را اطلاعات بیرونی می‌نامند. همچنین گاهی می‌توان DSS‌هایی را طراحی کرد که اطلاعات را از کاربر دریافت می‌کند. به عبارتی به جای استخراج اطلاعات از منابع مختلف سازمانی و برون سازمانی، کاربر اطلاعات خود را وارد پایگاه داده سیستم می‌کند.

مدیریت مدل   Model Managment

این جزء از DSS شامل مدلهای ذخیره شده در یک پایگاه مدل و نرم افزاری تحت عنوان سیستم مدیریت مدلها است که کار ایجاد و دسترسی به مدلها را بر عهده دارد. و اما مدل چیست؟
در واقع یک مدل بازنمایی است از یک سری وقایع و شرایط محیطی. انسانها برای درک خود از محیط و جهانی که در آن زندگی می‌کنند و درک پدیده‌های مرتبط با آن از مدلها استفاده می‌کنند. مدلهایی که بشر مورد استفاده قرار می‌دهد به چهار شکل:
1.    مدلهای فیزیکی که در ابعادی معمولاً کوچکتر از اندازه واقی یک موجودیت یا یک شی ساخته می‌شود تا ویژگیهای آن را به نمایش گذارد. مانند ماکت یک ساختمان
2.    مدلهای گرافیکی که به صورت تصویری یک واقعیت را بیان بیان می‌کند و مانند نقشه‌های جغرافیایی و یا نقشه یک ساختمان.
3.    مدلهای تشریحی که با استفاده از گفتار و نوشتار به وصف یک پدیده یا حادثه یا یک شی می‌پردازد. برای مثال توصیفی که ما از یک حادثه رانندگی داریم و یا اخباری که هر روزه در روزنامه‌ها و تلویزیون اعلام می‌شوند.
4.    مدلهای ریاضی که با تعریف تعدادی متغیر و تعیین نحوه تاثیر این متغیر‌ها بر یکدیگر تصمیم گیرندگان را در مدلسازی مسائل و راه حلهای ممکن یاری می‌دهند.
سیستمهای DSS برای مدلسازی مسائل و راه حلهای آنها از مدلهای ریاضی استفاده می‌کنند.

تقسیم بندی مدلهای ریاضی

DSS‌ها با ارائه مدلهای تصمیم گیری که به کاربر امکان تحلیل اطلاعات را به اشکال مختلف می‌دهد، فرایند تصمیم گیری را اثربخش تر می‌کند. مدلهایی که در یک DSS استفاده می‌شوند به نوع تصمیمات و نوع تحلیل مورد نیاز بستگی دارد. قسمت مدیریت مدلهای سیستم DSS مدلهای سیستم را ذخیره سازی و نگهداری می‌کند و وظایف آن شبیه به وظایف سیستم مدیریت پایگاه داده نسبت به داده‌هاست. سیستم مدیریت مدلها نمی‌تواند تعیین کند کدام مدل برای حل یک مساله مناسب تر است ولیکن می‌تواند به کاربر کمک کند تا مدلها را با سرعت و به آسانی ایجاد و دستکاری کند.

واسط کاربری

واسط کاربری جزئی از سیستم است که به کاربر امکان می‌دهد با سیستم ارتباط برقرار کند. به عبارتی بخشی از سیستم است که به کاربر امکان می‌دهد دانش خود را با قابلیتهای پردازشیو ذخیره سازی سیستم در هم آمیزد. واسط کاربری قسمتی از سیستم است که کاربر آن را می‌بیند، و از طریق آن اطلاعات، دستورها و مدلها را وارد می‌کند و تنها قسمتی از سیستم است که مستقیماً با کاربر در ارتباط است.
استفاده از سیستمهای DSS باعث افزایش اثربخشی فرایند تصمیم گیری خواهد شد و در واقع این نوع از سیستمها مفهوم OLAP را مورد حمایت قرار می‌دهند. بکارگیری این سیستمها باعث خواهد شد هزینه‌های تصمیم گیری به علت استفاده از مدلهای مناسب توسط کاربر به میزان قابل ملاحظه‌ای کاهش یابد. در واقع کاربر به جای استفاده از روشهای آزمون و خطا که روشی بسیار پرهزینه برای تصمیم گیری است قبل از اینکه هرگونه اقدام عملی را انجام دهد نتایج را در قالب مدلهای مختلف خواهد دید.
استفاده از مدلهای ریاضی به علت پیچیدگی از محبوبیت چندانی برخوردار نیست و بسیاری از تصمیم گیرندگان به علت عدم تسلط کافی به استفاده از این مدلها تمایل چندانی به بکارگیری سیستمهای پشتیبان تصمیم گیری ندارند. برای حل این مشکل برای کار کردن با این سیستمها از واسط‌های کاربری گرافیکی استفاده می‌شود که درک و تقسیر آنها به راحتی صورت می‌پذیرد

انواع سیستم‌های تصمیم یار DSS

سیستم‌های تصمیم یار DSS نوعی سیستم اطلاعاتی کامپیوتری هستند که از فعالیت‌های تصمیم گیری پشتیبانی می‌کنند. DSS سیستم و زیرسیستم تعاملی مبتنی بر کامپیوتر است که برای کمک به تصمیم گیرندگان فناوری‌های ارتباطات، داده‌ها، اسناد، دانش و / یا مدل‌ها برای انجام وظایف پردازش تصمیم گیری طراحی شده است.
کاربردهای سیستم‌های تصمیم یار سیستم تصمیم یار ممکن است اطلاعات را به صورت گرافیکی ارائه کند و یا یک سیستم متخصص یا هوش مصنوعی (AI) باشد. این سیستم با هدف کمک به مدیران اجرایی یا دیگر گروه‌های دانش روز طراحی می‌شود.
مزایای سیستم‌های تصمیم یار برنامه تصمیم یار اطلاعاتی را جمع آوری و ارائه می‌کند.

DSS ارتباط محور

گروه هدف بیشتر DSS‌های ارتباط محور، تیم‌های داخلی از جممله شرکا و همکاران است. هدف این سیستم‌های تصمیم یار کمک به برگزاری جلسه یا همکاری با کاربران است. رایج‌ترین تکنولوژی استفاده شده برای راه اندازی این DSS، سرور وب یا کلاینت است. نمونه‌هایی از انواع سیستم‌های تصمیم یار ارتباط محور شامل چت و نرم افزارهای پیام رسانی فوری، همکاری آنلاین و سیستم‌های نت میتینگ می‌باشد.

DSS داده محور

گروه هدف اغلب DSS‌های داده محور مدیران، کارکنان و همچنین تامین کنندگان محصولات / خدمات هستند. که برای جستجو از یک پایگاه داده به منظور جستجوی پاسخ‌های خاص برای اهداف خاص استفاده می‌شود. این سیستم از طریق یک سیستم فریم اصلی، لینک کلاینت / سرور یا از طریق وب کار می‌کند. نمونه‌هایی از انواع سیستم‌های تصمیم یار داده محور شامل پایگاه داده‌های مبتنی بر کامپیوتر دارای یک سیستم جستجو برای بررسی میباشد. (شامل ترکیب داده‌هایی جهت افزودن به پایگاه داده‌های موجود).

 DSS سند محور

DSS‌های سند محور رایج تر بوده و در پایگاه‌های گسترده‌ای از گروه‌های کاربری مورد استفاده قرار می‌گیرند. هدف چنین DSS‌ای جستجو در صفحات وب و پیدا کردن اسناد در مجموعه خاصی از کلمات کلیدی یا شرایط جستجوست. تکنولوژی معمولی برای راه اندازی چنین DSS ای، از طریق وب یا یک سیستم کلاینت / سرور است.

DSS دانش‌محور

DSS دانش محور یا پایگاه دانش برنامه‌ای جامع است که طیف وسیعی از سیستم‌هایی را پوشش میدهد که کاربران داخل سازمان را پوشش می‌دهند، بااین حال می‌تواند سایر افرادی که در تعامل با سازمان هستند مانند مصرف کنندگان کسب و کار را نیز پوشش دهد. این سیستم اساسا برای ارائه مشاوره مدیریت یا انتخاب محصولات / خدمات استفاده می‌شود. تکنولوژی مورد استفاده برای راه اندازی چنین سیستمی می‌تواند سیستم‌های کلاینت / سرور، وب و یا نرم افزار باشد.

DSS مدل محور

سیستم‌های DSS  مدل محور سیستم‌های پیچیده‌ای هستند که به تجزیه و تحلیل تصمیم‌ها کمک کرده و گزینه‌های مختلفی را انتخاب می‌کنند. این موارد توسط مدیران و کارکنان یک شرکت یا افرادی که با سازمان ارتباط دارند، برای اهداف مختلفی همچون برنامه ریزی، تجزیه و تحلیل تصمیم گیری و غیره به کار گرفته می‌شوند. این انواع سیستم‌های تصمیم یار می‌توانند از طریق نرم افزار / سخت افزار در کامپیوترهای شخصی، سیستمهای کلاینت / سرور یا وب مورد استفاده قرار گیرند.

مدیریت مدل   Model managment

این جزء از DSS شامل مدلهای ذخیره شده در یک پایگاه مدل و نرم افزاری تحت عنوان سیستم مدیریت مدلها میشود که کار ایجاد و دسترسی به مدلها را بر عهده دارد. و اما مدل چیست؟
در واقع یک مدل بازنمایی است از یک سری وقایع و شرایط محیطی. انسانها برای درک خود از محیط و جهانی که در آن زندگی می‌کنند و درک پدیده‌های مرتبط با آن از مدلها استفاده می‌کنند. مدلهایی که بشر مورد استفاده قرار می‌دهد به چهار شکل است:

  1. مدلهای فیزیکی که در ابعادی معمولاً کوچکتر از اندازه واقی یک موجودیت یا یک شی ساخته می‌شود تا ویژگیهای آن را به نمایش گذارد. مانند ماکت یک ساختمان
  2. مدلهای گرافیکی که به صورت تصویری یک واقعیت را بیان بیان می‌کند و مانند نقشه‌های جغرافیایی و یا نقشه یک ساختمان.
  3. مدلهای تشریحی که با استفاده از گفتار و نوشتار به وصف یک پدیده یا حادثه یا یک شی می‌پردازد. برای مثال توصیفی که ما از یک حادثه رانندگی داریم و یا اخباری که هر روزه در روزنامه‌ها و تلویزیون اعلام می‌شوند.
  4. مدلهای ریاضی که با تعریف تعدادی متغیر و تعیین نحوه تاثیر این متغیر‌ها بر یکدیگر تصمیم گیرندگان را در مدلسازی مسائل و راه حلهای ممکن یاری می‌دهند.
    سیستمهای DSS برای مدلسازی مسائل و راه حلهای آنها از مدلهای ریاضی استفاده می‌کنند.

تقسیم بندی مدلهای ریاضی

مدلهای ایستا در برابر مدلهای پویا: مدلهایی که در آنها زمان به عنوان یک متغیر تعریف شده باشد را مدلهای پویا می‌گوییم و مدلهایی که در آنها متغیر زمان وجود نداشته باشد را مدلهای ایستا می‌نامیم. برای مثال مدلی که میزان رشد فروش یک شرکت را در طی پنج سال آینده پیش بینی کند مدلی پویاست. ولی ترازنامه یک شرکت که دارائی‌های آن را در یک لحظه خاص از زمان مثلاً پایان سال کاری به نمایش می‌گذارد مدلی ایستا می‌باشد. مدلهای ایستا همانند عکس هستند که یک لحظه را ثبت می‌کنند و لیکن مدلهای پویا همانند تصویر متحرکند که شرایط را در زمانهای مختلف نشان می‌دهند.

مدلهای احتمالی در برابر مدلهای قطعی: در مدلهای قطعی احتمال رخ دادن هر واقعه‌ای یا صفر است و یا یک. ولی در مدلهای احتمالی این احتمال از یک تا صفر متغیر است. مدلهایی احتمالی مدلهایی هستند درصدی از احتمال را برای وقوع رخدادی در نظر می‌گیرند. برای مثال مدلهایی که در کنترل کیفیت مورد استفاده قرار می‌گیرند و یا مدلهای آماری از این نوعند.
مدلهای بهینه و مدلهای خرده بهینه : مدلهای بهینه مدلهایی هستند که بهترین راه حل را از بین گزینه‌های مختلف انتخاب می‌کنند. این مدلها را برای مسائلی می‌توان مورد استفاده قرار داد که که به خوبی ساختارمند باشند. مدلهای خرده بهینه که گاهی مدلهای قانع کننده  نیز نامیده می‌شوند همواره بهترین راه حل را ارائه نمی‌کنند بلکه راه حلهای مختلف و نسبتاً مناسبی را ارائه می‌کنند که در این حالت انتخاب نهایی به عهده کاربر خواهد بود.
DSS‌ها با ارائه مدلهای تصمیم گیری که به کاربر امکان تحلیل اطلاعات را به اشکال مختلف می‌دهد، فرایند تصمیم گیری را اثربخش تر می‌کند. مدلهایی که در یک DSS استفاده می‌شوند به نوع تصمیمات و نوع تحلیل مورد نیاز بستگی دارد. قسمت مدیریت مدلهای سیستم DSS مدلهای سیستم را ذخیره سازی و نگهداری می‌کند و وظایف آن شبیه به وظایف سیستم مدیریت پایگاه داده نسبت به داده‌هاست. سیستم مدیریت مدلها نمی‌تواند تعیین کند کدام مدل برای حل یک مساله مناسب تر است ولیکن می‌تواند به کاربر کمک کند تا مدلها را با سرعت و به آسانی ایجاد و دستکاری کند.

واسط کاربری
واسط کاربری جزئی از سیستم است که به کاربر امکان می‌دهد با سیستم ارتباط برقرار کند. به عبارتی بخشی از سیستم است که به کاربر امکان می‌دهد دانش خود را با قابلیتهای پردازشیو ذخیره سازی سیستم در هم آمیزد. واسط کاربری قسمتی از سیستم است که کاربر آن را می‌بیند، و از طریق آن اطلاعات، دستورها و مدلها را وارد می‌کند و تنها قسمتی از سیستم است که مستقیماً با کاربر در ارتباط است.
استفاده از سیستمهای DSS باعث افزایش اثربخشی فرایند تصمیم گیری خواهد شد و در واقع این نوع از سیستمها مفهوم OLAP را مورد حمایت قرار می‌دهند. بکارگیری این سیستمها باعث خواهد شد هزینه‌های تصمیم گیری به علت استفاده از مدلهای مناسب توسط کاربر به میزان قابل ملاحظه‌ای کاهش یابد. در واقع کاربر به جای استفاده از روشهای آزمون و خطا که روشی بسیار پرهزینه برای تصمیم گیری است قبل از اینکه هرگونه اقدام عملی را انجام دهد نتایج را در قالب مدلهای مختلف خواهد دید.
استفاده از مدلهای ریاضی به علت پیچیدگی از محبوبیت چندانی برخوردار نیست و بسیاری از تصمیم گیرندگان به علت عدم تسلط کافی به استفاده از این مدلها تمایل چندانی به بکارگیری سیستمهای پشتیبان تصمیم گیری ندارند. برای حل این مشکل برای کار کردن با این سیستمها از واسط‌های کاربری گرافیکی استفاده می‌شود که درک و تقسیر آنها به راحتی صورت می‌پذیرد.

معرفی DSS در 4 فاز :
یک نمونه Framework برای تعیین سیستمهای مورد نیاز یک سازمان 
نتیجه گیری کلی :
•    یک DSS   یک سیستم بسیار ضروری برای تمامی سازمانها، به ویژه مدیریت سازمان می‌باشد .
•   در حال حاضر کامل‌ترین سیستم برای یک سازمان، DSS می‌باشد .
•   DSS بطور مستقیم با مدیران در ارتباط است وبا پردازش انبوهی از داده‌ها، گزینه‌های یک تصمیم را در اختیار او قرار می‌دهد .
•   DSS در بستر IS تعریف و پیاده سازی می‌شود مدیریت داده     data managment
مدیریت داده کار ذخیره سازی و نگهداری از داده‌هایی را انجام می‌دهد که کاربر از طریق سیستم بر روی آنها تحلیل انجام می‌دهد. این بخش هم شامل یک پایگاه داده و هم نرم افزار مدیریت پایگاه داده می‌شود. در واقع اطلاعات در بستر یک نرم افزار مدیریت پایگاه داده ذخیره سازی شده و مورد استفاده قرار می‌گیرند. اطلاعاتی که در DSS مورد استفاده قرار می‌گیرند معمولاً از سه منبع عمده تامین می‌شوند: قسمتی از اطلاعات، اطلاعات سازمانی هستند که بسته به هدف کاربر از بکارگیری سیستم می‌تواند اطلاعات مختلفی را از محیط سازمان در بر بگیرد. معمولاً اطلاعات مورد نظر از پایگاه داده سازمانی و یا گاهی پایگاه داده تحلیلی بدست می‌آیند. بعضی از تصمیمات نیازمند استفاده از اطلاعات از منابع بیرونی مانند گزارشات دولتی، اینترنت و غیره هستند که به عنوان اطلاعات تکمیلی برای DSS مورد استفاده قرار می‌گیرند و آنها را اطلاعات بیرونی می‌نامند. همچنین گاهی می‌توان DSS‌هایی را طراحی کرد که اطلاعات را از کاربر دریافت می‌کند. به عبارتی به جای استخراج اطلاعات از منابع مختلف سازمانی و برون سازمانی، کاربر اطلاعات خود را وارد پایگاه داده سیستم می‌کند.

دلایل نیاز به سیستم‌های مکانیزه حمایت از تصمیم گیری:

  1. محدودیتهای فکری بشر در پردازش وذخیره سازی: چون توانایی ذهن بشر در پردازش ذخیره ودسترسی به اطلاعات محدود است با استفاده ازاین سیستمها می‌توانیم این محدودیت را برطرف کنیم.
  2. محدودیتهای دانش: اگر برای حل یک مساله نیاز به اطلاعات ودانشهای متنوعی باشد توانائی یک فرد در حل ان مسئله محدود میباشدواگر بخواهیم از چندین متخصص در هر زمینه استفاده کنیم هماهنگی وارتباط بین این افراد مشکل خواهد بود.سیستمهای کامپیوتری این مشکلات را حل کرده ومی توانند به سرعت به حجم زیادی اطلاعات دسترسی پیدا کرده وانها راپردازش کنند همچنین میتوانند هماهنگی وارتباط بین ان افراد را اسان کنند.
  3. کاهش هزینه: حمایت کامپیوتری باعث کاهش تعداد افراد گروه می‌شود وامکان برقراری ارتباط از مناطق مختلف را برای اعضای گروه فراهم می‌سازد و همچنین باعث افزایش بهره وری بخش ستادی میشود که همه این موارد منجر به کاهش هزینه خواهد شد.
  4. حمایت فنی: کامپیوترها می‌توانند به سرعت وبه شکل مقرون به صرفه‌ای داده‌های لازم را جستجو وذخیره کنند یا انتقال دهند.
  5. حمایت از کیفیت: سیستمهای کامپیوتری با اجرای سریع شبیه سازیهای پیچیده به مدیران کمک میکنند تا امکانها و راهکارهای گوناگون را بررسی وتاثیرات مختلف را به سرعت ومقرون به صرفه ارزیابی کنند واز این طریق کیفیت تصمیمها را بالا ببرند.
  6. حاشیه رقابت_مهندسی مجدد فرایندها واختیارات: فناوریهای کامپیوتری در زمینه فشارهای رقابتی وتغییر در وضعیت عملیات سازمان، مهندسی مجدد فرایندها وساختارها، اختیارات کارکنان ونواوریها به مدیران اختیارهایی اعطا وانها را در اخذ تصمیم درست وسریع یاری می‌کنند.

خصوصیات کلی سیستمهای تصمیم یار :
•   سیستمی  است که به منظور پشتیبانی از تصمیم‌گیری نیمه‌ساخت‌یافته بکار می‌رود.
•   بر خط (On-line) است .
•   رابط کاربر و خروجی‌های گرافیکی می‌باشد .
•   یک سیستم برپایه کامپیوتر است که از تکنولوژی‌ها و متدولوژی‌های کامپیوتری استفاده می‌کند .
•   به تصمیم گیری کمک می‌کند ولی جایگزین فرد تصمیم گیر نمی‌شود.
•   از پایگاههای داده، مدلهای تحلیلی و محاسباتی و سیستم‌های خبره درحل مسائل استفاده می‌کند.
•   قابلیت بکارگیری درحل مسائل نیمه ساختاریافته و بی ساختار را داراست ;
•   قابلیت پشتیبانی از تصمیم گیریهای فردی و گروهی "GDSS" را دارد;
•   برای کلیه سطوح مدیریتی قابل استفاده است ;
•   دقت، سرعت و کیفیت تصمیم گیری را بهبود می‌بخشد "بهبود اثربخشی " ولی درراندمان تصمیم گیری "هزینه تصمیم گیری " تاثیری ندارد;
•   سیستم‌های DSS به سمت قابلیت‌های یادگیری و خلاقیت، کارکرد شبکه‌ای و سهولت بهره برداری به پیش می‌رود
•   DSS، تصمیم گیران سازمان را با کنار هم آوردن قضاوت انسانی و اطلاعات کامپیوتری شده در حل مسائل ساخت یافته و نیمه ساخت یافته یاری می‌کند، که اینگونه مسائل قابل حل با سیستمهای کامپیوتری دیگر و یا ابزارها و متدهای استاندارد نیستند.
•   پشتیبانی برای سطوح مختلف مدیریتی از سطوح استراتژیک گرفته تا مدیران عملیاتی فراهم می‌شود
•   پشتیبانی هم برای تصمیم گیری انفرادی و هم تصمیم گیری گروهی وجود دارد .
•   DSS برای چندین تصمیم گیری مرتبط با هم و یا تصمیم گیریهای متوالی پشتیبانی فراهم می‌‌کند.
•   DSS تمام مراحل تصمیم گیری را که: هوش (جستجوی شرایطی که نیاز به تصمیم گیری دارند)، طراحی (اختراع، توسعه و بررسی گزینه‌های موجود برای پیاده کردن تصمیم)، انتخاب ( انتخاب یکی از گزینه‌های ممکن) و پیاده سازی است را پشتیبانی می‌کند .
•    انواع مختلف فرآیندهای تصمیم گیری را پشتیبانی می‌کند .
•    DSS انعطاف پذیر است طوریکه کاربران بر حسب تغییراتی که بوجود می‌آید می‌توانند سیستم را نسبت به نیاز خود شکل دهند، به این معنی که عناصر اصلی را اضافه، حذف، ترکیب و یا سازماندهی دوباره کنند.
•    DSS در تلاش است که تاثیر گذار بودن تصمیم گیری یعنی دقت، بروز بودن تصمیمات را بهبود ببخشد.
•     تصمیم گیرنده بر تمامی مراحل تصمیم گیری در حل یک مسئله تسلط دارد .
•    DSS از مدلها برای ارزیابی موقعیتهای تصمیم گیری استفاده می‌کند. توانایی مدل کردن باعث می‌شود که استراتژیهای مختلف را در ترکیبها و شرایط مختلف بتوانیم بررسی کنیم .
•    DSS دستیابی به انواع مختلف منابع داده با فرمتهای گوناگون را فراهم می‌کند

بطور کلی دلایل استفاده از سیستم DSS

•   محاسبه سریع: کامپیوتر به تصمیم گیرنده اجازه می‌دهد مقادیر بسیار زیادی از داده را در مدت زمان کوتاه و با هزینه کمی پردازش کند .
•   غلبه بر محدودیتهای انسانی محاسبات و ذخیره سازی: مغز انسان در تجزیه و تحلیل اطلاعات و همچنین یادآوری آنها دارای محدودیت است .
•   محدودیتهای انسانی: قدرت حل مسئله یک فرد دارای محدودیت است
•   کاهش هزینه: کنار هم آوردن گروهی از تصمیم گیران مخصوصاً کارشناسان ممکن است هزینه زیادی داشته باشد
•   پشتیبانی فنی: بسیاری از تصمیمات محاسبات پیچیده‌ای را می‌طلبند
•   پشتیبانی کیفیت: سیستمهای کامپیوتری تصمیم گیرا می‌توانند کیفیت تصمیمات اتخاذ شده را بهبود بخشند.
•   رقابت: فشار رقابتی تصمیم گیری را مشکل می‌کند.
DSS اولین بار در سالهای 1970 توسط آقای Lester مطرح شد.
از بدو ظهور ایده تصمیم گیری به کمک کامپیوتر در انستیتو تکنولوژی کارنگی "CARNEGIE" تا به امروز، تعاریف متعددی برای DSS پیشنهاد شده است . این تعددتعابیر تاحدودی به سیر تکاملی این رویکرد بازمی گردد. تعاریف اولیه بیشتر بر قابلیت DSS درحل مسائل نیمه ساختاریافته تمرکز داشته‌اند و تعاریف بعدی اجزای اصلی سیستم و فرایند طراحی آن را موردتوجه قرار داده اند. دلیل دیگر این اختلاف، در زوایای نگرش متفاوت به موضوع نهفته است .

مفهوم سیستم تصمیم یار

همانگونه که گفته شد سیستم‌های اطلاعات مدیریت اشکالاتی دارد که سیستم‌های پشتیبانی تصمیم برای رفع آنها بوجود آمده است. سیستم اطلاعات مدیریت به منظور تدارک پشتیبانی شخصی برای هر مدیرنمی باشد. این ضعف سیستم اطلاعات مدیریت، اقداماتی را باعث شد که منتهی به مفهوم سیستم پشتیبانی تصمیم گشت.
مفهوم سیستم پشتیبانی تصمیم، شکستهای اولیه سیستم اطلاعات مدیریت راتجربه نکرد. به احتمال قوی دلیل اصلی آن، دامنه محدودترسیستم پشتیبانی تصمیم است. برخورد ملایم تر سیستم پشتیبانی تصمیم، شانس موفقیت خود را حداکثر می‌کند.
این سیستمها،منابع انسانی (اگاهیهای فردی ) را با قابلیتهای کامپیوتری ترکیب میکنند تا باعث ارتقاء کیفیت تصمیم گیریها مخصوصا در مورد مسائل نیمه ساخت یافته شوند.
سیستم‌های پشتیبانی تصمیم، سیستم‌هایی هستند که منابع فکری افراد را با قابلیت‌های کامپیوتر، جهت بهبود کیفیت تصمیمات به کار می‌گیرند. این سیستم‌ها، معمولاً برای حل مسائل نیمه ساخت یافته به کار می‌روند.
 سیستم‌های پشتیبانی تصمیم، سیستمهای تعاملی مبتنی بر کامپیوتر می‌‌باشند که تصمیم‌گیران را یاری می‌کنند تا با به‌کارگیری داده‌ها و مدل‌ها، مسائل نیمه‌ساخت‌یافته را حل نمایند.
به طور خلاصه می‌توان سیستمهای حمایت ازتصمیم(DSS)را به این گونه‌ها تعریف کرد :
این سیستمها، منابع انسانی (اگاهیهای فردی) را با قابلیتهای کامپیوتری ترکیب میکنند تا باعث ارتقاء کیفیت تصمیم گیریها مخصوصا در مورد مسائل نیمه ساخت یافته شوند .
سیستم پشتیبان تصمیم گیرا  یک سیستم اطلاعاتی  کامپیوتری دوطرفه  (Interactive) است که انعطاف پذیر و وفق پذیر می‌باشد که بطور اختصاصی برای پشتیبانی حل یک مسئله غیرساخت یافته مدیریتی استفاده می‌شود .

نرم افزار‌های گروه گرا(GroupWare)
نرم افزاری که به گروهی از کاربران یک شبکه امکان میدهد تا در رابطه با یک پروژه‌ی خاص با یکدیگر همکاری کنند. این گونه نرم افزار‌ها ممکن است خدماتی برای بر قراری ارتباط (مثلا پست الکترونیکی) و تئلید جمعی سند‌ها و زمان بندی و پیگیری فراهم کنند.سندها ممکن است حاوی متن و تصاویر یا دیگر اشکال اطلاعاتی باشند.
نرم افزار گروه گرا :که امکان فعالیت چندین حل کننده‌ی مسئله را در کنار هم برای هر راه حل فراهم می‌کند که در این مورد به عنوان سیستم پشتیبان تصمیم گیری گروهی بکار می‌رود.
این سیستم پشتیبان تصمیم گیری از بخش‌های زیر تشکیل شده است:

هدف اصلی ایجاد یک سیستم پشتیبان تصمیم گیری برای کمک به زمانبندی تولید خط مونتاژ نهایی است به نحوی که تصمیم گیرنده بتواند امر هماهنگی تمامی اجزای کارخانه را طوری انجام بدهد که:
1) از موجودی انبارها بتواند یک برنامه تولیدی استخراج نماید
2) از موجودی‌های در جریان ساخت و انبار محصول نیمه ساخته بهترین استفاده را بنماید
3) فیدبک‌های لازم را در جهت تعیین بهترین برنامه خطوط مونتاژ ارائه دهد
4 ) پیشنهادات سفارشات جدید رد یا قبول نماید
5) در مقابل حوادث برهم زننده برنامه ریزی تولید واکنش نشان دهد

FCDSS طراحی شده شامل دو بخش زیر است:
۱. زمانبندی و ارسال کننده سطح کارخانه : توسعه خطوط راهنمای زمانبندی در سطح کارخانه و بکارگیری آن برای تهیه برنامه زمانبندی زمان واقعی برای کارگاه‌ها و خطوط مونتاژ
۲ . نظارت کننده سطح کارخانه: نظارت بر پیشرفت جریان تولید

الگوریتم فرآیند پشتیبانی تصمیم گیری
گام ۱ ( با انتخاب یک محصول به عنوان محصول مورد نظر برای تولید، DSS ابتدا با بررسی فایل وضعیت اطلاعات مقایسه‌ای میان میزان دردسترس بودن مواد موجود در کارخانه با مواد مورد نیاز تولید آن محصول بر اساس لیست مواد(BOM) آن صورت می‌دهد و فایل میزان دردسترس بودن را استخراج و عمل تفکیک بین قطعات دردسترس و غیر دردسترس (مورد نیاز به ساخت) را صورت خواهد داد. این میزان، شاخصی برای امکان تولید آن محصول بر اساس وضعیت موجود کارخانه است.

پنج مورد از خصوصیات سیستمهای DSS :

  1. یک سیستم پشتیبان تصمیم، با کنار هم قرار دادن افکار انسانی و اطلاعات رایانه‌ای، از تصمیم‌گیرندگان حمایت و پشتیبانی می‌کند.
  2. این سیستمها برای پشتیبانی سطوح گوناگون مدیریت، از مدیران ارشد تا عملیاتی ارائه می‌شود.
  3. انعطاف پذیر است.
  4. قدرت ریسک را بالا می‌برد.
  5. سبب بهبود بخشیدن  دقت، کیفیت، بروز بودن تصمیمات در تصمیم گیری می‌شود.

سیستم‌های تصمیم یار سازمانی ODSS

سیستم‌هایی شبیه داوری مقالات و مدیریت کنفرانس می‌باشد، افراد مختلف تصمیم گیری می‌کنند و روی نظر آنها به صورت توزیع شده تصمیم گیری می‌شود . در واقع فعالیت‌های مختلف تصمیم گیری بین افراد مختلف توزیع شده است و هر کس یک تصمیمی می‌گیرد، یک بخشهایی توسط ماشین ممکن است انجام شود و یک بخشهایی توسط انسان . هر فرد یک تصمیم می‌گیرد – نفر بعد باید تصمیم بگیرد و سیستم کانال ارتباطی بین آنهاست . در اینجا فرآیند به صورت سلسله مراتبی است، افراد مختلف در زمینه‌های مختلف تصمیمات را می‌گیرند و در نهایت تصمیم نهایی از برآیند آنها اتخاذ می‌شود که سازگار با اهداف سازمان است و تکنولوژی است که تصمیم گیری را در سراسر سطوح سلسله مراتبی توزیع و هماهنگ می‌کند تا تصمیمی سازگار با اهداف سازمان در یک محیط رقابتی ایجاد شود .
تکنولوژی‌های مرتبط با ODSS :

GDSS

برتری تصمیم گیری با GDSS

سطوح GDSS

تکنولوژی‌های GDSS

  1. Boardroom‌های الکترونیک: اتاق کنفرانس، دستگاههای سمعی بصری که توسط کامپیوتر کنترل می‌شود برای نمایش بر روی صفحه نمایش . ارائه‌های قبلی ذخیره و بازیابی می‌شوند . Same Time/Same Place است .
  2. اتاق‌های TeleConference: اتاق‌های کنفرانس، کامپیوترهایی که انتقال سمعی بصری بین اتاقها را فراهم و کنترل می‌کند . Same Time/Different Place است.
  3. Group Network: در دفاتر جداگانه از طریق شبکه‌های کامپیوتر متصل است.
    Same(Different)Time/Different Place است.
  4. مراکز اطلاعاتی Information Center: اتاق کنفرانس، ویدئو پروژکتور برای صفحه نمایش بزرگ . یک یا چند کامپیوتر با پایانه‌های نمایش . برای مدیریت پایگاه داده، آنالیزهای آماری، گرافیک و پردازش متن Same Time/Same Place است.
  5. آزمایشگاه همکاری Collabration Laboratory: نرم افزاری برای نوشتن یا ترسیم به صورت اشتراکی استفاده می‌شود Same(Different)Time/Same Place است.
  6. اتاق تصمیم Decidion Room: اتاق کنفرانس، ویدئو پروژکتور برای نمایش عمومی و بزرگ . برای طوفان مغزی بکار می‌رود، اظهار نظر موضوعی، رأی گیری، مدل سازی و آنالیز تصمیم گیری Same(Different)Time/Same Place است.

مزایای تصمیم گیری گروهی :

تصمیم گیری گروهی :

GDSS & ODSS

Group Decision Support System و Organizational Decision Support System
سیستم‌های تصمیم یار که چندین نفر در آن در گیرند و چند کاربره هستند
موضوعات مرتبط با آنها :
-         نرم افزارهای Group Ware  : به کارهای گروهی کمک می‌کند . خیلی DSS نیستند ولی به کارهای گروهی و تصمیم گیری‌های گروهی کمک می‌کنند. به طیف بزرگی از سیستم‌ها که گروه در آنها درگیر است، گفته می‌شود . یک سری سیستم‌های کامپیوتری هستند که رابط کاربری را فراهم می‌کنند که به واسطه آن محیطی برای یک گروه از افراد به اشتراک گذاشته می‌شود .
طبقه بندی Group Ware :
سیستم‌های پیام : اجازه می‌دهند افراد به یکدیگر پیام دهند
سیستم‌های کنفرانسی
تألیف مشترک : به گروه اجازه می‌هد که یک داکیومنت را برای ایجاد یا نظاره به اشتراک بگذارند
GDSS
سیستم‌های Coordination  : افراد را با یکدیگر هماهنگ کند تا کار انجام شود
-         ارتباطات با واسطه کامپیوتر- Computer Mediated Communication - CMC : زیر مجموعه  Group Ware  می‌باشد از کامپیوتر برای ایجاد، ذخیره سازی، انتقال و پردازش ارتباطات استفاده می‌شود .
-         Computer Supported Cooperative Work – CSCW : به سیستم‌هایی اطلاق می‌شود که هدف آنها این است که Over Head همکاری و هزینه‌های آن را در یک کاری که چند نفر قرار است در آن همکاری کنند، از طریق این سیستم‌ها کم کنند .
سه جنبه که این سیستم‌ها را از سیستم‌های دیگر جدا می‌کند : سیستم معمولا روی کامپیوترهای مختلف توزیع شده است و به آنها امکان می‌دهد که با هم کار کنند تا آن کاری که لازمه آن همکاری است به انجام برسد – سیستم محیطی را ایجاد می‌کند که افراد احساس می‌کنند در آن محیط با یکدیگر همکاری می‌کنند و جدا از یکدیگر نیست – سیستم سعی دارد تا از همکاری که در حال انجام است به صورت فعال حمایت نماید و همچنین سابقه‌ای از آن را نگهداری نماید .
-         Coordination Technology تکنولوژی همکاری : استفاده از تکنولوژی برای کمک به افراد در فعالیتهایی که ممکن است به صورت همکارانه، رقابتی یا شامل تضاد منافع باشد .
آرگومانهایی برای Participant :
با ترکیب زمان و مکان به 4 ترکیب می‌رسیم .

  1. Same Time/Same Place: امکانی فراهم شده که افراد از طریق کامپیوتر با هم همکاری کنند در یک لحظه و در یک مکان مثل اتاقهای تصمیم . معمولا GDSS بیشتر در این بخش قرار می‌گیرند .
  2. Different Time/ Same Place: یک سری سیستم‌های تصمیم گیری چند کاربره که در یک اتاق تصمیم گیری می‌باشد و به صورت شیفتی است . یک عده کار می‌کنند، می‌روند و یک عده دیگر می‌آیند . ولی سیستم ارتباطات را با هم نگه می‌دارد و سابقه را نگه می‌دارد . کیفیت خوبی دارد ولی کارآیی نسبتا کمتر می‌باشد
  3. Same Time/Different Place: لازم نیست همه در یک اتاق تصمیم گیر باشند و با توجه به اینکه برخی امکانات اتاق تصمیم را ندارد، به نوعی کارآیی آن کمتر است ولی نسبتا کیفیت خوبی را می‌توان از آنها گرفت و به نوعی به این نوع سیستم‌ها  GDSS اطلاق می‌شود .
  4. Different Time/Different Place: بیشتر سیستم‌های GroupWare از این نوع می‌باشد . افراد با هم تعامل دارند در زمانهای متفاوت.

نیاز به تصمیم یار و طبقه بندی تصمیم یار
چرا نیاز به تصمیم یار ؟

  1. محدودیت‌های ذهنی
  2. محدودیت‌های اقتصادی
  3. محدودیت‌های زمانی
  4. رقابت

فرآیند کلی تصمیم گیری
ابتدا مسأله را تعریف می‌کنیم . همزمان اطلاعات جمع آوری می‌کنیم و انتخاب‌های مختلفی که هست تولید می‌کنیم که این دو با هم تعامل دارند و ممکن است حتی در تعریف مسأله تأثیر بگذارند
سلسله مراتب DSS

طبقه بندی Alter

Data base :        File Drawer System
Data Analysis system
Analysis Information system
Model Base :     Representational Models
Accounting Models
Optimization Systems
Suggestion Systems

طبقه بندی Power

مقایسه طبقه بندی Alter  و Power :
Knowledge Driven  : Suggestion Systems
Model Driven  : Optimization Systems –Representation Models-Accounting Models
Data Driven  : Analysis Information – Data Analysis – File Drawer

استراتژیهای تصمیم

تصمیم گیرها :
·         بعضی جاها افراد هستند
·         بعضی جاها کامپیوتر
تصمیماتی که توسط کامپیوتر گرفته می‌شود مانند : اتوماسیون صنعتی و روباتیک‌ها و یا تصمیماتی که ساختیافته و قابل برنامه ریزی است . گرچه خود کامپیوتر تصمیم را اعلام نمی‌کند ولی بر اساس گزارشات سیستم می‌باشد .
گاهی افراد تصمیم گیر به صورت فردی نیستند بلکه توزیع شده و چند نفره می‌باشند
·         تصمیمات توسط گروه یا کمیته گرفته می‌شود
·         تصمیمات در سطوح مختلف به اشتراک گذاشته می‌شود

فرآیند تصمیم گیری
طبق نظریه آقای سیمون

که این موارد لزوما به ترتیب انجام نمی‌شوند و ممکن است که برخی همزمان اتفاق بیفتد و یا حلقه داشته باشیم

مدیریت وتصمیم:
نکات کلی در مورد اینکه کارهای مدیریتی چه است ؟
طبق نظر آقای فایول :
-         برنامه ریزی
-         سازماندهی
-         دستور دادن
-         هماهنگی
-         کنترل
می باشد
که بحث اصلی همه اینها تصمیم گیری است

تصمیم: یک انتخاب است درباره اینکه چه بکنیم و استراتژی ما چه باشد و اینکه چه کار کنیم که به یک هدف مطلوب برسیم
بخشی از دانش است که مشخص کننده طبیعت انجام یک عمل است . تصمیم می‌تواند یک دانش توصیفی باشد .
تصمیم گیری فعالیت ساخت یک تکه دانش جدید، با توجه به تعهداتی که به برخی از فعالیت‌ها داریم می‌باشد .

نکات مورد توجه در تصمیم گیری

  1. تصمیم گیری در چه سطحی از مدیریت باشد ؟
    سطوح مدیریت : در سه سطح تصمیمات گرفته می‌شود :
    استراتژیک که تصمیمات کلان و کلی است
    کنترلی یا تاکتیکی که نحوه اجرای تصمیمات کلان و اختصاص منابع می‌باشد
    عملیاتی بحث اجرا و نظارت می‌باشد که کارهای خاص به درستی انجام می‌شود
  2. تصمیم گیری در چه موقعیتی باشد ؟
    تصمیم را در محیطی می‌گیریم که محیط اضطراری است یا خیر چون در محیط‌های اضطراری بسیار محدودیت اطلاعاتی دانش داریم و سیستم‌ها می‌توانند کمک کننده باشند . در این شرایط معمولا اطلاعات و دانش اندک است.
    تصمیم را در محیط برپا و دایر می‌گیریم که در این محیط باید کلی اطلاعات جمع آوری شود .
  3. چند تصمیم در یک فرآیند باید به صورت همزمان گرفته شوند . که نیاز به هماهنگی بین این تصمیم‌ها می‌باشد . برنامه ریزی و زمانبندی فرآیندهای ساخت همزمان می‌باشد .
  4. تصمیم گیری در چه ساختاری گرفته می‌شود ؟ سازمان است دارای ساختار مرکزی است یا خیر . موسسه عمومی است یا کارهای خاص انجام می‌دهد .
  5. سیستمی که در آن تصمیم گرفته می‌شود به چه صورت است ؟ اگر سیستم ساخت یافته باشد یعنی از قبل برنامه ریزی شده و مشخص شده است . تصمیمات قابل برنامه ریزی است . موقعیت کاملا درک شده و کارها روتین می‌باشد و فرآیندهای مدیریتی تخصصی است . اما در یک سیستم ساخت نیافته : غالباً موقعیت‌ها اضطراری است و تصمیمات فی البداهه است و موقعیت‌ها واضح نیست . یک تصمیم می‌گیریم، یک بار است و تمام می‌شود .
  6. آیا تصمیمات یک جانبه گرفته می‌شود و یا بصورت شورایی گرفته می‌شود .

طبقه بندی سیستم‌های MSS

DSS : مناسب برای مدیران تاکتیکی(نه برای مدیران ارشد)
GSS : ارتباط بین گروهی را فراهم می‌کنند.
EIS : سیستم‌های ویژه مدیران
ERP : برنامه ریزی منابع انسانی و مدیریت زنجیره تأمین SCM
سیستم‌های مدیریت دانش
ES  :سیستم‌های خبره
ANN : شبکه‌های عصبی مصنوعی
سیستم‌های حمایتی مختلط
سیستم‌های تصمیم گیری هوشمند که کارهای DSS را هوشمند کرده و به سمت سیستم‌های خبره می‌روند.

سیستم اطلاعاتی : سیستمی است که داده را به اطلاعات تبدیل کند . سیستمی است که به طریقی اطلاعات را جمع آوری کند، تبدیل کند و توزیع کند.

مدیریت : در مدیریت فاکتور اصلی تصمیم گیری است . مدیر کسی است که تصمیم‌ها را می‌گیرد . محیط تغییر می‌کند و پیچیده می‌شود و مدیر باید با توجه به آنها تصمیم گیری کند. خیلی جاها مجبور است سعی و خطا کارکند که روش خوبی نیست . خصوصا اینکه بعد از چند بار سعی و خطا و یافتن خطا از آنجا که محیط تغییر کرده است دیگر قابل اعتماد نیست . پس باید به دنبال فاکتورهایی بگردیم که در تصمیم گیری تأثیر گذار هستند .

فاکتورها تأثیرگذار در تصمیم گیری

مدل

مدل: یک نماینده از سیستم است که برای پاسخ دادن به سؤالاتمان در مورد سیستم از آن استفاده می‌شود.

مدل‌ها از موارد ذیل ساخته می‌شود:

یک تصمیم بندی که بر روی مدل‌ها انجام شده است:

انواع مدل

مدل‌های مستحکم

در مدل‌های مستحکم مدل به صورت دقیق انجام می‌شود با اطلاعات دقیق و پایه و در واقع مدل به جای خود سیستم می‌نشیند. همه چیز روشن و مشخص است. حقایقی موجود را می‌گیرد، سرجمع و مرتب و در نهایت تحلیل می‌کند.

مدل اکتشافی

در مدل‌های اکتشافی صحت و نتیجه فرضیات ارائه شده را در واقعیت ارائه می‌کند. به نوعی بحث تحلیل whatif‌ها است. اگر اینکار را انجام دهم چه اتفاقی می‌افتد.
در این سیستم‌ها جزئیات کارها مشخص نیست و مدل یک تصویر واقعی و قابل اعتماد از واقعیت نیست.

مدل‌های اکتشافی و مستحکم با هم متفاوت هستند در:
هدف از مدلسازی
روش:دید کلان

چگونگی استفاده از مدل‌ها
به عنوان یک پارامتر برای گزینه‌های مختلف سیاست گذاری که می‌خواهیم انجام دهیم، بایداستفاده کنیم، سیاست‌های مختلفی داریم، بحث می‌کنیم، می‌گوییم ما یک مدل ساختیم و تأثیر آن اینگونه است. گاهی به عنوان یک وسیله ارتباطی استفاده می‌کنیم.

مراحل ایجاد مدل

انتخاب‌های مدل سازی
طیف گسترده‌ای از روش‌های مدل سازی در دسترس است، نکته این است که برای آن مسأله‌ای که داریم بایداز چه نوع روش و ابزاری استفاده کنیم . کدام روش مناسب است و محدودیت‌های هر روش چیست ؟یک مدل تا چه حد می‌تواند پاسخگو مسأله باشد و همچنین محدودیت‌های دانش خود ما به عنوان یک خبره، در برخی روش‌ها اگر دانش ما کافی نباشد نمی‌توانیم از آن به درستی استفاده کنیم. روش قابلیت دارد ولی ما دانش کافی نداریم.

آنالیز تصمیم
هدف این است که به نوعی فضای مسأله را برای آنالیز آماده کند .سازماندهی کند، ساختاربه آن بدهد . شناسایی آلتراناتیوهای مختلف و شناسایی محل‌های عدم قطعیت و جایی اگر لازم است قضاوت‌های سلیقه‌ای داشته باشیم و طبیعتاً ابزارها کمک می‌کنند که مسأله را به قسمت‌های مختلف بشکنیم و به زیر مسأله‌هایی بشکنیم، عدم سازگاریها را تشخیص داده و رفع نماییم یا تناقضات را شناسایی و رفع کنیم و مسأله را به زیر مسأله‌هایی تبدیل کنیم و آنها را حل کرده و مجتمع کنیم وتوصیه‌هایی برای مسأله اصلی ایجاد نماییم.

طبقه بندی روشهای تحلیل تصمیم

کاربردهای DSS

سیستم‌های اطلاعاتی دانشگاه
شرکتهایی که در زمینه کارت اعتباری کار می‌کنند.
شرکتهایی که در زمینه حمل و نقل کار می‌کنند.
شرکتهایی که در زمینه مخابرات  کار می‌کنند.
هتلها، خطوط پرواز و بیمارستانها
شرکت‌های ساخت و ساز
سرمایه گذاری

طبقه بندی توان

Communication Driven DSS : تمرکز بر روی ارتباطات، همکاریها و تصمیم گیری‌های مشترک است، به کارهایی که باعث تصمیم گیری گروهی می‌شوند کمک می‌کند، امکان به اشتراک گذاری اطلاعات را فراهم می‌کند .
Data Driven DSS : نوعی از DSS‌ها می‌باشد که تمرکز بیشتر بر روی دسترسی و دستکاری یک سری از داده‌های داخلی سازمان می‌باشد و گاهی داده‌های بیرونی
Document Driven DSS : حجم زیادی از اطلاعات داکیومنت و متن می‌باشد، نیاز به سیستم‌هایی برای کار با آنها داریم، این سیستم‌ها بیشتر تمرکز روی داده‌های متنی دارد . سیستم‌های اتوماسیون اداری در این مقوله می‌گنجند
Knowledge Driven DSS : از تکنیک‌های هوش مصنوعی و داده کاوی استفاده می‌کنند و با استفاده از آنها ارتباطات بین داده‌ها را کشف می‌کند .
Model Driven DSS : یک مسأله را مدل سازی می‌کنیم و دستکاری‌های مختلف انجام می‌دهیم سپس اگر این مدل، مدل خوبی باشد، بر اساس آن عمل می‌نماییم
مقایسه طبقه بندی Alter  و Power :
Knowledge Driven  : Suggestion Systems
Model Driven  : Optimization Systems –Representation Models-Accounting Models
Data Driven  : Analysis Information – Data Analysis – File Drawer

سیستم‌های EIS

این سیستم‌ها جهت مدیران ارشد طراحی میگردد . نوعی از سیستم‌های DSS که هدف آنها این است که اطلاعات موردی که مورد نیاز مدیران تاپ و ارشد است در اختیار آنها بگذارند.

ویژگیهای تصمیمات مدیران ارشد

ویژگیهای EIS

پیاده سازی EIS

روشهای EIS

طبیعت EIS

ویژگیهای رایج EIS

فاکتور‌های تاثیر گذار در تصمیم گیری

تکنولوژی / اطلاعات / کامپیوترها
پیچیدگی ساختاری / رقابت
بازارجهانی / پایداری سیاسی / کنسرسیوم‌ها
تغییرات / بالا و پایین رفتن بازار

استراتژیهای تصمیم

Optimizing: یعنی مساله‌ای داریم و می‌خواهیم بهترین راه حل را برای آن پیدا کنیم .
Satisficing: یعنی مسأله‌ای داریم که می‌خواهیم به اندازه کافی خوب باشد و بهترین راه حل نیست به حداقل نیازها برسیم.
Elimination By Aspect: جنبه‌های مختلف را حذف کنیم و تصمیم گیری کنیم.
Incrementalism: دو تا با هم چک می‌شود، یکی حذف می‌شود و دیگری به مرحله بعد می‌رود.
Mixed Scanning: جستجو، جمع آوری، فرآیند سازی، ارزیابی و وزن گذاری اطلاعات.

مفاهیم اولیه سیستم تصمیم یار

می کرد که برای پشتیبانی از تصمیم گیرندگان مدیریتی در موقعیت‌های تصمیم گیری شبه ساختاریافته به کارمی رفتند. DSS دستیاری برای تصمیم گیرندگان بود که قابلیتهای آنان را توسعه می‌داد ولی جایگزین قضاوت آنان نمی‌شد. بخش دیگری از تعریف، متذکر می‌شد که سیستم می‌تواند مبنی بر کامپیوتر باشد، می‌تواند به صورت برخط و متعامل عمل کند وترجیحا قابلیت خروجی گرافیکی داشته باشد.
Little، DSS را به شکل " مجموعه رویه‌های مبنی بر مدل برای پردازش داده‌ها و قضاوت جهت کمک به مدیر در تصمیم گیری " تعریف می‌کند. چنین سیستمی برای موفقیت باید ساده، قدرتمند، دارای کنترل آسان، وفق پذیر، کامل در جنبه‌های مهم و ساده برای برقراری ارتباط باشد. آنچه در این تعریف به طور ضمنی دیده می‌شود، این است که سیستم، مبنی برکامپیوتر است و سرورها توسعه‌ای از قابلیتهای حل مساله کاربران هستند.
Moore و Chung چنین بحث می‌کنند که مفهوم ساختارمندی که بخشی از بیشتر تعاریف اولیه DSS است ( به این معنی که DSS می‌تواند موقعیتهای نیمه ساختیافته و ساخت نیافته را اداره کند )، به طور کلی معنی ندارد. یک مساله می‌تواند فقط با توجه به تصمیم گیرنده خاص، تحت عنوان ساختاریافته یا نیافته توصیف گردد ( یعنی تصمیمات ساختاریافته به این دلیل ساختیافته‌اند که ما به این شکل با آنها برخورد کرده ایم ). بنابراین آنها DSS را سیستم‌های قابل توسعه‌ای تعریف می‌کنند که توانایی پشتیبانی از تحلیل داده‌های ad hoc و مدل سازی تصمیم، با گرایش به سمت برنامه ریزی آینده و به کاررفته در بازه‌های برنامه ریزی نشده و نامنظم را داراست.
Bonczek، DSS را به عنوان سیستم مبنی بر کامپیوتری تعریف می‌کند که شامل سه مولفه متعامل است. یک سیستم زبانی (مکانیزم برقراری ارتباط بین کابر و سایر مولفه‌ها)، یک سیستم دانشی ( یک ذخیره دانش نهفته در سیستم در رابطه با مساله ) و سیستم پردازش مساله (پیوند بین دو مولفه دیگر).
سرانجام Ken، لغت DSS را برای موقعیتهایی که یک سیستم نهایی تنها از طریق یک پردازش تطبیقی یادگیری و ارزیابی می‌تواند توسعه یابد، به کار می‌برد.
به عنوان یک تعریف کلی می‌توان گفت DSS یک CBIS متعامل، انعطاف پذیر و وفق پذیر است که به طور ویژه برای پشتیبانی از راه حل مشکلات مدیریتی ساختارنیافته جهت تصمیم گیری بهتر، توسعه یافته است. این سیستم از داده‌ها استفاده می‌کند، رابط کاربر ساده‌ای فراهم می‌کند و می‌تواند دیدگاه تصمیم گیرندگان را هم در تصمیم گیری شرکت دهد. به علاوه DSS مدلها را به کار می‌برد، توسط یک پردازش تعاملی ساخته می‌شود، از تمام فازهای تصمیم گیری پشتیبانی می‌کند و می‌تواند شامل یک مولفه دانش باشد.
ویژگیها و قابلیتهای DSS
DSS، عمدتا در موقعیتهای نیمه ساختیافته و ساختارنیافته با همراه کردن قضاوت انسان و اطلاعات کامپیوتری، از تصمیم گیرندگان پشتیبانی می‌کند. چنین مسایلی نمی‌توانند ( یا به راحتی نمی‌توانند ) باسایر سیستم‌های کامپیوتری یا روشها و ابزارهای کمی استاندارد، حل شوند.
این پشتیبانی شامل سطوح مختلف مدیریتی ( از مدیران اجرایی سطح بالا تا مدیران رده معمولی ) می‌باشد.
این پشتیبانی برای افراد هم مانند گروهها فراهم می‌شود.
این پشتیبانی برای چندین تصمیم دارای وابستگی و/ یا ترتیبی فراهم می‌گردد.
DSS از کلیه فازهای فرایند تصمیم گیری پشتیبانی می‌کند : هوش، طراحی، انتخاب و پیاده سازی.
از فرایندها و سبکهای متنوع تصمیم گیری پشتیبانی می‌کند.
DSS با زمان تطبیق پذیر است. تصمیم گیرنده ممکن است واکنش دهنده و قادر به رویارویی سریع با شرایط متغیر باشد و DSS را برای برخورد با این تغییرات آماده کند. DSS، انعطاف پذیر است بنابراین کاربران می‌توانند عناصر پایه‌ای را اضافه، حذف، ترکیب، تغییر یا مرتب سازی دوباره کنند.
کاربران با آن احساس راحتی کنند. کابرپسندی، قابلیت گرافیک قوی، رابط انسان- ماشین متعامل به زبان انگلیسی می‌تواند اثربخشی DSS را به شدت افزایش دهد.
DSS به جای کارایی( هزینه ) تصمیم گیری، برای بهبود اثر تصمیم گیری تلاش می‌کند ( دقت، زمانبندی و کیفیت ).
تصمیم گیرنده کنترل کامل بر کلیه مراحل فرآیند تصمیم گیری حل مساله دارد. هدف DSS پشتیبانی و نه جایگزینی تصمیم گیرنده است.
کاربران نهایی خودشان می‌توانند قادر به ساخت و تصحیح سیستم‌های ساده باشند.
DSS معمولا با مدلها به تحلیل موقعیتهای تصمیم گیری کمک می‌کند.
DSS می‌تواند به منابع داده ای، قالبها و انواع متفاوت، دسترسی داشته باشد. از سیستم‌های جغرافیایی گرفته تا شی گرا.
زیرسیستم‌های DSS :
زیرسیستم مدیریت داده. شامل پایگاه داده و سیستم مدیریت پایگاه داده است.
زیر سیستم مدیریت مدل. بسته نرم افزاری است شامل مدلهای کمی که قابلیتهای تحلیلی سیستم را فراهم می‌کنند. این نرم افزار معمولا سیستم مدیریت مبنی بر مدل (MBMS)نامیده می‌شود.
زیرسیستم دانش. برای پشتیبانی از هر زیرسیستم دیگر به کار می‌رود یا به عنوان یک مولفه مستقل عمل می‌کند.
سیستم رابط کاربر. برای ارتباط با کاربر و گرفتن دستورات از او به کار می‌رود.
کاربر هم به عنوان بخشی از سیستم درنظر گرفته می‌شود.
سیستم خبره
نام سیستم خبره از اصطلاح سیستم خبره مبتنی بر دانش مشتق شده است. سیستم خبره، سیستمی است که دانش بشری جمع آوری شده درون کامپیوتر را برای حل مسایلی که به طور معمول نیاز به تخصص و مهارت بشر دارند، به کار می‌برد. چنین سیستم‌هایی می‌توانند توسط افراد غیر متخصص برای بهبود قابلیتهای حل مساله مورد استفاده قرار بگیرند. سیستم خبره همچنین می‌تواند به عنوان دستیار مطلعی برای متخصصین به کار رود. سیستم‌های خبره برای نشر منابع کمیاب دانش جهت نتایج بهتر و سازگار به کار می‌روند.
ساختار سیستم‌های خبره
سیستم‌های خبره از دو بخش اصلی تشکیل شده‌اند : محیط توسعه و محیط مشاوره ( زمان اجرا). محیط توسعه توسط سازنده سیستم خبره برای ساخت مولفه‌ها و قراردادن دانش در پایگاه دانش به کار می‌رود. محیط مشاوره توسط افراد غیرمتخصص برای کسب دانش خبره به کار می‌رود.
سه مولفه اصلی که مجازا در هر سیستم خبره‌ای دیده می‌شود، پایگاه دانش، موتور استنباط و رابط کاربر است. به طور کلی سیستم خبره می‌تواند شامل مولفه‌های زیر باشد :
زیرسیستم کسب (فراگیری ) دانش
جمع آوری، انتقال و تبدیل مهارت حل مساله از مهارتها یا منابع دانشی مستند به یک برنامه کامپیوتری، برای ساخت یا توسعه پایگاه دانش. منابع بالقوه دانش شامل موارد زیر است : مهارتهای بشر، کتابها، اسناد چندرسانه ای، پایگاههای داده، گزارشات تحقیقاتی و اطلاعات موجود در وب.
پایگاه دانش
دربرگیرنده دانش مورد نیاز برای درک، فرموله کردن و حل مساله می‌باشد. شامل دو عنصر اصلی است: اول واقعیت‌ها شامل موقعیت مساله و تئوری حوزه مساله و هیوریستیک‌های خاص. دوم قوانین که استفاده از دانش را در جهت حل مساله خاص در دامنه ویژه هدایت می‌کنند.دانش، نه فقط به معنای واقعیتهای محض، ماده خام سیستم‌های خبره است. دانش درون پایگاه دانش، توسط پردازه‌ای به نام نمایشگر دانش، برنامه کامپیوتری را تشکیل می‌دهد.
موتور استنباط
مغز سیستم خبره است که نامهای دیگری هم دارد مثل ساختار کنترلی و مفسر قانون. دراصل یک برنامه کامپیوتری است که روشی را برای استدلال درباره اطلاعات درون پایگاه دانش و برای فرموله کردن نتایچ فراهم می‌کند.
رابط کاربر
برای برقراری ارتباط موثر بین سیستم و کاربر، سیستم‌های خبره دارای یک پردازشگر زبان طبیعی می‌باشند.
تخته سیاه ( محل کار)
بخشی از حافظه کاری است که برای توصیف مساله جاری که توسط ورودی مشخص می‌گردد، تنظیم شده است. به علاوه برای ثبت نتایج نیز به کار می‌رود.
زیرسیستم توضیح ( توجیه کننده)
توانایی ردیابی نتایج از منابع آنها، هم برای انتقال مهارتها و هم برای حل مساله مهم است. این زیرسیستم می‌تواند رفتار سیستم خبره را توسط پاسخ به پرسشهای تعاملی توضیح دهد.
سیستم تصفیه دانش
سیستمی که می‌تواند دانش خود و کاربرد آن را تحلیل کند، از آن فرابگیرد و برای مشاوره‌های بعدی آن را بهبود ببخشد.
مرجع :
Turban,Efrain , Aronson, jay E.;”Decision Support Systems”5th edition,prentice-Hall,1998.

DSS

فهرست مطالب
موارد استفاده سیستم‌های تصمیم یار
جایگاه DSS در کامپیوتر
تعریف DSS
مقایسه DSS با سیستم‌های پردازش تراکنش
روند تغییرات DSS‌
برخی از خصوصیات DSS
معماری Enterprise
مدل سایمون- فاز هوشمندی
مدل سایمون- فاز انتخاب
تعریف سیستم تصمیم ‌یار
سطوح گوناگون تصمیم ‌یاری
تعریف سیستم
دو معیار ارزیابی عملکرد یک سیستم
نمایشی دیگر از معماری DSS
بهینه سازی از طریق برنامه سازی ریاضی
شبیه سازی
انواع شبیه سازی
زبانهای مدلسازی
مراجع
مراجع
[ 1] Burstein F., Bui T., Arnott D., Decision support in the new millennium, Decision Support Systems 31/2, Elsevier Science B.V., pp. 163-164, June 2001
[ 2] Carlsson C., Turban E., DSS: directions for the next decade, Decision Support Systems 33/1, Elsevier Science B.V., pp. 105-110, May 2002
گرایشات آتی تحقیقاتی و کاربردی
[ 3] Courtney J.F., Decision making and knowledge management in inquiring organizations: toward a new decision-making paradigm for DSS, Decision Support Systems 31, Elsevier Science B.V., pp. 17-38, 2001
شیوه تصمیم گیری با سیستم تصمیم یار
[ 4] Forgionne G. A, Mora M. Decision making support systems: achievements, challenges and opportunities, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 392-402, 2002
دست یافته‌ها و مباحث تحقیقاتی
[ 5] Forgionne G. A., An architecture for the integration of decision making support functionalities, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 40-70, 2002
سطوح مختلف تصمیم یاری و سیستمهای تصمیم یار مرکب
[ 6]Nemati H.R, Steiger D. M., Iyer L. S., Herschel R. T., Knowledge warehouse: an architectural integration of knowledge management, decision support, artif icial intelligence and data warehousing, Decision Support Systems 33/2, Elsevier Science B.V., pp. 143-161, June 2002
سیستم‌های تصمیم یار راهبر داده و راهبر دانش
[ 7]Pomerol J.C., Adam F., From human decision making to DMSS architecture, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 40-70, 2002
تصمیم گیری بشر و سطوح مختلف تصمیم گیری
[ 8] Power D.J., Categorizing Decision Support Systems, A Multidimensional Approach, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 1-19, 2002
[ 9] Power D.J., Supporting Decision-Makers: An Expanded Framework, Informing Science, June 2001
دسته بندی سیستم‌های تصمیم یار
[ 10] Sen A., From DSS to DSP: A Taxonomic Retrospection, Communications of the ACM (CACM) 41/5, pp. 206-216, May 1998
تاریخچه و سیر تکاملی سیستمهای تصمیم یار
[ 11] Shim J.P., Warkentin M., Courtney J. F., Power D. J., Sharda R., Carlsson C., Past, present, and future of decision support technology, Decision Support Systems 33/2, Elsevier Science B.V., pp. 111-126, June 2002
گذشته و حال و آینده سیستمهای تصمیم یار
[ 12] Turban E., Aronson J.E., Decision support systems and intelligent systems, Prentice Hall, 2001
تعاریف اولیه
[ 13] Turban E., McLean E., Wetherbe J., Information technology for management, John Wiley, 2000
تاریخچه و چارچوب تصمیم یاری
تعریف DSS
DSS یک مجموعه از رویه‌ها را در مدل مشخص برای پردازش داده و کمک به مدیران در تصمیم گیری بیان می‌کند.
DSS اولین بار در سالهای 1970 توسط آقای Lester مطرح شد.
واحد عملیاتی درDSS پرس وجو (Query که فقط می‌تواند واکشی داده را انجام دهد) است و امروزه مبتنی بر دانش است.
DSS می‌تواند دو رویکرد داشته باشد:
What If
Goal Seeking
DSS یک Modeling System است، یعنی باید ابتدا کد مجازی آن نوشته شود.
روند تغییرات DSS‌
روند تغییرات در DSS‌ از سال 1970 تا 1989بگونه‌ای بود که در این سال یک سیستم تصمیم یار شامل
یک واسط کاربری
یک پایگاه دانش
ومکانیزم پردازش
شد.
و این یعنی ورود به دنیای DSSهوشمند (IDSS) .
تعریف دیگری از DSS
DSS عبارت است از یک سیستم تحلیلی
در مجموعه سیستم‌های هوش تجاری
در یک معماری Enterprise .
مدل سایمون- فاز هوشمندی
فاز هوشمندی (Intelligence)
آزمایش وضعیت جاری و تشخیص مسأله
پیمایش محیط به صورت پیوسته یا متناوب
تشخیص مساله
جمع‌آوری داده‌ها و تخمین داده‌های آتی
تصمیمگیری
آیا مسأله قابل حل هست یا خیر؟
تعریف مسأله
دسته بندی مساله
درک مساله با هدف قرار دادن آن در یک دسته از مسائل تعریف شده
عرضه راه حل استاندارد برای آن
معیار مهم دسته بندی: میزان ساخت یافتگی
در DSS
تبدیل یک مسأله بزرگ (پیچیده) و بدون ساختار به یکسری مسائل کوچک و با ساختار
انجام این کار در فاز هوشمندی
توسط Decomposition انجام میشود.
خروجی فاز هوشمندی مدل مسأله تعریف شده است.
مدل سایمون- فاز طراحی
فاز طراحی (Planning)
مدل Alternative‌ها در فاز طراحی ساخته میشود
مدلسازی یعنی مفهومی ساختن مسأله و مجرد‌سازی آن به شکل کیفی یا کمی
ساخت مدل
گزینه‌های مختلف تصمیم‌گیری
رویدادهای غیر قابل کنترل
معیارها
رابطه سمبولیک یا عددی بین متغیرهای فوق
بهترین Alternative بر اساس پارامترهای ارزیابی برای حل مساله انتخاب میشود
توصیف دقیق واقعیات معمولاً بسیار پیچیده است
نقش نداشتن بسیاری از این پیچیدگی‌ها در حل یک مسأله خاص
یک مدل یک نمایش ساده یا مجرد از واقعیت است و موجب
ساده شدن حل مسایل
ارزیابی سریع و ارزان راه حل‌های مختلف میشود
مدل باید
خاصیت پاسخگویی به تست حساسیت را داشته باشد
با دنیای واقعی و نحوه شناخت انسان نزدیک باشد
نمایش سیستم‌ها یا مسایل توسط مدل‌ها، می‌تواند در سطوح مختلفی از تجرد انجام شود.
مدل‌ها بر اساس درجه تجردشان در سه گروه طبقه بندی می‌شوند:
مدل تجسمی (Iconic) که یک نسخه فیزیکی از سیستم است.
مدل قیاسی (Analog)
که از نظر رفتاری مشابه سیستم، اما از نظر فیزیکی در مقیاس کوچکتری است.
نسبت به مدل Iconic مجردتر است.
مدل ریاضی (Mathematical)
پیچیدگی روابط در بسیاری از سیستم‌های سازمانی را نمی‌توان با دو مدل قبلی نشان داد.
مدل ریاضی از هر دو مدل قبلی مجردتر است.
بیشتر تحلیل‌های DSS توسط این مدل انجام می‌شود.
در رابطه با هر مدل موضوعات زیر باید روشن باشد:
اجزاء مدل
متغیرهای تصمیم گیری
متغیرهای غیر قابل کنترل (پارامترها)
متغیرهای نتیجه (خروجی)
ساختار مدل
نحوه انتخاب مدل (ارزیابی)
تولید Altenative
تخمین خروجی
اندازه گیری خروجی
روشهای مختلف تست مدل در مرحله ارزیابی مدل:
Sensetive Test
محکم بودن (Robust) : Reliable باشد
کامل بودن (Completeness) : همه استثناءها را پوشش دهد
Multiple Goal Test
Trial and Error
What If analysis
Goal Seeking
مدل ریاضی در 4 قدم تشکیل میگردد:
شناخت متغیرها (اجزاء مدل)
ایجاد رابطه بین متغیرها بوسیله عبارات ریاضی و جبری، معادلات و نامعادلات
ساده سازی ازطریق ارائه مفروضات درمورد متغیرها و روابط بین آنها
تطابق مدل ساخته شده با موقعیتهای مختلف (ارزیابی مدل)
پارامترهای ارزیابی برای انتخاب بهترین Alternative
زمان
میزان سادگی ساخت (یادگیری + زمان + هزینه)
هزینه اجرا
میزان ریسک
وضعیت Learning مدل
میزان استفاده از ابزارهای گرافیکی
بمنظور مقایسه و ارزیابی گزینه‌ها، پیش بینی خروجی هریک از گزینه‌های پیشنهادی ضروری است
انواع خروجی
مطمئن
همراه با ریسک
نامطمئن
بسته به اینکه برای انتخاب یکی از Alternative‌ها از بینAlternative‌های موجود به عنوان راه حل مسأله، چه اصولی را لحاظ کنیم، دو نوع مدل وجود دارد:
مدل Normative
ثابت می‌شود که گزینه منتخب بهترین انتخاب ممکن برای حل مسأله است
بهترین گزینه بر اساس تئوری تصمیم گیری Normative انجام می‌شود
مدل Descriptive
چیزها را آنگونه که باید باشند توصیف می‌کند. نه، آنگونه که انتظار می‌رود، باشند
این مدل مبتنی بر ریاضی است
گزینه منتخب توسط این مدل، لزوماً بهترین انتخاب ممکن نیست بلکه انتخابی مبتنی بر Good Enough است
متداولترین ابزار مدلسازی Descriptive، شبیه سازی (Simulation) است
سایر ابزارها
تئوری تصمیم گیری Normative بر اساس فرضیات منطقی و عقلانی زیر می‌باشد:
انسان یک موجود اقتصادی است که هدفش، بیشینه ساختن امکان دستیابی به goal‌هاست
برای اتخاذ یک تصمیم تمام گزینه‌های حل مسأله و نتایج حاصل از آنها باید شناخته شوند
تصمیم گیرندگان این اختیار را دارند که میزان مطلوبیت همه نتایج آنالیز را رتبه بندی کنند
سایر ابزارهای مدلسازی Descriptive:
Information flow
Scenario analysis
Financial planning
Complex inventory decisions
Markov analysis (predictions)
Environmental impact analysis
Technological forecasting
Waiting line (queuing) management

سیستم‌های تصمیم یار هوشمند

1 سیستم‌های تصمیم یار هوشمند
Decision Support System Decision Support System ارائه دهنده: دکتر احمد عبدالله زاده تنظیم کننده: عباس رسول زادگان
2 Dr. Ahmad Abdollahzadeh
فهرست موارد استفاده سیستم‌های تصمیم یار جایگاه DSS در کامپیوتر تعریف DSS مقایسه DSS با سیستم‌های پردازش تراکنش روند تغییرات DSS‌ ... Dr. Ahmad Abdollahzadeh Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
3 موارد استفاده سیستم‌های تصمیم یار
IT( Information Technology) MS( Management System) Computer based systems Computer Engineering که ما دراین درس بر روی موارد 3و4 تمرکز خواهیم کرد Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
4 کامپیوتر درکامپیوترDSS جایگاه مهندسی کامپیوتر علم کامپیوتر ارتباطات
نرم افزار سخت افزار سیستم‌های پردازش داده سیستم‌های پردازش دانش تکنیک کاربرد ابزار سیستم‌های هوشمند MIS DSS تکنیک کاربرد ابزار KR KA R&L NLP ES BI DSS Lisp ES: Expert System BI: Business Intelligent KA: Knowledge Acquisition R&L: Reasoning & Learning KR: Knowledge Representation تکنیک کاربرد ابزار ES DSS MIS Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
5 تعریف DSS DSS یک مجموعه از رویه‌ها را در مدل مشخص برای پردازش داده و کمک به مدیران در تصمیم گیری بیان می‌کند. DSS اولین بار در سالهای 1970 توسط آقای Lester مطرح شد. واحد عملیاتی درDSS پرس وجو (Query که فقط می‌تواند واکشی داده را انجام دهد) است و امروزه مبتنی بر دانش است. DSS می‌تواند دو رویکرد داشته باشد: What If Goal Seeking DSS یک Modeling System است، یعنی باید ابتدا کد مجازی آن نوشته شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
6 مقایسه DSS با سیستم‌های پردازش تراکنش در سال 1970
سیستم پردازش تراکنش سیستم تصمیم یار انواع سیستم پارامترهای ارزیابی غیر محاوره‌ای محاوره‌ای واسط کاربری اجرایی مدیران نوع کاربر تسهیل دراجرا تسهیل در تصمیم گیری هدف حال + گذشته حال + آینده زمان انعطاف پذیر انعطاف پذیرتر قابلیت انعطاف Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
7 روند تغییرات DSS‌ روند تغییرات در DSS‌ از سال 1970 تا 1989بگونه‌ای بود که در این سال یک سیستم تصمیم یار شامل یک واسط کاربری یک پایگاه دانش ومکانیزم پردازش شد. و این یعنی ورود به دنیای DSSهوشمند (IDSS) . Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
8 تمرین تفاوت یک سیستم هوشمند با یک سیستم غیرهوشمند را چگونه تشخیص میدهند؟ آنتالوژی ارائه شده در اسلاید 19 را کامل کنید. یک سیستم هوشمند،‌ نیمه هوشمند و غیرهوشمند مثال بزنید. سیلابس درس DSS در دانشگاه‌های دیگر مقایسه تعاریف DSS از سال 1970 تاکنون و پارامترهای ارزیابی و تغییرات آنها. تفاوت DSS با سیستمهای کامپیوتری دیگر (مبتنی بر داده و دانش) از جمله MIS، EIS، ES، KBMS و ... را با ذکر پارامترهای ارزیابی استاندارد در قالب یک جدول بیان کنید. ‌ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
9 معماری چند لایه BI و جایگاه DSS در آن
کاربردها Monitor & Integrator سایرمنابع داده‌جانبی استخراج تغییرشکل بارگذاری نوسازی تحلیل داده‌کاوی پرس‌وجو و گزارش‌گیری پایگاه‌های داده عملیاتی سرویس پایگاه داده تحلیلی DSS Data Marts منابع داده پایگاه داده تحلیلی OLAP ابزارهای سطح بالا
10 معماری چند لایه BI و جایگاه DSS در آن (ادامه)
DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT Application Databases ______________________________________________________ Reports Packaged application/ERP Data DATA MARTS INCOME ANNUAL REPORT ___ ___ ____ _____ ___ __ EXTRACTION TRANSFORMING CLEANING AGGREGATION DATA WAREHOUSE EIS Desktop Data OLAP External Data OR Web-based Data Statistical & Financial Analysis Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
11 معماری چند لایه BI و جایگاه DSS در آن (ادامه)
DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT Application Databases ______________________________________________________ Reports Packaged application/ERP Data DATA MARTS INCOME ANNUAL REPORT ___ ___ ____ _____ ___ __ EXTRACTION TRANSFORMING CLEANING AGGREGATION DATA WAREHOUSE EIS Desktop Data OLAP External Data OR Web-based Data Statistical & Financial Analysis Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
12 برخی از خصوصیات DSS DSS تصمیم گیری مستقل یا غیر وابسته ارائه کند.
باید بتواند داده‌های نیم ساختیافته را پردازش کند. به روشهای مختلف تصمیمگیری دسترسی داشته باشد انعطاف پذیر باشد برمبنای مدل باشد برای مدیریت مورد استفاده قرار می‌گیرد برای گروه و تصمیم گیری آنان مؤثر باشد DSS باید با توجه به اصول معماری Enterprise ساخته شود. واسط کاربری قابل استفاده برای همگان داشته باشد. بطور زایشی تکامل یابد (دارای قابلیت Learningباشد) Effective باشد (کارش را درست انجام دهد) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh در کنترل کاربر باشد
13 DSS عبارت است از یک سیستم تحلیلی در مجموعه سیستم‌های هوش تجاری
در یک معماری Enterprise . Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
14 معماری Enterprise IA Enterprise بازار پشتیبانی مشتری IDSS KMS SCM
فروش لیست اموال امورمالی CRM EIM توزیع DM ERP DW DB پشتیبانی مشتری IDSS KMS بازار OLAP OLTP IA SCM قیمت گذاری محصول Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
15 معماری Enterprise (ادامه)
بستر سخت افزاری شبکه سیستم مدیریت پایگاه داده و ابزار میان افزار مدیریت داده مجتمع سازی داده پاکسازی داده ارائه داده دسترسی به داده دستکاری داده معماری تجارت معماری اطلاعات معماری برنامة کاربردی معماری تکنولوژی اهداف و مأموریت سیستم اصول سِیتم عملیات سیستم برنامة اداره سیستم مدل داده‌ای Enterprise استاندارد سازی داده تلفیق داده کیفیت داده برنامه‌های کاربردی عملیاتی برنامه‌های کاربردی دسترسی به داده برنامه‌های کاربردی آنالیز داده پایگاه داده برنامه‌های کاربردی محتوا ذخیره سازی و بازنمایی
16 معماریDSS در4 فاز (Simon’s 4 Phase )
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
17 مدل سایمون- فاز هوشمندی
فاز هوشمندی (Intelligence) آزمایش وضعیت جاری و تشخیص مسأله پیمایش محیط به صورت پیوسته یا متناوب تشخیص مساله جمع‌آوری داده‌ها و تخمین داده‌های آتی تصمیمگیری آیا مسأله قابل حل هست یا خیر؟ تعریف مسأله دسته بندی مساله درک مساله با هدف قرار دادن آن در یک دسته از مسائل تعریف شده عرضه راه حل استاندارد برای آن معیار مهم دسته بندی: میزان ساخت یافتگی مدل مسأله تعریف شده برنامه ریزی شده (ساخت یافته) برنامه ریزی نشده (ساخت نایافته) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
18 مدل سایمون- فاز هوشمندی
در DSS تبدیل یک مسأله بزرگ (پیچیده) و بدون ساختار به یکسری مسائل کوچک و با ساختار انجام این کار در فاز هوشمندی توسط Decomposition انجام میشود. خروجی فاز هوشمندی مدل مسأله تعریف شده است. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
19 مدل سایمون- فاز طراحی فاز طراحی (Planning)
مدل Alternative‌ها در فاز طراحی ساخته میشود مدلسازی یعنی مفهومی ساختن مسأله و مجرد‌سازی آن به شکل کیفی یا کمی ساخت مدل گزینه‌های مختلف تصمیم‌گیری رویدادهای غیر قابل کنترل معیارها رابطه سمبولیک یا عددی بین متغیرهای فوق بهترین Alternative بر اساس پارامترهای ارزیابی برای حل مساله انتخاب میشود Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
20 Decision Support System
مدل سایمون- فاز طراحی توصیف دقیق واقعیات معمولاً بسیار پیچیده است نقش نداشتن بسیاری از این پیچیدگی‌ها در حل یک مسأله خاص یک مدل یک نمایش ساده یا مجرد از واقعیت است و موجب ساده شدن حل مسایل ارزیابی سریع و ارزان راه حل‌های مختلف میشود مدل باید خاصیت پاسخگویی به تست حساسیت را داشته باشد با دنیای واقعی و نحوه شناخت انسان نزدیک باشد Decision Support System Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
21 مدل سایمون- فاز طراحی نمایش سیستم‌ها یا مسایل توسط مدل‌ها، می‌تواند در سطوح مختلفی از تجرد انجام شود. مدل‌ها بر اساس درجه تجردشان در سه گروه طبقه بندی می‌شوند: مدل تجسمی (Iconic) که یک نسخه فیزیکی از سیستم است. مدل قیاسی (Analog) که از نظر رفتاری مشابه سیستم، اما از نظر فیزیکی در مقیاس کوچکتری است. نسبت به مدل Iconic مجردتر است. مدل ریاضی (Mathematical) پیچیدگی روابط در بسیاری از سیستم‌های سازمانی را نمی‌توان با دو مدل قبلی نشان داد. مدل ریاضی از هر دو مدل قبلی مجردتر است. بیشتر تحلیل‌های DSS توسط این مدل انجام می‌شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
22 مدل سایمون- فاز طراحی در رابطه با هر مدل موضوعات زیر باید روشن باشد:
اجزاء مدل متغیرهای تصمیم گیری متغیرهای غیر قابل کنترل (پارامترها) متغیرهای نتیجه (خروجی) ساختار مدل نحوه انتخاب مدل (ارزیابی) تولید Altenative تخمین خروجی اندازه گیری خروجی Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
23 مدل سایمون- فاز طراحی روشهای مختلف تست مدل در مرحله ارزیابی مدل:
Sensetive Test محکم بودن (Robust) : Reliable باشد کامل بودن (Completeness) : همه استثناءها را پوشش دهد Multiple Goal Test Trial and Error What If analysis Goal Seeking Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
24 مدل سایمون- فاز طراحی مدل ریاضی در 4 قدم تشکیل میگردد:
شناخت متغیرها (اجزاء مدل) ایجاد رابطه بین متغیرها بوسیله عبارات ریاضی و جبری، معادلات و نامعادلات ساده سازی ازطریق ارائه مفروضات درمورد متغیرها و روابط بین آنها تطابق مدل ساخته شده با موقعیتهای مختلف (ارزیابی مدل) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
25 مدل سایمون- فاز طراحی پارامترهای ارزیابی برای انتخاب بهترین Alternative زمان میزان سادگی ساخت (یادگیری + زمان + هزینه) هزینه اجرا میزان ریسک وضعیت Learning مدل میزان استفاده از ابزارهای گرافیکی بمنظور مقایسه و ارزیابی گزینه‌ها، پیش بینی خروجی هریک از گزینه‌های پیشنهادی ضروری است انواع خروجی مطمئن همراه با ریسک نامطمئن Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
26 مدل سایمون- فاز طراحی بسته به اینکه برای انتخاب یکی از Alternative‌ها از بینAlternative‌های موجود به عنوان راه حل مسأله، چه اصولی را لحاظ کنیم، دو نوع مدل وجود دارد: مدل Normative ثابت می‌شود که گزینه منتخب بهترین انتخاب ممکن برای حل مسأله است بهترین گزینه بر اساس تئوری تصمیم گیری Normative انجام می‌شود مدل Descriptive چیزها را آنگونه که باید باشند توصیف می‌کند. نه، آنگونه که انتظار می‌رود، باشند این مدل مبتنی بر ریاضی است گزینه منتخب توسط این مدل، لزوماً بهترین انتخاب ممکن نیست بلکه انتخابی مبتنی بر Good Enough است متداولترین ابزار مدلسازی Descriptive، شبیه سازی (Simulation) است سایر ابزارها Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
27 مدل سایمون- فاز طراحی تئوری تصمیم گیری Normative بر اساس فرضیات منطقی و عقلانی زیر می‌باشد: انسان یک موجود اقتصادی است که هدفش، بیشینه ساختن امکان دستیابی به goal‌هاست برای اتخاذ یک تصمیم تمام گزینه‌های حل مسأله و نتایج حاصل از آنها باید شناخته شوند تصمیم گیرندگان این اختیار را دارند که میزان مطلوبیت همه نتایج آنالیز را رتبه بندی کنند Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
28 مدل سایمون- فاز طراحی سایر ابزارهای مدلسازی Descriptive:
Information flow Scenario analysis Financial planning Complex inventory decisions Markov analysis (predictions) Environmental impact analysis Technological forecasting Waiting line (queuing) management Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
29 تمرین مفهوم واژه‌های زیر و رابطه آنها با مدل چیست؟ Deduction (قیاس)
Trial and Error (سعی و خطا) Abduction (قیاس معکوس) Default (پیش فرض) Self-learning (خودآموزی) Non-monotonic (استنتاج غیریکنواخت) Heuristic (یادگیری مبتنی برآموزش) Intuition (درک شهودی) Analogue (تمثیل) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
30 تمرین انواع روشهای Reasoning را توضیح دهید؟
چند مثال در رابطه با Lineare Programing بزنید؟ تولید Alternative در DSS بر مبنای مدل ریاضی چه زمانی متوقف میشود؟ یک Checklist برای ساخت مدل ارائه دهید. مدل Normative خودکشی را رسم کنید Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
31 مدل سایمون- فاز انتخاب دراین فاز یکی از گزینه‌های موجود براساس اصول، معیارها و اهداف تعریف شده در فاز مدلسازی بعنوان راه حل مسأله انتخاب می‌شود این فاز شامل جستجو، ارزیابی و پیشنهاد یک راه‌ حل مناسب برای مدل است حل مدل به معنی حل مسأله‌ای که آن مدل نشان می‌دهد، نیست حل مدل به حل مسأله منجر می‌شود یک راه حل برای مدل به معنی تعیین مقادیر متغیرهای تصمیم‌گیری برای گزینه انتخابی است در این فاز برای انتخاب گزینه مناسب حل مسأله ازSearch استفاده می‌شود Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
32 مدل سایمون- فاز انتخاب بهینه راه حل مدلهای Descriptive
Heuristics Blind Optimization (Analytical) انواع Search ویژگی‌ها Partial Complete Enumeration فقط راه حلهای امید بخش چک میشوند فقط بعضی راه حلها چک میشوند (بطورسیستماتیک راه حلهای نامناسب حذف میشوند) تمام راه حلهای ممکن چک میشوند تولید راه حل بهبود یافته یا یافتن راه حل بهینه بطور مستقیم فرایند جستجو زمانی که به Good Enough برسیم اتمام مقایسه و شبیه سازی، زمانی که به Good Enough برسیم اتمام مقایسه، زمانی که همه راه حلها چک شده باشند زمانی که دیگر امکان هیچ بهبود جدیدی وجود نداشته باشد توقف آزمایش Good Enough بهترین در بین راه حل‌های چک شده بهینه راه حل مدلهای Descriptive مدلهای Normative کاربرد Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
33 مدل سایمون- فاز اجرا فاز اجرا (Implementation) بازبینی
سنجش تحلیل‌ها و پیشنهادات ارزش‌گذاری نتایج و اطمینان از تصمیم اتخاذ شده ایجاد طرح اجرایی تامین منابع اجرای راه حل بازبینی Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
34 تمرین روشها و تئوریهای تصمیم گیری چیست؟ تمرینهای آخر فصل 2
(ص.82-83) تمارین 1-13را به فارسی تایپ کنید و تمارین 3و4و12و13راحل کنید ص.85 تمرین3 حل شود بقیه تمرینات فقط خوانده شوند ساختار سیستمهای Search هوشمند چیست؟ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
35 یک نمونه Framework برای تعیین سیستمهای مورد نیاز یک سازمان
نوع کنترل پشتیبانی مورد نیاز طراحی استراتژیک کنترل مدیریتی کنترل عملیاتی نوع تصمیم سیستم‌های اطلاعات مدیریت، مدل‌های علوم مدیریت، مدل‌های مالی، مدل‌های آماری مدیریت مالی ( سرمایه گذاری)، مکان یابی انبار، سیستم‌های توزیع شده تحلیل بودجه، پیش‌بینی کوتاه مدت، گزارشات شخصی، تحلیل تولید یا خرید حسابهای دریافتی، ثبت سفارش ساخت یافته سیستم تصمیم‌یار ساخت کارگاه جدید، طراحی محصول جدید، طراحی جبران خسارت، طراحی کنترل کیفیت اعتبارسنجی، تهیه بودجه، طرح‌بندی کارگاه، زمان‌بندی پروژه زمانبندی تولید، کنترل انبار نیمه ساخت‌یافته سیستم تصمیم‌یار، سیستم خبره، شبکه‌های عصبی طراحی تحقیق و توسعه، توسعه تکنولوژی جدید، طراحی وظایف اجتماعی تبادل نظر, استخدام یک مجری جدید، خرید سخت افزار، سخنرانی انتخاب جلدی برای مجله، خرید نرم‌افزار، تصویب تقاضای وام ساخت‌نیافته سیستم‌های اطلاعات مدیریت، DSS، ES، EIS علوم مدیریت چارچوب تصمیم یاری Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
36 تعریف سیستم تصمیم ‌یار تعریف کاملی برای آن ارائه نشده است مشخصات کلی
سیستمی به منظور پشتیبانی از تصمیم‌گیری نیمه‌ساخت‌یافته مشاوری برای تصمیم‌گیران ولی تصمیم‌گیری نمی‌کند مبتنی بر کامپیوتر بر خط (On-line) رابط کاربر و خروجی‌های گرافیکی Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
37 سطوح گوناگون تصمیم‌یاری
انواع سیستمهای موجود بر اساس شیوه پشتیبانی از تصمیم گیر سیستم تصمیم یار (DSS) سیستم اطلاعات اجرایی (EIS) سیستم مبتنی بر دانش (KBS) سیستم یادگیری ماشین (MLS) سیستم بهبود خلاقیت (CES) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
38 تمرین روشهای Learning چیست؟ تفاوت Knowledgebase و DataBase چیست؟
فرق Process و Methodology چیست ؟ (حداقل بر مبنای 3 مرجع ) و نقش Lifecycle در آن چیست؟ دو Framework برای طراحی و تحلیل سیستمها در BI معرفی کنید. Project Definition در ساخت سیستمهای نرم افزاری چیست؟ دارای چه ساختاری است؟ انواع روشهای تست سیستم چیست؟ Framework اسلاید 20 را برای BI در یک سازمان دلخواه (مانند وزارت بازرگانی) تهیه کنید. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
39 تعریف سیستم یک سیستم مجموعه‌ای از اشیاء مانند: کاربران،‌ منابع، مفاهیم و رویه‌ها می‌باشد که به منظور انجام یک کار معلوم یا رسیدن به یک هدف مشترک با هم در ارتباطند. هر سیستمی در واقع یک زیر سیستم درون یک سیستم بزرگتر است (سیستم دارای خاصیت سلسله مراتبی است). ارتباطات درونی و محاورات بین زیر سیستم‌های یک سیستم، رابط (Interface) نامیده می‌شود. هر سیستم به سه بخش مجزا تقسیم می‌شود: ورودی‌ها پردازش‌ها خروجی‌ها بخش‌های فوق توسط یک محیط احاطه می‌شوند و غالباً شامل یک مکانیزم بازخرد می‌باشند. در ضمن یک فرد تصمیم گیر نیز به عنوان بخشی از سیستم در نظر گرفته می‌شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
40 تعریف سیستم (ادامه) محیط یک سیستم شامل عناصر متعددی است که خارج از سیستم قرار می‌گیرند و بر روی عملکرد سیستم و متعاقباً دستیابی سیستم به اهدافش تأثیر می‌گذارند. یک روش برای تشخیص عناصر محیط یک سیستم، طرح دو سئوال زیر است: آیا دستیابی به اهداف سیستم وابسته به عنصر است؟ آیا کنترل عنصر در اختیار تصمیم گیر است؟ فقط در صورتی که پاسخ سئوال اول مثبت و پاسخ سئوال دوم منفی باشد، عنصر مذکور یکی از عناصر موجود در محیط آن سیستم است. یک سیستم توسط یک مرز از محیطش جدا می‌شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
41 تعریف سیستم (ادامه) سیستم‌ها از نظر وابستگی به محیط دو نوع اند:
سیستم بسته مانند TPS و ES و ... سیستم باز مانند DSS و ... برای تشخیص باز یا بسته بودن یک سیستم دو سئوال زیر مطرح می‌شود: آیا سیستم به محیط وابسته است؟ آیا می‌توان محیط را نادیده گرفت؟ فقط در صورتی که پاسخ سئوال اول مثبت و پاسخ سئوال دوم منفی باشد، سیستم مذکور به محیطش وابسته است. اگر یک سیستم به محیطش وابسته باشد، باز و در غیر اینصورت بسته است. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
42 دو معیار ارزیابی عملکرد یک سیستم
عملکرد یک سیستم با دو معیار زیر ارزیابی می‌شود: Effectiveness: انجام کارِ درست. Efficiency: انجام درستِ کار. در MSS تأکید بیشتر بر اتخاذ تصمیمِ درست (Effectiveness یا Goodness) است تا درستی محاسبات مربوط به رسیدن به آن تصمیم (Efficiency). Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
43 سیستم و محیط آن محیط سیستم مرز سیستم مشتریان دولت شرایط آب و هوا
پردازش‌ها رویه‌ها برنامه‌ها ابزارها فعالیت‌ها تصمیم گیری‌ها خروجی‌ها عملکردها نتایج خدماتی که سیستم ارائه می‌کند محصولات نهایی ورودی‌ها مواد خام هزینه‌ها منابع رقبا فروشندگان بازخرد تصمیم گیرنده بانک‌ها سیستم مرز سیستم ذینفعان Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
44 تمرین روشهای مختلف بازنمایی دانش چیست؟
روشهای ارزیابی یک سیستم داده ای؟ Ad-hoc Reasoning چیست؟ خروجی هر مرحله از Lifecycle را بنویسید؟ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
45 نمایشی دیگر از معماری DSS
اینترنت، اینترانتها و اکسترانتها سیستم‌های مبتنی بر کامپیوتر دیگر داده: خارجی و داخلی مدیریت داده مدیریت مدل مدلهای خارجی زیر سیستم‌های مبتنی بر دانش رابط کاربر پایگاه دانش سازمانی کاربر (مدیر) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
46 تمرین روشهای مختلف تخمین چیست؟ تمرینات آخر فصل 3
صورت تمارین به فارسی تایپ شود؟ یکی از آنها به اختیار حل شود؟ حداقل 2 تا از تمارین اینترنتی به دلخواه حل شوند؟ برای یک بیمارستان میخواهیم یکDSS بسازیم، خروجیهای پیشنهادی این DSS را بیان کنید. برای فعال نمودن Alternative‌ها، سناریو بنویسید. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
47 ابزار فرایند و اهداف دسته بندی مدلها مدلهای تخمین
جداول تصمیم گیری و درختهای تصمیم گیری یافتن بهترین راه حل از بین تعداد کمی Alternative بهینه سازی مسائلی که دارای Alternativeهای محدودی هستند مدل برنامه سازی خطی و سایر مدلهای برنامه سازی ریاضی و مدلهای شبکه یافتن بهترین راه حل از بین تعداد زیاد و یا نامحدود Alternative با استفاده از فرایند بهبود قدم به قدم بهینه سازی از طریق الگوریتم مدل برنامه سازی خطی و سایر مدلهای برنامه سازی ریاضی، مدلهای مورد استفاده در تعیین مکان انبارداری یافتن بهترین راه حل در یک قدم با استفاده از یک فرمول بهینه سازی از طریق یک فرمول تحلیلی روشهای مختلفsimulation یافتن یک راه حل good enough یا بهترین راه حل از بین alternative‌های چک شده با استفاده از آزمایش شبیه سازی (simulation) برنامه سازی Heuristic و سیستم‌های خبره یافتن یک راه حل good enough با استفاده از قواعد Heuristics مدلهای مالی وwaiting lines حل یک موردwhat-if با استفاده از فرمول مدلهای دیگر مدلهای تخمین و تحلیلهای مارکوف تخمین آینده برای یک سناریوی مفروض مدلهای تخمین Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
48 Validaton وVerification دانش
مدل باید همواره موجب کاهش هزینه و زمان پردازش شود. مدل داده + دانش دانش Rule+Fact : وجود Rule لازم ولی وجود Fact اختیاری است دانش نیاز به Validation وVerification دارد (V&V) فرضیات دانش موردنظر در اینجا به صورت Rule است کلیه قواعد پایگاه دانش، قطعی هستند (CF آنها برابر 1 میباشد) استراتژی استنتاج از نوع رو به عقب (backward chaining) میباشد P(k) مجوعه شرایط قاعده k C(k)مجموعه نتایج قاعده k Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
49 Validaton و Verification دانش
دانش باید لازم و کافی باشد: اگر , {P(R1)}= {P(R2)} {C(R1)} {C(R2)} آنگاه R1 اضافی است و باید حذف شود R1: If A=x and B=b Then C=z R2: If A=x and B=b Then C=z and D=w لذا طبق اصل 1، R1 اضافی است ( Valid است اماVerify نشد) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
50 Validaton وVerification دانش
رفع تضاد بین قواعد: {P(R1)}= {P(R2)} اما {C(R1)} در تضاد با {C(R2)} باشد، آنگاه R1 وR2 با هم متضادند. R1: If A=x and B=b Then C=z R2: If A=x and B=b Then C=w Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
51 Validaton وVerification دانش
اگر {P(R1)} {P(R2)} و {C(R1)} = {C(R2)} آنگاه R2 اضافی است و باید حذف شود: R1: If A=x Then C=z R2: If A=x and B=b Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
52 Validaton وVerification دانش
مقادیر غیرارجاع: مثلاً فرض کنید متغیر I بتواند یکی از مقادیر high وmedium وlow را بگیرد. در اینصورت ما باید قواعدی داشته باشیم که هر سه مقداری را که I ممکن است بگیرد، پوشش دهند. If I=high Then In=b1 If I=low Then In=b2 همانطور که مشاهده میشود برای مقدار medium قاعده‌ای در نظر گرفته نشده است. در این حالت مقدار medium یک مقدار غیر ارجاع میباشد Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
53 Validaton وVerification دانش
مقادیر غیر قانونی If I=veryhigh Then In=b4 با فرضی که برای متغیر I در اسلاید قبلی کردیم، این متغیر مقدار veryhigh را نمیتواند بگیرد. لذا استفاده از این مقدار در قاعده فوق غیر قانونی است. در حالت کلی، انتساب مقداری به یک متغیر و استفاده از آن در یک یا چند قاعده در حالی که آن مقدار در مجموعه مقادیر قابل انتساب به آن متغیر نباشد، غیر قانونی است. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
54 Validaton وVerification دانش
مقادیر غیر قابل دسترسی به عنوان مثال زنجیره قواعد زیر را در نظر بگیرید: R1: If A=U Then C=W R2: If C=W Then D=X R3: If D=X Then E=Q R4: If E=Q Then goal=yes اگر قاعده R3 نباشد دسترسی به goal غیر ممکن میشود Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
55 مدلسازی سیستمهای تصمیم یار غالباً از مدلهای کمّی استفاده میکند، در حالیکه سیستمهای خبره از مدلهای مبتنی بردانش و کیفی استفاده میکنند. مدل ایستا: یک برش از فعالیتهای ثابت پویا: ارائه سناریوهای مختلف و متغیر در طول زمان یک مدل توسعه یافته ایستا میباشد متغیرها در این مدل، مطمئن، غیرمطمئن و یا همراه با ریسک میباشند Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
56 بهینه سازی از طریق برنامه سازی ریاضی
برنامه سازی ریاضی یکی ابزارهای بهینه سازی است Linear Programming (LP) معروفترین تکنیک در خانواده برنامه سازی ریاضی میباشد LP بطور گسترده در DSS استفاده میشود خصوصیات مسائل قابل حل توسط LP: منابع اقتصادی محدودی برای تخصیص وجود دارد منابع در تولید محصولات یا خدمات مورد استفاده قرار میگیرند دو یا بیشتر راه برای استفاده منابع وجود دارد و هر یک از این راه‌ها یک راه حل یا برنامه نامیده میشوند هر فعالیت موجب تولید محصول در راستای هدف میشود تخصیص معمولاً بوسیله تعداد زیادی محدودیت و نیازمندی محدود میشود Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
57 Heuristic Programming
یکی از LP‌ها که good enough را پشتیبانی میکند Heuristic Programming است Heuristic Programming شامل Tabu search Genetic algorithms و... میباشد کاربرد داده ورودی غیردقیق و محدود باشد واقعیت بحدی پیچیده باشد که از مدلهای بهینه سازی نتوان استفاده نمود یک الگوریتم قابل اعتماد و دقیق موجود نباشد مسائل پیچیده برای بهینه سازی یا شبیه سازی، صرفه اقتصادی ندارند و یا زمان محاسبات زیادی را می‌طلبند امکان بهبود کارایی فرایند بهینه سازی وجود داشته باشد (مثلاً از طریق تولید یک راه حل شروع خوب) نیاز به اتخاذ تصمیم سریع باشد و امکان استفاده ازکامپیوتر نباشد (بعضی Heuristic‌ها نیاز به کامپیوتر ندارند ) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
58 شبیه سازی متدولوژی شبیه سازی شامل مراحل: تعریف مسأله
تعیین هدف و منظور تعریف محیط و محدودیتهای سیستم ساخت مدل شبیه سازی تعیین متغیرها و روابط بین آنها و جمع آوری داده اغلب فرایند بوسیله یک فلوچارت، توصیف و سپس یک برنامه کامپیوتری نوشته میشود تست و اعتبارسنجی مدل طراحی آزمایش اداره کردن آزمایش مسائلی از قبیل تولید اعداد تصادفی و ارائه نتایج آزمایش ارزیابی نتایج پیاده سازی پیاده سازی نتایج شبیه سازی Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
59 انواع شبیه سازی شبیه سازی احتمالی
شامل یک یا چند متغیر مستقل احتمالی که از توزیع احتمال معینی تبعیت میکنند توزیع احتمال پیوسته توزیع احتمال گسسته شبیه سازی بصری نمایش گرافیکی نتایج کامپیوتری که ممکن است شامل متحرک سازی نیز باشند شبیه سازی شیء گرا UML یک ابزار مدلسازی است که برای سیستمها و کاربردهای شیء گرا طراحی شده است Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
60 زبانهای مدلسازی زبانهای مدلسازی برای ساخت مدلهای ریاضی Lingo AMPL GAMS
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
61 تمرین انواع Rule چیست؟ نحوه نگهداری Case در Knowledge Base ؟
AHP (Analytical Hierarchical Processing)چیست؟ انواع Rule چیست؟ نحوه نگهداری Case در Knowledge Base ؟ چارچوب تئوریک دارای چه مفهوم و مشخصاتی است؟ ارائه یک مسأله و آنالیز آن به کمک Influence Diagram و پیاده سازی آن برروی Spreadsheet. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
62 مراجع گرایشات آتی تحقیقاتی و کاربردی
[ 1] Burstein F., Bui T., Arnott D., Decision support in the new millennium, Decision Support Systems 31/2, Elsevier Science B.V., pp , June 2001 [ 2] Carlsson C., Turban E., DSS: directions for the next decade, Decision Support Systems 33/1, Elsevier Science B.V., pp , May 2002 گرایشات آتی تحقیقاتی و کاربردی [ 3] Courtney J.F., Decision making and knowledge management in inquiring organizations: toward a new decision-making paradigm for DSS, Decision Support Systems 31, Elsevier Science B.V., pp , 2001 شیوه تصمیم گیری با سیستم تصمیم یار [ 4] Forgionne G. A, Mora M. Decision making support systems: achievements, challenges and opportunities, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp , 2002 دست یافته‌ها و مباحث تحقیقاتی Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
63 مراجع [ 5] Forgionne G. A., An architecture for the integration of decision making support functionalities, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp , 2002 سطوح مختلف تصمیم یاری و سیستمهای تصمیم یار مرکب [ 6]Nemati H.R, Steiger D. M., Iyer L. S., Herschel R. T., Knowledge warehouse: an architectural integration of knowledge management, decision support, artif icial intelligence and data warehousing, Decision Support Systems 33/2, Elsevier Science B.V., pp , June 2002 سیستم‌های تصمیم یار راهبر داده و راهبر دانش [ 7]Pomerol J.C., Adam F., From human decision making to DMSS architecture, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp , 2002 تصمیم گیری بشر و سطوح مختلف تصمیم گیری [ 8] Power D.J., Categorizing Decision Support Systems, A Multidimensional Approach, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 1-19, 2002 [ 9] Power D.J., Supporting Decision-Makers: An Expanded Framework, Informing Science, June 2001 دسته بندی سیستم‌های تصمیم یار Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh
64 مراجع [ 10] Sen A., From DSS to DSP: A Taxonomic Retrospection, Communications of the ACM (CACM) 41/5, pp , May 1998 تاریخچه و سیر تکاملی سیستمهای تصمیم یار [ 11] Shim J.P., Warkentin M., Courtney J. F., Power D. J., Sharda R., Carlsson C., Past, present, and future of decision support technology, Decision Support Systems 33/2, Elsevier Science B.V., pp , June 2002 گذشته و حال و آینده سیستمهای تصمیم یار [ 12] Turban E., Aronson J.E., Decision support systems and intelligent systems, Prentice Hall, 2001 تعاریف اولیه [ 13] Turban E., McLean E., Wetherbe J., Information technology for management, John Wiley, 2000 تاریخچه و چارچوب تصمیم یاری Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh

 

 

 

 

تصمیم باهوش
شیرازی
تهران – واحد شهرری
Master_SE
نوری
شناس
گشتی
[email protected] شتیبانی کامپیوتری قسمت دوم تصمیم سازی و پ
سیستمو
جناب
دانشجویان کارشناسی
فصل اول : شهراد رضاییفصل دوم : محبوبه تاجیفصل سوم : مهدی قربانیفصل چهارم : سعید حقفصل پنجم : فاطمه تقیفصل ششم: احمد منتظمیفصل هفتم : علیرضاشکیبامنشفصل هشتم : کیمیایی فصل نهم : فاطمه فصل دهم : رحمان فصل یازدهم : نادر کریم
صفحه آرائی :
دوم

سیستم‌های پشتیبان مدیریت نگاه کلی ..................................................................1
1,1 بررسی یک مورد: HARRAH 'S شرط بندی بزرگ م یکند 2
2,1 مدیران و تصمی مگیری 6
3,1 مدیریت تصمی مگیری و سیستم‌های اطلاعاتی 9
4,1 مدیران و پشتیبانی کامپیوتر 12
5,1 پشتیبانی تصمیم بوسیله رایانه و پشتیبانی بوسیله فناوریها 12
6,1 یک چارچوب برای پشتیبان تصمیم 15
7,1 مفهوم سیستم‌های پشتیبان تصمیم 19
24 8,1 سیستمهای پشتیبانی گروهی (GSS)
25 9,1 سیستم‌های سازمانی اطلاعاتی
10,1 سیستم‌های مدیریت دانش 27
27 11,1 سیستم‌های خبره
28 12,1 شبکه‌های هوش عصبی
29 13,1 سیستم‌های پشتیبان تصمیم هوشمند پیشرفته
14,1 سی ستمهای پشتیبان مرکب 29
2 سیستم‌های تصمی مگیرنده، مدل سازی و پشتیبانی ................................................ 35
1,2 شمای اولیه: شرکت SMP که اداره آن بر مبنای تصمی مگیری جمعی است. 37
2,2 تصمی مگیری : معرفی وتعریفات 40
3,2 سیستم‌ها 44
4,2 مدلها 53
5,2 فازهای فرآیند تصمیم گیری 57
6,2 تصمی مگیری : فاز هوشمندی 59
7,2 تصمیم گیری : فاز طراحی 67
51 8,2 تصمی مگیری : فاز انتخاب
52 9,2 تصمیم گیری :فاز اجرا
53 10,2 چگونه تصمیم گیری پشتیبانی می‌شود
11,2 انواع شخصیت،نوع و جنسیت، درک انسانی و انواع تصمیم 59
تصمیم سازی و پشتیبانی کامپیوتری II
12,2 تصمیم گیرندگان 69
3 سیستم‌های پشتیبان تصمی مگیری در یک مرور .................................................... 88
88 3,1
88 2,3 پیکربندیهای DSS
89 3,3 DSS چیست؟
4,3 خصوصیات و قابلیتهای DSS 93
5,3 مولفه‌های DSS 95
6,3 زیر سیستم مدیریت داده 98
7,3 زیر سیستم‌های مدیریت مدل 102
8,3 زیر سیستم واسط کاربر ( محاوره ) 105
107 9,3 زیر سیستم‌های مدیریت مبتنی بر دانش
108 10,3 کاربر
109 11,3 سخت افزار DSS
12,3 رده بندیهایDSS 109
13,3 خلاصه 115
4 مدل سازی و تحلیل آن ........................................................................... 117
1,4 تصویر آغازین : شبیه سازی سیستم حمل و نقل ریلی و تلاش برای جلوگیری از صرف هزینه‌های عمده 119
2,4 مدل سازی MSS 121 روشهای نمایش 126
جداول تصمیم، درختان تصمیم 126 مدلهای برنامهنویسی خطی و ریاضی، مدلهای شبکه 126
بعضی مدلهای موجود 126
چندین نوع از شبیهسازیها 126
برنامهنویسی اکتشافی، سیستمهای خبره 126
مدلهای پیشبینی، تحلیل مارکُف 126
126 مدلسازی مالی، خطوط انتظار
127 3,4 مدل‌های پویا و ایستا

4,4 نمودارهای تاثیرات 131
136 4,5
6,4 مدلسازی MSS با صفحههای گسترده 136
7,4 تحلیل تصمیم با گزینههای کم ( جداول تصمیم و درخت تصمیم) 140
8,4 ساختار مدلهای ریاضی MSS 144
9,4 بهینهسازی برنامهنویسی(مدلسازی) ریاضی 147
10,4 اهداف چندگانه، حساسیت، تحلیل مشروط و جستجوی هدف 155
11,4 روش‌های جستجوی حل مسئله 162
12،4برنامه ریزی اکتشافی 166
13,4 شبیه سازی 170
14,4 مدلسازی محاورهای تصویری و شبیه سازی محاوره‌ای تصویری 176
15،4 شبیه سازی نرم افزاری کمی 182
16،4 مدیریت مدل محور 188
5 هوش تجارت: انبار داده،اکتساب داده،داده کاوی، تجزیه و تحلیل کسب و کار و تجسم آن ................ 198
1,5 آشنایی: به اشتراک گذاری داده‌ها یه عنوان یک جزء مهم از استراتژی اصلی جهت امنیت داخلی
199
2,5 طبیعت و منابع داده‌ها 201
3,5 کیفیت،مشکلات و جمع آوری داده‌ها 206
4,5 سرویس‌های پایگاه داده‌های مربوط به امور بازرگانی و اینترنتی 223
5,5سیستم‌های مدیریت پایگاه داده‌ها در سیستم‌های پشتیبانی تصمیم گیری/ هوش تجاری 226
6,5ساختارها و سازمان‌های پایگاه داده‌ها 228
7,5 انبار گردانی داده‌ها 236
8. 5 مارت داده 254
9,5 هوش تجارت / تجزیه و تحلیل تجاری 255
10,5 پردازش تحلیلی آنلاین (OLAP) 266
6 فصل ششم ایجاد و توسعه سیستم پشتیبانی تصمیم ...............................................270
1,6 تصویر ابتدایی : osram Sylvania به بخش‌های کوچک فکر می‌کند . برای کل مجموعه راه
حل ارائه می‌کند – 271
تصمیم سازی و پشتیبانی کامپیوتری IV
275 2,6 2-6- مقدمه‌ای به ایجاد و توسعه DSS
276 2,6 2-6- مقدمه‌ای به ایجاد و توسعه DSS
3,6 چرخه ایجاد نرم افزار سنتی 278
4,6 4-6- روش‌های دیگر ایجاد و توسعه سیستم‌ها 305
5,6 نمونه سازی : شناسایی روشهای توسعه وضعیت DSS 309
6,6 مدیریت تغییرات 315
7,6 سطوح فناوری و ابزارهای DSS 324
8,6 پلتفورمهای توسعه DSS 327
9,6 انتخاب ابزار توسعه 329
336 10,6 DSSهای ایجاد شده توسط تیم
337 11,6 DSS‌های ایجاد شده توسط کاربران نهایی
12,6 در کنار هم قرار دادن DSSها 340
7 فناوریهای محاسبه مشارکتی: سیستم‌های پشتیبانی گروهی ...................................344
1,7 تصویر مقدماتی: نمرات/امتیازات کرایسلر با گروه افزار 345
2,7 تصمیم گیری گروهی، رابطه و مشارکت: 349
3,7 حمایت از برقراری ارتباط/تعامل 351
4,7 حمایت از مشارکت (حمایت مشارکتی): کار مشارکتی با حمایت کامپیوتر 354
5,7 سیستم‌های حمایت از گروه 360
6,7 فناوری‌های سیستم‌های حمایت گروهی 367
7,7 اتاق جلسه سیستم‌های گروهی و بصورت آنلاین 370
8,7 فرایند جلسه GSS 372
9,7 یادگیری از راه دور 375
10,7 خلاقیت و تولید نظر و عقیده (ابراز نظر ) 386
8 فصل هشتم ........................................................................................ 403
9 مدیریت دانش.................................................................................... 444
1,9 تصویر باز : Siemens از آنچه که بواسطه مدیریت دانش می‌داند، آگاه است 445
2,9 مقدمه‌ای بر مدیریت دانش 448
3,9 یادگیری سازمانی و تغییر شکل 453

4,9 مبانی مدیریت دانش 456
5,9 روشهایی برای مدیریت دانش 458
6,9 فناوری اطلاعات در مدیریت دانش 463
7,9 پیاده سازی سیستم‌های مدیریت دانش 470
8,9...... نقش افراد در مدیریت دانش 479
9,9 تضمین موفقیت مدیریت دانش 485
10 هوش مصنوعی و سیستم‌های خبره: سیستم‌های پایگاه دانش (مبتنی بر دانش)............492
1,10 افتتاح شکل : سیستم‌های هوشمند در سیستم‌های مخابراتی KPN و LOGITECH 493
2,10 مفاهیم و تعاریف هوش مصنوعی 495
3,10 تکامل هوش مصنوعی 498
4,10 زمینه هوش مصنوعی 501
5,10 مفهوم پایه سیستم‌های خبره 508
6,10 کاربرد سیستمهای خبره 512
7,10 ساختار سیستم‌های خبره 516
8,10 سیستم‌های خبره چگونه کار می‌کنند . 519
9,10 بخش‌های مناسب برای سیسستم‌های خبره 525
10,10 بهره و توانایی‌های سیستم‌های خبره 527
531 11,10 مشکلات و محدودیت‌های سیستم‌های خبره
532 12,10 عوامل موفقیت سیستم‌های خبره
13,10 انواع سیستم‌های خبره 534
14,10 سیستم‌های خبره در وب 537
11 نمایش، فراگیری و استدلال دانش...............................................................549
Opening Vignette : Development of Real-Time Knowledge-Base System at 11,1
551 ELI LILLY
552 Concepts of Knowledge Engineering 11,2
554 Scope and Types of Knowledge 11,3
558 Mehods of Knowledge acquisition from Experts 11,4

سیستم‌های پشتیبان مدیریت
1,1 بررسی یک مورد: HARRAH 'S شرط بندی بزرگ می‌کند مسئله
شرط بندی، بازی بسیار رقابتی و سودآوری است که بسیاری از مردم بهمین دلیل به آن جذب شده اند، و از طرفی هر کازینو هم م یخواهد از این طریق به کسب و کار بپردازد. در اوایل 1990، قمار بصورت بومی در riverboats آمریکا قانونی شد. اپراتورهای بزرگی وارد این بازار جدید شدند. بین سال‌های 1990 و 1997، تعداد کازینوهای Harrah سه برابر شده است. به عنوان بازارهای جدید رقابت بیشتر رشد، کسب و کار رسیده را از نظر کاهش می‌گرداند. هر کازینو Harrah 's به طور مستقل از دیگر کازینوها عمل می‌کند. هر یک از مدیران احساس کردند که مالکیت آنها متعلق به مشتریان خاص، و مشتریان متفاوت در خواص دیگر Harrah درمان شدند .
از سال 1970 خدمترسانی به مشتری تغییر زیادی نکرده است. مدیران کازینو مدتها اهمیت ایجاد روابط با مشتریان خود را بیشتر سود آور شناخته بودند. با این حال، در پایان 1980، ماشین آلات اسلات از میز بازی پیشی گرفت و به عنوان بزرگترین منبع قمار درآمد. در سال 1997، مدیران در جلسه Harrah 's به رسمیت شناخته شده است که به معنی حفظ خود را 25 میلیون بازیکن وفادار به اسلات Harrah's کلید برای سودآوری شده است.
بهترین راه حل Harrah 's رویکردهای هر مشتری جدید را به شکل طولانی مدتی نگهداری می‌کند. شرکت گیگابایت اطلاعات جمع آوری شده توسط دستگاه سیستم‌های ردیابی (tracking) در طول پنج سال گذشته را با روش‌های داده کاوی تجزیه و تحلیل کرده است. مدیران متوجه شدند که 30 درصد از مشتریان خود بین 100 $ و 500 $ در هر دیدار برای محاسبه 80 درصد از درآمد شرکت و تقریبا 100 درصد از سود هزینه می‌کنند.
Harrah تعداد برنامه پاداش (reward program) را افزایش داد. این کارتهای پاداش به مشتریان جهت دستگاه slot، غذا، اتاق، بازیکنان و قایق ارائه شد. این شرکت با استفاده از نوارهای مغناطیسی که در کارت‌های بازی بود برای گرفتن اطلاعات هر مشتری استفاده می‌کرد از طریق کارت اطلاعاتی از قبیل،نوشیدنی‌های مورد علاقه، وعده‌های غذایی، اتاق هتل و انگیزه‌های دیگر را بر اساس مقدار پول داخل دستگاه نگهداری می‌کند، همچنین اینکه مشتری چه بازی‌ها را ترجیح می‌دهد و اینکه آیا آنها برنده و یا بازنده شده اند. این روش باعث بوجود آمدن یک "مشخصات سودآوری" که می‌تواند جهت تخمین زدن ارزش مشتری برای شرکت بکار بروند. البته معیارهای ارزیابی کاملا مشخص و در اختیار مشتریان قرار گرفته است.
Harrah 's با تمام بازیکنان خود بصورت الکترونیکی اتصال دارد به طوری که هنگامی که قماربازان به مکان دیگری بروند، آنها می‌توانند پاداش خود را از گرو در آورده و برای دریافت وعده‌های غذایی رایگان،
اتاق، و از آن استفاده کنند. کازینوی Harrah ' میتواند فعالانه با آن "خانواده " در بازار با مشتریان خود در تعامل باشد. خطوط هوایی شده است برای انجام این کار سال است.
سیستم Harrah به شکل زیرکار می‌کند:
کارت خوان مغناطیسی در تمام دستگاه‌های بازی وجود دارد که وظیفه خواندن کارت شناسایی هر مشتری را بر عهده دارد. بوسیله این کارتها و دستگاه کارت خوان اطلاعات مربوط به تعداد بازی و از این قبیل اطلاعات جمع آوری می‌شود.
دستگاه‌های الکترونیکی :بازی که بصورت کامپیوتری و شبکه‌ای هستند. هر ماشین اطلاعات معامله و رله آن را ذخیره کرده و به سرویس دهنده‌های پردازنده مرکزی Harrah منتقل می‌کند.
سیستم‌های تراکنش Onsit : در هر یک فروشگاه‌های کازینو، هتل، و رستوران اطلاعات تراکنش مربوطه را ذخیره می‌کند.
انبار داده‌های محلی National Datawarehouse که سیستم‌های کامپیوتری کازینو و داده‌های مشتری را به یک سرویس دهنده دیگر اتصال می‌دهد.
برنامه‌های نرم افزاری آنالیز و پیش بینی که تولید کننده پروفایل‌های سریع و آنی نزدیک به مشتری م یباشد. شرکت قادر به طراحی و تعیین آهنگ بازاریابی بر اساس نتایج خود را پیدا میکند.
وب سایت، وظیفه ایجاد اطلاع رسانی، سرگرمی و تفریح برای مشتریان را دارد.

انبار داده‌ها (DataWare House)، یک پایگاه داده بزرگ و تخصصی،که یک مجموعه آماری و الگوهای پرداخت مربوط به کلیه مشتریان را نگهداری می‌کند. تکنیک‌های داده کاوی، که هوش کسب و کار نیز نامیده می‌شود (تجزیه کسب و کار یا روشهای تحلیلی) که برای تجزیه و تحلیل داده‌ها و شناسایی کلاسهای مشتریان سودآور با هدف کسب و کار در آینده. ترکیب این دو روش موجب ایجاد مدیریت ارتباط با مشتری (CRM) میشود، یک سیستم پشتیبانی تصمیم گیری (DSS) مدیران را در فروش و بازاریابی یاری می‌کند.
وب سایت Harrah به اطلاعات مربوط به مشتری، نام تجاری، برنامه‌های وفاداری، خواص، و سایر اطلاعات مربوطه ارتباط دارد.
داده در هر یک از اموال توسط سیستم‌های پردازش تراکنشی (TPS) جمع آوری می‌شد و سپس به انبار داده متمرکز نقل مکان می‌کرد، که آنجا محل آنالیز و تحلیل آنهاست. سن و فاصله از کازینو از عوامل اصلی در آینده نگری هستند که همراه با نوع بازی و تعداد سکه‌های استفاده شده در هر بازی در این امر کمک م یکنند. به عنوان مثال،یکی از بازیکنان خیلی خوب و کامل خانم 62 ساله است که در فاطله کمی از شهر کانزاس میسوری زندگی می‌کند، او بصورت ویدیوئی دلار پوکر بازی می‌کند. این چنین مشتریانی معمولا علاوه بر داشتن میزان قابل توجهی پول نقد،زمان کافی هم دارند و از طرفی می‌توانند دسترسی آسان به کازینو riverboat Harrah نیز داشته باشند.
نتایج
اسلات‌ها و سایر دستگاه‌های بازی الکترونیکی 7,3 میلیارد دلار در سال برای harras درآمد دارد و بیش از 80 درصد آن سود است. تا حد زیادی در ردیابی قدرت جدید خود سیستم و داده‌های استخراج از معادن برای بازیکنان اسلات، Harrah کرده است که اخیرا به عنوان بزرگترین اپراتور دوم در ایالات متحده، پدید آمده است که دارای بالاترین به سه سال بازگشت سرمایه گذاری در صنعت. تعداد برنامه ایجاد کرده است پاداش 20 میلیون دلار در کاهش هزینه‌های سالانه با شناسایی مشتریان بی ثمر و درمان آنها را به عنوان چنین. در سال 2001، شبکه Harrah بیش از 40،000 دستگاه‌های بازی در دوازده ایالت مرتبط و ایجاد نام تجاری وفاداری. تنها در دو سال اول برنامه پاداش مجموع، درآمد حاصل توسط 100 میلیون دلار از مشتریانی که gambled در کازینو بیش از یک Harrah را افزایش داده است. از سال 1998، هر یک درصد افزایش، نقطه سهم Harrah از مشتریان خود 'قمار بودجه کلی است همزمان با مبلغ 125 میلیون در ارزش سهامداران. شرکت درآمد رکورد از $ 7,3 میلیارد دلار در سال 2001 بود تا 11 درصد از سال 2000. بیش از نیمی از درآمد حاصل در سه Harrah قمار در لاس وگاس در حال حاضر از بازیکنان شرکت در حال حاضر می‌داند از قمار خود را در خارج از نوادا م یآید.
سوالات این بخش
1. چگونه Harrah با مشکل عمده‌ای که روبرو بود مقابله کرد؟
2. چرا جمع آوری اطلاعات مربوط به مشتریان برای‌هاراس مهم بود؟
3. چگونه تکنولوژی‌های مختلف dss از قبیل داده کاوی، انبار داده‌ها، مدیریت منابع مشتری، و غیره م یتواند به مدیران برای شناسایی پروفایل‌های مشتری و میزان سود دهی هر یک کمک کند؟


2,1 مدیران و تصمیم گیری
باز کردن مسله نشان داد که Harrah’s چگونه توسعه یافت و چگونه از سیستم پشتیبانی تصمیم کامپیوتری شده جهت نگهداری میزان وفاداری مشتری و گسترش بازارش استفاده می‌کند .
برخی از نکات نشان داده شده عبارتند از :
• ماهیت رقابت در صنعت بازی موجب الزام در استفاده از ابزارهای پشتیبانی تصمیم کامپیوتری برای موفقیت و حفظ بقا در بازار می‌شود.
• این شرکت از شبکه جهانی وب برای رابط کاربران خود استفاده می‌کند. تحلیلگران، کارشناسان بازاریابی
، و حتی مشتریان می‌توانند مستقیما از طریق شبکه جهانی وب به آن دسترسی داشته باشند .
• ایجاد سیستم اطلاعات بر پایه سازماندهی داده‌ها در انبار داده مخصوص باعث شده است که پردازش و تجزیه و تحلیل آن به آسانی صورت گیرد.
• فن آوری‌های عمده‌ای برای داده کاوی (هوش کسب و کار / تحلیلی کسب و کار)، شناسایی مشتریان سودآور (آنالیز) و مدیریت ارتباط با مشتری (CRM)، تبلیغات در بازار، نمایش میزان فروش و شناسایی مشکلات و فرصت‌های جدید مورد استفاده قرار گرفت. روشهای استخراج دادهها ممکن است تجزیه و تحلیل رگرسیون، شبکه‌های عصبی، تجزیه و تحلیل خوشه ای، و روشهای بهینه سازی باشد .
•DSS در ساخت انواع تصمیمات بازاریابی،تشخیص اینکه مشتریان سودآور کدامند، تا چگونگی ارتقای خواص به تمام مشتریان استفاده م یشود. امور تبلیغاتی می‌تواند بصورت روزانه و روز به روز ساخته شود.
• پشتیبانی از تصمیم بر اساس مقادیر گسترده‌ای از داده‌های داخلی و خارجی بنا شده است.
• نرم افزارهای تجزیه و تحلیل Dss با سیستم‌های پردازش تراکنش (TPS) متفاوت هستند، اما از داده‌های آنها استفاده میکنند.
• مدلهای آماری و سایر مدلهای کمی در CRM استفاده م یشود .
• در نهایت مدیران پاسخگوی کلیه تصمیم‌های گرفته شده می‌باشند.
بسیاری از شرکتهای هواپیمایی، سازمان‌های خرده فروشی، بانکها، شرکت‌های خدماتی و دیگران بخاطر استفاده از روش‌های Harrah به موفقیت بیشتری دست یافتند. شکل نشان م یدهد که برای اجرای موثر کسب و کار امروز در یک محیط رقابتی، زمان واقعی و هدفمند، داشتن سیستم پشتیبانی تصمیم گیری کامپیوتری، ضروری است. این مطلب اصلی کتاب است.
ماهیت کار مدیران
برای درک بهتر اینکه مدیران چگونه از سیستم‌های اطلاعاتی می‌توانند بهره ببرند بهتر است نگاهی در
ماهیت کار مدیران داشته باشیم. (1980 Mintzberg 's(در مطالعاتی که در مورد مدیران داشت به این نتیجه رسید که مدیران 10 نقش عمده را بر عهده می‌گیرند،که می‌توان آنها را به سه دسته عمده فردی، اطلاعاتی و تصمیماتی طبقه بندی کرد (رجوع شود به جدول1,1)
برای انجام این نقش‌ها، مدیران نیاز به اطلاعاتی کارآمد و به موقع که در کامپیوترهای شخصی بر روی میزشان، بر روی رایانه‌های همراهشان، و حتی به کامپیوتر جاسازی شده در PDAs (دستیار دیجیتالشخصی) و تلفن همراهشان نیاز مبرم دارند. این اطلاعات از طریق سرویس دهنده‌ها، عموما از طریق فن آوری‌های وب تحویل داده می‌شود. مدیران علاوه بر اخذ اطلاعات لازم برای انجام بهتر نقش خود،آنها از رایانه نیز برای ایجاد تصمیم که یکی از ارکان نقش‌های گفته شده در بالاست استفاده می‌کنند.  

موظف به انجام تعدادی از وظایف معمول از ماهیت قانونی یا اجتماعی است. مسئول ایجاد انگیزه و فعال سازی وظایف ؛ مسئول نیروی انسانی، آموزش، و مرتبط با وظایف
ارتباطات داشتن اطلاعات بروز در مورد ارتباط با خارج از محیط و خبردارشدن از که چه کسانی چه اطلاعات و چه مواردی را ایجاد می‌کنند.
اطلاعاتی
مبصر جستجوگر طیف گسترده‌ای از اطلاعات خاص (و بروز) به منظور افزایش درک کامل از سازمان و محیط ؛ ظاهر شدن به عنوان مرکز قدرت اطلاعات داخلی و خارجی سازمان
مروج انتقال اطلاعات دریافت شده از محیط خارج (یا دیگران) به اعضا سازمان ؛ برخی از اطلاعات واقعی، برخی نیز بصورت تفسیر و تجمیع شده هستند.
سخنگو انتقال اطلاعات به بیرون از سازمان, در مورد برنامه‌های سازمان، سیاست‌ها، اقدامات، نتایج، و غیره
؛ به عنوان کارشناس در صنعت سازمان تصمیم گیری
کارآفرین (کارگشا) جستجو در سازمان و محیط اطراف آن برای یافتن فرصت‌هایی جهت بهبود و ایجاد تغییر مثبت ؛ نظارت بر طراحی پروژه‌های خاص.
مسئول اقدامات اصلاحی در زمانی که چهره سازمان اهمیت دارد، رفع کننده مشکلات غیر منتظره حلال مشکلات
مسئول اختصاص همه نوع منابع سازمانی که در تمام تصمیمات مهم سازمانی تاثیر گذار هستند. تخصیص دهنده منابع
مذاکره کننده مسئول اصلی و نماینده سازمان در مذاکرات مهم می‌باشد.

3,1 مدیریت تصمیم گیری و سیستم‌های اطلاعاتی
ما این مورد را با بررسی دو موضوع مهم در تصمیم گیری‌های مدیریتی و سیستم‌های اطلاعات آغاز خواهیم کرد.
مدیریت، فرآیندی است برای رسیدن به اهداف سازمانی با استفاده از منابع. منابع همان ورودی‌ها در نظر گرفته شده اند، و رسیدن به اهداف به عنوان خروجی فرآیند در نظر گرفته می‌شود. درجه موفقیت سازمان و شغل مدیر اغلب با نسبت خروجی به ورودی‌ها اندازه گیری می‌شود. این نسبت نشان دهنده بهره وری سازمان است.
بهره وری از اهداف مهم هر سازمان است، زیرا تعیین کننده رفاه سازمان و اعضای آن است. بهره وری نیز یک مسئله بسیار مهم در سطح ملی است. بهره وری ملی مجموعه ایی از بهره وری از همه افراد و سازمانها در یک کشور است، و تعیین استاندارد کشور، از سطح زندگی، سطح اشتغال و سلامت اقتصادی است. میزان بهره وری، یا موفقیت‌های مدیریتی، بستگی به کارایی عملکردهای مدیریتی، مانند برنامه ریزی، سازماندهی،هدایت، و کنترل دارد .علاوه بر این، وب در میان چیزهای دیگر، داده‌ها، چاوش محیط زیست و پورتالهای منجر به تصمیم گیری بهتر، بهره وری را افزایش م یدهد. مدیران برای انجام وظایف خود، در یک فرایند مداوم تصمیم گیری مشغول‌اند .
کلیه فعالیت‌های مدیریتی در حول محور تصمیمگیری چرخ می‌زند. مدیر در درجه اول و تصمیم ساز است(نگاه کنید بهDSS در روز 1,1). شرکتها و سازمانها با تصمیم گیران در سطوح مختلف پر شده بودند.
برای سالها مدیران تصمیم گیری صرفا هنر مدیریت را بصورت اکتسابی در طی یک دوره طولانی از طریق تجربه بدست می‌آوردند (یادگیری توسط آزمون و خطا). مدیریت هنر در نظر گرفته شد به این دلیل که سبک‌های مختلفی برای رسیدن به موفقیت در حل انواع مشکلات مدیریتی می‌تواند مورد استفاده قرار گیرد. این سبک‌ها غالبا بر اساس خلاقیت، قضاوت، شواهد و تجربه بودند،و بر اساس روشهای سیستماتیک کمی مبتنی بر رویکرد علمی ایجاد نشده بودند.
با این حال، محدوده عملیاتی و محیط مدیریتی به سرعت در حال تغییر و کسب و کار و محیط آن در حال رشد و پیچیده گی روزافزون است. در شکل 1,1 تغییر در عوامل مؤثر بر تصمیم گیری‌های مدیریتی نشان داده شده است. در نتیجه، تصمیم گیری‌های امروزه پیچیده تر شده است. دلیل این موضوع چند مورد می‌باشد: اول، تعداد جایگزین‌های موجود به دلیل استفاده از فن آوری بهبود یافته و سیستم‌های ارتباطی بزرگتر به ویژه وب سایت‌ها / اینترنت و موتورهای جستجو، خیلی بیشتر از قبل شده است. همانطور که داده‌ها و اطلاعات قابل دسترس، بیشتر م یشوند جایگزینها و راه حلهای بیشتری نیز قابل شناسایی و استفاده خواهند بود. با وجود سرعت در دسترسی به داده‌ها و اطلاعات قابل دسترس، انتخابهای مربوط به تصمیم سازی نیز می‌بایست آنالیز و بررسی می‌شدند. این طول م یکشد (در مقیاس انسانی = با سرعت کم). زمان و فکر . با وجود داشتن اطلاعات بیشتر و بهتر از قبل، فشار زمان مانع از جمع آوری و به اشتراک گذاری مایحتاج اطلاعاتی مدیران تصمیم سازمی شود.دوم این که، هزینه بوجود آمدن خطا م یتواند بسیار زیاد باشد زیرا ممکن است یک خطا در سازمان به دلیل پیچیدگی عملیات، اتوماسیون اداری و واکنش زنجیره‌ای در آن منجر به ایجاد خطاهای بسیار بزرگ و پیچیده‌ای شود.
سوم، تغییرات مستمری در محیطی متغیر و بی ثبات در عناصر متعدد وجود دارد. در نهایت، تصمیمات باید به سرعت برای پاسخ به بازار گرفته شوند. پیشرفت در تکنولوژی، به ویژه وب،به طرز چشمگیری باعث افزایش سرعت در بدست آوردن شده است، به همین دلیل انتظار م یرود که تصمیمات ما نیز با سرعت باشند. انتظار م یرود که ما نیز بتوانیم در صورت تغییر در محیط فورا پاسخ درست بدهیم.
از آنجا که این روند و تغییرات آن،تصمیم گیری به شیوه آزمون و خطا را تقریبا غیرممکن می‌کند، به ویژه برای تصمیم گیری که شامل عوامل نشان داده شده در شکل 1,1. م یباشد. مدیران بایستی مهارت بالائی داشته باشند: آنهاباید با ابزارها و روش‌های جدید در زمینه‌های خود استفاده کنند. برخی از این ابزارها و تکنیک‌ها موضوع این کتاب م یباشد. استفاده از آنها برای پشتیبانی از تصمیم گیری می‌تواند بسیار موثر باشد. بعنوان مثال از وب سایت مبتنی بر فن آوری ایجاد تصمیم گیری موثر توسط مشتریان امپریال شکر و فروشندگان، نگاه کنید به DSS عمل در 2,1.
شکل 1-1 : عوامل موثر در تصمیم گیری
عامل تمایل نتایج

آلترنیتیوهای بیشتر برای انتخاب

افزایش هزینه بخاطر ایجاد خطا

عدم وابستگی بیشتر به موضوعات آتی

نیاز به تصمیم گیری فوری


تکنولوژی افزایش
اطلاعات / کامپیوترها افزایش

پیچیدگی ساختار افزایش رقابت افزایش

فروشگاههای بین المللی افزایش پایداری سیاسی کاهش مصرف گرائی افزایش مداخله دولت افزایش

تغییرات و نوسانات افزایش


DSS در عمل 2,1
استفاده شرکت شکر امپریال از خدمات وب

شرکت امپریال (مستقر در ugarland، تگزاس) بزرگترین پالایش کننده قند در ایالات متحده آمریکا ($ 6,1 میلیارد دلار فروش در 2001) است. با این وجود، وضعیت این شرکت در سال 2000 و در سال 2001 با ضرر جمعا بیش از 372 میلیون خطرناک بود .در آغاز سال 2001، قیمت قند افزایش یافت و همین باعث شد که این شرکت از ورشکستگی نجات پیدا کند. یک بخش عمده از برنامه‌های بازیابی شرکت شکر امپریال که توسط مدیر عامل, جرج مولر در نظر گرفته شد, استفاده از فناوری جهت بهبود وضعیت شرکت بود. اولین تلاش او این بود که مشتریان مستقیما به وضعیت سفارشات خود از طریق وب دسترسی داشته باشند .این امر باعث شد که هزینه‌های فروش کاهش پیدا کند و در نتیجه امپریال برای به دست آوردن سهم بیش تری از بازار مشتریان امیدوار شد. سیستم روابط بین 20 نمایند خدمات به مشتریان و 40 مشتری بزرگ و کارگزار، و بیش از 800 مشتری با دفاتر مختلف را تغییر داد. تصمیم سازی در شرکت و برای مشتریان خودش را هرگز مانند قبل نبود. در کسب و کار مبتنی بر کالا، افزایش ارزش تنها چیزی است که یک شرکت را از شرکتهای دیگر متمایز م یکند. این سیستم ارزش افزوده است!
هزینه XML مبتنی بر پروژه کمتر از $ 500،000 بود.
بعد از اینکه شرکت امپریال در آگوست از ورشکستگی رها شد، برنامه‌های خودسرویسی (Self-Service) نیز گسترش پیدا کرد. قبل از این برنامه, قسمت خدمات مشتری بیش از پنج ساعت در روز, مشغول بررسی تلفنی استعلام‌های مشتری بود .در حال حاضر، مدت زمان صرف شده جهت این کار به حدود دو ساعت و یا کمتر کاهش یافته است. با این روش و پائین اوردن زمان سفارش گرفتن از مشتریان, فروش تقریبا به دوبرابر رسید. و مسئولین سرویس مشتری قادر به انجام یک رویکرد بیشترمشورتی جهت فروش نیز بودند. سفارش آنلاین به مشتریان این امکان را می‌دهد که در 24 ساعت شبانه روز به اطلاعات در مورد محموله‌های آینده دسترسی داشته باشند و همچنین به شرکت برای برنامه ریزی بهتر تولید نیز کمک می‌کند.
پس از استقرار نظام، شرکت سود عملیاتی خود را در شش هفته اول, به669، $ 000رساند که فروش خالص $ 322,3 میلیون بود. در دراز مدت، امپریال طرح‌های مشترک برای انجام پیش بینی تقاضای مشتریان خود را با هزینه‌های کمتری پیاده کرد. با ایجاد فرایند خرید آسان تر، امپریال همچنین برنامه‌ای برای تجزیه و تحلیل نیازهای مشتریان خود برای افزایش درآمد نیز بوجود آورد. نهایتا، مشتریان می‌توانند سفارشات خود را مستقیما از طریق وب ارسال نمایند.



4,1 مدیران و پشتیبانی کامپیوتر
تاثیر فناوری رایانه‌ای در سازمان‌ها و جوامع به شکل فن آوری‌های جدید و تکامل فن آوری‌های فعلیبصورت روز افزونی گسترش یافته است. جنبه‌های بیشتر و بیشتر از فعالیت‌های سازمانی توسط تعامل وهمکاری بین مردم و ماشینها مشخص شده است. از استفاده سنتی در پرداخت حقوق و توابع ساماندهی گرفته تا سیستم‌های کامپیوتری که در حال حاضر زمینه‌های نفوذ پیچیده مدیریتی در محدوده طراحی و مدیریت کارخانه‌های خودکار را به استفاده از هوش مصنوعی به ارزیابی پیشنهاد و ادغام و ترکیب می‌کند.
تقریبا همه می‌دانیم که حیات تکنولوژی اطلاعات به تجارت و استفاده از فن آوری تحت وب، وابسته است.
برنامه‌های کاربردی کامپیوتر از پردازش تراکنش و عملیات نظارتی به سمت و سوی فعالیت‌های تجزیه و تحلیل مشکل و ارائه راه حل کشیده شد، جایی که بسیاری از فعالیت‌ها از طریق وب سایت‌ها انجام م یشوند. مباحثی مانند انبار داده‌ها، داده کاوی، پردازش تحلیلی آنلاین و استفاده از وب سایت از طریق اینترنت، شبکه‌های اینترانت و اکسترانت سنگ بنایی از مدیریت فناوری مدرن برای پشتیبانی تصمیم در آغاز قرن بیست و یکم هستند. مدیران باید با سرعت بالا و با کمک سیستم‌های اطلاعاتی شبکه‌ای به مهمترین وظیفه خود یعنی ایجاد تصمیم بپردازند.
5,1 پشتیبانی تصمیم بوسیله رایانه و پشتیبانی بوسیله فناوریها
دلایل مختلفی جهت نیازمندی به سیستم پشتیبان تصمیم کامپیوتری وجود دارد که بعنوان مثال عبارتند از :
• محاسبات سریع. کامپیوتر باعث می‌شود که تصمیم ساز بسیاری از محاسبات را با سرعت و هزینه کمی انجام دهد. تصمیم گیری بموقع در بسیاری از مواقع اهمیت زیادی دارد، از یک پزشک در اتاق اورژانس گرفته تا معامله گران سهام در بازار بورس.
• ارتباط بهبود یافته. گروه‌ها می‌توانند به آسانی با یکدیگر بوسیله ابزارهای تحت وب همکاری و ارتباط داشته باشند. همکاری به ویژه در طول زنجیره توزیع، جایی که همه مشتریان از اطلاعات فروشندگان با خبر می‌شوند، مهم است.
• افزایش بهره وری. جمع کردن یک گروه از تصمیم گیران، به خصوص کارشناسان خبره، ممکن است هزینه بالایی داشته باشد. پشتیبانی کامپیوتری می‌تواند اندازه گروه و اعضای آن را کاهش دهد این امکان را م یدهد تا در نقاط مختلف گردهمائی ایجاد شود (صرفه جویی در هزینه‌های سفر). علاوه بر این، استفاده بهینه از پرسنل (مانند تحلیلگران مالی و حقوقی) ممکن است افزایش یافته باشد. بهره وری نیز ممکن است با استفاده از ابزار بهینه سازی که تعیین بهترین راه برای اداره یک کسب و کار است افزایش یابد.
• پشتیبانی فنی. بسیاری از تصمیم گیری‌ها شامل محاسبات پیچیده‌ای است. داده‌ها می‌توانند در پایگاه داده‌های مختلف ذخیره شوند و در وب سایت در هر قسمت از سازمان و حتی احتمالا در خارج از سازمان باشند. داده‌ها ممکن است متن، صدا، گرافیک، و ویدئو باشند. ممکن است لازم باشد که آنها را به سرعت زیاد به مکان دوری انتقال دهید. کامپیوترها به جستجو، ذخیره، و انتقال اطلاعات مورد نیاز با سرعت، اقتصادی، و شفاف بسیار کمک می‌کنند.
• دسترسی به انبار داده‌ها. انبار بزرگ داده، مانند یک عمل توسط WalMart، حاوی پتابایت داده است. روش‌های ویژه، و گاهی اوقات محاسبات موازی، نیاز به سازماندهی و جستجوی اطلاعات دارند.
• حمایت از کیفیت. کامپیوترها کیفیت تصمیمات را بهبود بخشیده است. به عنوان مثال، داده‌های بیشتری می‌تواند در دسترس، جایگزین‌های بیشتری می‌تواند ارزیابی، تجزیه و تحلیل خطر می‌تواند به سرعت انجام شود، و مشاهدات از کارشناسان (که برخی از آنها در مکان‌های از راه دور هستند) می‌تواند به سرعت جمع آوری شده و در هزینه صرفه جویی گردد. حتی تخصص م یتواند مستقیما از سیستم کامپیوتری بوسیله روش‌های هوش مصنوعی ایجاد شود. با کامپیوتر، تصمیم سازان می‌توانند شبیه سازی‌های پیچیده، انجام بررسی بسیاری از حالات ممکن و ارزیابی تأثیرات گوناگون و به سرعت و اقتصادی انجام دهند. تمام این توانایی منجر به تصمیم گیری بهتر خواهد شد.
• مزیت رقابتی : سازمان مدیریت منابع و توانمند سازی.
فشارهای رقابتی کار تصمیم گیری را دشوار کرده است. رقابت بر اساس فقط قیمت نیست بلکه بر اساس کیفیت هم هست، timeliness، سفارشی از محصولات و پشتیبانی مشتری می‌باشد. شرکتها و سازمانها باید قادر به تغییر سریع و مکرر حالت آنها از عملیات، فرآیندها و ساختارهای مهندسی مجدد، توانمندسازی کارکنان، و نوآوری باشند. فناوری‌های پشتیبانی تصمیم گیری مانند سیستم‌های خبره می‌توانند به مردم برای گرفتن تصمیمات خوب و با سرعت کمک کنند، حتی اگر برخی از آنها معلومات مربوطه را نداشته باشد. تصدی مدیریت منابع (enterprise resourse manegmentوERM) نوعی از سیستم‌های پشتیبانی تصمیم گیری هستند که کل سازمان را شرح و به مدیریت جهت ایجاد آن کمک می‌کند. در نهایت، بهینه سازی زنجیره توزیع مستلزم ابزارهای خاصی است.
• محدودیت‌های فائق آمدن شناخت در پردازش و ذخیره سازی. به گفته سایمون (1977)، ذهن انسان تنها توانایی محدود برای پردازش و ذخیره اطلاعات است.
گاهی اوقات، ممکن است مردم برای به یاد آوردن و استفاده از اطلاعات دچار مشکل شوند.
اکثر روش‌های پشتیبانی تصمیم برای نمایش سریع داده‌ها و ارائه مدل برای تبدیل داده‌ها به اطلاعات قابل استفاده جهت بررسی توسط یک تصمیم ساز می‌باشد. به عنوان مثال، داده‌ها می‌توانند به مدل پیش بینی که در آن، آنها را به پیش بینی تبدیل می‌کنند اضافه شوند. پیش بینی در نتیجه ممکن است به عنوان اطلاعات برای تصمیم گیری مورد استفاده قرار گیرد. ممکن است به علاوه با مدل‌های دیگری، بنابراین ارائه اطلاعات بیشتر برای تصمیم گیری تبدیل شد.
محدودیت‌های شناختی
اصطلاح محدودیت شناختی نشان م یدهد که قابلیت حل مشکل زمانی که طیف گسترده‌ای از اطلاعات متنوع و دانش مورد نیاز است محدود می‌شود. .چند مخزن تکی مختلف ممکن است کمک کند،اما مشکلات مربوط به هماهنگی و ارتباطات ممکن است در گروه‌های کار بوجود آیند. سیستم کامپیوتری مردم را قادر می‌سازد تا به سرعت به اطلاعات ذخیره شده دسترسی پیدا کنند و آنها را پردازش کنند. همچنین کامپیوترها م یتوانند هماهنگی و ارتباطات برای کار گروهی، به عنوان بهبود در سیستم‌های پشتیبانی از گروه‌ها (GSS)، سیستم‌های مدیریت دانش (KMS) و انواع مختلفی از سیستم‌های اطلاعات سازمانی (EIS) را برقرار نمایند .وب جهت حل این مشکل به هر دو کمک کرده و راه حلی برای آن است. به عنوان مثال، بسیاری از ما روزانه با آماجی از نام ههای الکترونیکی مواجه هستیم. عوامل هوشمند (نوعی از هوش مصنوعی) به عنوان بخشی از سیستم نامه الکترونیکی مشتری می‌تواند به طور موثر برای فیلتر کردن پیام‌های ناخواسته الکترونیکی پست الکترونیکی استفاده شود.
فناوریهای پشتیبان تصمیم
پشتیبانی تصمیم گیری می‌تواند توسط یک یا چند تکنولوژی تصمیم گیری ایجاد گردد. فناوری‌های پشتیبانی تصمیم گیری در DSS دارای اهمیت زیادی هستند (در 3,1 همراه با فصل مربوطه در این کتاب ذکر شده است). پشتیبانی تصمیم گیری فن آوری‌های مرتبط در سایت کتاب شرح داده شده است .((prenhall.com /turban. آن فناوری‌ای باید مورد استفاده قرار گیرد که بسته به ماهیت مشکل و خاص تصمیم پیکربندی پشتیبانی انتخاب می‌شود. در این متن، واژه سیستم مدیریت پشتیبانی (MSS) به استفاده از هر فن آوری، یا به عنوان یک ابزار مستقل یا در ترکیب با تکنولوژی‌های اطلاعاتی دیگر، برای پشتیبانی از انجام وظایف مدیریت به طور کلی و در تصمیم گیری‌های خاص اشاره دارد. این اصطلاح ممکن است قابل معاوضه بااصطلاح سیستم پشتیبانی تصمیم گیری (DSS) و هوش کسب و کار (BI) سیستم نیز باشد.

6,1 یک چارچوب برای پشتیبان تصمیم
قبل از تشریح فن آوری‌های خاص مدیریت پشتیبانی، ما چارچوبی کلاسیک برای پشتیبانی تصمیم گیری حاضر کرده ایم. این چارچوب شامل چندین مفهوم مهم است که در آینده در تعاریف مورد استفاده قرار م یگیرد. همچنین جهت پوشش مسائل مختلف اضافی مانند ارتباط بین تکنولوژی و تکامل سیستم‌هایکامپیوتری کمک می‌کند. ارائه این چارچوب، همانطور است که در شکل 2,1 نشان داده شد.
نوع کنترل
پشتیبانی مورد نیاز

نوع تصمیم طراحی استراتژیک کنترل مدیریتی کنترل عملیاتی
ساخت یافته 
حسابهای دریافتی، ثبت سفارش 
مدیریت مالی ( سرمایه گذاری)،
مکان یابی انبار، سیستم‌های توزیع شده سیستم‌های اطلاعات
مدیریت، مدل‌های علوم
مدیریت، مدل‌های مالی، مدل‌های آماری
نیمه ساخت یافته 
زمانبندی تولید، کنترل انبار 
اعتبارسنجی، تهیه بودجه،طرح بندی کارگاه، زمان بندی پروژه 
ساخت کارگاه جدید، طراحی
محصول جدید، طراحی جبران خسارت، طراحی کنترل کیفیت سیستم تصمیم یار
ساخت
نیافته 
انتخاب جلدی برای مجله،
خرید نرم افزار،
تصویب تقاضای وام 
تبادل نظر, استخدام یک مجری جدید، خرید سخت افزار، سخنرانی 
طراحی تحقیق و توسعه، توسعه تکنولوژی جدید، طراحی وظایف اجتماعی سیستم تصمیم یار، سیستم خبره، شبکه‌های عصبی
پشتیبانی
مورد نیاز سیستم‌های اطلاعات مدیریت، علوم مدیریت سیستم‌های اطلاعات مدیریت،
EIS،ES،DSS سیستم تصمیم یار، سیستم خبره، شبکه‌های عصبی
شکل 2-1 : چارچوب پردازش تصمیم


DSS در فوکوس 3,1
فن آوری‌های مدیریت پشتیبانی سیستم (ابزارها)
سیستم‌های پشتیبانی تصمیمگیری (DSS) (فصل 3) تصدی مدیریت منابع / (ERM) برنامه ریزی منابع علم مدیریت (کارشناسی ارشد) / تحقیق در عملیات سازمانی (ERP) سیستم (فصل 8)
(یا) مدلها و تکنیک‌های (فصل 4) مدیریت منابع مشتریان (CRM) سیستم (فصل 8) تجزیه و تحلیل ترافیک کسب و کار (فصل 4) مدیریت زنجیره تامین (SCM) (فصل 8)
اطلاعات معدن (فصل 5) سیستم‌های مدیریت دانش (KMS) و پورتالهای انبار داده‌ها (فصل5) دانش مدیریت (KMP) (فصل 9) هوش کسب و کار (فصل 5) سیستم‌های خبره(ES) (فصول 10 و 11)
پردازش تحلیلی آنلاین(OLAP) (فصل 5) شبکه‌های عصبی مصنوعی (ان)، الگوریتم ژنتیک، ابزارهای سیستم (کیس) ابزار (فصل 6) منطق فازی و سیستمهای پشتیبانی ترکیبی هوشمند سیستم‌های پشتیبانی گروه / (GSS) محاسبات (فصل 12)
مشارکتی (بخش 7) سیستم‌های هوشمند بر روی اینترنت (عوامل سیستم‌های تصدی اطلاعات (EIS) و پورتالهای هوشمند) (سوره 13) سازمانی اطلاعات (EIP) (فصل 8) تجارت الکترونیک DSS (فصل 14)

در سمت چپ شکل 2,1 بر اساس ایده سایمون که فرآیندهای "ایجاد تصمیم" را بصورت سلسله مراتبی از دامنه بسیار ساخت یافته (گاهی اوقات به نام برنامه ریزی شده) تا به شدت غیرساختیافته (غیر برنامه ریزی شده) در نظر گرفت مشاهده می‌شود. فرآیندهای ساختاری دارای یک روال عادی هستندو به طور معمول برای حل مشکلات آنها راه حلهای استاندارد و مشخصی وجود دارد.
فرآیندهایغیرساخ تیافته بصورت فازی هستند و برای مشکلات پیچیده آن راه حل شسته و رفته‌ای وجود ندارد. سایمون نیز فرایند تصمیم گیری را با سه مرحله پردازش از طریق هوش، طراحی، و انتخاب تشریح کرده است که در فصل 2 به آن پرداخته شده است.
Intelligence (هوشی): جستجو به دنبال شرایطی که موجب فراخوانی تصمیم گیری می‌شود.
Design (طراحی): اختراع، توسعه دادن، تجزیه و تحلیل
Choise (انتخاب) : انتخاب یک سری از اقدامات از بین موارد موجود
در یک مسئله غیرساختیافته هیچ یک از این سه فاز که در مسائل ساخت یافته مطرح است، وجود ندارد. تصمیم گیری که در آن برخی (نه همه) از مراحل فوق وجود دارند، توسط Gorry و اسکات مورتون نیمه ساخت یافته نامیده شدند.
مراحل حل یک مسئله ساختیافته جهت بدست آوردن بهترین راه حل (یا حداقل یک راه حل خوب و کافی) شناخته شده است. این که آیا مسئله، پیدا کردن سطح موجودی مناسب و یا انتخاب استراتژی سرمایه گذاری مطلوب، اهداف به روشنی تعریف شده است. اهداف متداول، به حداقل رساندن هزینه و حداکثر کردن سوددهی است. مدیر می‌تواند از پشتیبانی پردازش داده‌ها یا مدل‌های علمی مدیریت استفاده کند.
سیستم‌های پشتیبان مدیریت (MSS) مانند DSS و سیستم‌های خبره می‌توانند بدفعات مفید واقع شوند. دریک مسئله غیرساخت یافته، معمولا درک و بصیرت انسان، پایه‌ای برای تصمیمگیری است. مسائل غیرساختیافته عادی، شامل برنامه ریزی خدمات جدید، اجرا، و انتخاب مجموعه‌ای از پروژه‌های تحقیقاتی و توسعه برای سال آینده است. فقط بخشی از یک مسئله غیرساختیافته می‌تواند توسط ابزار پشتیبانی تصمیم گیری پیشرفته از قبیل سیستم‌های خبره (ES)، گروه سیستمهای پشتیبانی (GSS) و سیستم‌های مدیریت دانش (KMS) مورد پشتیبانی قرار گیرد. جمع آوری اطلاعات از طریق وب برای حل مسائل غیرساخت یافته م یتواند مفید باشد. مسائل نیمه ساختیافته بین ساختیافته و غیرساخت یافته قرار گرفته است، حل مسائلی که دارای بعضی از عناصر ساخت یافته و عناصر غیرساخت یافته هستند، شامل ترکیبی از روش‌های استاندارد و قضاوت انسان است. کین و اسکات مورتون (1978) به معاملات اوراق قرضه، تنظیم بودجه بازاریابی برای محصولات مصرفی و انجام تجزیه و تحلیل سرمایه به عنوان مسائل نیمه ساخت یافته اشاره کردند. DSS مدلهایی را برای بخشی از مسائل تصمیم گیری فراهم می‌کند که ساخت یافته هستند. برای این، یکDSS م یتواند کیفیت اطلاعات گرفته شده از آن تصمیمی که بوسیله نه فقط یک راه حل، بلکه طیف وسیعی از راه حل‌های جایگزین به همراه تأثیرات بالقوه آنرا بهبود بخشد. این قابلیت به مدیران برای درک بهتر ماهیت مسائل و در نتیجه تصمیم گیری بهتر، کمک می‌کند.
نیمه دوم این چارچوب (شکل 2,1، بالا) بر اساس دستهبندی آنتونی(1965) است (طبقه بندی که به کلیه فعالیتهای مدیریت را به سه دسته کلی تعریف کرده است، که شامل: برنامه ریزی :استراتژیک تعریف محدوده اهداف بلند مدت و سیاست‌های تخصیص منابع ؛ کنترل مدیریت: اکتساب و استفاده موثر از منابع در انجام اهداف سازمانی، و کنترل عملیاتی، اجرای کارآمد و موثر وظایف محوله.
تقسیم بندی آنتونی و سایمون در9 خانه در چارچوب پشتیبانی تصمیم در شکل 2,1 نشان داده شده است. ستون دست راست و سطر پایین نشاندهنده فن آوری‌های مورد نیاز برای پشتیبانی از تصمیمات مختلف است. Gorry و اسکات مورتون، پیشنهاد دادند،به عنوان مثال، که برای تصمیمهای نیمه ساختیافتهو غیرساخت یافته، سیستمهای مدیریت اطلاعات مرسوم (MIS) و علم مدیریت (MS) رویکردهایی ناکافی هستند. عقل بشر و رویکرد‌های مختلف برای فن آوری‌های رایانه ضروری هستند. آنها پیشنهاد استفاده از یک سیستم اطلاعاتی پشتیبان، که به نام سیستم پشتیبانی تصمیم گیری (DSS)بود را دادند.
ساخت یافتگی بیشتر و عملیات وظیف هگرا (سلول‌های 2،1، و4) توسط مدیران سطح پایین انجام شده است، در حالی که وظایف در سلول‌های 6، 8 و 9 مسئولیت اجرایی بالا و یا بسیار متخصص را برعهده دارند. این بدان معنی است که KMS، محاسبات عصبی و ES (سیستم‌های خبره) در اغلب موارد که برای افراد متخصص، قابل اجراست، مسائل پیچیده‌ای است.
Gorry و چارچوب اسکات مورتون به رده بندی مسائل و انتخاب ابزار مناسب کمک می‌کند. با این وجود هنگامی که بار یک رویکرد ساخت یافته می‌تواند در حل وظایف غیرساخت یافته کمک وجود دارد، و بالعکس. علاوه بر این، ترکیبی از ابزارهای ممکن استفاده می‌شود.
پشتیبانی کامپیوتر برای تصمیمات ساخت یافته
تصمیمات ساخت یافته و برخی از تصمیمات نیمه ساخت یافته، به ویژه از نوع کنترل عملیاتی و مدیریتی، از سال 960 توسط کامپیوتر پشتیبانی شده است. تصمیم گیری‌های از این نوع در همه زمینه‌های کاربردی، بهخصوص در امور مالی و تولید (مدیریت عملیات) ایجاد شده اند.
چنین مسائلی اغلب به علت برخورد، دارای سطح بالایی از ساختار هستند. بنابراین این امکان وجود دارد که بصورت انتزاعی و تحلیلی و طبقه بندی آنها بصورت انواع مسائل سنتی و کلاسیک صورت گیرد. به عنوان مثال، تصمیم ساخت یا خرید، به این رده تعلق دارد. نمونه‌های دیگر این نوع عبارتند از: بودجهبندی سرمایه، تخصیص منابع، مشکلات توزیع، تهیه، برنامه ریزی و کنترل موجودی.
برای هر نوع مسئله ای، یک مدل آسان به درخواست (easy to apply) و رویکرد راه حل تجویز شده به عنوان فرمول کمی برای آن وجود دارد. این رویکرد علم مدیریت (MS) و یا تحقیق در عملیات (OR) گفته م یشود.
علم مدیریت
در علم مدیریت این دیدگاه وجود دارد که مدیران دنبال یک فرایند سیستماتیک برای حل مشکلات و مسائل هستند. بنابراین، ممکن است به استفاده از یک رویکرد علمی که به طور خودکار به بخشهایی از تصمیم گیری‌های مدیریتی کمک می‌کند روی بیاورد. فرایند سیستماتیک شامل مراحل زیر است :
1. تعریف مسئله (وضعیت تصمیم گیری که ممکن است با برخی از دشواری‌ها یا با یک فرصت مواجه شود)
2. طبقه بندی مشکل در یک رده استاندارد
3. ایجاد یک مدل ریاضی که توصیف واقعی مسئله جهان است.
4. پیدا کردن راه حل‌های ممکن برای مسئله مدل شده و ارزیابی آنها.
5. انتخاب و پیشنهاد راه حلی برای این مسئله.
فرآیند علم مدیریت بر روی مدل ریاضی بنا شده است (که توصیف عبارات جبری مسئله است). مدلسازی شامل تغییر مسئله به یک ساختار مناسب نمونه (مدل) می‌باشد. جهت یافتن راه حل برای این مدل روش‌های کامپیوتری وجود دارند که به سرعت و به نحو احسن کار می‌کنند. بعضی از آنها به طور مستقیم بر وب قرار دارند (به عنوان مثال، Fourer و Goux، 2001). کمتر مسائل ساخت یافته‌ای وجود دارند که تنها توسط یکDSS که شامل مدل سازی قابلیت‌های سفارشی است به کار گرفته شوند. برای مثال، در یک کتاب فروشی،تقاضای سالانه برای یک نوع خاص از کتاب نشان میدهد که مدلی استاندارد جهت تعیین تعداد کتاب مورد نیاز برای سفارش وجود دارد و می‌تواند مورد استفاده قرار گیرد، اما قضاوت انسان نیزلازم است مثل پیش بینی تقاضا و میزان سفارش که در برخی از زمانها برای نویسندگان فیلمهای، مثل جان گریشام و استفن کینگ متفاوت است.
با توجه به توسعه شبکه جهانی اینترنت و وب سرور‌ها و ابزار، در نحوه پشتیبانی تصمیم سازان تغییرات اساسی ایجاد شده است. مهمتر از همه، وب سایت‌ها فراهم کننده: 1() دسترسی به طیف وسیعی از داده‌های موجود در سراسر جهان (2) معمولا داشتن رابط کاربر گرافیکی و کاربر پسند (GUI) به استفاده، یاد گیری و دسترسی آسانی کمک کرده است.
موارد مطرح در سطح ساختار عملیاتی عبارتند از: 1() تاثیرات بحرانی وب که جهت تقویت همکاری مهم تر م یشوند، مانند سیستم‌های سازمانی که شامل مدیریت زنجیره تامین، مدیریت ارتباط با مشتری، سیستم‌های مدیریت و دانش.
7,1 مفهوم سیستم‌های پشتیبان تصمیم
در اوایل 1970، اسکات مورتون بند بند اول مفاهیم عمده‌ای ازDSS را ایجاد کرد. او DSS را به عنوان "سیستم‌های تعاملی مبتنی بر رایانه، که به تصمیم گیران با استفاده از داده‌ها و مدل‌ها جهت حل مشکلات و مسائل غیرساخت یافته (غیرعادی) کمک می‌کند"(Gorry و اسکات مورتون، 1971).
یکی دیگر از تعاریف کلاسیک DSS، ارائه شده توسط Keen و اسکات مورتون (1978)، م یباشد :
سیستم‌های پشتیبانی تصمیمگیری زوجی از منابع فکری افراد با توانایی‌های کامپیوتری برای بهبود کیفیت تصمیم گیری هستند. این یک سیستم پشتیان مبتنی بر رایانه است که برای تصمیم گیری مدیریت در برخورد با مسائل نیمه ساخت یافته بکار می‌رود.
توجه داشته باشید که مدت سیستم پشتیبانی تصمیم گیری مانند سیستم‌های مدیریت اطلاعات و شرایط دیگر در زمینه سیستم‌های مدیریت پشتیبانیcontent-free، (MSS) هستند، به این معنی که چیزهای مختلف برای افراد مختلف. بنابراین، اینها یک تعریف پذیرفته جهانی برای DSS نیستند در فصل 3 مهمترین تعاریف آورده خواهد شد.
DSS به عنوان یک اصطلاح کلی DSS توسط برخی به عنوان وسیله‌ای خاص استفاده م یشود. اصطلاحDSS نیز گاهی به عنوان یک اصطلاح کلی بصورت “هر گونه سیستم کامپیوتری که برای کمک به تصمیم گیری در سازمان‌ها استفاده م یشود” قابل تعریف است. سازمان ممکن است یک سیستم مدیریت دانش برای راهنمایی تمام پرسنل خود جهت حل مسائلشان داشته باشد، البته ممکن است DSS سیستمهای جداگانه‌ای برای بازاریابی، امور مالی و حسابداری، مدیریت زنجیره تامین (SCM) برای تولید، و چندین سیستم تخصصی برای تعمیر محصولات نیز داشته باشند. Dss می‌تواند شامل همه آنها باشد.
DSSدر عمل 4,1، برخی از ویژگی‌های اصلی یک سیستم پشتیبانی تصمیم گیری را نشان می‌دھد. آنالیز ریسک اولیه بر اساس تعریف تصمیم گیران از وضعیت مدیریت با استفاده از روش علمی بود. سپس معاون اجرایی، با استفاده از تجربه، قضاوت و شواهد، احساس کرد که مدل باید دقیق باشد. مدل اولیه، اگر چه از نظر ریاضی درست است، اما ناقص بود. با یک سیستم شبیه سازی منظم، تغییرات مدت زمان زیادی به طول می‌انجامد، اما DSS تجزیه و تحلیل را سرعت می‌بخشد. علاوه بر این، DSS به اندازه کافی انعطاف پذیر و پاسخگو جهت استفاده مدیریتی و تجزیه و تحلیل امور بود. مانند موردی که در هواپیمایی آمریکایی در 1980 رخ داده است. از طریق تجزیه و تحلیل دقیق و پیچیده، تحلیلگران تشخیص دادند که شرکتهایهواپیمایی می‌توانند صدها میلیون دلار در سال با استفاده از برنامه‌های تعیین ارتفاع صرفه جوئی کنند.


رسید. اگر چه معاون اجرایی نتایج را باور داشت اما او نگران نزولی پروژه بود : احتمال بروز یک
سمسون آن را می‌گوید، او گفت :
: "من می‌دانم که شما چقدر کار اید، و من نود و نه درصد به آن من می‌خواهم از زاویه دیگری به می‌دانم ما زمان کمی داریم، و ما خیر به سوی شرکای خودمون شرکت مواد معدنی هیوستون، علاقه مندکه با یک شرکت پتروشیمی به منظور کارخانه مواد شیمیایی شریک بشود. معاونهیوستون برای بررسی تصمیمی می‌خواستندنیاز به تجزیه و تحلیل خطرات مربوطهای منابع، مطالبات، و قیمت‌ها داشتسمسون، مدیر برنامه ریزی و اداری، و
دیگر اقدام به ایجاد یک DSS در چنداستفاده از زبان تخصصی برنامه ریزی کردشدت نشان می‌داد که پروژه باید قبول شود
مواد معدنی هیوستون
شده بود زمان آزمون واقعیتوسعه یک اعتبار و ارزش اجرایی ریسک حرکت بگیرند نتیجه فاجعه.
به حوزه همانطور که
. باب چیزی شبیه به این چیزهای از قبل انجام داده روز با اعتماد دارم، اما
. نتایج به آن نگاه کنم. من
. با جواب بله یا
م یرویم
چرا از DSSاستفاده می‌شود؟
نظرسنجی‌ها دلایل بسیاری که چرا شرکت‌های بزرگ از سیستم‌های پشتیبانی تصمیم گیری استفاده می‌کنند را مشخص کرده است . برخی از این دلایلا عبارتند از :
• شرکتها در یک اقتصاد بی ثبات که به سرعت در حال تغییر است فعالیت می‌کنند.
• مشکلاتی برای ردیابی عملیات تجاری وجود دارد .
• رقابت افزایش یافته است .
• تجارت الکترونیک .
• سیستم‌های موجود تصمیم سازی را پشتیبانی نمی‌کنند .
• دپارتمان سیستم‌های اطلاعات بیش از حد شلوغ است و نمی‌تواند به تمام سوالات مدیریت پاسخ دهد.
• تجزیه و تحلیل مختص سودآوری و بهره وری نیاز است
• نیاز جهت داشتن اطلاعات دقیق
•Dss موجب برنده شدن سازمان در یک رقابت خواهد شد.
• نیاز برای اطلاعات جدید
• مدیریت یکDss را استخدام کرده اند.
• تصمیم گیری با کیفیت عالی .
• ارتباط بهبود یافته است .
• بهبود رضایت مشتری و کارمند .
• اطلاعات بموقع ارائه شده است .
• کاهش هزینه‌ها (صرفه جوئی در زمان و هزینه موجب افزایش بهره وری می‌شود)
یکی از دلایل توسعه DSS سطح بالای سواد رایانه‌ای و وبی در میان مدیران است. بیشترین بیشتر کاربران نهایی برنامه نویس نیستند، آنها می‌خواهند به آسانی از ابزارهای توسعه و روالها استفاده کنند. آنها م یخواهند در یک محیط قابل فهم و آسان به داده‌ها دسترسی پیدا کنند و توانایی دستکاری بصورت معنی داری روی داده‌ها را داشته باشند. که اینکار در محیط Dss مبتنی بر وب سایت ارائه می‌شود.
در روزهای اولیه DSS، مدیران وابستگی به اعداد و آمار نداشتند. بسیاری از مدیران ترجیح می‌دادندکه مسائل را مستقیما وبصورت عینی درک کنند. با گذشت زمان،مدیران از گزارشات MIS، استفاده کردند و هر آنچه از آن درک می‌کردند برای حل مسائل مدیریت بکار می‌بردند.
با پیشرفت تکنولوژی کامپیوتر، نسل جدید مدیران درک کردند که با کامپیوتر کارها ساده تر خواهد شد و این فن آوری با استفاده از محاسبات به آنها برای تصمیم گیری هوشمندانه و سریع کمک می‌کند. در طول 1990، تکنولوژی هوش کسب و کار رشد زیادی پیدا کرد. در حال حاضر، ابزارهای جدیدی مانند پردازش تحلیلی آنلاین، انبار داده‌ها،datamining و سیستم‌های اطلاعاتی و سیستم‌های مدیریت دانش، انتقال اطلاعات از طریق فناوری وب، مدیران وعده دسترسی آسان به ابزار، مدل و اطلاعات برای تصمیم گیری ایجاد شده اند. اما حتی اینها هم تحت نام‌های هوش کسب و کار و کسب و تجزیه و تحلیل کار توصیف م یشوند. برای جزئیات بیشتر (2001Hapgood ( را مشاهده کنید.
همچنین ببینید کوهن آل همکاران. (2001) Hoch و همکاران. (2001)، قدرت (2002)، و آل Vitt همکاران. (2002)
نتایج کلی با استفاده از DSS می‌تواند موثر باشد، همان گونه که توسط شرکت اطلس الکتریکی نشان داده شده است.(نگاه کنید به DSS در فعالیت 5,1)
ما بعدا برخی از مهم‌ترین فن آوری‌های DSS را توصیف می‌کنیم.در جدول 2,1،ما توضیح خواهیم داد که شبکه گسترده وب چگونه فن آوری‌های مهمDSS و بالعکس را تحت تاتیر قرار داده است. در بیشتر موارد، توانایی‌های ارتباطی از اینترنت / وب سایت در شیوه‌های مدیران در شرایط دسترسی به اطلاعات و فایل‌هاو برقراری ارتباط با دیگری را تحت تاثیر قرار داده است. وب سایت به آسانی اجازه همکاری‌های ارتباطی را م یدهد.داده‌ها (از جمله متن، گرافیکها، ویدئو،و غیره) در سرورهای وب یا میراث (پردازنده مرکزی قدیمی تر) سیستمها که اطلاعات را به وب سرور و سپس به مرورگر وب مشتری

تحویل م یدهد ذخیره م یشوند .مرورگر وب و فن آوری‌های مرتبط با آن و زبان‌های برنامه نویسی، نواررا در شرایط پردازش در سمت سرویس گیرنده بالا برده است و اطلاعات را به کاربر ارائه می‌دهد .گرافیک‌های با وضوح بالا از طریق یک رابط کاربری گرافیکی قدرتمند، قاعده‌ای برای اینکه چگونه ما با سیستم‌های کامپیوتری تعامل برقرار کنیم م یباشد.

DSS در عمل 5,1
کمک به شرکت برق آتلانتیک برای ماندن در بازار آزاد
شرکت برق آتلانتیک در نیوجرسی در حال از دست دادن انحصارش در بازار بود. .برخی از مشتریان قدیمی‌‌اش خریدهایشان را از یک شرکت رقیب خریداری می‌کردند; یک شرکت مستقل که تولید برق خودش را انجام می‌دهد و ظرفیت اضافی خود را به سایر شرکت‌ها با قیمت‌های پایینی می‌فروشد. رقیب خدمت بازرگانی را بسیار ساده انجام میداد. شرکت برق آنتالنتیک در معرض خطر از دست دادن مشتریان سنتی خود بود چرا که آن مشتریان توسسط ابزار دیگری به نحو بهتر خدمات می‌گرفتند.
برای بقا، لازم بود که شرکت محصولات گرانقیمت خود را با حداقل هزینه ارائه دهد. یک راه برای انجام این کار فراهم کردن اطلاعات مورد نیاز کارکنان بود تا برای و کسب و کار و حرفه شان بروز شوند و بتوانند تصمیم گیری دقیقتری انجام دهند. فن آوری اطلاعات قدیمی شامل یک پردازنده مرکزی و یک شبکه برای دسترسی به آن بود. با این حال، این سیستم قادر به حل چالش‌های جدید نبود. اما لازم بود که رابط کاربری برنامه‌ها، در یک فرمت بهتر با سرعت بالا و هزینه کمتری باشد، این مورد نیاز به یک کامپیوتر مبتنی بر سیستم پشتیبانی تصمیم گیری که در حال حاضر در اینترانت شرکت‌های بزرگ اجرا می‌شود دارد.
برخی از برنامه‌های توسعه عبارتند از :
DSS برای خرید سوخت تصمیم گیری
DSSبرای امتیازات سفارشی، بر اساس یک پایگاه داده برای مشتریان و بر اساس الگوی استفاده از برق DSS برای طراحی و پستهای انتقال DSS مدیریت امور مالی برای اداره امور مالی اجرای این برنامه‌های کاربردی و DSS به بقای شرکت کمک کرد و با موفقیت به رقابت در این زمینه
( atlanticelectric.comنگاه کنید به)
8,1 سیستمهای پشتیبانی گروهی (GSS)
گروهها تصمیمات مهم بسیاری در سازمانها می‌گیرند. گردآوری یک گروه دور هم، در یک مکان و یک زمان می‌تواند مشکل ساز و پرهزینه باشد .علاوه بر این، نشست‌های سنتی می‌تواند مدت زمان زیادی به طول بیانجامد، و هر نتیجه تصمیم گیری شاید در حد متوسط باشد.
تلاش‌ها در جهت بهبود کار گروه‌ها با کمک فناوری اطلاعات به عنوان سیستم‌های محاسباتی مشترک،گروه افزار، سیستم‌های جلسات الکتونیکی و)GSSنگاه کنید به DSS در فعالیت 6,1). بیشترین گروه افزارهادر حال حاضر وب سایت را اجرا م یکنند و هردو ویدئو کنفرانس و کنفرانس صوتی را فراهم می‌کنند، علاوه بر ابزارهای الکترونیکی مانند brainstorming، رای دادن، و به اشتراک گذاشتن سند .گروه افزار شاملسیستم‌های گروهی، شیاردار، محل افزار،WebEx . جلسات شبکه‌ای و حتی ابزارهای یادگیری دروس از راه دور، مانندتخته سیاه.

9,1 سیستم‌های سازمانی اطلاعاتی
سیستم‌های سازمانی اطلاعاتی (EIS) از سیستمهای اطلاعات اجرایی که با تکنولوژی‌های وب ترکیب شده است، استنتاج م یشود. پورتالهای سازمانی اطلاعاتی در حال حاضر برای مشاهده اطلاعاتی که ساختار کل سازمان را نشان م یدهد، مورد استفاده قرار میگیرند. سیستم‌های تصدی اطلاعات، دسترسی به اطلاعات مربوط به سرمایه گذاری گسترده‌ای که منحصرا نیاز به انجام وظایف خود را دارند در اختیار می‌گذارد.
▪فراهم کردن یک عملیات مشاهده سازمانی
▪ فراهم کردن یک رابط کاربر بسیار دوستانه از طریق پورتال‌ها، گاه سازگار با سبکهای تصمیم گیری فردی
•فراهم کردن ردیابی و کنترل به موقع و مؤثر در سطح شرکتهای بزرگ
•فراهم کردن دسترسی سریع به اطلاعات دقیق و جزئی در پشت متن، اعداد، و یا گرافیکی را از طریق تمرین پایین
•فیلتر، فشرده سازی، ردیابی داده‌ها و اطلاعات حساس
• شناسایی مشکلات (فرصتها)

در DSS در فعالیت 7,1، ما توصیف م یکنیم که چگونه بخش فروش سیسکو از سیستم تصدی سازمانی که زنجیره تامین سیستم مدیریتی را به دام می‌اندازد، استفاده م یکند تا به مدیران در مورد مشکلات احتمالی که در زمان واقعی با آن مواجه م یشوند، هشدار دهد.
چند سیستم سرمایه گذاری اطلاعاتی مهم تخصصی وجود دارد. اینها شامل سیستم‌های مدیریت منابع سازمان (ERM) / سیستم‌های برنامه ریزی منابع سازمانی (ERP)، سیستمهای مدیریت ارتباطات مشتری(CRM)،و سیستم‌های مدیریت زنجیره تامین (SCM).
رقابت‌های قوی جهانی، شرکت‌ها را برای یافتن راه‌هایی برای کاهش هزینه‌ها، بهبود خدمات به مشتریان، و افزایش بهره وری تحریک م یکنند. یکی از نواحی که در آن صرفه جویی قابل توجهی نیز حاصل میشود streamlining فعالیت‌های گوناگون که در امتداد زنجیره تامین اداره می‌شوند،می باشد هم در داخل شرکت و هم در سراسر زنجیره عرضه گسترده آن که شامل تامین کنندگان، شرکای کسب و کار و مشتریان و خریداران.(به عنوان مثال، Sodhi، 2001؛ Sodhi و Aichlmayr 2001) با استفاده از فن آوری‌های اطلاعات مختلف و روش‌های پشتیبانی تصمیم گیری، شرکت‌ها برای یکپارچه سازی بسیاری از سیستمهای پشتیبانی اطلاعاتی تا حد امکان تلاش م یکنند. دو مفهوم مهم شامل موارد زیر می‌باشند. اول، برنامه ریزی منابع سازمانی (ERP) همچنین مدیریت منابع سازمانی نامیده می‌شود. برای ادغام در داخل سازمان،سیستم‌های پردازش معامله تکراری، مانند سفارش، تولید، بسته بندی، هزینه، تحویل و صدور صورت حساب تلاس م یکنند. چنین یکپارچه سازی شامل بسیاری از تصمیم گیری‌هایی است که می‌تواند توسطDSS تسهیل شود و یا زمینه باروری برای کاربردهای DSS. را فراهم نماید.دوم، مدیریت زنجیره تامین
(SCM) در جهت بهبود کارهای درون قسمت‌های مختلف زنجیره تامین از قبیل تولید و مدیریت منابع انسانی، و نیز در طول کل زنجیره‌ای گسترده تلاش م یکند. ابزارهای پشتیبانی تصمیم گیری که قبلا توضیح داده شد میتواند SCM، به ویژه روش‌های علم مدیریت که می‌تواند برای بهینه سازی زنجیره تامین استفاده
شوند راافزایش دهد.( نگاه کنید به Keskinocak و Tayur،2001)، و سیستم‌های پشتیبانی گروهی که موجب افزایش همکاری از فروشندگان به سمت مشتریان می‌شود. SCM شامل بسیاری از تصمیم گیری غیر معمول م یباشد. این مباحث به سیستمهای سازمانی، از قبیل : سیستم‌های پشتیبانی تصمیم گیری سازمانی، EIS و کاربردهای اینترانت مربوط م یشود.آنها همچنین به سیستم‌های درون سازمانی و مفاهیم مربوط م یشوند. ازقبیل مدیریت ارتباط با مشتریSwift) (CRM)،2001)،اکسترانت‌ها، و سازمان‌های مجازی. سیستم‌های مدیریت درآمد در رابطه با اینها هستند، که تقاضا و پیش بینی‌های قیمت گذاری برای راه اندازی حق محصول در قیمت به حق در زمان و مکان مناسب و فرمت صحیح برای حق مشتری مورد استفاده قرار می‌گیرد. (نگاه کنید به Cross،1997؛ Smith et al.،2001؛e-optimization.com،2002)
فن آوری‌های وب برای موفقیتCRM،SCM، EIS،و هم اکنون مدیریت درآمد حساس هستند. وب سایت دسترسی به ترابایت‌های داده در انبار داده‌ها وابزارهای کسب و کار هوشمند/ کسب و کار تحلیلی مانند آنهایی که در پردازش تحلیلی آنلاین (OLAP) وداده کاوی، که برای ایجاد روابطی که منجر به سود دهی بالاتر می‌شود هدایت م یشود،استفاده م یشود. Callaghan)، 2002) . دسترسی به داده‌ها، ارتباطات، و همکاری‌ها در ساخت فن آوری‌های کار Mssحساس هستند.
تجارت الکترونیکی به دقت به اینها وابسته است. که شامل نه تنها در بازارهای الکترونیکی، بلکه به سیستم‌های الکترونیکی درون سازمانی،سیستم‌های مبتنی بر وب با خدمات مشتری،کاربردهای برونسازمانی، و مهندسی مجدد پردازش‌های کسب و کار. البته،وب و تکنولوژی‌های مرتبط با آن برای تمام جنب ههای تجارت الکترونیک و موفقیت آن حساس هستند.(مشاهده نمایید DSS در فعالیت 2,1)

10,1 سیستم‌های مدیریت دانش
دانش و تخصص گذشته اغلب جهت تسریع در تصمیم گیری مورد استفاده قرار می‌گرفت. این کار هیچ تاثیری بر بازسازی چرخه در هر زمان که با یک موقعیت شکل گیری تصمیم مواجه می‌شوند نداشت.
دانشی که در سازمانها در طول زمان انباشته می‌شوند می‌توانند به منظور حل مشکلات مشابه یا یکسان مورد استفاده قرار گیرند.
در اینجا چندین مسئله مهم به شرح ذیل وجود دارد:
محل یافتن دانش، چگونگی طبقهبندی آن، چگونگی اطمینان از کیفیت آن، چگونگی ذخیره سازی آن، چگونگی نگهداری و نحوه استفاده از آن. علاوه بر این، برانگیختن مردم جهت جمعبندی دانش ایشان، مهم است چون بیشتر دانشها مستند نشده است. علاوه بر این، زمانی که افراد سازمان را ترک م یکنند، دانش خودشان راهم آنها می‌گذراند. سیستم‌های مدیریت دانش (KMS) و فن آوری‌های مرتبط با آنها با اینگونه مسائل سروکار دارد. دانش در مخزن دانش که نوعی پایگاه داده متنی است سازماندهی و ذخیره شده است.
هنگامی که یک مسئله حل و یا فرصتی برای ارزیابی ایجاد گردد، دانش مربوطه را می‌توان یافت و از مخزن دانش استخراج نمود. سیستم‌های مدیریت دانش به طور چشمگیری پتانسیل استفاده از دانش در سازمان‌ها را دارا می‌باشند. موارد مستند،نشان م یدهد که برگشت‌ها بر روی سرمایه گذاری به عنوان یک فاکتور بالا از 25 فاکتور طی یک تا دو سال بوده است. (نگاه کنید به Housel و بل، 2001) ویژگی برجسته فن آوری‌های وب تقریبا در همهKMSها (Knowledge Management System) وجود دارد. فن آوری‌های وب برای انجام قابلیت‌هایی مثل ارتباطات، همکاری و ذخیره سازی به KMS نیاز دارد.
انواع بسیاری از سیستمهای مدیریت دانش وجود دارند، و آنها را می‌توان به روشهای مختلفی برای پشتیبانی تصمیمگیری بکار برد، از جمله آنها دادن اجازه دسترسی مستقیم کارکنان به دانش قابل استفاده و کسانی که دارای دانش هستند. یک برنامه مهم در DSS در عمل 8,1 توصیف شده است.
11,1 سیستم‌های خبره
وقتی سازمانی یک تصمیم گیری پیچیده برای ایجاد یا حل مسئله دارد، معمولا آنرا به کارشناسان
(متخصصین) جهت اطلاع و اظهار نظر ارسال میکند. کارشناسان با توجه به دانش و تجربه خاص خود برای حل مسئله انتخاب می‌شوند. آنها از عواملی مانند شانس موفقیت، و منافع و هزینه‌های کسب و کار که ممکن است متحمل شوند آگاه هستند. شرکتها کارشناسان را جهت مشاوره در مورد مسائلی مانند عوامل مرتبط به خرید تجهیزات، ترکیب و ادغام، تشخیص مشکل اصلی در حوزه کاری، و استراتژی تبلیغاتی درگیر م یکنند. بیشتر مسائل غیرساخت یافته، تخصصی تر (و گران) مورد مشاوره قرار میگیرد. سیستم‌های خبره (ES) تلاش م یکنند تا از قابلیتها و روشهای حل مسئله بوسیله کارشناسان انسانی تقلید کنند.
به طور معمول، یک سیستم خبره (ES) یک پکیج نرم افزاری برای تصمیم گیری یا حل مسئله است کهکه می‌تواند کارایی قابل مقایسه یا حتی -بیش تر- از افراد متخصص در برخی از حوزه‌های تخصصی و مسائل معمولا باریک داشته باشند. ایده اولیهES، اعمال تکنولوژی هوش مصنوعی، که ساده است. تخصص از متخصص به کامپیوتر منتقل م یشود. این دانش در کامپیوتر ذخیره شده و سپس کاربران جهت استفاده و مشاوره در زمان نیاز از آن استفاده می‌کنند. ES خواهان حقایق شده و می‌تواند در آنها دخالت کرده و در ایجاد یک نتیجه گیری خاص تاثیر گذار باشد. سپس مانند یک مشاور انسانی، آن را ساده و غیرتخصصی شرح می‌دهد که در صورت لزوم، منطق پشت مشاوره قرار دارد. امروزه سیستم‌های خبره در هزاران موسسه استفاده م یشود، که پشتیبانی‌های فراوانی نیز از بسیاری وظایف آنها صورت می‌گیرد. به عنوان مثال، نگاه کنید به AIS (سیستم‌های هوش مصنوعی) در عمل 9,1. سیستم‌های خبره هستند اغلب با و یا حتی در فن آوری‌های اطلاعاتی دیگر جاسازی شده اند. جدیدترین نرم افزار ES در ابزارهای وب اجرا می‌شود،(به عنوان مثال، اپلتهای جاوا)، که بر روی وب سرورها نصب شده و از از مرورگرهای وب برای واسط‌های خود استفاده می‌کند. به عنوان مثال، Corvid Exsys به زبان جاوا نوشته شده است و به عنوان یک اپلت اجرا م یشود.
12,1 شبکه‌های هوش عصبی
استفاده از فن آوری‌های ذکر شده در بالا به استفاده از داده‌های صریح و روشن، اطلاعات، دانش ذخیره شده در کامپیوتر نیاز دارند. با این حال، در دنیای واقعی پیچیده، ممکن است داده‌ها، اطلاعات، یا دانش صریح و روشنی وجود نداشته باشد. افراد غالبا می‌بایست تصمیمات خود را بر اساس جزئیات، نواقص، یا اطلاعات ناکافی بگیرند. در چنین شرایطی محیطها به سرعت در حال تغییر هستند. تصمیم گیران با استفاده از تجارب خود با این شرایط برخورد می‌کنند؛ به اینصورت که آنها تجارب مشابه را بیاد می‌آورند و م یآموزند همچنین بسته به شرایط فعلی از آن استفاده می‌کنند. زمانی که این رویکرد برای حل مسائل بصورت کامپیوتر شد، ما آن را یادگیری ماشین، مینامیم، و ابزار اولیه است برای شبکه‌های عصبی مصنوعی (ANN) و پرونده مبتنی بر استدلال .
محاسبات عصبی، و یا شبکه عصبی مصنوعی (ANN)، از یک الگوی شناخته شده برای حل مسائل، استفاده می‌کنند و آنها در بسیاری از برنامه‌های کاربردی کسب و کار موفق بودند. (fandlو لین، 2001 ؛Haykin، 1999؛ Ainscough آل همکاران.، 1997). یک ANN با یادگیری الگوهای موجود در اطلاعات ارائه شده در طول آموزش به موارد جدید دست یافته و از آنها در مواقع مختلف استفاده می‌کند. یکی از کاربردهای مهم آن تایین وام بانکی است. ANN می‌تواند جهت محاسبه میزان باقی مانده وام از الگوها استفاده کند. یکی از موفق‌ترین برنامه‌های کاربردی ANN در تشخیص الگوهای غیر معمول هزینه‌های کارتاعتباری، جهت شناسایی جعل در آنها می‌باشد. این امر به ویژه برای بسیاری از تراکنشهای تحت وب در معاملات تجارت الکترونیک بسیار مهم است. (نگاه کنید به بازگشت در عمل 10,1)

13,1سیستم‌های پشتیبان تصمیم هوشمند پیشرفته
در کنار اعمال هوش مصنوعی چندین فن آوری هیجان انگیز وجود دارد که به تصمیم گیران کمک م یکنند. این خدمات عبارتند از الگوریتم ژنتیک، منطق فازی، و عوامل هوشمند (IA).
الگوریتم‌های ژنتیک مسائل در راه تکامل را حل می‌کند. آنها از فرایندهای در حال تکمیل و جستجوگر برای یک راه حل خوب تقلید می‌کنند. این روش ابقا بهترین راهنمائ یهاست. الگوریتم ژنتیک برای به حداکثر رساندن سود تبلیغات در ایستگاه‌های تلویزیونی، و جانمایی تسهیلات در میان برنامه‌های کاربردی دیگر استفاده شده است. الگوریتم‌های ژنتیکی به طور مستقیم در اپلتهای جاوا و (و دیگر فن آوری‌های وب)، صفحات گسترده استفاده شده است.
رویکرد منطق فازی مسائلی که مردم با آنها مواجه هستند را بررسی می‌کند. می‌تواند ماهیت غیر دقیق از اینکه چگونه انسان‌ها اطلاعات را ردوبدل می‌کنند داشته باشد. به عنوان مثال،شما ممکن است بگویید، "هوا واقعا گرم است!" در یک روز گرم. در نظر بگیرید که گرم چقدر است؟ ممکن است یک درجه واقعا گرم است . این بیان می‌تواند ریاضیات را در راه دقیق برای کمک به تصمیم گیران در حل مسائل با اظهارات غیر دقیق از پارامترهای خود به کار بگیرد .معمولا روش منطق فازی با همراه شدن با دیگر روش‌های هوش مصنوعی، مانند سیستم‌های خبره و شبکه‌های عصبی مصنوعی، باعث بالا رفتن دقت و صحت در تصمیم گیری خواهد شد.
عامل هوشمند (عامل نرم افزاری هوشمند، نرم رباتها) به خودکار کردن کارهای مختلف، افزایش بهره وری و کیفیت کمک می‌کند. اکثر سیستم‌های هوشمند شامل سیستم‌های خبره و یا دیگر عناصر هوشمند م یباشد. عوامل هوشمند نقش فزاینده‌ای در تجارت الکترونیک دارند. (توربان و کینگ، 2003).
مانند یک عامل انسانی خوب (نمایندگی تور، نماینده املاک و مستغلات و غیره)، این سیستم‌ها آنچه را که می‌خواهید انجام دهید یاد می‌گیرند، و در نهایت می‌تواند بسیاری از کارهای شما را انجام دهند.

14,1 سیستم‌های پشتیبان مرکب
هدف از یک سیستم اطلاعاتی مبتنی بر کامپیوتر (CBIS)، صرف نظر از نام و یا ماهیت آن، کمک به مدیریت در حل مسائل مدیریتی یا سازماندهی سریعتر و بهتر از زمانی که از کامپیوتر استفاده نمی‌شد، است.
برای نیل به این هدف، سیستم ممکن است از یک یا چند فن آوری اطلاعات استفاده کند. هر نوع سیستمCBIS دارای مزایا و معایب خاصی است. با یکپارچه سازی فن آوری‌ها، می‌توانیم تصمیم گیری بهتریداشته باشیم، چرا که مزایای یکی از فن آوری‌ها می‌تواند معایب دیگری را بپوشاند.
تعمیر ماشین مثال خوبی است. تعمیرکار پس از تشخیص مشکل، بهترین ابزار را جهت تعمیر انتخاب م یکند. گر چه ممکن است تنها یک ابزار کافی باشد،اما اغلب استفاده از چند ابزار نتیجه بهتری دارد. گاهی اوقات ممکن است هیچ ابزار استانداردی موجود نباشد آنجاست که باید ابزار ویژه‌ای مانند نوک چرخ ضامن دار ایجاد شود.
مدیریت فرایند تصمیم گیری DSS در توضیح 11,1 در عمل استفاده از ترکیب فن آوری‌های چند MSS در حل یک مشکل سازمانی گسترده دارد را نشان می‌دهد.
بسیاری از مشکلات پیچیده نیاز به چندین فن آوری MSS، همانند آنچه در طول این کتاب دیدید دارد.
"حلال مسائل" م یتواند شامل چندین ابزار و استفاده به روش‌های مختلف باشد، از قبیل :
•استفاده از هر ابزار به طور مستقل برای جنبه‌های مختلف حل مشکل .
•استفاده از چند ابزار یکپارچه .این عمدتا شامل انتقال اطلاعات از یک ابزار به ابزار دیگری (به عنوان مثال ازES به(DSS برای پردازش بیشتر .
•استفاده از چند ابزار شدیدا یکپارچه (به عنوان مثال، یک شبکه عصبی فازی). از نقطه نظر کاربر، ابزار به عنوان یک سیستم هیبرید ظاهر می‌شود.
هدف استفاده از سیستم‌های کامپیوتری ترکیبی موفقیت در حل مشکلات مدیریتی که در DSS در عمل
1-1 بررسی شد، است.
بعلاوه، هنگام انجام وظایف مختلف در روند حل مشکل، ابزارها می‌توانند یکدیگر را پشتیبانی نمایند.
به عنوان مثال، یک سیستم خبره می‌تواند مدلسازی و مدیریت اطلاعات یک DSS را بهبود ببخشد. سیستم محاسباتی عصبی یا یک GSS می‌تواند روند اکتساب دانش در ساخت سیستم خبره را پشتیبانی کند. سیستم‌های خبره و شبکه‌های عصبی مصنوعی نقش مهمی در بالا بردن فناوری MSS بوسیله دقیقتر کردن آنها بازی می‌کند. اجزای سیستم فقط شاملMSS نیست، بلکه علم مدیریت، آمار، و انواع ابزارهای مبتنی بر کامپیوتر را نیز در بردارد .
فن آوری‌های در حال ظهور
تعدادی از فن آوری‌های در حال ظهور، به طور مستقیم و غیر مستقیم بر سیستم‌های پشتیبانی تصمیم گیری تاثیر گذاشتهاند. شبکه جهانی وب تاثیر بسیاری بر رویDSS گذاشت.
پیشرفت تکنولوژی، سرعت محاسبات را افزایش میدهد، علاوه بر کاهش اندازه فیزیکی کامپیوتر کهمنجر به افزایش توان محاسباتی نیز می‌شود. هر چند سال است که چند عامل در تغییر این پارامترها دخالت دارد. ممکن است خرید یک رایانه شخصی برای یک دانش آموز، دارای هزینه بالایی بنظر برسد است، اماقابلیت‌های آن بسیار بیشتراز رایانه‌های بزرگ (Mainframe) میراث فقط چند سال قبل است. بسیاری از فن آوری‌های جدید را بمدت چند دهه ایجاد ش داند. با این حال، با توجه به اتصالات ایجاد شده از طریق وب، پیاده سازی موفق تجاری در حال حاضر امکان پذیر می‌شود.
برخی از فن آوری‌های خاص که بررسی خواهیم کرد Vaughan)، 2002) شامل محاسبات شبکه ای،رابط‌های مشتری ثروتمند،معماری مدل محوری، محاسبات بی سیم، وعوامل، الگوریتم‌ها وبحث‌های اکتشافی م یباشند:
• محاسبات شبکه ای. اگر چه یک منطقه گرم، بمدت چند دهه در گرداگرد شده است. ایده اولیه این است که قدرت‌های محاسباتی در یک سازمان را دسته بندی کرده و چرخه‌های استفاده نشده را برای حل مشکلات و دیگر نیازهای پردازش داده‌ها استفاده کنیم. این موضوع به یک سازمان اجازه م یدهد که استفاده کامل از قدرت خانگی شماره خرد شدن آن به کار ببرد.
برخی از شرکت‌ها محورهای استفاده نشده در رومیزی‌های کارمند را مورد استفاده قرار م یدهند،در حالی که شرکت‌های دیگر صرفا سوپر کامپیوترهای خود را با شاخه‌های رایانه‌های شخصی جایگزین م یکنند. به عنوان مثال، CGG، یک شرکت نفت، سوپر کامپیوترهایخود را با یک خوشه بیش از 6،000 رایانه‌های شخصی جایگزین کرد که انتظار می‌رفت که به 10،000 رشد پیدا کند. این‌ها هزینه کمتری از یک ابر کامپیوتر دارند، اما به نرم افزار مخصوصی برای مدیریت آن احتیاج است.(نگاه کنید به Nash،2002).
•رابط‌های غنی مشتری. مشتریان و کارکنان انتظار دسترسی به داده‌ها و ابزارها برای استفاده خوشایند و درست را دارند. با گذشت زمان، انتظارات افزایش یافته است. همانگونه که سرویس دهنده‌ها در توانایی و قابلیت افزایش پیدا می‌کنند، تکنولوژی مرورگر نیز بهبود پیدا م یکند.. GUIs، بخصوص برای دسترسی به وب، به طور مداوم بهبود پیدا می‌کنند .
• معماری مدل محوری. استفاده مجدد نرم افزار و نرم افزار تولید دستگاه از طریق ابزارهای مهندسی نرم افزار کمکی کامپیوتر در حال رواج هستند. استانداردسازی مدل لغات در سراسرUML توسعه دهندگان را به این باور که نسل کد امکان پذیر است، هدایت کرده است. با این حال، حتی اگر کد 90 درصد صحیح باشد، تلاش اضافی بشر احتیاج است تا 10 درصد بقیه را تثبیت کند تا آن را به کار وادار کند ممکن است هر گونه مزایایی را از بین ببرد.
• محاسبات بی سیم ( همچنین محاسبات تلفن همراه). انتقال به تجارت موبایل در حال تحول است زیرا تلفن‌های همراه و کارت‌های کامپیوتر بی سیم بسیار ارزان هستند. دستگاه‌های موبایل توسعه یافته‌اند به همراه نرم افزار مفید به این منظور که روش جدید کار کند. تعدادی از
شرکت‌ها، مثل فدرال اکسپرس، در حال استفاده از محاسبات تلفن همراه به منظور جمعآوری داده‌ها در بسته‌های برای پیگیری حمل و نقل و تجزیه و تحلیل الگوها هستند.
• عوامل، الگوریتم و بحث‌های اکتشافی. عوامل هوشمند، هر چند در موتورهای جستجوی وب برای سال‌ها جاسازی شدند، در حال توسعه هستند تا درون دستگاه‌ها و نرم افزار‌های دیگر فعالیت کنند. آنها به کاربران کمک م یکنند و در مذاکرات تجارت الکترونیکی همکاری م یکنند. الگوریتمها و بحث‌های اکتشافی برای بهبود عملکرد سیستم به عنوان بخشی از میان افزار جاوا و سایر سیستم عامل‌ها در حال توزیع هستند. به عنوان مثال، چگونگی مسیریابی پیام روی وب سایت ممکن است از طریق یک الگوریتم جاسازی شده در یک سیستم پیام رسان فوری محاسبه شوند.
گارتنر Inc.( ناشناس، 2002) توصیه م یکند که سازمانها در کاهش رشد اقتصادی تکنولوژی‌هایی را انتخاب کنند که ابتکار کسب و کار هسته را پشتیبانی م یکنند. این به طور کلی یک نصیحت خوب برای هر وضعیت اقتصادی است. در زمانهای خوب، پول می‌تواند در کاوش تاثیرات تکنولوژی جدید صرف شود .
همه عنوانها در لیست تکنولوژی‌های درحال ظهور گارتنر شامل وب می‌شوند. در اینجا چهار روند تکنولوژی در حال ظهور گارتنر برای مشاهده وجود دارد:
• مشتریان خود سرویس. تا سال 2005، انتظار می‌رفت که بیش از 70 درصد از تعامل خدمات مشتری برای کسب اطلاعات و معاملات از راه دور خودکار خواهد شد. وب سایت‌ها مجبور به فراهم آوردن خدماتی که مشتریان نیاز دارند و "محصولاتی" که شرکت‌ها م یخواهند به فروش برسانند خواهند بود. در اینجا یک انتظار از بازگشت سرمایه گذاری‌های بالا، دستیابی بهتر مشتری و بهبود کیفیت خدمات وجود دارد. این به افزایش رقابت‌ها و پس انداز‌هایی که می‌تواند به مشتریان منتقل شود منجر شود.. DSS درفعالیت 12,1 یک مثال از چگونگی گسترش یک پورتال توسط پالم Inc.که خدمات بهتر به مشتری را فراهم می‌کند را توصیف م یکند.
• خدمات وب. جهان به وب منتقل شده است. شرکت‌ها به دنبال حضور وب هستند. صرف نظر از صنعت شما، در اینجا برخی از جنبه‌ای از آنچه شما انجام می‌دهید که می‌تواند و باید بر روی یک وب سایت تجارت الکترونیک قرار داده شود وجود دارد. در حداقل زمان، مشتریانانتظار اطلاعات تماس و تبلیغات را دارند. آنها می‌خواهند قادر به پیدا کردن شما باشند و آنچه شما می‌فروشید را ببینند .
•کامپیوترهای پوشیدنی. تا سال 2007، بیش از 60 درصد از جمعیت ایالات متحده بین سنین 15 و
50 حداقل شش ساعت در روز دستگاه محاسبات و ارتباطات بی سیم را خواهند برد یا پوشید.
شیوع این دستگاه‌ها قطعا منجر به تجارت قابل توجه و فرصت‌های خدمت دهی خواهد شد .
•ایجاد عنوان برای همه چیز. تا سال 2008، بیش از 90 میلیارد دلار کسب و کار به مصرف کننده
(B2C) تصمیم خرید و 350 میلیارد دلار کسب و کار به کسب و کار (B2B) تصمیمات خرید بر اساس برچسب خواهند بود. برچسب‌ها حاوی مطالب و نظرات در مورد اقلام قابل خرید هستند. سیل اطلاعات، محصولات، و خدمات در حال مهمیز دار کردن تمرکز بر سازماندهی و برچسب زدن روی انتخاب‌ها برای کمک به خریدار برای یافتن، اولویت بندی، و انتخاب اقلام را هستند. صنعت رو به رشد برچسب زدن، رفتار خرید را تغییر خواهد داد و به ایجاد صنایع جدید در خدمات مشاوره و تحقیقات کمک می‌کند.

سوالات پایان فصل :
1. سه فاز تصمیم گیری از نظر سایمون را نام برده و توضیح دهید. (صفحه 17)
2.Dss را شرح دهید. (صفحه 21)
3. چند دلیل استفاده از DSS را نام برده، توضیح دهید. (صفحه 13)
4. 3 دلیل برای اینکه مشخص کند، تصمیم گیری‌های امروزه پیچیده تر شده‌اند بیاورید ؟(صفحه 10)
5. عوامل موثر در تصمیم سازی (تصمیم گیری) مدیران را شرح دهید. (صفحه 11)
6. مفاهیم تصمیم‌های ساختیافته، نیمه ساخت یافته و غیرساخت یافته را شرح دهید. (صفحات
17و 18)
7. بر اساس نظریه انتونی فعالیتهای مدیریتی را شرح دهید. (صفحه 18)
8. در مورد GSS (سیستم‌های پشتیبان گروهی) توضیح دهید. (صفحه 26)
9. مدیریت دانش را توضیح دهید. (صفحه 28)
10. سیستمهای خبره و مزایای آنرا شرح دهید. (صفحه 29)
11. در مورد شبکه‌های عصبی توضیح دهید. (صفحه 30)
12. سیستم‌های‌هایبرید (ترکیبی) چه هستند؟ (صفحه 31)


(برای دسترسی به پاسخهای سوالات فوق، از فهرست مطالب استفاده کنید)





2 سیستم‌های تصمیم گیرنده، مدل سازی و پشتیبانی اهداف یادگیری
 درک مفاهیم اساسی یا اولیه تصمیم گیری
 درک رویکرد سیستم‌ها
 درک چهاراصل تصمیم گیری سایمون: هوشمندی، طراحی، انتخاب و پیاده سازی
 تشخیص مفاهیم مربوط به عقلانیت وعقلانیت محدود وچگونگی ارتباط اینها با تصمیم گیری
 تفاوت‌های بین مفاهیم ایجاد یک انتخاب و قوانین کلی ایجاد آن
 تشخیص چگونگی مدلسازی یک تصمیم گیری، شناخت، مدیریت مدل، چگونگی شخصیت (خلق وخو) وعوامل دیگرتاثیرگذار برتصمیم گیری
 چگونگی پشتیبانی DSS در عمل از تصمیم گیری

اساس این کتاب متمرکزبر پشتیبانی کامپیوتری ازتصمیم گیری است. هدف این فصل توصیف مفاهیم بنیادی تصمیم گیری ودسترسی به سیستم‌ها وچگونگی پشتیبانی از آنها م یباشد. به عبارت دیگر، ما MMS Running Case را درتمام این فصل استفاده می‌کنیم.
از جمله اهداف این فصل نشان دادن روند تصمیم گیری درصنعت است، این مورد در قسمت مورد کاربردی 4,2
(مدلها) آمده است. این فصل موارد زیر را پوشش می‌دهد :
2-1 : شکل ابتدایی (شمای اولیه) : شرکت SMP که اداره آن بر مبنای تصمیم گیری جمعی است.
2-2 : تصمیم گیری، معرفی وتعریف‌ها
2-3 : سیستم‌ها
2-4 : مدلها
2-5 : فازهای مختلف فرآیند تصمیم گیری
2-6 : تصمیم گیری : فاز هوشمندی
2-7 : تصمیم گیری : فاز طراحی
2-8 : تصمیم گیری : فاز انتخاب
2-9 : تصمیم گیری : فاز پیاده سازی
210- : چگونه تصمیم‌ها پشتیبانی می‌شوند
211- : انواع مختلف شخصیت‌ها، نوع وجنسیت، درک وفهم بشری وسبک‌های تصمیم گیری
212- : تصمی مگیرنده‌ها


1,2 شمای اولیه :شرکت SMP که اداره آن بر مبنای تصمیم گیری جمعی است.
معرفی
تصمیمگیری فرآیندی بسیار پیچیده است، وبا مردم واطلاعات درگیرمی باشد. دراکثرسازمانها وقتی شما افراد را به کار فرامی خوانید، آنها کارم یکنند وفکرنمی کنند. ولی وقتی شما افراد را وادار به فکر کردن می‌کنید آنها فکر م یکنند، و وقتی شما به آنها اختیار می‌دهید تا تصمیم بگیرند، آنها تصمیم گیری خوبی انجام م یدهند.مفاهیم ارائه شده بعدی بسیار مهم است.به کاربردن نیروی فکری سازمان در حل مسائل سخت بسیار مفید است.SMP ( کارخانه تولید قطعات موتوری در Edwardsville، ایالت Kensas )، تولید وپخش خدمات پس از فروش صنعت خودرو را انجام م یدهد. تیم تصمیم گیری توسط کارکنان درحال کارم یباشد.
یک تغییردرفرهنگ کارودرک آن، این مسأله را ممکن ساخته است.
یک روزنمونه درشرکت SMP :
11 June ساعت 6 صبح یک روزکاری :درداخل کارخانه خانم Brenda Craig برگه‌های وظایف روزانه را پخش م یکند. مشخص م یکند که همکارانش برای امروزباید چه کارکنند.اورئیس نیست, اما برنامه ریزی کننده برای گروه کاری‌‌اش است.
درطی سال پیش رو، درتیم 12 نفره او، کارهای گروه بین افراد گروه می‌چرخد. برای هرکدام ازآنها میزان ساعت کاری مشخص م یشود،از جمله ساعت کاری برای انجام وظایف شبانه و وقت مورد نیاز برای رسیدگی به کامیونهای حمل بار. تیم برای تصمیم گیری وظایف، خیلی کوتاه همدیگر را ملاقات م یکنند. آنها به سرعت حدس می‌زنند که آیا زمان اضافه کاری ممکن است احتیاج باشد و آیا گروه‌های کاری دیگرنیاز به کمک دارند ویا می‌توانند به آنها کمک کنند.
هرکس در تیم مسئول انجام وظایف خودم یباشد. همه درک می‌کنند که چه کاری نیازبه انجام دادن،دارد. کارکنان وظیفه محورنیستند. آنها فکرم یکنند، آنها تصمیم می‌گیرند وهرکس مسئول تشخیص خود است، هنگامی که اعضا ازمسیرکاریشان خارج می‌شوند،بقیه اعضا به آنها کمک می‌کنند که کارهایشان را با یکدیگرانجام دهند.
فرهنگ سیستمی خود محوری SMP
تیم کاری به آن چیزی که باید انجام شود کمک م یکند، اما اینکار باعث ایجاد تفرقه در محیط کاری نمی‌شود. درحدود 55% کارکنان اعضای یک اتحادیه هستند. کماکان یک سلسله مراتب مدیریتی درSMP وجود دارد، اما مدیراصلی Thom Norbury، وشش عضوهسته‌ی مدیریتی اصلی به ندرت درتصمیم گیری‌های گروهی تیم‌های کاری مداخله م یکنند. معمولا نمایندگان تیمها در مورد اختیاراتشان بحث م یکنند وبه درستی، همان طوری که Norbury می‌گوید، انتخاب م یکنند. کل سیستم ازاستعداد کارمندانش استفاده م یکند.
مدیراصلی سابق کارخانه Joe Forlenza، این عقیده را دارد که کارکنان می‌توانند تصمیمات زیرکانه‌ای درمورد سازمان بگیرند. وقتی که Forlenze درحال پیشرفت بود، اوافرادی را می‌دید که زندگی خودشان را با تمام دغدغه‌ها ومشکلاتی که داشتند، مدیریت می‌کردند. او می‌گوید که " اگر از استعداد و فکری استفاده نشود آن استعداد تلف می‌شود."بعضی از مدیران SMP عقیده دارندکه اختیاردهی جواب نمی‌دهد. از یک دهه قبل، در SMP یک فضای کاری اختیار داده شده، رونق پیدا کرده است.
Forlenza یک تیم هماهنگ تصمیم گیرنده را امتحان کرد وشروع به انتقال مسئولیت‌ها نمود وکارهای سرپرستی میانی را حذف کرد. بعضی مدیران به صورت دلخواه شرکت را ترک کردند, و بعضی دعوت به همکاری شدند، پس از یک سال سودمندی کارخانه سقوط کرد. اومتعهد به انجام کاری بود که شروع کرده بود،درپایان سال دوم سوددهی شرکت افزایش یافت وتا به امروز نیز درحال افزایش م یباشد.
تعهد رهبری برای تغییر
برنامه Edwardsville با موفقیت روبه رو شد درحالی که دیگرشرکت‌ها با شکست مواجه شدند.Joe یک قرارداد بلند مدت برای آموزش تیمش بست،تا حرفه‌ای شوند و بتوانند تصمیم‌های مناسبی برای سازمان وخودشان بگیرند. بعضی از مدیران نتوانستند خودشان را باشرایط وفق دهند اما خوشبختانه بسیاری از آنها، توانستند این کار را انجام دهند.
هنگامی که سطح اعتماد بین کارمندان وکارگزاران پایین باشد مشکلاتی وجود خواهد داشت. هم چنین بعضی از کارگزاران مشکلاتی برای قبول مسئولیت درکار،خواهند داشت. متأسفانه بسیاری ازشرکتهای تجاری آمریکایی به کارکنانشان می‌آموزند که آنها برای فکرکردن حقوق نمی‌گیرند، لذا کارکنان نیز فکر نمی‌کنند.
درحالت کلی حدود 10% ازکارکنان نمی‌توانند دریک محیط تیمی، عملکرد مناسبی داشته باشند. این موضوع گاهی بدلیل مسائل شخصی بروز می‌کند و گاهی به دلیل اینکه مجریان سطح پایینی هستند که همکاری با یک تیم را رد م یکنند. این افراد باید برای رفع مشکلاتشان،هنگام ساختن یک فرهنگ تیمی، آزاد باشند .Norbury می‌گوید که تیم‌های کاری خود محور، تعهدات پیوسته‌ای را نیازدارند. درغیراین صورت استرس می‌تواند به راحتی،باعث برگشت مدیران به رفتارهای قدیمی شود. تعهد رهبری یک عامل بحرانی درهرتغییرسازمانی م یباشد.


تصمیم گیری تیمی
درSMP، یک تیم برنامه‌‌اش را می‌داند، اهدافش را می‌داند وهم چنین شرایط مالی‌‌اش را. یک تیم اطلاعات خیلی بیشتری نسبت به کارکنان دیگری که شبیه این کاررا انجام می‌دهند، درمورد تجارت دارد.تیم‌ها بدلیل اینکه دسترسی لازم به اطلاعات مالی را دارند (که پیش از این تنها دردسترس مدیران بوده است)، می‌توانند تصمیمات خوبی را بگیرند . آنها قابلیت تولید را اندازه گیری کرده ومقدار سود یا فروششان را محاسبه م یکنند. تیم تلاش م یکند که به خودی خود مدیریت شود. اغلب تیم‌ها این کار را دربرنامه‌هایشان انجام م یدهند تا به بالاترین سطح خود اختیاری برسند. افراد تیم به صورت روزانه، بازخورد کار را به هرکدام ازافراد دیگرگروه اعلام م یکنند. دریافت کننده بازخورد،انتقاد را بدون هیچ عذروبهانه‌ای می‌پذیرد .
بیشتر آنها می‌دانند که درحال حاضر بازخورد چه انتظاراتی از آنان دارد.
نتایج
تا قبل از اینکه روند تیمی بنا بشود، اصطکاک یا حساسیت کمتری بین مدیران ونماینده‌های اجتماعات مختلف وجود داشت. آنها اغلب مشکلات را درطی یکسری نامه‌های قابل انعطاف قابل فهم، به جای قراردادهای دارای قید حل می‌کردند. این چنین تصمیماتی برای مذاکره کردن وگفتگو خیلی آسان تراست. افراد بیشتر خوشحالند، کارکنان برای برنامه ریزی‌های محلی، تصمیم گیری‌های اضافه کار، برنامه ریزی تغییرات وانتقالات، واگذاری یا تخصیص کارها وبه همین ترتیب پاسخگویند. افراد گروه برای تصمیم گرفتن پاسخگوهستند هنگامی که تولید یک محصول کاهش پیدا م یکند. بیشترتصمیم گیری‌های مدیرانه به تیم‌های خود محورانتقال داده می‌شود. برکارکنان نظارت کوچکی وجود دارد. روی هم رفته کارکنان دارای اختیار، هنگامی که به صورت مناسب و در خور پاداش داده می‌شوند تصمیمات خوبی می‌گیرند.
 سؤالات برای شکل ابتدایی (آغازین):
چرافکرمی کنید که کارکنان دربیشترسازمان‌هابرای کار کردن حقوق می‌گیرند نه برای فکر کردن.آیا این فرقی م یکند؟چرا یا چرا نه؟
فکرمی کنید چرا بهره وری تولید درسال اول براساس برنامه بنا شده برکار گروهی، کاهش پیداکرد؟ توضیح دهید.
چرا تعهد رهبری برای تغییرمهم است؟ توضیح دهید.
چگونه تصمیمات دریک روند تیمی به کارمی آیند؟ موارد زیررا درنظربگیرید:
چگونه تیم‌ها مشکلات راتشخیص م یدهند؟چگونه تیم‌ها درروند مشکلات قرارمی گیرند؟ چگونه تیم‌ها راه حل‌ها را انتخاب م یکنند؟ چگونه تیم‌ها راه حل‌ها را به کارمی برند؟ چگونه تیم‌ها موارد مخالف را ازپیش برمی دارند؟
اگرکسی که عضو تیم نیست، عضو تیم شود، برخی ازتأثیرات ممکن برتصمیم گیری، چیست؟
آیا می‌توانید دلیل اینکه بسیاری ازمدیران سطح متوسط متقاعد به ترک یا بازنشستگی شده‌اند را توضیح دهید؟
از تکنولوژی برای دسترسی به داده‌ها استفاده م یشود. شرح دهید که چگونه تکنولوژی اطلاعات می‌تواند به تیم‌ها کمک کند.
تاثیر اینکه افراد خود مسئولیت تصمیم گیری درکارشان دارند، چیست؟ چرا اعضای تیم خودمحورشادترازکارکنان تحت سلسله مراتب قدیمی هستند؟
2,2 تصمیم گیری : معرفی وتعریفات
موارد زیر چندین جنبه مختلف از یک تصمیم گیری دریک شرکت تجارتی را نشان می‌دهد.
• تصمیم اغلب توسط گروه گرفته م یشود.
• اعضای گروه ممکن است تعصب داشته باشند.
• اختیاردادن به یک گروه منجربه تصمیمات بهترم یشود.
• افراد ممکن است پاسخگو برای تصمیم گیری باشند.
• ممکن است تعداد زیادی ( صدها وگاهی هزاران ) پیشنهاد جایگزین برای جایگزینی وجود داشته باشد.
• نتایج تصمیم گیری مربوط به امور تجاری معمولا درآینده جامعه عمل به خود می‌پوشاند.
• هیچ کس یک پیش بینی کننده کامل بویژه دریک قدم طولانی وبلند ازآینده نیست، تصمیم گیر یها وابسته به هم هستند. یک تصمیم ویژه ممکن است تأثیر بر خیلی از افراد و گروه‌ها در یک سیستم سازمانی بگذارد.
• تصمیم گیری همراه با یک فرآیند فکری درمورد مسائلی منتهی به نیازسنجی برای داده‌ها و مدلسازی است.
• بازخورد یک جنبه مهم از تصمیم گیری م یباشد.
موارد دیگر:
• تفکرگروهی (توسط اعضای گروه بدون هیچ فکر) می‌تواند منجر به یک تصمیم گیری بدشود.
• می‌تواند چندین موضوع مخالف هم وجود داشته باشد.
• بسیاری ازتصمیم گیری‌ها باریسک همراه است. افرادمعمولا تمایل به ریسک کردن دارند.
• تصمیم گیرنده‌ها علاقمند به ارزیابی موضوعات هستند.
• آزمایش با یک سیستم واقعی ( برای مثال، توسعه یک برنامه، امتحان آن ومشاهده اینکه چه مقدارجواب م یدهد- سعی وخطا) ممکن است منتهی به شکست شود.
• آزمایش با یک سیستم واقعی دریک زمان و فقط با یک مجموعه از حالات ممکن است این امرمی تواند خطرناک ومصیبت بار باشد.
• تغییرات درفضای تصمیم گیری ممکن است به طورپیوسته اتفاق بیفتد ومنجربه بی اعتباری فرضیات درمورد آن شرایط شود. ( برای مثال، تحویل دادن ما درحدود زمانهای تعطیلی ممکن است افزایش پیدا کند واحتیاج به نگاه ویژه‌ای به مشکل باشد.)
• تغییرات درفضای تصمیم گیری ممکن است برروی کیفیت تصمیم تأثیربگذارد واین امر ممکن است همراه با تحمیل فشارزمانی برروی تصمیم گیرنده باشد .
• جمع آوری اطلاعات وآنالیز یک مساله زمان بر است ومی تواند گران تمام شود. مشکل است تعیین زمان توقف تصمیم گیری امری سخت است.
• ممکن است اطلاعات کافی ودرخور برای یک تصمیم گیری هوشمندانه وجود نداشته باشد.
• ممکن است اطلاعات خیلی زیادی دردسترس باشد ( به اصطلاح اطلاعات سرریز شود)

درنهایت ما می‌خواهیم به تصمیم گیرنده‌ها کمک کنیم که تصمیمات بهتری بگیرند .
Churchman 1982; Hoch, 2001; Hoch and Kunreuther, 2001; Hoch, Kunreuther with Gunther, 2001; مشاهده کنید )
Kleindorfer, 2001; Mora, Forgionne and Gupta, 2002; Power, 2002; Roth and Mullen, 2002; Shim et al., 2002; Shoemaker and Russo, 2001; Simon, 2000; Verma and Churchman, 1998; Vitt, Luckevich, and Misner, 2002)
اگرچه تصمیم گیری بهتر،لزوما به این معنی نیست که تصمیمات سریع ترگرفته شود. یک فضای تجاری با تغییرات سریع اغلب احتیاج به یک تصمیمات سریع تردارد که ممکن است یکسری ضررهایی برای کیفیت تصمیم داشته باشد.( به فوکوس 1,2 مراجعه کنید)
برای تعیین چگونگی تصمیم گیری توسط تصمیم گیرنده‌های واقعی، باید ابتدا روند ومسائل مهم مربوط به تصمیم گیری فهمیده شده،سپس متد‌های مناسب برای کمک کردن ومساعدت به تصمیم گیرنده‌ها اتخاذ شود. تنها پس ازاین ما می‌توانیم سیستم‌های پشتیبانی تصمیم گیری را برای کمک به تصمیم گیرنده‌ها توسعه دهیم.
این فصل همراه با سه کلمه کلیدی سازماندهی شده که کلمه DSS را تشکیل می‌دهند:
تصمیم گیری، پشتیبانی و سیستم‌ها. هرشخص به سادگی وکورکورانه ابزارتکنولوژی اطلاعات را برای تصمیم گیری به کارنمی برد. بلکه پشتیبانی فراهم کننده روند دسترسی عقلانی است بطوریکه واقعیت را ساده م یکند، هم چنین فراهم کننده ابزارارزان برای جایگزینی بهترین راه برای حل مشکل می‌باشد.
تصمیم گیری
تصمیم گیری یک روند انتخاب ازمیان عنوانهای موجود با قصد نیل به یک هدف یا هدفها م یباشد.
برطبق نظریه سایمون (1977)، تصمیم گیری مدیریتی هم معنی و مترادف با فرآیند کامل مدیریت م یباشد.
برنامه ریزی برای یک فعالیت مدیریتی مهم را درنظر بگیرید، برنامه ریزی با یکسری ازتصمیمات همراه م یباشد . چه کاری باید انجام شود؟ چه موقع ؟ کجا؟ چرا؟ چگونه؟ توسط چه کسی؟ مدیران اهداف یا برنامه را درنظرمی گیرند، ازاین رو برنامه ریزی مبتنی برتصمیم گیری می‌باشد. اعمال مدیریتی دیگر ( برای مثال سازماندهی وکنترل )نیز با تصمیم گیری درگیر م یباشند.
تصمیم گیری و حل مسأله
یک مشکل هنگامی رخ م یدهد که یک سیستم اهدافش را موفق نمی‌بیند و نتایج پیش بینی کرده‌‌اش را بدست نمی‌آورد ویا سیستم مطابق برنامه کارنمی کند. حل مسأله هم چنین ممکن است منجر به بررسی و یافتن فرصت‌های جدید شود . تفاوت واژه تصمیم گیری وحل مسأله می‌تواند گیج کننده باشد.



می تواند ضربه بزند.
روند پروسه 17%
_____________
Source: Condensed from
Horgan, "Management Briefs: Decision
Making: Had We But World Enough and Time," CIO, November DSS در فوکوس1,2

هنگامی که تصمیم گیریابزارتصمیم گیری سریع بر کیفیتاثر می‌گذارد . این امر زیان بار است از مدیران در مورد اینکه کدام بیشترخسارت دیده اندپاسخ‌های زیرکرده‌اند :
کیفیت یا بهره وری 20% انتخاب IT و نصب 17% کارکنان-Hr 27بودجه مالی 24%
سریع است سرعت
تصمیم، بهبود
.با سؤال قسمت‌ها
را ارائه D.J.
15،2001.
%

فصل دوم
ساختارسازمانی 22%


یک راه برای تشخیص این دو از هم تست فازهای مختلف فرآیند مربوط به تصمیم است. این فازها 1)هوشمندی 2) طراحی 3) انتخاب 4) پیاده سازی می‌باشد. برخی کل فرآیند (فازهای 1 تا 4) را به عنوان حل مسأله درنظر م یگیرند، و فاز انتخاب را به عنوان یک تصمیم گیری واقعی در نظر می‌گیرند . نظری دیگر فازهای1 تا 3 را به عنوان تصمیم گیری در نظر گرفته، درحالی که حل مسأله علاوه بر این فازها فاز 4 را نیز شامل می‌شود. ما اصطلاحات تصمیم گیری وحل مسأله را به طور متقابل استفاده می‌کنیم.

نظم و ترتیب در تصمیم گیری :
تصمیم گیری تحت تاثیر مستقیم چندین مرحله م یباشد. بعضی از این مراحل رفتاری وبعضی‌ها علمی است . ما باید هوشیار باشیم که چگونه به افزایش توانایی‌ها برای تصمیم گیری کمک می‌کنند وچگونه پشتیبانی را فراهم می‌کنند .نظم وترتیب رفتاری موارد زیررا دربردارد:
•انسان شناسی
•قانون
•فلسفه
•علم سیاست
•روانشناسی
•روانشناسی اجتماعی
•جامعه شناسی
نظم وترتیب علمی موارد زیررا دربردارد:
•علم کامپیوتر
•تحلیل تصمیم
•اقتصاد
•مهندسی
•علوم پایه : زیست شناسی، شیمی، فیزیک وغیره
•علم مدیریت / تحقیق درعملیات
•ریاضیات
•احتمالات
هرترتیب بالا، مفروضات مربوط به خودش را درمورد واقعیت و روشها دارد. هم چنین هرکدام دریک واحد همکاری م یکنند ویک دید معتبر از این که مردم چگونه تصمیم می‌گیرند را می‌دهند . در پایان مطالب زیادی وجود دارد که تشکیل دهنده یک تصمیم گیری موفق در عمل می‌باشد . برای مثال، ما یک نمونه‌ای از" 75 تا تصمیمات مدیریتی که تاحالا گرفته شده" را درDss درفعالیت 2,2 فراهم می‌کنیم . همه آنها موفق بودند بدلیل شماری ازدلایل. بعضی‌ها مزیت‌های فوق العاده‌ای داشتند. دیگرتصمیمات بزرگ برای مثال ساخت دیوارعظیم چین،در زمان خود یک موفقیت تلقی شد;( لیست را مشاهده کنید)،اما واقعا درعمل با شکست مواجه شد بدلیل اعمال مدیریتی بد، دیگرتصمیمات نیز به همین صورت با شکست مواجه شد.
بزرگ

تمام تصمیمات موفق بودند ویک نیزداشته اند.در زیر نمونه‌ها آورده
: 75 تا
کهیک تحقیق مدیریتی ازافراد خبرکه 75 مورد ازبزرگترین تصمیمات گرفته شده را انتخاب نمایند. نتایج خلاصه آورده شده،این نتایج عجیب
ازبزرگترین تصمیمات مدیریتی تا حالا گرفته شده استه خواسته است .
مدیریتی که تاثیرعمده
به صورت شده است
و جالب
مشاهده کنید Dssدر فعالیت 2,2.
3,2 سیستم‌ها
کلمات مخفف EIS،GSS،DSS و ES همگی واژه سیستم را دربردارند. یک سیستم مجموعه ازاشیاء برای مثال مردم، مدارک، مفاهیم وروشهای کاری که برای اجرای یک عمل مشخص یا برآوردن یک هدف، مورد نیاز هستند. برای مثال یک دانشگاه، سیستمی شامل دانشجویان، هیئت علمی، کارکنان، رؤسا،ساختمانها، تجهیزات، نظرات وقوانین، با هدف آموزش دانشجویان، ایجاد تحقیق وفراهم آوردن یک سرویس برای جامعه ( سیستم دیگر) است. یک تعریف واضح وروشن ازهدف سیستمها، یک نگاه ویژه است.
درطراحی سیستم‌های تامین مدیریت MMS . برای مثال هدف ازیک سیستم دفاع هوایی حفاظت ازهدف‌های زمینی است وتنها برای ویران کردن هواپیماهای حمله کننده یا موشک‌ها نیست.


فصل دوم
Walt Disney به همسرش Lillian گوش داده، واسم کارتونش را به جای Multimer، Mickey Mouse گذاشته.Benjamin Fraklin به عنوان سفیر درسال 1780، تمام وقتش را صرف تشویق مهاجرت افراد متخصص به ایالت متحده کرد. یک هل دادن سریع نیروی متخصص.
درحدود 59 سال قبل ازمیلاد Julius Caesar مردم را با دست نوشته‌هایی که در رم پخش می‌شد بروز نگه می‌داشت و تفکراتش توسط پوسترهای دیواری نشان داده می‌شد .
قدرت رهبران از زمانی که توانایی ارتباط برقرار کردن وگفتگو بوجود آمد، تا حدی اندازه گیری شد.
Ted Turner به راه اندازی شبکه خبری با کابل را درسال 1980 اقدام کرد. هیچ کس فکرنمی کرد یک شبکه خبری 24 ساعته بتواند جواب دهد.
درطی جنگ جهانی دوم،Rabert Wood Ruff رئیس کوکا کولا مجبور به فروش قوطی‌های کوکا کولا به افراد ارتش به قیمت 5 سنت شد ..
درسال 1924، Thomas watson اسم کارخانه ضبط یکسان کامپیوتری را به ماشین‌های تجارت بین الملل تغییرداد. کمپانی هیچ گونه عملکرد بین المللی نداشت اما دراین عمل، یک عمل جاه طلبانه وجسورانه بود.
درسال 1981، Bil Gates، تصمیم گرفت که لیسانس Ms/Dos را به IBM بدهد،درحالی که IBM کنترل تمامی لیسانس‌ها را برای همه PCهای غیرIBM را واگذارکرده بود.
این باعث پیدایش موفقیت بزرگ ماکروسافت وافت IBM ازاعتبارشد. دراین جا تصمیم گیری IBM می‌تواند به عنوان یکی از75 تصمیم گیری مدیریتی که تا حالا گرفته شده لیست بشود.
Qin Dynasty چینی (206-221) قبل از میلاد عظیم‌ترین دیواررا به وجود آورد. یک عمل برجسته مدیریتی ومهندسی. چین هم چنین آن چیزی که اولین سیستم قابل اطمینان وزن واندازه گیری مشهورشد را توسعه داد،بدین وسیله کمک بسیاری درتوسعه‌های تجاری شد.
درقرن 19، Andrew Carnegie، تصمیم گرفت فولاد را از بریتانیا وارد کند و این عمل به تولید فولاد در آمریکا برای ساخت پلهای راه آهن از فولاد به جای چوب، رونق بخشید. مهارت‌های کسب شده صنعت فولاد آمریکا را متحول کرد وCarnegie یک شخص مهم در صنعت فولاد شد.
ملکه الیزابت اسپانیا تصمیم گرفت که سفر
دریایی Columbus را در سال 1492 به عهده بگیرد. این یک ریسک بزرگ بود که یک نتیجه خیلی بالایی برای کشف یک دنیای جدید در بر داشت.
-----------------------------------
Source: Adapted from Stuart Crainer, The 75 Greatest
Management Decisions Ever Made:... And 21 of the Worst, MJF Books, New York, 2002. Also see Anonymous, "Top 75: The Management Review, Vol. 87, No. 10, November 1998, pp. 1619.

Greatest Management Decisions Ever Made," Management Review, Vol. 87, No. 10, November, 1998, pp. 20-23; and Stuart
Crainer, "The 75 Greatest Management Decisions Ever Made,"






شکل 1,2: سیستم و محیط اطرافش

ساختار یک سیستم
سیستم‌ها ( شکل 201) به سه بخش مجزا تقسیم م یشوند : ورودی‌ها، پردازش‌ها و خروجی‌ها .آنها توسط یک محیط احاطه شده‌اند واغلب یک سیستم بازخورد را دربردارند. هم یک تصمیم گیرنده انسانی به عنوان قسمتی ازسیستم درنظرگرفته م یشود.
ورودی‌ها
ورودی‌ها، اجزایی هستند که وارد سیستم م یشوند. مثالی ازورودی‌ها،مواد خام وارد شده به یک کارخانه شیمیایی، دانش آموزان پذیرفته شده دریک دانشگاه و داده ورودی به یک صفحه وب برای پرس وجوی بانک اطلاعاتی است.
پردازش‌ها
عناصری هستند که برای تبدیل یا انتقال ورودی‌ها به خروجی‌ها نیاز هستند. برای مثال یک پردازش درکارخانه شیمیایی ممکن است شامل گرم کردن مواد، استفاده از فرآیند عملکردی، استفاده ازیک زیرسیستم دربردارنده مواد واستفاده از کارمند‌ها وماشین‌ها،باشد. دریک دانشگاه پردازش ممکن است کلاسهای نگهداری، انجام کارهای کتابخانه‌ای وجستجوی وب را شامل شود. دریک کامپیوتر، یک پردازش شامل دستورات فعال سازی ومحاسبات اجرائی وذخیره اطلاعات م یباشد.
خروجی‌ها
خروجی‌ها محصولات تمام شده یا نتیجه خارج شده از یک سیستم هستند. برای مثال کودها یک خروجی ازیک کارخانه شیمیایی هستند. افراد تحصیل کرده خروجی یک دانشگاه هستند وگزارش‌ها ممکن است خروجی یک سیستم کامپیوتری باشند. یک سرور وب ممکن است یک صفحه وب را به صورت پویا تولید کند که براساس ورودی‌هایش وفرآیندش بنا شده است.
فیدبک ( باز خورد)
یک بازخورد ازاطلاعات خروجی است که تصمیم گیرنده با درنظرگرفتن خروجی سیستم و نوع عملکردش ممکن است ورودی‌ها، پردازش‌ها و یا هر دو را اصلاح نماید.به این ساختار حلقه‌ای بسته فیدبک می‌گویند. فیدبک روشی برای کنترل سیستم‌های واقعی است. تصمیم گیرنده خروجی‌ها را باخروجی مطلوب مقایسه م یکند وورودی‌ها و گاهی در صورت امکان فرآیندها را برای نزدیک کردن به سمت خروجی‌های مطلوب ما، تنظیم م یکند.
محیط
محیط یک سیستم، ازچندین عنصرمختلف که دربیرون آن قراردارند، تشکیل شده است. عناصر محیط ورودی‌ها، خروجی‌ها یا فرآیند نیستند. اگرچه آنها برروی عملکرد سیستم ودرنهایت بدست آوردن اهداف آن تاثیرمی گذارند. یک روش برای تشخیص عناصر محیط یک سیستم، طرح دو سئوال زیر است:
1-آیا دستیابی به اهداف سیستم وابسته به عنصر است؟
2-آیا کنترل عنصر در اختیار تصمیم گیر است؟
فقط در صورتی که پاسخ سئوال اول مثبت و پاسخ سئوال دوم منفی باشد، عنصر مذکور یکی از عناصر موجود در محیط آن سیستم است.عناصر محیطی می‌توانند اجتماعی، سیاسی، قانونی، فیزیکی یا اقتصادی باشند. اغلب آنها متشکل ازسیستم‌ها هستند. برای یک کارخانه شیمیایی، منابع، رقبا ومصرف کننده‌ها عناصرمحیط هستند. وضعیت یک دانشگاه ممکن است تحت تاثیر قوانین وقواعد وضع شده توسط قانون گذاران قراربگیرد،اما در بیشترمواقع قانون گذاران نیز، تا زمانی که سیستم دانشگاه احتمالا هیچ تاثیرمستقیمی برروی آن نداشته باشد،بخشی ازمحیط هستند. دربعضی ازحالات ممکن است عناصر محیط بر روی یکدیگر تاثیربگذارند، ازاین رومحیط دوباره تعریف م یشود. در یک سیستم کامپیوتری،محیط هرچیزی به جز خود سیستم کامپیوتری است. محیط می‌تواند شامل سیستم‌های دیگری که برآن اثرمتقابل دارند، کاربرانی که ورودی‌ها را فراهم م یکنند وکاربرانی که خروجی‌ها را تست م یکنند، باشد.
محدوده
یک سیستم توسط یک مرز، ازمحیط‌‌اش جدا شده است. سیستم درداخل یک محدوده است درحالی که محیط درخارج آن قراردارد. محدوده می‌تواند فیزیکی (درسیستم بدنی شما، محدوده پوست شماست) یا یکسری عوامل غیرفیزیکی باشد.
برای مثال یک سیستم می‌تواند توسط زمان محدود شود. درچنین حالتی ما می‌توانیم یک سازمان را تنها برای یک دوره یک ساله تحلیل کنیم.
برای ساده سازی تحلیل سیستم اطلاعاتی، معمولا محدوده سیستم همراه با خود سیستم اطلاعاتی در نظر گرفته می‌شود . به عبارت دیگر محدوده یک سیستم اطلاعاتی، مخصوصا یک سیستم پشتیبانی تصمیم، همراه با طراحی در نظر گرفته می‌شود. محدوده‌ها به مفاهیم سیستم‌های بازوبسته ارتباط دارند.
سیستم‌های بازوبسته
به دلیل اینکه هرسیستم،زیرسیستمی از سیستم دیگری است، به نظرمی رسد که روند تحلیل سیستم هرگز به پایان نمی‌رسد. بنابراین باید محدوده تحلیل و آنالیز سیستم،مشخص و محدود شود، این محدودیت‌هاباید قابل مدیریت باشند. این چنین محدود سازی را بستن سیستم می‌گویند.
یک سیستم بسته، منعکس کننده درجه آزادی سیستم‌ها م یباشد. (یک سیستم بازدرمقابل آن قرار دارد). یک سیستم بسته به صورت کلی مستقل است درحالی که یک سیستم باز به محیطش خیلی وابسته است. یک سیستم بازورودی‌ها را ازمحیطش قبول م یکند ( اطلاعات، انرژی، مواد) وممکن است خروجی‌ها را به محیط تحویل دهد.
هنگام تعیین اثرات تصمیمات بر روی یک سیستم باز باید ارتباط آن را با محیط وسیستم‌های دیگرتعیین کنیم. دریک سیستم بسته ما نیازبه چنین کاری نداریم چون که سیستم بسته سیستمی ایزوله در نظر گرفته شده است. بسیاری از سیستم‌های کامپیوتری بعنوان مثال سیستم‌های فرآیندی مبادلاتی (TPS)، سیستم‌های بسته درنظرگرفته شده اند. معمولا سیستم‌های بسته، ساده هستند.
یک نوع مخصوص ازسیستم‌های بسته، جعبه سیاه نامیده می‌شوند. در جعبه سیاه ورودی‌ها وخروجی‌ها به خوبی تعریف م یشوند اما فرآیند به خودی خود مشخص نشده است. بسیاری از مدیران از کار داخلی یک سیستم کامپیوتر مطلع نیستند،مخصوصا هنگامی که به وب دسترسی دارد.اساسا آنها ترجیح م یدهند که با کامپیوترها همانند جعبه‌های سیاه رفتارکنند مثل یک تلفن یا آسانسور. مدیران به سادگی این دستگاهها را مستقل ازجزئیات عملکردی ریزآنها استفاده م یکنند زیرا آنها به نتایج وخروجی‌هایی کامپیوتر‌ها نیاز دارند.
آنها نیازی به فهم که چگونگی کار این دستگاهها ندارند. این مفهوم منجربه توسعه تجاری موفق سیستم‌های خبره، داده کاوی وفرآیند تحلیل Online شده است.
سیستم‌های پشتیبانی تصمیم سعی م یکنند با سیستم‌هایی روبرو شوند که بطورواضح بازهستند. یک چنین سیستم‌هایی پیچیده هستند ودرطی تحلیل آنها شخص باید گذاشته شده و گرفته شده برروی محیط را تعیین کند. 2 سیستم اختراعی درجدول 201 را درنظربگیرید. ما یک مدل اختراعی مشهوررا، مدل مرتبه کمیت اقتصادی (EOQ)، برای یک سیستم به وضوح بسته، همراه با یک DSS فرضی برای سیستم اختراعی برای یک سیستم بازرا مقایسه م یکنیم. سیستم بسته به لحاظ مفهمومی و کاربرد محدود کننده است.
کارایی سیستم وبازده (بهره وری)
سیستم‌ها برحسب اندازه گیری 2 عملکرد اصلی کارایی و بازده ارزیابی وتجزیه تحلیل می‌شوند.
کارآیی: تعیین کننده میزان حصول اهداف یک سیستم م یباشد.. بنابراین کارایی درارتباط با خروجی سیستم است ( برای مثال کل فروش یا محاسبه درآمد هرسهم)
بازده: میزان استفاده از ورودی (منابع) در حصول خروجی را بازده گویند. ( برای مثال چقدرپول برای تولید یک سطح فروش مطمئن استفاده شده است)Peter Drucker روش‌های جالب زیررا برای تشخیص بین این 2 اصطلاح مطرح کرد :
کارآیی : انجام کارصحیح است.
بازده : انجام صحیح کاراست.

مدیریت علمی:
عامل (سیستم بسته) EOQ DSS اختراعی (سیستم باز)
تقاضا ثابت متغیر – متاثر ازعوامل زیاد
هزینه واحد ثابت ممکن است روزانه تغییرکند
زمان رهبری ثابت متغیر- دشوار برای پیش بینی

می دهد
بیش از300 کاندید، عکس‌ها،کاندیداها با فایل‌های مربوط به همکاری‌های PAC، پیش قدمی‌ها،‌های سیاسی، در این سایت این سایت شامل پروفایلی در مورد که کاندیدا‌ها به سوالاتی درمورد نقششان، کتابهای مورد علاقه شان دیگر پاسخ داده بودند.
Source: Adapted from Susan DiMattia,
"Nevada U. Provides
Information," Library Journal,Vol.
16, October وب شکلآگاهی عموم یکی ازسخت‌ترین مبارزات انتخابی است. وب راههایپخش اطلاعات درمورد کاندیدای می‌کند. برای مثال دانشگاهUNR)Nevada، یک سایت وب را با
nevadavotes.unr.edu Votes !
شهروندان ایجاد نمود تا آنان بتوانندآگاهانه بگیرند، درانتخابات کنگره ترکیبی از فعالیت‌های دانشگاهی، دانشگاه،دانشکده IT ودانشکده وابستهعمومی ملی National Public Radio)KUNR را ایجاد نمود. سایت شاملمربوط به نواحی انتخاباتی کل ایالت

تصمیم گیری سیاسی را تغییرکارها درزمان‌های مربوط به جدید برای بیانیه‌های
سیاسی رافراهم سخنرانی‌ها، Reno (، رفراندوم، جشننام Nevada قرار داده شد.
برای کمک به هر کاندیدا بود تصمیمات مدل‌های
یک سایت با وخیلی موضوعات
کتابخانه‌های ____________
Election به رادیوی
127, No.، (
نقشه‌های .17, p. 1،2002 بود، فایل
ممکن است درآنالیزها بکار گرفته شود مستثنی ازتحلیل کاربران ودستفروشانهوا وغیره
ممکن است زمان رهبری وتقاضا را چشم پوشی شده عوامل محیطی
تحت تاثیرقرار دهد


جدول 201 : یک سیستم اختراعی بازدرمقابل یک سیستم بسته  
یک ویژگی مهم سیستم‌های پشتیبانی مدیریت، تاکید آنها برکارآیی تصمیمات و اتخاذ بهترین تصمیم می‌یاشد، بیشتر ازبهره محاسباتی بدست آمده سیستم پشتیبانی مدیریت معمولا نگران روند سیستم‌های معاملاتی، هستند. بیشترسیستم‌های پشتیبانی تصمیم مبتنی بروب،بربهبود کارآیی تصمیم تمرکزکردند. بازده می‌تواند یک فرآورده جانبی باشد.
اندازه گیری بازده وکارآیی بسیاری ازسیستم‌های مدیریتی یک مشکل بزرگ است. این موضوع مخصوصا برای سیستم‌هایی که سرویس‌های انسانی ( تحصیلات، سلامتی وتفریحات وسرگرمی‌ها) را ارائه می‌دهند،بیشتر مشهود است، این سیستم‌ها اغلب چندین هدف مختلف وکیفی دارند تحت تاثیر عوامل خارجی بسیاری به دلیل تامین وجه وملاحظات سیاسی هستند. برای مثال چگونگی تاثیرگذاری وب برتصمیم گیری‌های سیاسی وب.(مثال توضیح داده شده درDSS درفعالیت 3,2را مشاهده کنید.) این مطلب درحوزه DSS نیز صحیح م یباشد. چگونه یک شخص می‌تواند اعتماد یک مدیر را درمورد تصمیم گرفتن بهتر اندازه گیری کند؟ تلاش‌های زیادی برای تامین کمیت،کارآیی وبازده DSS انجام گرفته است. این یک الزام برای بدست آوردن پشتیبانی مدیریتی ومنابع برای توسعه‌ی آنها، است.
سیستم‌های اطلاعاتی
یک سیستم اطلاعاتی، رویه‌ها، ذخایر، تحلیل‌هاو انتشار اطلاعات را برای یک هدف مشخص انتخاب م یکند. سیستم‌های اطلاعاتی قلب اکثرسازمانها م یباشند. برای مثال بانک‌ها و خطوط هوایی قادر به عملکرد بدون سیستم اطلاعاتیشان نخواهند بود. با ظهورتجارت الکترونیک (e-businesses)، در صورت عدم وجودسیستم اطلاعاتی خصوصا ازطریق وب، هیچ تجارتی وجودنخواهد داشت. سیستم‌های اطلاعاتی ورودی‌ها را پذیرفته، داده‌ها را پردازش کرده تا اطلاعات لازم برای تصمیم گیرنده‌ها را فراهم آورند وبه آنها کمک کنند تا به نتایج برسند. اکثرمصرف کننده‌ها و تصمیم گیرند هها، اکنون حضور اینترنت(www) را حس می‌کنند ( مشاهده کنید DSS در فعالیت 4,2 را برای اینکه مشتری‌ها چگونه سایت‌های وب بانک را استفاده وارزیابی م یکنند) سیستم‌های اطلاعاتی وحضور یک وب برای معاملات الکترونیکی برای بسیاری ازسازمانها که درگذشته ازآنها استفاده نمی‌کردند،امری حیاتی است ( مشاهده کنید DSS در فعالیت 5,2).
Dun و Bradstreets D&B می‌گویند که تصمیم گیری کلی، یک سرویس تصمیم گیری معتبرمکانیزه شده براساس وب است. آنها یک راه حل تصمیم گیری معتبرسریع وآسان را به مشتری‌هایشان پیشنهاد م یکنند.

فصل دوم


درتصمیم گیری ایجاد نمود
قرارگرفتند. بررسی‌ها نشان داد که بر تصمیم گیری راحت تر مشتری بر سرگرمی‌های موجود، ترجیح اند. مردم مایلند که از سایت جهت کسب و کارشان استفاده نمایند، اینکه سرگرم شوند.

Source; Adapted from K. Waite and T. Harrison, "Consumer
Expectations of Online Information Provided by Bank Websites," Journal of Financial Services Marketing, Vol. 6 309-322.





وب یک جایگاه ویژه برای مهمترین دلیل استفاده ازجستجوی اطلاعات م یباشد. شرکت
اطلاعات مورد نیازمشتریان برای اطمینانبه کارائی سایت وب درکمک به مشتریان
تصمیم گیری،را داشته باشند. Kathryn Waite
وTina Harrison، تحقیقی را برایعواملی که در راستای رضایت یا عدممشتریان از در دسترس بودن اطلاعاتجاری بانک‌های کوچک دربریتانیا، اجرا کردند. اززمانی که بیشترین اینترنت درامورمالی وبخش‌های بی شده (بیش از70% ازتجارت‌ها سایتی
انتظارات مصرف کنندگان
اینترنت بررسی‌ها باید مسایلی که
دادن تاکید دارند برای داده شده
راهنمایی در تعیین نه
رضایت _______
, No. 4, June 2002, pp. Onlineوجود دارد استفاده از سیم پیدا جهت
کارهای خود دارند)، بانک‌های کوچک مورد

4,2 مدلها
یک ویژگی اصلی ازسیستم پشتیبانی تصمیم، داشتن حداقل یک مدل است. ایده اصلی این است که یک تحلیل DSS باید به جای سیستم واقعی برروی یک مدل ازسیستم اجرا شود .یک مدل یک ارائه ساده شده یا خلاصه ازواقعیت است. مدلها معمولا به دلیل اینکه واقعیت خیلی برای توضیح دقیق پیچیده هستند وبه دلیل اینکه بیشترپیچیدگی‌ها ربطی به حل مشکل ندارند، ساده سازی می‌شوند. مدل‌ها می‌توانند سیستم‌ها ومشکلات را با درجه‌های مختلفی ازانتزاع نمایش دهند . مدلها براساس درجه انتزاعشان به سه دسته‌ی تجسمی، آنالوگ یا قیاسی و ریاضی تقسیم شده اند.
مدل تجسمی(Iconic)
یک مدل تجسمی حداقل انتزاع از نوع یک مدل است.این مدل یک نسخه‌ی فیزیکی از یک سیستم است و معمولاً در مقیاس‌های متفاوت از اصلش ارائه می‌شود. یک مدل تجسمی ممکن است سه بعدی باشد از قبیل یک هواپیما، ماشین یا پل یا دو بعدی باشد مانند خط تولیدی عکس‌ها .
مدل آنالوگ یا قیاسی
یک مدل آنالوگ همانند یک سیستم واقعی رفتار می‌کند اما شبیه آن نیست واز آن کوچکتر است. مدل قیاسی نسبت به یک مدل تجسمی مجرد تر است و یک ارائه سمبلیک از واقعیت می‌باشد. این مدل معمولاً شامل جدول‌های دو بعدی و یا نمودارها م یباشد. مدل قیاسی می‌تواند همانند مدل‌های فیزیکی باشد اما شکل مدل متفاوت از سیستم واقعی است. چند مثال زیر مدل قیاسی است :
• جداول سازمانی که ساختار و روابط مسئولیتی را در بر دارد.
• نقشه‌ها به طوری که رنگ‌های مختلف، اشیاء متفاوت را نشان می‌دهند،برای مثال حجم آب یا کوهستان‌ها.
• جداول بورس کالاهای مختلف که تغییرات قیمت بورس را بیان می‌کنند.
• نقشه‌های خروجی (Blueprint) یک ماشین یا خانه.
• انیمیشن‌ها، ویدئوها و فیلم‌ها.

DSS در فعالیت 5,2دفاع سیاسی از وب

چگونه یک گروه دفاعی یک سایت را برای رسیدن به حوزه‌ی انتخابیشان توسعه می‌دهند.
Heather sehmel در مورد این سؤالات و بیشتر مطالعه کرد. برای گرفتن تصمیمات بهتر افرادی که در سازمان‌های کوچکتر کار می‌کنند نیاز به دانستن بیشتر در مورد پروسه‌هایی که از طریق آن تصمیم گیری می‌کنند در مورد استفاده از وب سایت‌ها به عنوان بخشی از تلاش‌های ارتباطی فراگیرشان دارند. مدافعین سایت وب زیادی بهره برداری نمی‌کنند از وب در کامل‌ترین حالت.
بیشتر عدم توانائی‌ها در ایجاد یک مکالمه یا فراهم کردن اطلاعات شخصی است. Heather sehmel نگاهی به سولات زیر کرده است :
چگونه یا توسط چه کسی، به چه دلایلی تصمیمات گرفته شده‌اند که چطور وب سایت مربوط به گروه را استفاده کنند؟ چگونه سایت به اهداف دسترسی پیدا می‌کند و ارزش‌های توسعه گرانش را منعکس می‌کند؟فصل دوم
چگونه سایت منعکس می‌کند یا برای منعکس کردن اهداف معمولی از دفاعیات محیطی مربوط به ارتباط، از کار می‌افتد؟
چه ارتباطات و و اسناد دیگری مربوط به دفاع از مبارزات انتخابی است؟ چگونه در کل دین اسناداثر متقابل داشته باشند یا رهبری کنند افراد انحصاری را تا اثر متقابل داشته باشند با وب سایت؟
چه کسی مشاهده می‌کند وب سایت را و چرا؟ چگونه تماشاگران از سایت استفاده می‌کنند؟ بررسی Sehmel از دفاعیات مربوط به گروه دفاعی Austin اجازه می‌دهد به او که کشف کند که گروه با بسیاری از موانع عبور معمول برای تصمیم گیری مواجه می‌شود.یکی از اصلی‌ترین موانع برای گروه با بسیاری از موانع عبور معمول برای تصمیم گیری مواجه می‌شود. یکی از اصلی‌ترین موانع برای گروه‌ها، گرفتن تصمیمات خوب در مورد این که چگونه از وب سایتشان استفاده کنند، بود. عدم توانایی از کارمندانشان برای دانستن جایگزین‌های در دسترس برای آن‌ها و یا نتایج این جایگزین‌ها. مانع اصلی دیگر عدم وجود فیدبک در مورد فرصت‌هایی که آن‌ها ایجاد می‌کنند بود، که باعث توانا ساختن آن‌ها که بیشتر بر روی سایت یک سخن پرداز خبره مدل ریاضی
شوند بود. عوامل زیر به این مشکلات کمک می‌کنند :
کارمندان گروه، آموزش در طراحی وب ندیده بودند اما به جای آن به صورت کلی در مورد ارتباطات مربوط به وب از طریق مشاهدات آن‌ها از وب سایت آموخته بودند، یک روش ناقص.
طراح سایت خودش را مشاهده کرد و مابقی پرسنل او را مشاهده کردند به صورت بزرگی به عنوان یک خبره‌ی تکنیکی نه به عنوان یک خبره در بیان یک وب.
گروه، آگاهی محدودی از بازدید کنندگان وب داشتند.
گروه فیدبک کوچکی در مورد موفقیت‌های ارتباطی وبشان داشتند.
کارمندان گروه وقت محدودی داشتند.
منابع مالی گروه محدود بود.
گروه مجبور به پاسخگویی سریع به تغییرات سریع موقعیت‌های سیاسی داشت.
آن‌ها مجبور بودند که با گروه‌های دفاعی و وکالت دیگر همکاری کنند.
_____
Source: Adapted from Heather Sehmel, "Websites and Advocacy Campaigns: Decision-Making, Implementation, and Audience in an
Environmental Advocacy Group's Use of Websites as Part of Its
Communication Campaigns," Business Communication Quarterly,
June 2002.

پیچیدگی روابط در بسیاری از سیستم‌های سازمانی به وسیله مدل تجسمی یا به صورت قیاسی نمی‌تواندارائه شود به دلیل این که چنین مدلهایی بسیار سخت هستند و استفاده از آن‌ها وقت گیر خواهد بود. مدلهای ریاضی نسبت به دو مدل قبلی مجردترند .اکثر تحلیل‌های DSS به صورت عددی توسط مدل‌های ریاضی اجرا می‌شوند.
مزایای مدل سازی
یک سیستم پشتیبانی مدیریت مدل‌ها را به دلایل زیر مورد استفاده قرار می‌دهد :
• دستکاری مدل‌ها (تغییر متغیرهای تصمیم گیری یا محیطی) خیلی از دستکاری سیستم‌های واقعی آسان تر است. امتحان آسان تر است و با اعمال روزانه سازمان تداخل پیدا نمی‌کند.
• مدل‌ها باعث فشردگی زمان می‌شوند. سال‌ها فعالیت می‌تواند به صورت چند دقیقه توسط کامپیوتر شبیه سازی شود.
• هزینه تحلیل مدل‌ها از هزینه یک پژوهش هدایت شده‌ی مشابه بر روی یک سیستم واقعی، خیلی کمتر است.
• هنگامی که مدل‌ها نسبت به سیستم‌های واقعی استفاده می‌شوند، هزینه اشتباه کردن در طی پژوهش سعی و خطا خیلی کمتر است .
• یک محیط تجاری با مجهولات زیادی درگیر است. با مدل سازی،یک مدیر می‌تواند ریسک‌های حاصل از یک عمل مشخص را تخمین بزند.
• مدل‌های ریاضی تحلیل‌های بسیار زیاد از راه حل‌های ممکن را، ارائه می‌دهد. مدیران اغلب اعداد جایگزین زیادی را جهت انتخاب دارند.
• مدل‌ها آموزش و یادگیری را بهبود می‌دهند و تقویت می‌کنند.
• مدل‌ها و روش‌های حل، به صورت واضح از طریق اینترنت در دسترس هستند.
• تعداد بسیار زیادی اپلت جاوا (و برنامه‌های وب دیگر) وجود دارندکه مدل‌ها را حل می‌کنند.

توسعه گرافیک کامپیوتری، مخصوصاً از طریق رابط‌های وب و زبان‌های برنامه نویسی شی گرای، استفاده از مدل‌های تجسمی و آنالوگ برای کامل کردن مدل‌های ریاضی MMS، را ممکن ساخته است.
برای مثال شبیه سازی می‌تواند هر سه نوع مدل‌ها را ترکیب کند. مورد کاربردی 3,2 شامل یک ارائه جالب از مدل چند معیاری م یباشد که با هر دو معیارهای کیفیتی و کمیتی درگیر است. در فصل‌های بعدی یک پیش نمایش از روند مدل سازی در وب ارائه شده است. جزییات مدلسازی در فصل 4 ارائه می‌گردد.


5,2 فازهای فرآیند تصمیم گیری
بهتر است که یک روند تصمیم گیری سیستماتیک را دنبال کنیم .سایمون در سال (1977) فرآیند تصمیم گیری را در 3 فاز اصلی بیان نمود .این سه فاز شامل هوشمندی، طراحی و انتخاب بود . او بعد‌ها فاز چهارم اجرا را نیز اضافه نمود . نظارت می‌تواند به عنوان فاز پنجم در نظر گرفته شود( نوعی بازخورد)، اگر چه نظارت را می‌توان در به کارگیری فاز هوشمندی در فاز اجرا نیز دید. مدل سایمون کاملترین مشخصه از تصمیم گیری عقلانی است. یک تصویر مفهومی از روند تصمیم گیری در شکل 202 نشان داده است.
یک جریان پیوسته‌ی فعالیت‌ها از هوشمندی به طراحی وجود دارد(خطوط Bold شده) اما در هر فاز ممکن است یک بازگشت به فاز قبلی (فیدبک) وجود داشته باشد. مدلسازی یک قسمت ضروری از این روند است.

شکل 2,2 : تصمیم گیری / فرآیند مدلسازی
فرآیند تصمیم گیری با فاز هوشمندی آغاز می‌شود. واقعیت امتحان شده و مشکل تشخیص داده شده و تعریف می‌شود، علت مشکل به خوبی مشخص می‌شود. در فاز طراحی، یک مدل که بیان کننده سیستم م یباشد، ساخته می‌شود. این عمل توسط ساده سازی روابط بین ارتباطات و متغیرها انجام می‌پذیرد. مدل پس از آن ارزیابی می‌شود و بهترین Alternative بر اساس پارامترهای ارزیابی برای حل مساله انتخاب می‌شود و اغلب روند توسعه مدل‌ها و ارائه راههای جایگزین شناسایی می‌شود. فاز انتخاب، انتخابی از راه حل‌های مطرح شده برای مدل را در بر دارد. (نه لزوماً به مسئله‌ای که بیان شده) راه حل‌ها برای تعیین میزان پایداری آنها امتحان می‌شوند .هنگامی که راه حل مطرح شده معقول به نظر رسید ما برای فاز آخر آماده می‌شویم : اجرای یک تصمیم (نه الزاما برای یک سیستم). اجرای موفق راه حل که منجر به حل مساله واقعی می‌شود، م یباشد. شکست در هر مرحله منجر به بازگشت به نزدیکترین فاز می‌شود. در واقع ما می‌توانیم به یک فاز قبل تر برگردیم . موقعیتهای تصمیم گیری که در موردهای کاربردی 1 . 2 و 2 . 2 و 3 . 2 توصیف شده‌اند مدل چهار فاز‌ی سایمون را دنبال می‌کنند و به همین ترتیب تقریباً تمام فرآیندهای مربوط به تصمیم گیری را انجام می‌دهند. ما پس از آن،رویه تصمیم گیری شده با جزئیات نمایش داده شده توسط
.را، بحث می‌کنیم Action در جعبه‌های DSS در MMS Running case
مورد کاربردی 4,2 شامل خلاصه و نتیجه گیری م یباشد و مورد Questions برای مورد MMS
.است Running
قابل توجه این است که مدل‌های تصمیم گیری دیگری نیز وجود دارد. یکی از این مدلها روش Kepner-Tregoe در سال 1965 است، که توسط بسیاری از شرکت‌ها و موسسات بازرگانی قبول شده است.
در این مدل ابزارها و روش‌ها به صورت خوانا از Kepner-Tregoe در دسترس هستند. (هم چنین مشاهد کنید 2001Bazerman ).ما به این نتیجه رسیدیم که این مدل‌های جایگزین به مدل 4 مرحله‌ای سایمون نگاشت می‌شوند. این روش‌های جایگزین در فصل وب در وب سایت کتاب (prenhall.com/turban) توصیف شده اند. ما بعد از این جزئیات 4 مرحله را بیان می‌کنیم. تأثیرات وب بر روی 4 مرحله و بر عکس در جدول 2 .2 نشان داده شده اند.
جدول 2,2: چهار فاز تصمیمگیری سایمون و اثرات در وب
تاثیرات بر روی وب تاثیرات وب فاز
شناسائی و معرفی فرصت‌هایی برای تجارت الکترونیک، فرا ساختاری وب، سخت افزاری و ابزار نرم افزار، و غیره.
عوامل هوشمند کاهش دادن بار بیش
از حد از اطلاعات
موتورهای جستجو هوشمند دسترسی به اطلاعات برای شناسایی مشکلات و فرصت‌ها
از داده‌های داخلی و خارجی منابع دسترسی به روش‌های هوش مصنوعی و دیگر روش‌های داده کاوی برای شناسایی فرصت‌ها
از طریق همکاری و GSS و KMS
آموزش از راه دور می‌تواند فراهم کند آگاهی را برای اضافه کردن ساختار به مشکلات 1- هوشمندی
روشهای (GSS)
Brainstorming را برای مشارکت در طراحی سایتهای فراساختاری مدلهای و راه حل‌های مسائل فرا ساختاری وب دسترسی به داده‌ها، مدل‌ها، و راه حل استفاده از روش‌های OLAP، داده کاوی، داده‌ها انبارها را از طریق همکاری و GSS و KMS راه حل‌های مشابه موجود در KMS 2- طراحی
ابزارهای DSS بررسی و ایجاد ضوابط از مدل‌ها به جلوگیری از تعیین وب سایت، اینترانت،
زیرساخت و اکسترانت
ابزارهای DSS که چگونه پیامها راه دور تعیین می‌کند 3- انتخاب
تصمیم در مورد مرورگر و سرور طراحی و دسترسی به اجرا در آمد :
این در نهایت تعیین میکند که چگونه به کار بکیرد اجزای متنوعی گپکه درگیر از طریق اینترنت
ابزار مبتنی بر وب همکاری (GSS) و KMS می‌تواند
در پیاده سازی تصمیمگیری کمک کند.
ابزار نظارت بر عملکرد تجارت الکترونیک و سایر خبرگزاریها سایتهای دیگر، اینترانت، اکسترانت، و اینترنت به خودی خود 4- پیاده سازی

6,2 تصمیم گیری : فاز هوشمندی
هوشمندی در تصمیم گیری شامل پیمایش متناوب و یا مداوم محیط است .این فاز شامل فعالیت‌های متعدد با هدف شناسایی مشکلات و فرصتها است.(هم چنین ممکن است شامل نظارت بر نتایج فاز پیاده سازی از فرآیند تصمیم گیری باشد) . مشاهده کنید DSS در فعالیت 6,2 را .






هوشمندی

قرار ملاقاتی با نائب رئیس خود تا در مورد مشکلی که او روز قبل بود بحث کنند (مشکلی که حین
به CLAUDIA وجود آمده بود ).
های ماه گذشته به طوری کلی،درصد از طرح‌های MMS را کاهش
بر این پیش بینی CLAUDIA، دهد که آن‌ها به این کاهش ادامه داد. Elena می‌خواهد بداند صبح Vps‌های زیر حاضرند :
Sharon goldman (بازاریابی)( Micheal lee (عملیات) (
( (استفاده وسائل نقلیه) Marla
( (سیستمهای اطلاعاتی) Tonia

Mark (سیستم‌های آگاهی) ( Jelene Thompson (حسابداری) (
(CFO (سرمایه گذاری) Rose
.
ملاقات
جلسه را برگزار می‌کند :
: از این که با خبر قبلی آمدید،خوشحالم که ما توانستیم این جلسه
زمانبدی جدید قسمتی از CLAUDIA کنیم. می‌دانم که همه‌ی شما من را در مورد مشکل اخیر خوانده وضعیت) MMS RUNNING CASE
مقدمه MMS (Rent-a-Car)، بر اساسGeorgia، خروجی‌هایی در فرودگاهشهرهای بزرگ در سراسر شمال هفت سال پیش به وسیله‌ی مأمورElena Markum، تأسیس شد. این سرویس با کیفیت و سرعت، در مناسب عرضه می‌شود، سرعت پیشرفت
کمتر از چند سال دیده شد،MMSرقابتی است، در عرضه ماشین‌هاییهایی کمتر از رقبای خودش تواناستبیشتر امکانات فرودگاه‌هایش در
دارد اما نه در داخل فرودگاه. MMSیک کار بر مشتاق سیستم‌های قیمت رقبا اثر می‌گذارد و بواسطه سیستم‌های تشکیلات web-base CLAUDIA، آن را در انبار بزرگذخیره می‌کند. CLAUDIA (بیائیدوضعیت آگاهی پیدا کنیم، برای اطلاعات روی ماشین‌ها) همچنین بر روی فروش، وضعیت دیگر اطلاعات موقعیت درونی وخارجی در مورد اقتصاد و اجزای اثر می‌گذارد. CLAUDIA موفقیت ادامه دادن فضای رقابتی MMS داشتهمشکلات
چگونگی مدیریت): فاز ElenaElenaELENAمتشکرم.
را برای برنامه ریزیایمیل‌های

اید- کاهش 10 درصدی فروش، اساساً اگر این ماه گذشته، تجارت در همه جا کمی افزایش مشکل 4 ماه دیگر ادامه پیدا کند باعث متضرر یافته است . بیشتر مردم برای ملاقات‌های شدن ما می‌شود. سیستم پیش بینی تجاری، قرارداد بستن، نمایش تجاری و CLAUDIA که با منافع سیستم مدیریت ما خوشگذرانی مسافرت می‌کنند. و شباهت همه ارتباط دارد(RMS )، نشان می‌دهد که اگر‌ی آن‌ها این است که در شمال آمریکا ماشین حتی ما قیمت‌ها را تعدیل کنیم تا 4 ماه آینده اجاره می‌کنند. این مورد برای مراکز فروش باز هم کاهش فروش خواهیم داشت. عمده‌ی ما که در شهرها و فرودگاه‌های بزرگ حضار محترم، مشکل از کجاست؟ من می‌است صدق می‌کند نه برای مراکز فروش خواهم بدانم چه چیزی باعث این مشکل فرعی در شهرهای کوچکتر، که بیشتر اجاره‌ها شده؟ چطور می‌توانیم نگذاریم این اتفاق تنها برای کارهای تجاری است. روی هم رفته دوباره تکرار شود؟ من گذشته از حل کردن تجارت افزایش یافته. مسافرت‌های کوتاه این مشکل می‌خواهم اطلاعاتمان را در این شغلی،قراردادهای مهمانی‌های سیاسی نیز،در زمینه گسترش دهیم و از آن به عنوان فرصتی شهرهای بزرگ برگزار می‌شود. اطلاعات برای پیشرفت تجارتمان استفاده کنیم. نشان می‌دهد که اجاره نامه‌های ما افزایش Elena, Frankly : MARLA من نمی‌نداشته،در حالی که کل بازارها داشته. پیش فهمم! 2 ماه قبل متوجه اندکی کاهش در بینی زود هنگام ما نشان می‌دهد که داد و ستد فروش شدم، اما این قدر درگیر وسائل نقلیه باید افزایش داشته باشد، میزان اجاره نامه‌ها گرفته شده بودم که برنامه ریزی کردم که آخر این را منعکس می‌کند همان طور که افزایش هفته به این که وقتی کار جابه جایی وسائل مقدار 15 درصدی وسائل نقلیه‌ی ما نشان می‌نقلیه تموم شد چه اتفاقی افتاد، نگاهی کنم. من دهد. این ماشین‌ها باید حرکت کنند اما نمی‌می‌بایست با تحلیل گرمان صحبت می‌کردم کنند!!
تا این مورد را بررسی کنیم. متأسفم. ELENA : در مورد پوسترهای تبلیغاتی ELENA : مهم نیست،Marla،من چه فکر می‌کنید؟ ROSE : سرمایه گذاری ما خودم باید متوجه می‌شدم. خوشحالم که تو نشان می‌دهد که در مراکز عمده‌ی فروش، ما کمی آگاهی داری و برای رفع این مشکل خرج بیشتری کردیم. با این حال در این مکان آماده ای. ما مدارکی از این مشکل داریم. دیگه‌ها فروش ما کاهش بیشتری داشته!
چی داریم؟ JELENE : موافقم، به هر حال اطلاعات SHARON : براساس گزارشات جدید ما مربوط به 3 هفته پیش است، اما الان جدید من که حاصل سفرهای متعدد است، بیشتر از 6 هستند و به خاطر بهبودمان با

CLAUDIA،جدید هم خواهد ماند، من در حال گشتن اطلاعات جاری در شبکه بیسم حفاظت شده مان هستم و ما قطعًاً در سطح پائین هستیم.
ELENA : بله، هزینه‌ی تبلیغات ما بالاست. به این دلیل که ما با شرکت Gold Motors معامله کردیم. ما جایگزینی کل وسائل نقلیه مان را با ماشین‌ها و کامیون‌های GMC تمام کرده ایم، درسته؟ Marla ؟ MARLA : درسته. این ماشین‌ها مطمئن تر و ارزان تر برای نگهداری هستند از آن‌هایی که هر km 72000 انتقال سوخت داشتند. این ماشین‌ها و کامیون‌ها بهترین فروش را دارند و شهرت و اعتبار زیاد و همچنین کیفیت بالائی دارند. در اکثر رده بندی‌ها این ماشین‌ها از بالاترین رکورد ایمنی برخوردار هستند. تمام این مدل‌های استاندارد از اول درست شده :
ماشین‌های خیلی کوچک، ماشین‌هایِ کوچک، سایز متوسط، سایز بزرگتر و ون کوچک. حدود 6 هفته پیش ما شروع به خریدن 1600 تا از از مدل‌های جدید GMC Spider کردیم (مدل‌هایی که سقف این ماشین‌ها کامل قابل باز شدن است). ما در این تعداد کم معامله منحصر به فردی داریم. آن‌ها شبیه ماشین Sporty مدل 1997Fiat Spider است،اما با استانداردهای کیفی جدید ساخته شده است. رانندگی با این ماشین‌ها سرگرم کننده است، آن‌ها به من اجازه دادند یکی از آن‌ها را به مدت یک سال داشته باشم قبل از این که سفارشمان را تحویل بگیریم. آن‌ها گران قیمت هستند و GMC بازارهای محلی را در دست دارد. خوبه که بتونیم این‌ها همیشه اجاره بدیم. ما در هر آژانس در این کشور 5 تا از این ماشین‌ها داریم، و تا آخر سال باید که 10 تا بخریم.
SHARON : ما موقعیت عالی تا 3 سال آینده بدست آوردیم. آن‌ها تخفیف زیادی به ما دادند. ما در تبلیغاتمان این ماشین‌ها را نشان می‌دهیم و آن‌ها هم ما را در تبلیغاتشان نشان می‌دهند و خط تولید Spider رو به ما می‌دن.
Elena : من یکی از این Spiderها رو دارم، پس حدس می‌زنم همیشه اجاره داده می‌شوند، این طور نیست؟ MICHEAL : خب، نه. فقط نیمی از آن‌ها اجاره داده شدند.
میزان اجاره نامه‌ها را فرضاً خیلی بالا بردیم RMS ما پیشنهاد کرد بهای آن را با Compact هم قیمت کنیم. ما طفره رفتیم و بالاخره قیمت را با 10 درصد بالاتر تنظیم کردیم. بعضی از آژانس‌های محلی این سیستم را زیر پا گذاشتند و قیمت‌ها را 15 درصد کمتر کردند، ولی هنوز نتوانستند آن‌ها را تغییر دهند.
ELENA : در مورد ماشینی‌های کلاس‌های دیگر چی؟ MICHAEL: اجاره نامه‌ی‌های ماشین‌های دیگر حدود 8 درصد کاهش داشته.
ELENA : پس فروش در هر کدام 8 درصد کاهش داشته به جز Spider، و این Spider که باید فروش بالائی داشته باشد با کاهش 50 درصدی مواجه شده. من از CLAUDIA فهیمدم که نوآوری ما خوب است. همه‌ی این ماشین‌های جدید در برنامه ریزی ما آمدند و ما می‌توانستیم ماشین‌های مستعمل (فرسوده) را در سایت‌های حراجی‌های الکترونیک و سایت Carmax.com بفروشیم. حضار گرامی، ما قطعاً یک مشکل بزرگ داریم.
MICHAEL: من به عنوان مدیر بخش عملیاتی می‌دونم که این در ابتدا مشکل من است، با این وجود همه‌ی شما درگیر این مشکل هستید. ما تاکنون چنین مشکلی نداشتیم، بنابراین من واقعاً نمی‌دونم چطور باید این مشکل رو طبقه بندی کنم. اما فکر می‌کنم ما می‌تونیم بیشترین اطلاعاتی که احتیاج داریم بدست بیاوریم. این موقعیت فقط علامت این مشکل است. ما احتیاج داریم که دلیل را شناسایی کنیم تا بتوانیم مشکل را حل کنیم.
من یه مقدار فرصت می‌خواهم تا با آلیزور (تحلیل گر) صحبت کنیم، و با Tonia .من به کمک افراد Sharon خیلی نیاز دارم و احتمالاً یک مقدار هم از بقیه افراد .من و Sharon قبل از جلسه با هم صحبت کردیم. هر دوی ما احساس کردیم یه چیزی در چگونگی بازاریابی این ماشین‌های جدید اشتباه است،اما اطلاعات کافی نداریم و هنوز داریم باز شناسی می‌کنیم. من امیدوارم این مشکل را حل خواهیم کرد و دانش استراتژیکی خواهیم داشت برای عرضه به KMS. من یک Meeting را تا حد امکان شبیه به همین دفعه به طور آزمایشی هفته بعد در CLAUDIA برنامه ریزی می‌کنم که بستگی به تعهدات قبلی افراد دارد.
من نتایج عمده را مثل قبل ایمیل می‌کنم.
مطمئنم قبل از جلسه بعدی به چیزهایی پی می‌بریم.
ELENA : متشکرم Michael. خُبُ،حضار محترم! ما می‌دونیم که یک مشکل جدی داریم و اثرات آن را هم دیده ایم.
Michael مسئولیت را بر عهده گرفت و اقدام هم کرد. من هم تحلیل گران IS را برای جستجوی اطلاعاتی که تاکنون از طرف کسی درخواست نشده، می‌خواهم. این مورد شامل هر رویداد یا گرایش اقتصادی می‌شود، و نگاهی به ساختارهای تأکید شده و پارامترهای مدل‌های پیش بینی مان. بله ?Toniaخُُب Sharon تو در مورد تبلیغات جستجو کن. ببین رخداد یا عامل بیرونی یا گزارشی درباره‌ی ماشین‌ها می‌تواند بر روی اجاره نامه‌های ما اثر بگذارد. RMS تا به حال صحیح و دقیق بوده است. می‌توانسته قیمت، موجودی و تقاضا را بالانس کند اما یک اتفاقی افتاده.
متشکرم، روز خوبی داشته باشید.



شناسایی مشکل یا موقعیت
فاز هوشمندی با شناسایی اهداف سازمانی و اهداف مربوط به مسئله مورد توجه و تعیین تداخل آنها باهم شروع م یشود.(به عنوان مثال، مدیریت موجودی، انتخاب شغل، استفاده نادرست از وب). بروز مشکلات به دلیل عدم رضایت از وضع موجود است. نارضایتی نتیجه‌ی تفاوت بین آنچه ما انتظار داریم و آنچه اتفاق می‌افتد،م یباشد. در مرحله‌ی اول، شخص به تلاش درشناسایی مشکل،شناسایی علائم، تعیین اهمیت آن،وتعریف آن به طور شفاف، می‌پردازد. بعضی اوقات، چه چیزی به عنوان مشکل تعریف می‌شود؟ (مثلاً هزینه بیش از اندازه). ممکن است مشکل فقط یک مقدار باشد (مثل ترازهای فهرست موجودی نامناسب). گاهی اوقات تشخیص بین علامت‌ها و مشکل واقعی سخت است زیرا مشکلات دنیای واقعی به عوامل زیاد و نا مرتبط مربوط می‌شوند،، همانطور که در DSS درفعالیت 6,2 توضیح داده شده است. حین تحقیق و بررسی علامت‌ها و دلایل آن ممکن است فرصت‌ها ومشکلات جدید کشف شوند.
وجود یک مشکل می‌تواند هنگام نظارت و آنالیز تراز سودمندی سازمان مشخص شود . سنجش سودمندی یک مدل و ساخت آن مبتنی بر اطلاعات واقعی است. جمع آوری اطلاعات و تخمین داده‌های آینده از سخت‌ترین مراحل آنالیز هستند. بعضی از مسائلی که در طول جمع آوری اطلاعات و تخمین به وجود می‌آید و آفت تصمیم گیرنده به شمار می‌آیند، عبارتند از :
• در دسترس نبودن اطلاعات. در نتیجه این مدل براساس تخمین‌های نادرست ساخته می‌شود.
• هزینه بدست آوردن اطلاعات ممکن است گران باشد.
• ممکن است اطلاعات به اندازه‌ی کافی دقیق و درست نباشد.
• تخمین داده‌ها ممکن است واقعی نباشد.
• اطلاعات ممکن است بی اعتبار باشد.
• غیر ملموس بودن اطلاعات مهمی که ممکن است بر نتیجه تأثیر گذارد.
• ممکن است اطلاعات بیش از حد باشد (اطلاعات اضافی).
• ممکن است نتیجه بعد از دوره‌ی مشخص شده اتفاق بیافتد. در نتیجه منافع، هزینه و سود در جهت‌ها و زمان‌های مختلف ثبت می‌شود. برای غلبه بر این مشکل اگر نتیجه‌ها قابل سنجش باشند،نظریه‌ی ارزش حال (Present-value) می‌تواند مورد استفاده قرار گیرد .
• اگر فرض می‌کنیم داده‌های آینده شبیه اطلاعات مشاهده شده در گذشته خواهد بوددر غیر اینصورت، ماهیت این تغییر، پیش بینی شده و در آنالیز به حساب می‌آید.
اکنون تحقیقات مقدماتی کامل شده واین امکان وجود دارد که تعیین شود آیا واقعاً مشکلی وجود دارد یا نه؟مشکل کجا قرار گرفته؟، چقدر قابل توجه و مهم است؟ موضوع مهم این است که آیا سیستم اطلاعاتی

یک مشکل یا فقط علائم یک مشکل را گزارش کرده. مثلاً، در وضعیت (چگونگی) مدیریت MMS ) MMSRunning Case)، فروش کاهش یافته؛ این یک مشکل است، اما این موقعیت، بدون شک، حاکی از علائم این مشکل است.
طبقه بندی مشکلات
طبقه بندی مشکلات، درک یک مشکل و تلاش برای قراردادن آن در یک مجموعه‌ی تعریف شده م یباشد. طبقه بندی مشکل، هدایت مشکل به سمت یک راه حل استاندارد است. یک راه حل استاندارد، مشکلات را بر اساس درجه‌ی مشهودات ساختاری در آن‌ها طبقه بندی می‌کند.
مشکلات برنامه ریزی شده (ساخت یافته) در مقابل مشکلات غیر برنامه ریزی شده (غیر ساختیافته)
سایمون (1977) 2 موضوع در مورد ساختار مشکلات تصمیم گیری شناسایی کرد. در یک طرف مشکلات خوش ساختار (مرتب) که تکراری و عادی هستند و برای مدل‌های استاندارد ایجاد شده اند، قرار دارند . سایمون این‌ها را مشکلات برنامه ریزی شده می‌نامد. مثال‌هایی از این مشکلات عبارتند از : برنامه ریزی هفتگی کارمندان، تعیین میزان در آمد و مخارج ماهیانه، انتخاب یک تراز فهرست موجودی از یک موضوع خاص که همیشه در تقاضا است . در طرف دیگر مشکلات غیر ساخت یافته، که مشکلات غیر برنامه ریزی شده نامیده می‌شوند،قرار دارند .این مشکلات، جدید و غیر تکراری هستند. برای مثال، مشخصات مشکلات غیر ساخت یافته شامل ادغام و ترکیب تصمیم‌های گرفته شده، عهده دار شدن یک تحقیق پیچیده و پروژه‌ی توسعه، ارزیابی تجارت الکترونیکی ابتکاری، تصمیم گیری در مورد این که چه چیزی در وب سایت گذاشته شود (DSS در فعالیت 6,2 ببینید)، و انتخاب یک شغل. مشکلات نیمه ساخت یافته در بین این 2 نقطه قرار می‌گیرد. در Running Case، مشکل غیر ساخت یافته به نظر می‌رسد. اما با آنالیزی که انجام می‌شود،مشکل نیمه ساخت یافته دیده می‌شود . امیدواریم، در طول زمان، به صورت ساخت یافته درآید. به طور کلی، یک مشکل ساخت یافته یا نیمه ساخت یافته برای این که حل شوند، متمایل به ساختاری شدن هستند. (DSS در فعالیت 6,2 را ببینید) تجزیه مشکل
اکثر مشکلات پیچیده می‌توانند به مشکلات فرعی تقسیم شوند. حل کردن مشکلات فرعی ساده تر،به حل مشکلات پیچیده تر کمک می‌کند. همچنین، مشکلات ساخت یافته با ظاهری کوچک گاهی اوقات مشکلات فرعی ساختیافته‌ی زیادی دارند. زمانی مشکلات نیمه ساخت یافته به وجود می‌آید که تعدادی از تصمیم گیری‌ها ساخت یافته و تعدادی هم غیر ساختار یافته، هستند. بنابراین وقتی تعدادی از مشکلاتفرعی یک مشکل تصمیم گیری، ساخت یافته وتعدادی دیگر غیر ساخت یافته‌ها باشند، این مشکل به نوبه یخود نیمه ساخت یافته است. وقتی یک DSS توسعه پیدا می‌کند (پیشرفت می‌کند) و تصمیم گیرنده وکارمندان مترقی بیشتر در مورد مشکل آگاهی پیدا می‌کنند، این امر به ساختار یافتگی مشکل کمک می‌کند.



ساخت یافته
داری داشته باشید و بخواهید یک باز کنید، تصمیم گیری در مورد یک مناسب برای رستورانتان حالتی غیر یافته است. اگر شما در جستجوی کارشناسانه و اطلاعات عوام فریبانه شما مکانی برای یک رستوران زنجیره پیدا کنید، تعیین جایی که 2000 اُُمین آن جا باشد یک مشکل کاملاً ساخت است که اطلاعات و مدل‌های شناخته سازمان شما عملی هستند. دانش و
یک تصمیم گیرنده باید بدانددانش و اطلاعات درباره‌ی مشکلمشکلات می‌توانند غیر ساخت پیشرفت دانش در مورد یک مشکلبه مشکل ساخت یافته و غیر ساختار دهد. تا حدی این موضوعموفقیت در عمل است.. این موضوعتوضیح دهنده تفاوت بین یک تازه کار در یک رشته خاص ممثال، اگر شما اطلاعات کمی در
آگاهی می‌تواند یک مشکل غیر را ساخت یافته کند
که وقتی که رستوران‌ها کم باشد،رستورانیافته شوند، مکان می‌تواند ساخت
ساخت یافته، دانش دلیل اثبات باشید،
همچنین‌ای بزرگکارشناس و یک رستوران یباشد. برای یافته مورد شغل شده از
تجزیه مشکل ارتباط بین تصمیم گیرنده‌ها را آسان می‌کند. تجزیه یکی از مهمترین موارد پروسه‌ی زنجیره‌ای آنالیزی ( (Forman and Selly, 2001; Saaty, 1999) (AHP است که به تصمیم گیرنده‌ها جهت ترکیب فاکتورهای کیفیت و کمیت در مدل‌های تصمیم گیری شان کمک می‌کند.. مورد کاربردی 3,2را در Running Case مشاهده کنید، چندین مورد برای بررسی وجود دارد : تبلیغات، فروش، گرفتن ماشین‌های جدید و غیره. هر کدام از آن‌ها یک مشکل فرعی هست که با بقیه ارتباط متقابل دارد.


مالکیت مشکل
در فاز هوشمندی، تعیین علت مشکل امری مهم است. یک مشکل همیشه در سازمان وجود دارد مگر این که شخص یا گروهی مسئولیت حل آن را بر عهده گیرند و سازمان هم توانایی حل آن را داشته باشد.
برای مثال، یک مدیر ممکن است احساس کند که مشکلی وجود دارد چون میزان بهره خیلی زیاد است، در حالی که ترازهای میزان بهره توسط ترازهای ملی و بین المللی تعیین می‌شوند، و بیشتر مدیران نمی‌تواننددر این مورد کاری انجام دهند، بهره بالا مشکل دولت است، نه مشکل یک شرکت خاص برای حل کردن آن.
مشکل شرکت‌ها در واقع این است که چطور در این شرایط میزان بهره را بالا ببرند. برای یک شرکت خصوصی تراز میزان بهره باید به عنوان یک فاکتور غیر قابل کنترل در دست باشد و پیش بینی شود.
در صورتی که مالکیت مشکل مشخص نشده باشد، یا شخص کارش را انجام نداده است یا مشکل برای بررسی این که مربوط به چه کسی است هنوز در دست اقدام باشد،بایدیک نفر به طور داوطلبانه حل آن را مالک شود (به عهده گیرد) یا به شخصی دیگر واگذارد.این کار در MMS Running Case به طور کاملاً واضح انجام شده بود. فاز هوشمندی با بیان یک مشکل معمولی پایان می‌یابد.
7,2 تصمیم گیری : فاز طراحی
فاز طراحی شامل یافتن یا توسعه و آنالیز روش‌های عملی است. این روش‌ها شامل فهمیدن مشکل و امتحان راه حل‌ها برای امکان عملی بودن هستند. یک مدل از تصمیم گیری برای حل مشکل : ساختار،آزمایش، اعتبار. در MMS Running Case در DSS رادر فعالیت 8. 2 ببینید.
مدل سازی شامل فهم مشکل وتجزیه آن به فرم کیفی و یا کمی، براساس یک مدل ریاضی است.
در مدل سازی متغیرها شناسایی شده و روابط بین آنها ساخته می‌شود، ساده سازی در فرضیات در صورت لزوم انجام می‌شود.. برای مثال ارتباط بین 2 متغیر ممکن است طولی فرض شود اگر چه ممکن است در واقعیت اثرات غیر طولی (عرضی) داشته باشد. باید یک تعادل مناسب بین ساده کردن و ارائه‌ی واقعیت فراهم گردد. مدل ساده تر به کاهش هزینه‌های توسعه کمک می‌کند، به کاربری راحت تر، و یک راه حل سریع اما این کمتر نمایشگر یک مشکل واقعی است و می‌تواند نتیجه‌های نادرستی ایجاد کند. از طرفی دیگر، یک مدل ساده تر به طور کلی اطلاعات کمتری احتیاج دارد، یا این اطلاعات متراکم شده و راحت تر به دست می‌آید.این پروسه‌ی مدل سازی ترکیبی از هنر و علم است. به عنوان علم، کلاس‌های مدل استاندارد زیادی در دسترس است. و با تمرین یک تحلیل گر می‌توان تعیین کرد کدام یک در موقعیت داده شده قابل اجرا هستند.
DSS در فوکوس 8,2
فاز طراحی : (MMS Running Case) MMS چگونگی مدیریت

روز بعد از اولین جلسه،Michael وقتی تحلیل گر ماهرش Stephanie Elberson، در حال بررسی این که چه چیزی ممکن است اتفاق افتاده باشد، بود.
Michael فهمید که خیلی زود است برای شروع با جستجو در معیارها، راه حل‌ها و بیشتر (او داشت تصمیم گیری در یک مرحله‌ی DSS مطالعه می‌کرد در برنامه‌ی MBA خود)، او هنوز تلاش می‌کرد تامشکل را بفهمد و مشکل را که می‌توانست از علائمتحلیل شود جدا کند. او می‌خواست بین این 2 ارتباطی (ربطی) به وجود آورد، اما او حس کرد که چیزی از پایه غلط بود و CLAVDIA نمی‌توانست آن را شناسایی کند. یک تصمیم گیرنده‌ی خوب به قضاوت اعتماد می‌کند و احساسی خوب دارد برای چیزی که معنی می‌دهد و چیزی که معنی ندارد.
Michael یکی از بهترین‌ها بود.
Stephanie یک تیم تحلیل کننده‌ی جمع کرد و شروع به تنظیم کردن فضا کرد برای تحقیق و بررسی. یکی از اعضای تیم،Dot Frank به طور محسوسی با تحلیل گر Sharon کار می‌کند (phil Abrams تحلیل گر Sharon) به منظور ایجاد دقت در مدل پیش بینی. Amy lazbin، در تیم Stephanie، بررسی کرد پایگاه داده‌های اطلاعات
(data) داخلی قابل دسترس و قابل استفاده و نیز اطلاعات قابل دسترس اقتصادی در میان سرویس‌های اشتراکی. اطلاعات اخیر متمرکز است روی اجاره نامه‌های سواری، اتومبیل و فضاهای کلی اقتصادی. این تیم آنالیزی اول استخراج داده‌ها را (data- mining) روی اتوماتیک تنظیم می‌کنند تا ارتباط در این اطلاعات (data) را ثبت کند. Amy برای بیشتر قسمت‌ها توانست روابط و فرضیه‌هایی که اخیراً در مدل‌های پیش بینی و سیستم مدیریت بازده است، بازبینی و رسیدگی کند. هیچ چیزی (هیچ اطلاعاتی) از شبکه‌های شبیه ساز مغز، گروه‌های آنالیز محاسبه ای، مدل‌های برگشتی (کاهنده) آماریبدست نیامد. مدل هزینه‌ای و مدل‌های پیش بینیخوب بودند، اگر چه وقتی تیم تحقیق کرد کهعملکرد آن‌ها 2 ماه پیش که این مشکل جدید بهوجود آمد چطور بود، متوجه خطاها و نوسان‌هایجدید شد. این تیم خبرداد که شبکه‌های شبیه ساز مغز کمی عملکرد بهتری نسبت به سیستم‌های برگشت مبنا (Regression_base) دارند، بنابراین آن‌ها یک گروه تجاری و IS آماده کردند برای تحقیق روی این موضوع که چطور آن‌ها می‌توانند مدل‌های برگشت ó مبنا را با شبکه‌های شبیه ساز مغز توسعه دهند.(این یک فرصت جدیدی بود که هدایت می‌کرد آن‌ها را به فاز هوشمندی همراه با مجموعه‌ای از موضوعات).
Stephanei گیج شده بود. او 2 روز پیش با Michael ملاقات کرد تا ببیند قدم بعدی چیست؟ او همچنین از تیم تجاری و تیم IS خواست تا شخصی را برای جلسه بفرستد.Phil Abram و Marina Laksey از تیم IS در این مرحله به آن‌ها پیوستند.
این جلسه در EMC (مرکز ملاقات الکترونیک) برگزار شد، جایی که آن‌ها قادر بودند اطلاعات را آنالیز کنند و از سیستم پشتیبانی گروه (GSS) استفاده کنند. در اینجا چگونگی پیشرفت این جلسه آورده شده :
STEPHANIE : از همه شما متشکرم که امروز آمدید. همانطور که می‌دانید، ما روی مشکل سخت کار می‌کنیم- یا نسبتاً روی علائم- تا این که قلب و مرکز مشکل را بفهمیم. ابزارهای استخراج داده‌ها مقداری کمک کرد، اما هنوز یک چیزی از پایه غلط است و ما در صدد یافتن آن هستیم. نظری ندارید؟ Stephanie : MARINA، ما از ابزارهای استخراجاطلاعات استفاده کردیم و بیشتر اطلاعاتی که داشتیمبررسی کردیم و ما معمولاً در نظریه‌های استاندارد داخل برنامه میانجی کامپیوتری جستجو می‌کنیم. من می‌دونم که ما داریم به ظاهر قضیه نگاه می‌کنیم. قبل از هر چیزی،4 نفر از ما لازم است که برنامه کامپیوتری جدید و قدرتمندمان (نرم افزار OLAP
پردازش تحلیلی Online) و ( DOTاطلاعات به موقع) را شروع کنیم (راه اندازی کنیم). آن استفاده می‌شود در انبار اطلاعات و دیگر اطلاعات مان، اما چون آن به ما اجازه وارد شدن درون اطلاعات،بنابراین فراتر از استخراج داده می‌رود. ما درست 2 هفته پیش این نرم افزار را تهیه کردیم، و من اخیراً به دوره‌های حرفه‌ای رفتم. آن ویژگی‌های CLAUDIA را دارد، اما اجازه می‌دهد به ما تا اطلاعات چند بعدی را آزمایش کنیم و البته در هر منبعی و از هر قسمتی "Slice" که ما انتخاب کنیم. آن همچنین اجازه می‌دهد به ما تا به دیگر پایگاه‌های اطلاعاتی و مراکز داده‌ها متصل شویم مانند همان کاری که (Marketing) بازاریابی می‌کند.
اجازه بدین که نرم افزار را شروع کنم !
PHIL : موافقم. من خودم استفاده از این نرم افزار OLAP یاد گرفتم، و من تغییرات بهینه در نظرات جالبی از اطلاعات بازاریابی مان اعمال کردم که نشان می‌دهد ما امکان انجام آن را غیر ممکن می‌دانستیم. نمودارها و خطوط هندسی آن اتوماتیک است . بیائید آن را امتحان (آزمایش) کنیم :
این تیم پرشی در داده مشاهده کرد اما نمی‌دانستنددلیل آن چه بود. سرانجام توانستندآن‌ها را ببینند(اطلاعات را مشاهده کنند). وقتی از طرح‌هایبازاریابی استفاده کردند متوجه کمی رابطه‌ی وارونهبا فروش و تبلیغات شدند، وقتی آن‌ها از Phil درمورد آن پرسیدند، او گفت :
PHIL : فروش دو هفته بعد از بازاریابی شرکتی جدیدمان شروع شد. ما ماشین‌ها جدید را تبلیغات زیادی کردیم. همه‌ی برنامه‌های تلویزیون محلی و ملی به طور قابل توجهی Spider را نمایش دادند. ما اطلاعاتی در آن داریم که در پایگاه‌های اطلاعاتی بازاریابی مان هستند. می‌دونم که شما معمولاً به آن نگاه نمی‌کنید. در اینجا اجازه بدید که آن‌ها را نشان دهم آهان! ما نشان می‌دهیم چقدر وقت داریم برای هر تبلیغ در TV و چیزی که در آن‌ها نشان داده می‌شود. اجازه بدید تا من یک قسمت بندی و جمع بندی در اینجا انجام دهم. Ok، فهمیدم! ما بیشتر در سطح ملی ماشین‌ها را تبلیغ کردیم.فروش در مراکز اصلی فروش خیلی ضعیف است، همچنین مقداری هم در مراکز فرعی (شبعه‌ها) ضعیف است. آه! یکی از مشکلاتی که ما داریم مشکل پراکندگی است،بیشتر از نیمی از ماشین‌ها در مکان‌های نامناسبی هستند. لازم است که همه‌ی Spider‌ها را از مراکز فرعی (شعبه‌ها) به مراکز اصلی فروش منتقل کنیم.
اما فکر می‌کنم ما مشکل دیگری هم داریم- اطلاعات هزینه، تقاضا و موجودی که ما استفاده می‌کنیم در پیش بینی اجاره نامه‌ها، معقول نیستند. این ماشین به طور رسمی یک بیمه‌ی شخص ثالث دارد،پس ظرفیت این ماشین 4 نفر است. اما شما این شانس را دارید که یک چمدان بزرگ را در عقب آن جا بدید. زمانی که ما اطلاعاتی از این ماشین‌ها نداشتیم، شخصی از گروه مان این را به عنوان یکماشین با ظرفیت 4 نفر و 2 در وارد کرد. سیستم مافکر می‌کرد این یک ماشین ایده آل و ارزان است برای یک خانواده کوچک و یا فردی تاجر و تنها.
این کرایه‌ها (اجاره‌ها) در شمال مرکزی آمریکا خوب بودند، اما در مناطق معمولی بد (زیاد) بودند جایی که مردان زندگی متوسطی دارند و زن‌هایی که دوست دارند ماشین‌های اسپرت را کرایه کنند. ما تحلیل‌های زیادی در نوع مکان‌ها و نوع چیزهایی که می‌خواهیم تبلغیات کنیم انجام داده ایم. من مطمئن نیستم چه کسی، کجا و چه چیزی را کرایه می‌کند.
اما من حدس می‌زدم ما می‌توانیم تبلیغاتمان را بهتر هدفمند کنیم یک بار که گروه تجاری مان را تعیین می‌کنیم، مثل مردانی در Nebraska، 45 سال قبل،به San Deigo مسافرت کرد برای یک کنفرانس تجاری، ما این اطلاعات را داریم، کافیست آن‌ها را بهتر به کار ببندیم.
MICHEAL : صبر کنید. قبل از این که بخواهم برای جابه جایی ماشین‌ها اقدام کنم، لازم است که این مسئله کمی بیشتر تحلیل شود. ما تا به حال ماشین شبیه Spider نداشتیم، بنابراین لازم است تا در مورد جزئیات آن تحقیق کنیم و این که کدام دسته از مشتری‌ها کاملاً آن را می‌خواهند (ماشین را). قسمتی از راه حل را کشف کردیم. اما ما سعی داریم چیکار کنیم؟اگر درست به خاطر بیاوریم، چند سال پیش ما یک تبلیغات »امتحان کنید قبل از خریدن« را راه اندازی می‌کردیم در ارتباط با تهیهکننده‌ی ماشین‌های قبل مان. مردم نتوانستندموجودی‌های اضافی ما را در روزهای تعطیل بانصف میزان اجاره نامه‌ها، اجاره کنند. اگر آن‌هاماشین را از یک واسطه در این منطقه بخرند پولاجاره را پس می‌گیرند. و اگر نه با ماشین خوشگزرانی می‌کنند. این عملکرد بازده خوبی داشت. ما فهمیدیم که افرادی که ماشین را دوست دارند علاقه دارند آن را دوباره کرایه کنند، به خصوص در مراکز عمده فروش مان. ما نمونه‌ی بسیاری از این داریم.
می خواهم اطلاعاتی را که داریم نکات مهم آن را تکرار کنم. می‌دانیم هدف ما افزایش سود شبکه تا آخرین درجه است. این به طور واضح قانون منتخب ماست. لازم است که ما در مورد ضوابط و معیارهایی که تأثیر شادی را توصیف می‌کنند صحبت کنیم و نیز تعیین کنیم چطور بر سود و زیان شرکت اثر می‌گذارند. سیستم مدیریت بازده ما هزینه‌ها را تنظیم کرده تا ما بتوانیم آن را کاملاً اجرا کنیم. ما خطاهایی در پایگاه اطلاعات تجاری خود داریم. ما باید دوباره فکر کنیم که چطور تبلیغات کنیم و چطور فرآورده‌هایمان را پخش کنیم. Ok. من 2 روز دیگه با تیم VP ملاقات می‌کنم. من قصد دارم اطلاعاتی در مورد آن چه کشف کردیم برای آن‌ها ایمیل کنم و جایی که این اطلاعات را پیدا کردیم را نیز . ابتدا من با Sharon صحبت خواهم کرد بنابراین او با چندین نظریه در تجارت مشغول می‌شود.
2 روز بعد در یک جلسه :همان مکان، همان افراد :
STEPHANEI : صبح بخیر- هر کدام از ما در جبهه‌ای هستیم و فکر می‌کنیم که فهمیدیم مشکلچیست؟ حالا مشکل واقعاً چیست؟ ما چندینمشکل داریم که هر کدام چندین مشکل را توسعه
می دهند. ما قصد داریم بحث کنیم در مورد این که،فکر می‌کنیم کدام ما بهترین راه هستند برای هر موقعیت . بعضی‌ها را می‌توانیم فوراً اجرا کنیم، بقیه مقداری وقت گیر هستند.
بیائید با هدفمان شروع کنیم- بازده تا آخرین درجه.
قانون منتخب ما یکی از آخرین درجات بازدهی است. این قسمت مشکل آسان بود. RMS ما این را شناسایی کرد و هزینه‌ها را به صورت اتوماتیک تا آخرین درجه بازدهی بر مبنای برنامه‌ی سالانه تنظیم کرد. چندین خطا در منحنی قابلیت ارتجاعی هزینه برای Spider وجود دارد، اما کلاً، سوال واقعی الان این است که چطور تقاضا را مدیریت کنیم. تبلیغات ما در تقاضا اثر می‌گذارد همانطور که روی موجودی ما تأثیر می‌گذارد. ما به تولید به جا و صحیح برای جذب مشتری‌های مناسب احتیاج داریم. معیارهای زیادی وجود دارد که ما نیاز داریم اندازه گیری کنیم از کیفیت گرفته تا رنگ و اندازه و سرویس دهی به مشتری، قابل دسترس بودن ماشین و غیره، در این جهت که چطور این‌ها بر اجاره نامه‌ها تاثیر می‌گذارند.ما در حال انجام اینکار هستیم،اما احتیاج است تا کار بیشتر و بهتری روی آن صورت گیرد تا اینکه .اجاره نامه‌هامان را پیگیری کنیم. ما الان یک تیم تحقیقی داریم که این را بررسی می‌کند. در طی چند هفته، آن‌ها چند پیشنهاد مطمئن برای بهبود سیستم مدیریت بازده خواهند داشت.
علائمی که داریم نشان می‌دهد مشکلات واقعی و تناوبشان را در زیر، در میان آن‌ها می‌توانیم انتخابکنیم :

صحت اطلاعات :
لازم است که ما نمای Spider را از حالت Compact(ماشین کوچک و ساده) به Sport تغییر دهیم. لازم است تا Profile RMS را توسعه دهیم از این اطلاعات کمی که گرفتیم. خوشبختانه ما می‌توانیم به اطلاعات تجاری که توسط مشاوران و استادان دانشگاه در تحقیقاتشان در UGA برای ما جمع شده استفاده کنیم، یکی از اعضای استادان دانشکده نیز با یک Spider رانندگی کرد.
ناهماهنگی موجودی (ناهماهنگی صورت کالاها) :
ما آنالیزهای زیادی انجام دادیم برای تعیین تقاضای واقعی برای Spider چیست؟ و چطور بر تقاضای ماشین‌های دیگر تأثیر دارد، و بر عکس. ما یک مدل بهینه سازی تهیه کردیم و آن را حل کردیم. براساس تبلیغات معاصرمان، ما تصمیم گرفتیم که با جابه جایی 15 درصد از وسائل نقلیه مان از اطراف (نه خیلی دور)، ما می‌توانیم با بیشتر ناهماهنگی موجودی خداحافظی کنیم. ما پیشنهاد کردیم همه‌ی Spider‌ها را از شعبه‌ها به مراکز اصلی فروش فوراً منتقل کنیم. همچنین ما می‌خواهیم تعدادی از مینی ون‌ها و ماشین‌های بزرگ را تغییر دهیم. بعد از آن ما می‌توانیم مطالبات (تقاضاهای) شعبه‌ها را با تنظیم تبلیغات به جلو ببریم.
ناهماهنگی تبلیغات :
ما تبلیغ می‌کنیم جایی که مشتری‌ها وجود دارند، اما آن‌ها از جای دیگر کرایه می‌کنند، به دلایل مختلف.
لازم است که ما در مورد محل سکونت مشتری‌هابررسی بهتری انجام دهیم تا بفهمیم کجا باید تبلیغاتکنیم. تحلیل‌های ما نشان می‌دهد که اجاره نامههای ما تا حدی متوقف شده چون به همان دلیل که گفتیم به خاطر Spider داشتن است. جوانان تا سن میان سالان و زنان مجرد می‌خواهند Spider را کرایه کنند اما آماده کرده ایم جایی که آن‌ها باید باشند. برای مثال، ما کشف کرده ایم که مردان میانسال و زنان میانسال را از شمال مرکزی آمریکا ماشین‌های کوچک را کرایه می‌کنند در شعبه‌های شمال مرکزی آمریکا (Midwest)، اما در مراکز اصلی فروش در سواحل می‌خواهند Spider اجاره کننده. ما هنوز در حال تحلیل تأثیرات شبیه به این هستیم، و باید بتوانیم این کار را حدوداً یک هفته‌ای کامل کنیم که تعیین کنیم چطور تلاش‌های تبلیغاتیمان را به سر انجام رسانیم.
قبل از خرید امتحان کنید :
این در واقع یک فرصت است، نه یک مشکل. وقتی ما مراکز اصلی فروش را از Spider پر کنیم، چندین Spider اضافه می‌آوریم در شعبه‌ها و دوباره عملیات »قبل از خرید امتحان کنید« را آغاز »تأسیس« می‌کنیم. این ماشین یک چیز عالی در این تلاش ما خواهد بود. گروه Sharon اخیراً یک توافق نامه همکاری با GMC ایجاد کردند. آن‌ها علاقه مند شدند، و این باید منافع ما را بهتر کند در این ماشین‌ها با 18 درصد.
کاهش جانشین‌ها :
ما کشف کردیم که بیشتر مشتری‌ها تلفن می‌زنند یا در web site تقاضای اجاره‌ی Spider می‌کنند.
وقتی آن‌ها می‌فهمند که Spider نداریم، بعضی‌ها یک ماشیم متفاوت اجاره می‌کنند، ما خیلی ناراحت بودیم از این که آن‌ها از رقبای ما ماشین اجاره می‌کنند. معمولاً یک 2-Toyota MR. این اتفاق معمولاً در مراکز اصلی مان پیش می‌آید. درمراکز فرعی (شعبه‌ها) مان، مردم معمولاً Spider را واقعاً نمی‌خواهند و به جای آن ماشین‌های بزرگ را می‌خواهند. چون بیشتر تبلیغات ما Spider را نشان می‌دهد، آن‌ها "فراموش" می‌کنند که ما ماشین‌های دیگر هم عرضه می‌کنیم. در واقع ما هم فراموش می‌کنیم به آن‌ها یادآوری کنیم. تبلیغات ما تیجه‌ی معکوس برای ما دارد. ما باید فوراً جانشین‌ها را برای Spider کاهش دهیم تا هفته‌ی دیگر که Spider‌ها را می‌رسند.
تقاضای پارک نقاشی (Theme Park) در
: Florida
ما در اینجا یک فرصت خوب داریم. Theme
Parkهای Florida (فلوریدا) با تلاش بسیار زیاد در اروپا تبلیغات می‌کنند چون یورو نسبت نزدیکی با دلار دارد. ما باید تبلیغاتمان را در اروپا افزایش دهیم یا با Theme Park‌ها یا جداگانه . Phil مطمئن است که ما می‌توانیم یک عملیات مشترک را راه اندازی کنیم. بازاریابی در این مسئله تحقیق می‌کند، و این که چطور ما باید مشتری‌ها را مجبور کنیم که پیش پرداخت را به یورو بدهند. برای انجام این کار ممکن است لازم باشد ما مینی ون‌ها را به فلوریدا که به دوری Tennessee است نقل مکان دهیم.
چیزی که ما اساساً می‌خواهیم نتیجه بگیریم، این است که ما می‌خواهیم بیشتر در هماهنگ کردن انبارهایمان با میزان تقاضا تلاش کنیم، و آن را باRMS و تبلیغات مرتبط کنیم. ما همچنین می

خواهیم مدل‌های تبلیغاتمان را تصحیح کنیم تا بازار ماشین‌های جدیدی مثل ماشین‌های Sport را در دست بگیریم و اطلاعات درخواست‌های (تقاضا) جدید را مکرر بروز کنیم.
Micheal، این چیزی هست که ما می‌خواهیم برای
VPs در روز دوشنبه ارائه دهیم. خوبه؟ MICHEAL : عالیه! ما مشکلات واقعی را شناسایی کردیم و ترتیب خوبی هم دادیم. من واقعاً همه‌ی کارکنان تقدیر می‌کنم (بالاتر از ناپلئون Ala Napoleon). اگر همه‌ی این‌ها درست از کار در بیاید (به درستی پیش برود) (حل شود) پاداش آخر سال برای این تیم عالی خواهد بود. بیائید بریم نهار بخوریم مهمون من!



به عنوان یک هنر ما یک تراز خلاقیت و ظرافت احتیاج است وقتی که تعیین کنیم با چه فرضیه‌های ساده سازی می‌توان کارکرد، چطور می‌توان خصوصیات مناسب انواع مدل‌ها را با هم ترکیب کرد، و چطور مدل‌ها را درست کنیم تا راه حل‌های معتبر را فراهم کنیم.در MMS Running Case، مشکل موجود خیلی مبهم بود.
تصمیم گیری گاهی وقت‌ها مدل‌های ذهنی را توسعه می‌دهد، به خصوص در موقعیت‌های محدودیت زمان (DSSدر فعالیت 9,2 را ببینید). مدل‌های هوشی کمک می‌کند به فرم دادن تصمیم گیری در موقعیت،
یک موضوع از نظریه ادراک (ذهنی) (Shomaker, Russo در 2001 را ببینید) این تیم تحقیق کرد روی اطلاعات تا یک ادراک را توسعه دهد که بیشتر از مدل‌های ذهنی یک موقعیت بود. مدل‌ها در واقع استفاده می‌شود و تست هم می‌شود، اما در Running Case توضیح داده نشده است. استخراج داده،OLAP، و نرم افزار مدیریت بازده، مدل‌های زیادی در آن‌ها جا سازی شده است (در , Switt, 1997, Gross2001 را ببینید).


DSS در فعالیت 9,2
پرواز کردن یا نکردن؟ مسئله این است :اجبار به پرواز به دلایلی نادرست.

وقتی خلبان‌ها می‌بینند مجبورند پرواز کننـد، ایـن یـک شـانس است که قضاوت خوب و ایمنی توافقی هستند . یک خلبان چطـور می‌تواند تصمیم بگیرد آیا پرواز بی خطر است؟ خلبان‌ها دوسـت دارند فکر کنند که قضاوتشان درست است، و صـرف نظـر از ایـن موقعیت، آن‌ها درست خ بر می‌دهند . آن‌ها آموزش مـی بیننـد، تمرین می‌کنند، از قانون‌ها پیروی می‌کنند . اما علی رغم تجربـه حرفه‌ای بودن، کارکنان هواپیما،گاهی اوقات هنـوز بـا مـشکلات عمیقی در گیرند . این ممکن است به خصوص وقتـی کـه انتخـاب بین پرواز کردن یا نکردن باشد . در متن موقعیت مـرگ و زنـدگی برای یک مـسافر (مـثلاً، اگـر یـک آمبـولانس هـوایی لازم شـود، کارکنان ممکن است آب و هوای خطرناک را به عنوان یک ریسک بالا نبینند ). بدون شک، احساسات وارد تصمیم گیری می‌شود، و آن‌ها با ایمنی موافقت می‌کنند.
این جنبه‌های احساسی در مأموریت عملیـات آمبـولانس هـوایی اجباری قوی برای پرواز ایجاد می‌کند، حتی در شرایط حاشیه‌ای مدیر سرویس‌های هواپیمـایی Ed Phillips, Life Star Air Ambulance می‌گوید : »آیا ایـن یـک مـسافر بیمـار اسـت یـا کیسه شن، ما بایـد مثـل هـم پـرواز کنـیم و مثـل هـم تـصمیم بگیریم«. »اما اگر خلبان یک پسر 10 ساله داشته باشد، و بـشنود که یک پسر 10 ساله در شهر نزدیکش زخمـی شـده، (او تـصمیم می‌گیرد ) که پـروا ز کنـد ... مهـم نیـست چـه مقـدار »Phillips توضیح می‌دهد بیشتر، یک راه برای رفـع اجبـار و فـشار، حـذف جزئیات مأموریت است . ما فقط به خلبان هـا جـای مکـان را مـی دهیم، و به آن‌ها اجازه می‌دهیم تصمیم امیدوارانـه یـا ناامیدانـه بگیرند. اگر آن‌ها تصمیم بگیرند مأموریت را انجام ده ند، مـا مـی توانیم جزئیات را یک بـار زمـانی کـه در هـوا هـستند بـه آن هـا
بـــدهیم.«در روش هـــایی هـــوایی (Jackson County, Georgin)، کارکنان قبل از ایـن کـه شـرایط پـذیرش را بداننـد تصمیم مـی گیرنـد . خلبـان هیچگونـه آمـوزش پزشـکی ندارنـد، بنابراین یک بار هوابرد، آو آرمانی پرواز می‌کن د با یک سرعت آرام در هر شرایطی، در کنار این شخص حقوقی، اجبار به پرواز ممکـن است به خاطر هیئت رئیسه‌ای باشد که لازم است سـریع تـر بـه جایی برسد همچنین ممکن است موضـوع سـلا متی مشخـصی در میان باشد . الکل و دارو بر قضاوت اثر می‌گذارد . اما فشار اقتصادی و شغلی را می‌توا ن تحمل کرد . در اینجا مواردی از قبیل خستگی و آب و هوای بد متأسفانه باعث تصادف می‌شـود . فـشار زمـان در ارتباط با فاکتورهای دیگر می‌تواند منجر به ایجـاد شـرایط بـدی م یشود.
برای یک خلبان تمرکز مجدد روی قضاوت برای کم کـردن فـشار برای پرواز، راه حل آسان است . خلبان باید سعی کند که تـصمیم گیری هوانـوردی را از تـأثیرات خـارجی جـدا کنـد . مـشتری هـا (مسافران) باید از دلیلی که یک پرواز ممکن است تـأخیر کنـد یـا کنسل شود خبردار شوند . مسافران احتیاج دارند آگاهی بـشوند از قانون‌های پرواز در فرصت‌های نوشتاری و واضح.
خلبان‌ها نباید قانون‌ها را منحرف کنند . CRM (مدیریت منبـع کارکنان) می‌تواند برای شناسایی شخصیت مشتری هـا اسـتفاده شود و نشان می‌دهد راه هـای ارتبـاط بـا آن هـا را کـه فـشار را منحرف می‌کند . خلبان‌های بیمار نباید پـرواز کننـد . ابـزار هـای خود- ارزیابی وجود دارند که به خلبان کمک می‌کنند تـا تعیـین کنند آیا آن‌ها صلاحیت دارند یا نه . سرانجام، رئیس خلبـان بایـد

مدل

پشت تصمیم خلبان باشد، نه پرواز. این ممکن است به یک تغییـر دیگران، اما شغل اصلی حمل و نقل انسان‌ها نیست . قسمت مهـم بزرگ در فرهنگ یک شخصیت حقوقی نیاز دارد. شغل یک خلبان تصمیم گیری است.
خلبان‌ها به سمت هدف راندن (پـرواز ) وظیفـه محـوری گـرایش ----------------------------- دارند. آن‌ها تمایل دارند بیشتر فشار را خودشان تح مل کننـد تـا
Source: Adapted from Robert N. Rossier, "Pressured to Perform:
Flying for the Wrong Reasons," Business & Commercial Aviation, Vol. 90, No. 6, June 2002,62-69; and Allison Floyd, "Flights Save
Time and Lives," Athens Banner-Herald, Vol. 170, No. 3, pp. Al, A5.

مدل‌ها متغیرهای تصمیم دارند که توصیف می‌کند به طور متناوب یک مدیر باید انتخاب شود از میان (مانند این که چه تعداد ماشین باید به یک آژانس اجاره‌ی خاص تحویل داده شود، چطور تبلیغات شود در زمان خاص، یا کدام Server یک web باید خریداری و یا کرایه شود)، یک نتیجه‌ی متغیر و یا یک مجموعه‌ای از نتایج متغیرها (مانند سود، بازده یا فروش) که هدف‌ها را توصیف می‌کند و یا هدف‌های کلی مشکل تصمیم گیری را، و متغیرها یا پارامترهای غیر قابل کنترل (مانند شرایط اقتصادی) که محیط را توصیف می‌کند. این پروسه‌ی مدل سازی، تعیین (معمولاً ریاضیات، گاهی به صورت رمزی) ارتباط بین متغیرها را شامل می‌شود. این مضوعات در فصل 4 بحث شده اند.
انتخاب یک قانون برگزیده
یک قانون برگزیده (منتخب) یک معیاری است که قابل قبول بودن یک نظریه راه حل را توصیف کند، در یک مدل، یک متغیر نتیجه وجود دارد. انتخاب یک قانون برگزیده یک قسمتی از مرحله‌ی انتخاب نیست اما شامل : چطور می‌توانیم هدف‌های تصمیم گیری مان را بنا کنیم، و چطور این‌ها درمدل‌ها جا داده می‌شوند. آیا ما می‌خواهیم نظریه ریسک بالا را فرض کنیم یا ترجیح می‌دهیم نظریه کمتر را انجام دهیم؟ آیا ما برای بهینه ساختن تلاش می‌کنیم یا راضی بودن؟
این هم چنین مهم است که تفاوت بین ضابطه و محدودیت را تشخیص دهیم (DSS در فوکوس 10,2را ببینید).
در میان تعداد زیادی قانون‌های منتخب، اصولی و توصیفی از درجه اهمیت اول برخورداند.
مدل‌های اصولی
این‌ها مدل‌هایی می‌باشند که بهترین انتخاب‌ها را بدست می‌دهند. برای یافتن یکی از این‌ها فرد باید تمام گزینه‌ها را آزمایش کرده و بهترین بودن گزینه انتخاب ثابت شود، که آن می‌تواند به صورت طبیعی مورد قبول باشد. این فرآیند اصولاً بهینه سازی نامیده می‌شود. بهینه سازی می‌تواند به یکی از 3 روش زیر انجام شود :




محدودیت
می گوید که اگر فاصله منزل از بیشتر شود گزینه مورد نظر قابل باشد و ترجیح می‌دهد که این فاصله مساوی عدد خاصی باشد. این شبیه می‌باشد که دانش آموزان بعد از اتمام دانشگاه آن‌ها،فاصله‌ی زیادی از باشد تمایل کمتری به انتخاب آن را DSS در فوکوس 10,2 تفاوتعده‌ای زیادی از مردم نسبت به تصمیم سازی بیگانه بوده و موضوعاتمحدودیت را با هم اشتباه می‌گیرند.
دلیل این است که یک معیار ممکن محدودیت دلالت کند و یا بالعکس.
کاربردی 3. 2 معیار فاصله وجود داردتصمیم گیر نمی‌خواهد خیلی دور ازاما محدودیتی ضمنی نیز م یباشد کهمی کند که ضمن آن باید فاصله‌ای خانه داشته باشد.
بین یک معیار و یک
مطالعه رسمی این محدودیت معیار و حد مشخصیغالباً این به اجرا نمی
است به یک باید کمتر یامثلاً در مورد این موضوع
، جائی که مدرسه اگر خانه باشد خانه داشته او انتخاب دارند.
مشخص از
.
• اخذ بالاترین سطح دستیابی به هدف از مجموعه‌ی منابع، به عنوان مثال کدام گزینه بیشترین سودآوری را در سرمایه گذاری 10 میلیون دلاری خواهد داشت؟
• یافتن گزینه‌ای که بالاترین میزان حصول نتیجه را داشته باشد یا تولید را افزایش دهد.
• یافتن گزینه‌ای با پائین‌ترین هزینه که سطح قابل قبولی را به دنبال داشته باشد مثلاً اگر وظیفه شما انتخاب نرم افزاری برای شبکه اینترنتی با حداقل پهنای باند م یباشد، کدام گزینه کمترین هزینه را در بر دارد؟
نظریه‌ی تصمیم گیری اصولی براساس زمینه‌های زیر است :
• انسانها موجوداتی اقتصادی بوده که هدفشان افزایش بهره وری می‌باشد به این معنا که تصمیم گیری فردی منطقی است.
• در یک موقعیت تصمیم سازی تمام گزینه‌های موجود عمل و عکس العمل بوده یا حداقل احتمال بازدهی مشخص است.
•تصمیم گیرندگان اولویت‌هایی دارند که آن‌ها را قادر می‌سازد میزان مقبولیت نتایج را تنظیم کنند.
مدل

Kontoghiorghes, Rustem, Siokos در سال (2002)، روش منطقی را در تصمیم سازی مطرح کردند مخصوصًاً این که از مدل‌ها و محاسبات در آن استفاده می‌شد.
آیا تصمیم گیرندگان واقعاً منطقی عمل می‌کنند. مشاهد کنید DSS در 11,2Focus هم چنین Schwartz در سال 1998 و Halpern و Stern در سال 1998 را برای موارد غیر متعارف در تصمیم گیری منطقی. گرچه اصول غیر متعارفی در رفتارهای مالی اقتصادی وجود دارد، ما این گونه فرض می‌کنیم که این‌ها توسط عدم توانایی، فقدان دانش، اهداف چندگانه که به شکل ناقص پرداخت شوند، عدم درک صحیح توسط تصمیم گیر و تأثیرات محدودیت زمان باعث می‌شوند. برای توضیح بیشتر در این زمینه به
Gharajedaghi (1999), Larrson (2002), Randanathan, sethi (2002), verma, Churchman (1998) .مراجعه شود
سایر مشکلات ممکنه اغلب از محدودیت زمان ناشی می‌شود مثلاً Stewart در سال 2002 عده‌ای از محققین را که با تصمیم سازی ذاتی کار می‌کردند توصیف کرد. ایده ی" تفکر با حس ششم" مسلماً روش ابتکاری تصمیم سازی م یباشد. این روش برای آتش نشانان و پرسنل نظامی در میدان جنگ کارساز است. یک جنبه‌ی مهم تصمیم سازی در این حالت این است که چندین سناریو از قبل مورد بررسی قرار گیرند.
حتی وقتی موقعیتی جدید پدید آید می‌تواند سریعاً به انواع قدیمی منطبق شده و راه حلی منطقی حاصل شود. برای مطالعه بیشتر (2002Stewart ( را نگاه کنید. به کتاب Luce و همکاران در سال 2001 برای توصیف چگونگی این که احساسات بر تصمیم سازی اثر می‌گذارند مراجعه و به Pully در سال 2001 برای توصیف تناقضات موجود در تصمیم سازی مراجعه شود. آقایان Bonabeau, Meyer، در سال 2001 روش تصمیم سازی را توصیف کردند به نام هوش گروهی جمعی. آن براساس تئوری بی نظمی مبتنی بوده و اصولش مبتنی بر ساخت مو قیت آمیز لانه مورچه م یباشد. استدلال مشخص در ورای این روش وجود دارد Daniel kahneman و Amos Tversk جایزه نوبل در علم اقتصاد را در سال 2002 به خاطر کارشان در زمینه آن چه غیر منطقی در تصمیم سازی بود دریافت کردند. ما معتقدیم که عدم وجود منطق توسط عوامل بالا ایجاد می‌شود. به عنوان مثال Slovic, tversky عوامل بروز خلاف میل را تحقیق کردند که به عنوان مشکلی در فرآیند تجزیه تحلیل مسائل به کار رفته است.
آزمایشاتی انجام دادند تا در این زمینه تحقیق کنند اما چند معیار از تجزیه تحلیل حذف شده بود
(1999Ratner, kahn, kahneman( چگونه تنوع باعث انتخاب گزینه‌های مطلوب می‌شود را تحقیق کردند.
در این حالت تنوع ارزش داشته و بخشی از فایده تصمیم گیر م یباشد، و ملاک مورد نیاز در این کار تلقی می‌شود.
در مورد در حال اجرای (MMS Running Case)MMS، عقلانیت چیره می‌شود. افزایش سود آوری اصل انتخاب م یباشد اما به موقعیتی که برای خانواده‌ی آقای لافکو اتفاق افتاده توجه کنید. می‌تواند خانواده‌ای را از یک تصمیم با ارزش جلوگیری کند.

DSS در فوکوس 11,2
آیا تصمیم گیرندگان واقعاً منطقی هستند؟
بعضی محققین مقوله‌ی عقلانیت را مورد سؤال قرار میمانید با این که می‌دانید صبحانه را از دست داده می‌دهند. موارد بی شماری از افراد و گروه‌ها هستند و عملکرد خوبی در محل کار ندارید. یا ممکن است که در عالم خارج به صورت غیر منطقی رفتار می‌دیر کنید و 7:30 دقیقه به ایستگاه برسید به این امید کنند. مثلاً در نظر بگیرید شما هر روز صبح باید با که اتوبوس نیز دیر بیاید. بنابراین چرا شما دیرمی اتوبوس به سر کار برویدو اتوبوس ساعت 7 صبح کنید؟ اهداف چندگانه‌ای که به آن امید دارید ممکن حرکت می‌کند. بنابراین اگر بیدار شدن،آماده شدن است به این قضیه منتهی شود و یا سودمندی واقعی و رسیدن به ایستگاه یک ساعت طول بکشد شما باید برای سر وقت بودن ممکن است نشان دهد که شما همیشه حدود ساعت 6 بیدار شوید، اما گاهی وقتها باید به رختخواب برگردید اکثر صبح‌ها.
شاید خیلی وقت‌ها شما تا 6:30 دقیقه خواب زیر بهینه سازی
از نظر دستوری بهینه سازی نیازمند تصمیم گیرنده‌ای م یباشد که تأثیر هر اقدام را روی کل سازمان در نظر گرفته و نتایج را نیز چه مثبت چه منفی در زمینه‌های دیگر بررسی کند. یک بخش بازاریابی را در نظر بگیرید که سایت تجارت الکترونیکی را هدایت می‌کند. در طی ساعت‌ها، سفارش‌هایی به دست می‌آید.
بخش تولید که برنامه خودش را دارد نمی‌تواند نیاز مصرف کننده را برآورده کند ممکن است به توان حداکثری برسد. به صورت ایده آل و مستقل این بخش باید محصولات کمی را با کمیت بالا برای پائین آوردن هزینه‌ها تولید کند. اما این برنامه منجر به مشکلاتی در بازاریابی شده که نتیجه عدم تنوع در محصولات بوده مخصوصاً اگر مشتریان سفارش‌های خود را به دلیل تأخیر در تحلیل لغوکنند. این موقعیت ماهیت متوالی بودن فرآیند تصمیم سازی را روشن می‌سازد.
(را 2001, Giles, Sun, Valle 2002, Pino،Borges مشاهده کنید)
یک سیستم نظر سنجی تأثیر تمام تصمیمات را بر کل سیستم ارزیابی می‌کند. از این رو بخش بازاریابی باید برنامه‌ای در همراهی با سایر بخش‌ها طراحی کند. اما این اقدام ممکن است نیازمند تجزیه و تحلیل زمان بر، پر هزینه و پیچیده باشد. در عمل سازنده‌ی MSS ممکن است سیستم را در محدوده‌هایی مدل
باریک ببندد. و فقط بخشی از سازمان را (در این مثال بخش تولید و بازاریابی) مطالعه کند و روابط را به مدل مورد نظر مرتبط سازد و در نهایت تعاملات میان سایر بخش‌ها را نادیده بگیرد. بخش‌های دیگر می‌توانند داخل اجزای مدل ساده تجمع کنند. این روش زیر بهینه سازی نامیده می‌شود.
اگر این چنین تصمیمی گرفته شود و جزئیات بقیه سازمان نادیده گرفته شد آن گاه تصمیم بهینه ممکن است برای سایر بخش‌ها مضر باشد اما این فرآیند زیر بهینه سازی ممکن است هنوز روش عملی تصمیم سازی باشد و خیلی از مسائل از این دیدگاه حل شود. رسیدن به نتایج قابل حصول ممکن بوده فقط اگر بخشی از سیستم بدون قرار گرفتن در فرآیند رکود تجزیه تحلیل شود. وقتی پیشنهادی ارائه می‌شود تأثیرات بالقوه‌ی آن در سایر بخش‌های سازمان می‌تواند آزمایش شود. اگر هیچ تأثیر منفی دیده نشد راه حل می‌تواند اجرا شود.  

DSS در فعالیت 12,2
تصمیم گیری بین مکان سخت و کاملاً سخت یا آن چه می‌توانید انجام دهید وقتی گزینه خوبی وجود ندارد؟

آقای Fred Lafko مؤسس شـرکتی در Poughkeepsie در نیویــورک در اوایـــل 1980 دیـــدگاهی داشـــت. او شـــرکت Alexander Hamilton که شرکت کشتی سازی بـود را کـه توسـط موسـسه Hodson River Day line از اوایـل قـرن بیستم شروع به فعالیت کرده بود خرید . او در نظر داشت کشتی را از شـهر نیویـورک بـه Poughkeepsie انتقـال داده و یـک مکان توریستی در آن بسازد . او رستورانی مجلل، فروشـگاه هـا و هم چنین دفاتر کاری در آن ساخت . به این موازات ایـن کـشتی یکی از معدود کشتی‌هایی شد که آثار باستانی ملی تاریخی نـام گرفت. این به دلیل طراحی منحصر به فـرد موتـورش بـود . ایـن آخرین کشتی از نوع خود بود کـه مـی توانـست در آب حرکـت کنـد. او مقـدمات حرکـت آن را بـه سـمت Poughkeepsie فراهم کرد اما متأسفانه کشتی در رودخانه، بخش ماسه‌ای فـرو رفت. کارشناسان گفتند که او مجبور بود به انتظـار مـد بزرگـی بماند تا آن را از گل در آورد . او از قایق‌های یدک کشی برای در آوردن کشتی استفاده کرد اما متأسفانه دیر شده بـود . یـک مـاه بعد او یک روز صبح زود مجدداً از قایق‌ها تقاضای کمک کـرد و این دفعه کشتی را از گل در آورد . او ترتیبی داد کشتی به کمک با نیروی دریایی نجات یافته و میـزان خـسارت آن بـرآورد شـد . وقتی کشتی آماده حرکت در دریا شد او بایـدک کـش آن را بـه Poughkeepsie منتقل کرد . قبل از ایـن کـه کـشتی بتوانـد حرکت کند طوفان سهم گینی آن را غرق کـرد . مـدت کوتـاهی بعد از این اتفاق آقای Fred Lafko فوت کرد و برادرش jack که وارث او بود در مورد کشتی کـاری انجـام نـداد . در تابـستان 2002 جک فوت کرد . فرزندان آقای Fred مجبور شدند دربـاره کشتی تصمیم بگیرند . بعد از 20 سـال زیـ ر آب بـودن احتمـالاً ارزش زیادی بالا کشیدن آن نداشت.
اما چون کشتی یک اثر تـاریخی، ملـی بـود نمـی توانـستند بـه سادگی آن را رها کنند آن‌ها هم چنین نمی‌توانستند موتور آن را ازش جدا کنند . راه ساده بیرون آوردن کشتی از آب، سـاختن قفسی بود که کشتی در آن قرار گیـرد و بیـرون کـشیده شـود . مؤسسه حفاظت از محیط زیست آمریکا اجازه‌ی این کار را نمی‌داد اما باقیمانده کشتی می‌توانست محیط زیست را آلوده کنـد . راه‌های دیگر نجات کشتی هزینـه بـر و خطرنـاک بـود . نیـروی دریائی مالیکـت کـشتی را بـه عهـده نگرفـت و فرزنـدان آقـای Lafko نیز مشخص نبود کـه مـی خوا هنـد کـشتی را بـه فـرد دیگری در جهت حفظ آن هدیه کنند یا نه . هیچ کس کـشتی را نمی‌خرید زیرا کار پیچیده‌ای به نظر می‌رسید . تصمیم روشـن و مشخصی به نظر کسی نرسید خانواده‌ی آقای فرد چه کار می‌توانستند بکنند؟
-- ---- --- --Source: Dennis Lafko, one of Fred's sons, as told to Jay Aronson on a
flight from Atlanta to Colorado Springs, July 2002.



زیر بهینه سازی ممکن است هم چنین در ساده گی فرضیه‌ها در وقت ارائه مدل مسئله خاصی به کار رود. ممکن است جزئیات و یا داده زیادی به موقعیت تصمیم گیری داده شود و همه‌ی آن‌ها در این مدل استفاده نشوند. اگر راه حلی برای این مدل منطقی به نظر برسد آن ارزشمند تلقی شده و از این رو به کار گرفته می‌شود. مثلاً در یک بخش تولید قطعات غالباً داخل طبقات A/B/C قرار می‌گیرند. عموماً آیتم A (دنده‌های بزرگ، کل اسمبل) گران می‌باشند. (300 دلار یا بیشتر)، ساخته می‌شوند تا در بسته‌های کوچک بسته بندی شوند و تعداد آن‌ها کم م یباشد. آیتم‌های C، شامل پیچ و مهره ارزان می‌باشند (مثلاً ارزان تر از 2 دلار) و در تعداد خیلی زیاد سفارش داده می‌شوند.و آیتم‌های B بین این دو قرار می‌گیرند، تمام آیتم‌های A می‌توانند بوسیله مدل برنامه ریزی جزئی دسته بندی شده و توسط مدیریت به دقت نظارت شوند.
آیتم‌های B تا حدی با هم بسته بندی می‌شوند و مدیریت، کمتر آن‌ها را بررسی می‌کند و آیتم‌های C در یک سیستم ساده و قابل دسترس بسته بندی می‌شوند. این سیاست سالی یکبار مرور می‌شود. این موقعیت اگر تمام معیارها تعیین شده و تمام مساله از جنبه هزینه و زمان بررسی شوند کاربرد پیدا می‌کند.
زیر بهینه سازی می‌تواند به سادگی به تحقیق روی در نظر گرفتن ملاکها و گزینه‌های کمتر به کار آید، به این صورت که قسمت‌های بزرگ از مساله حذف شوند. اگر این کار خیلی از نظر زمانی طول بکشد یک راه حل ساده تر ممکن است برای بهینه سازی مورد استفاده قرار گیرد.
مدل‌های توصیفی
مدل‌های توصیفی اشیاء را همانگونه که هستند و یا باید باشند توصیف می‌کنند. این مدل‌ها اساساً ریاضی محور می‌باشند. مدل‌های توصیفی به شدت در DSS مفیدند، از این نظر که در تحقیق نتایج اقدامات مختلف تحت فرآیندها و ورودی پیکربندی مفیدند.اما به دلیل تجزیه تحلیل توصیفی عملکرد سیستم را برای مجموعه‌ای از داده‌ها به همه آن‌ها بررسی می‌کنند.هیچ ضمانتی وجود ندارد که گزینه‌های انتخاب شده بهترین باشند. در بسیاری از موارد آن‌ها رضایت بخش می‌باشند. تقلید رایج‌ترین مدل توصیفی م یباشد.
این قضیه (تقلید) در بسیاری از جنبه‌های تصمیم گیری کاربرد دارد. بازیهای ویدئویی و کامپیوتری شکلی از شبیه سازی می‌باشند. یک واقعیت مصنوعی ایجاد شده و بازیکن داخل آن قرار می‌گیرد. واقعیت مجازی هم چنین شکلی از شبیه سازی است. محیط شبیه سازی شده است نه واقعی. یک استفاده معمولی شبیه سازی در تولید م یباشد. مجدداً، تولید بخشی از یک شرکت را با پیچیدگی‌هایی که توسط بخش بازاریابی ایجاد شده در نظر بگیرید. ویژگی‌های هر دستگاه در این فروشگاه همراه با زنجیره تولید به صورت ریاضی قابل توصیف م یباشد. ارتباطات می‌تواند براساس چگونگی این که دستگاه چگونه حرکت کرده و به سایرین ارتباط دارد پایه گذاری شود.در حضور یک دسته آزمایشی قطعات، فردی می‌تواند چگونگی قرارگیری سیستم و آمارهای کاربردی هر دستگاه را اندازه گیری نماید. برنامه‌های مختلف ممکن است آزمایش شود،آماده ثبت شود تا برنامه قابل قبولی حاصل شود. بازاریابی می‌تواند دستیابی و خرید این الگوها را در وب سایتی آزمایش کند. شبیه سازی می‌تواند برای تعیین ساختمان وب سایت استفاده شده تا عملکرد بهتری بدست آید و خریدهای آینده تخمین زده شود. هر 2 بخش از روش مدل سازی تجربی استفاده کرده اند.
طبقات مدل‌های توصیفی شامل :
• تصمیمات پیچیده دفتر اموال.
• تجزیه تحلیل تاثیر محیطی.
• برنامه ریزی مالی.
• جریان اطلاعات.
• تجزیه تحلیل مارکو (پشتیبانی‌ها)
• تجزیه و تحلیل سناریو.
• شبیه سازی (گونه‌های مختلف)
• پیش بینی فنی.
• مدیریت خط انتظار (صف بندی)

تعدادی مدل توصیفی غیرریاضی برای تصمیم گیری وجود دارد. یکی از آن‌ها نقشه شناختی م یباشد.
(2002Fden and Ackermann 2002, Jenkins ).یک نقشه شناختی به تصمیم گیرنده کمک می‌کند تا چهار چوب عوامل مهم را طراحی کرده و ارتباطات آن‌ها را در موقعیت‌های تصمیم سازی مشخص سازد. آن به تصمیم گیر کمک می‌کند تا با آن چه مرتبط و غیر مرتبط به کارش می‌باشد توجه کرده و این نقشه در حداکثر توان در مورد مسأله آگاهی به ما می‌دهد. این نقشه می‌تواند به تصمیم گیر کمک کند تا موضوعات را بهتر درک کرده و توجه بیشترداشته باشد و به مساله نزدیکتر شود. یکی از نرم افزارهای جالب برای این کار Decision Explorer م یباشد.
مدل توصیفی تصمیم ساز دیگر استفاده از داستان‌های برای توصیف موقعیت‌های تصمیم گیری م یباشد. یک داستان قصه‌ای م یباشد که وقتی گفته شد به تصمیم گیر کمک کند جنبه‌های مهم موقعیت را کشف کرده و به درک بهتر راهنمایی کند. این بسیار مؤثر م یباشد وقتی تصمیم توسط گروه گرفته شود.
هیئت منصفه در دادگاه عموماً از روش‌های داستان محور برای رسیدن به رأی استفاده می‌کند.
Allan, Fairtlough, and Heinzen, 2002; Beach, 1997; Denning, 2000; and the مشاهده کنید)
(film 12 Angry Men
خوب یا قابل قبول
براساس سایمون (1977) اکثر تصمیمات بشر چه سازمانی و چه انفرادی مستلزم ارائه راه حل رضایت بخش م یباشد. »چیزی کمتر از بهترین«. وقتی قابل قبول ارائه می‌شوند تصمیم گیرنده یک آرزو را مطرح می‌کند و سپس شروع به تحقیق و جستجو برای دستیابی می‌کند. دلایلی عادی این امر فشار زمانی، توانایی دستیابی به توان حداکثری، و هم چنین این که فایده‌ی جانبی راه حل ارزش هزینه‌های جانبی را ندارد. در این موقعیت تصمیم گیر عاقلانه عمل کرده و در عمل نتیجه خوبی می‌دهد. اساساً جنبه رضایت بخش،بخشی از فرآیند بهینه سازی م یباشد. بهترین راه حل مقدار مطلوب می‌باشد، اما اگر غیر ممکن نباشد مشکل م یباشد. در یک مدل اصولی، محاسبات بسیار زیاد ممکن است لازم باشد، اما در یک مدل توصیفی ممکن است ارزیابی تمام گزینه‌ها انجام شدنی نباشد.
در ارتباط با نظر سایمون عقلانیت محدودیت جنبه رضایتبخش در نظر گرفته می‌شود. انسان‌ها ظرفیت محدودی برای تفکر عقلانی دارند. آن‌ها عموماً مدل ساده شده‌ای از موقعیت واقعی را ساخته و پرداخته می‌کنند. رفتار آن‌ها در ارتباط با این مدل ممکن است معقول باشد. راه حل منطقی مدل سازی شده ممکن است عقلانی به نظر نرسد. قوه‌ی تعقل نه تنها بوسیله‌ی محدودیت‌های انسانی، بلکه با تفاوت‌های فردی نظیر سن، تحصیلات، دانش، دیدگاههای شخصی محدود می‌شود. قوه‌ی تعقل محدود این است که فکر کنیم چرا مدل‌ها به جای اصولی بودن، توصیفی می‌باشند.این می‌تواند هم چنین توضیح دهد که چرا خیلی از مدیران توانا به شم مدیریتی وابسته اند.مشاهده کنید (2001Stewart, 2002, paully ) آگوستو در سال 2002 قدرت تعقل محدود و جنبه رضایت بخشی را در افراد جوان در شرایط تحت وب درسال 2002مورد تحقیق قرار داد. او علاقه مند بود بداند چگونه افراد بزرگسال با محدودیت زمان، فزونی اطلاعات و تفاوت‌های فردی کنار می‌آیند. این تحقیق نشان داد که فیلتر کردن اطلاعات و قطع ارتباط 2 رفتار قابل قبول مهم می‌باشند. و علایق شخصی نقش مهمی در ارزیابی وب سایت بازی کرده. Mingers و Rosenhead در سال (2000) روشی را توصیف کردند که توسط آن از مدل‌های ریاضی به سمت فرآیند تصمیم سازی غنی شده مستلزم کار گروهی م یباشد. این باعث ایجاد احساس خوبی در تصمیم گیرنده شده اما این واقعیت را که مدل‌های درون DSS مورد نیاز می‌باشند، نادیده می‌گیرند .سازمان‌هایی که از این مدل‌ها استفاده نکنند،احساس خوبی داشته اما شرکت‌هایی که از این مدل‌ها استفاده کنند مسلماً تصمیمات مؤثرتری خواهد گرفت. وقتی ابزار مورد نیاز در دسترس و مؤثر باشد،آن‌ها باید برای شرایط رقابتی استفاده شوند.
بسط و توسعه (تولید) گزینه‌ها
بخش مهم مدل سازی تولید آن‌ها م یباشد. در بهینه سازی گزینه‌ها ممکن است توسط مدل طراحی شوند. در موقعیت‌های MMS، تولید انسانی گزینه‌ها ضروری است. این پروسه می‌تواند مستلزم تحقیق و خلاقیت باشد.البته مستلزم صرف وقت و هزینه نیز م یباشد. موضوعاتی نظیر چه زمانی این فرایند خاتمه یابد نیز حایز اهمیت نیز م یباشد. گزینه‌های بیش از مورد نیاز محکوم به فرآیند تصمیم سازی می‌باشند. ممکن است یک تصمیم گیرنده از فزونی اطلاعات رنج ببرد (مشاهده کنید DSS در فعالیت13,2) ببینید. این فعالیت یک ابتکار جدیدی را برای مدیران مؤسسات آموزش عالی ارائه می‌دهد که چگونه با فزونی اطلاعات مقابله کنند. مؤسسه آماده سازی زیر ساختار آموزش ملی (National Learning Infrastructure Initiative (NLII و Institute Readiness Program (READY)،راهی را برای سازمان دهی اطلاعات در زمینه‌ی ادغام تکنولوژی در تحصیلات عالیه ارائه می‌دهد. پورتال Ready (پایه گذاری بر اساس وب) از طریق اطلاعات زیادی آیتم‌های مربوطه را از سایرین توسط برنامه‌ای فیلتر می‌کند. تولید این گزینه‌ها به شدت وابسته فراوانی و هزینه اطلاعات و هم چنین متخصصین این حوزه م یباشد. این غیر رسمی‌ترین جنبه گزینه‌های حل مسئله بوده که می‌تواند تولید شده و می‌توان به روش کشف ارزیابی شوند. این فرآیند هم توسط گروه‌هائی در فرآیند بارش مغزی GSS تحت وب قابل پشتیبانی م یباشد.
دقت کنید که جستجو برای گزینه‌ها بعد از حصول معیارهای ارزشیابی گزینه‌ها ممکن است. این فرآیند می‌تواند جستجو را تقلیل داده، و هزینه ارزیابی را کم کند. اما از طرفی تشخیص گزینه‌های بالقوه مفید در شناخت معیارها کمک می‌کند. شناخت معیارها و گزینه‌ها در MMS Running Case مشکل به نظر رسید. این تجزیه تحلیل ابتدا مجبور بود مشکلات زیادی را شناسایی کند. به محض اینکه مشکلات شناسایی شدند سال‌ها کار تیمی و دستیابی به اطلاعات از طریق پورتال CLAUDIA کار را برای اعضای تیم ساده کرد و در نهایت کار ارزشیابی را به اتمام رسانید.
نتیجه هر گزینه پیشنهادی بایدثابت شود. بسته به اینکه آیا تصمیم گیری مشکل به عنوان یکی از اطمینان
،ریسک، یا عدم اطمینان، مدل سازی،روش‌های مختلف طبقه بندی شده است ممکن است مورد استفاده قرار گیرد (نگاه کنید به 2000Drummond, 2002; Koller, ). این در فصل 4 مطرح شده اند. مشاهده کنید DSS در فوکوس 14,2 برای توضیحات در مورد چگونگی اینکه مردم واقعا ریسک را می‌بینند.

DSS در فعالیت 13،2گزینه‌های بیش از اندازه هدف را خراب می‌کنند

موقعیت تصمیم گیری زیر در یک اتوبوس در یک جلسه‌ی ملی شنیده شد :
یک دانشگاه صاحب نام قصد داشت فعالیت‌های آموزشی خود را به وب منتقل کند. یکی از اساتید به این منظور انتخاب شد. او لیستی شامل 23 شرکت ارائه داد. او جزئیاتی از گزینه‌ها و آن چه مورد نیاز بود تهیه کرد. او می‌خواست کارش کامل باشد حتی اگر بعضی از گزینه‌های برای این کار مناسب نبودند. نسبت به این گزارش احساس خوبی داشت.روز قبل از تصمیم گیری فروشنده این قبیل محصولات مقابل دفتر کار رئیس توقف کرد.رئیس شرکت محصولات این شرکت را انتخاب کرده بود. در داخل اتوبوس این گونه به گوش می‌رسید :


مطالعه بر روی فرآیند تصمیم سازی نشان می‌دهد که وقتی انتخاب‌های زیادی به کسی ارائه شود و ضرب العجلی نیز تعیین شود او معمولاً آخرین گزینه را انتخاب می‌کند3. تا 5 انتخاب مناسب م یباشد. گذشته از همه این‌ها آن‌ها کوشیدند تا این مسئله را حل کنند و نه این که به بازاریابی بپردازند. حتی استفاده از یک نرم افزار برای مقایسه این گزینه‌ها مناسب می‌باشد. شاید انتخاب آگاهانه می‌توانست انجام شود.مشاهده کنید مورد کاربرد
3,2 را .
-----------------
Source: Modified and condensed from S.M.
Johnstone, "Decision Support for Distance Learning Solutions: Help is Online," Syllabus, October 2001.

DSS در فوکوس 14،2
قضاوت واقعی مردم در مورد ریسک چیست؟
پروفسور آدام گودی ازدانشگاه جورجیا به صورت نمی‌دهند ." گودی می‌گوید : "اگر مردم چیزی را تجربی نشان داد که قضاوت واقعی مردم در مورد تحت کنترل خود داشته باشند، مانند دانش خود ریسک در تصمیم گیری چیست"هنگامی که مردم از جهان، در انجام آن اصرار خواهند داشت. و این می‌خواهند بر روی انجام یک کار تصادفی قمار اصل مهمی برای انواع تصمیم گیری در زندگی انجام دهند، در صورتی که احتمال وقوع یک م یباشد ". بارز‌ترین مثال در این مورد سفرهای واقعه خوب کوچک، بالا باشد و احتمال وقوع هوایی پس از واقعه 11 سپتامبر است. گودی می‌یک واقعه بد بزرگ، پایین باشد آن کار را انجام گوید ." مردم از رانندگی ترس ندارند، بلکه آنها از

پرواز بیشتر هراس دارند، در صورتی که مسافرت هوایی از نظر آماری بسیار امن تر از بقیه مسافرت‌ها م یباشد . " او می‌گوید. " مردم احساس امنیت بیشتری دررانندگی م یکند زیرا آنها کنترل بر روی منبع ریسک دارند."
احساس کنترل یک عامل کلیدی در ریسک پذیری یا اجتناب از آن است.مردم زمانی که احساس می‌کنند می‌توانند بر نتیجه یک کار کنترل کنند،بیشتر تمایل به انتخاب ریسک را دارند-حتی اگرآنها شانس بالایی در موفقیت داشته باشند . اغلب مردم

نتایج اندازه گیری
به دانش خود اطمینان دارند. این موضوع می‌تواند بیانگر این موضوع باشد که چرا مشتری یک دستگاه خود پرداز جهت دریافت پول نیاز به فشردن یک دکمه را دارد. این کاربه مشتری احساسی از کنترل را می‌دهد .
Source: For more information, see A. Mann,
"Risky Business," Columns (UGA Faculty
Newsletter), February 11،2002, p. 3; Goodie (2001).

ارزشیابی گزینه‌های منتخب یکی از شرایط حصول هدف است. گاهی اوقات یک نتیجه به طور مستقیم هدف را بیان می‌کند. به عنوان مثال سود، خروجی مساله است و بیشینه سازی سود هدف است (واحد هر دو دلار است). اگر خروجی مساله، رضایتمندی مشتری باشد،این مورد با تعداد شکایات یا میزان دوام یک محصول ویا با نظرسنجی اندازه گیری می‌شود. ایده آل، حل مساله با اندازه گیری یکی از مواردفوق است.البته اندازه گیری چند مورد نیز ممکن است استفاده شود (نگاه کنید به Barba - Romero، 2001 ؛ Koksalan و Zionts، 2001). هنگامی که گروه‌های مختلفی تصمیم گیری را انجام می‌دهند، هر یک از گروههای شرکت کننده ممکن است برنامه عملیاتی متفاوتی داشته باشد. به عنوان مثال ممکن است هدف مدیران بدست آوردن حداکثر سود، هدف بازاریابان افزایش نفوذ در بازار، هدف مصرف کنندگان کاهش هزینه‌ها و در حالی که هدف سهامداران افزایش خط تولید باشد. به طور معمول این تضاد اهداف، نیازمند توسعه معیار‌های چند گانه خاص م یباشد . یکی از این روش‌ها فرآیند تجزیه و تحلیل سلسله مراتبی است، خلاصه مطالب در برنامه کاربردی فصل 3,2 و وب سایت در کالج / دانشگاه قرار دارد.
سناریو‌ها(حالات)
سناریو، شرحی از فرضیات ممکن درباره محیط عملیاتی یک سیستم ویژه در یک زمان مشخص است ؛ که، بیانگر پارامتر‌های مختلف تصمیم گیری م یباشد . سناریو فقط توصیف تصمیم گیری است وقادر به کنترل متغیرها و پارامتر‌های مدل سازی یک وضعیت خاص نیست. همچنین ممکن است محدودیت برای مراحل و مدلسازی نیز فراهم کند.
ریشه سناریو از تئاتر بر گرفته شده است. اصطلاحی که از بازی جنگ و شبیه سازی در مقیاس بزرگ وام گرفته شده است. سناریو یک ابزار برنامه ریزی و تجزیه و تحلیل DSS است که می‌تواند طیف کاملی از امکانات را شامل شود. یک مدیر می‌تواند مجموعه‌ای از سناریو‌ها را ساخته (بر حسب مورد)، وبه تجزیه و تحلیل کامپیوتری و کسب اطلاعات بیشتر در مورد سیستم و مسائل تصمیم گیری بپردازد.
ایده آل، اینست که مدیر بتواند را حل مطلوبی را برای مدل سازی مساله پیدا کند.
سناریو کمک ویژه‌ای به تجزیه تحلیل و شبیه سازی می‌کند. در هر دو مورد، ما سناریو‌ها را تغییر داده و نتایج را بررسی می‌کنیم.
سناریوها نقش مهمی را در MSS بازی می‌کند زیرا آنها
• به شناسایی فرصت‌ها و حوزه‌های مشکل دار کمک می‌کنند
• قابلیت انعطاف در برنامه ریزی را فراهم م یکنند.
• به شناسایی مرز تغییرات که مدیران باید رصد کنند، کمک می‌کند.
• به اعتبار فرضیات مدلسازی عمده، کمک می‌کنند
• به تصمیم گیرنده قدرت پی بردن به رفتار سیستم را از طریق یک مدل، می‌دهد
• به بررسی راه حل‌های پیشنهادی موثر برای تغییر در محیط کمک می‌کنند
سناریوهای ممکن
هزاران سناریوی ممکن برای هر موقعیت تصمیمگیری وجود دارد. با این حال مشخص نمودن موارد زیردر عمل مفید هستند :
• بدترین سناریوی ممکن
• بهترین سناریوی ممکن
• محتمل‌ترین سناریو
• سناریوی متوسط
سناریوها مشخص کننده چهار چوب موثری از تجزیه و تحلیل هستند. سناریوها در اجرای MMS در جایگزینی ارزش یک عنصر مورد استفاده قرار می‌گیرند.
خطاهای تصمیم گیری مدل، جزء حیاتی در فرآیند تصمیم گیری است، اما ممکن است تعدادی از خطاها در توسعه و استفاده از آن توسط افراد ایجاد شود.تایید مدل قبل از استفاده آن حیاتی است. گردآوری درست اطلاعات، با سطح مناسبی از دقت و صحت، به عنوان شاخص تصمیم گیری،نیز حیاتی است. سایر (1999) "هفت اشتباه وحشتناک تصمیمگیری "، که اکثر آنها به رفتار یا به اطلاعات مرتبط هستند را توصیف کرده است. شرح این اشتباهات در نکته 15,2 آمده است.

8,2 تصمیم گیری : فاز انتخاب

انتخاب عمل مهم تصمیم گیری است.درمرحله انتخاب است که یک تصمیم واقعی گرفته شده ومراحل اجرای یک فعالیت نیز مشخص می‌شود. . مرز بین طراحی و انتخاب اغلب معلوم نیست زیرا برخی از فعالیت‌ها را می‌توان در هر دوی آنها انجام داد و اغلب می‌تواند یکی از فعالیت‌های انتخاب به فاز فعالیت‌های طراحی منتقل شود. به عنوان مثال، شخص می‌تواند آلتر ناتیو‌های جدیدرا از انجام ارزیابی‌های موجود، تولید کند. فاز انتخاب شامل جستجو، ارزیابی، و پیشنهاد راه حل مناسب برای مدل می‌باشد. راه حل برای یک مدل،مجموعه‌ای خاص از مقادیر متغیر برای تصمیم گیری در انتخاب و جایگزینی است. در فاز اجرای MMS
(نگاه کنید به DSS در عمل 16,2)، انتخاب‌ها با طول عمر و سودآوری مورد ارزیابی قرار می‌گرفتند.
انتخاب برای تصحیح خطای داده‌ها وانتقال تعداد خاصی اتومبیل از یک مجموعه‌ای از نقاط به مجموعه دیگری ساخته شده است.
نوع تبلیغات، تغییر یافته است و اطلاعات و ویژگی‌های جدید به شرکت‌های DSS اضافه م یشود.
توجه : حل مدل، حل مشکل مدل حاضرنمی باشد. راه حلی که برای مدل بازده توصیه می‌شود راه حل مشکل است. راه حلی پیشنهاد م یشود که بتواند با موفقیت به اجرا در آید.
حل مدل تصمیم گیری شامل جستجو در یک دوره کامل از فعالیتها می‌باشد . این روش‌های جستجو شامل تکنیک‌های تحلیلی (حل فرمول)، الگوریتم (حل گام به گام)، اکتشاف (قوانین سرانگشتی)، و جستجوهای بی حاصل (عکسبرداری در تاریکی، ایده آل در راه منطقی)م یباشد که به تفصیل در فصل 4 توضیح داده خواهند شد.
تمام گزینه‌ها باید مورد ارزیابی قرار گیرد. اگر گزینه‌ای دارای اهداف چندگانه باشد، همه آنها باید بررسی شده و با یکدیگر مقایسه شود. می‌توان از تجزیه و تحلیل حساسیت برای تشخیص گزینه قوی استفاده نمود( ایده آل تغییرات اندک یا عدم تغییردر پارامتر است) و ازتحلیل برای یافتن تغییرات در پارامترها استفاده نمود . جستجوی هدف به مدیر کمک م یکند تا مدیر با تعیین ارزش متغیرهای تصمیم به هدف مشخصی نائل شود. تمامی این موارد در فصل 4 پوشش داده شده است.
DSS در فوکوس 15،2
هفت اشتباه فاحش در تصمیم گیری

سایر (1999) "هفت اشتباه وحشتناک تصمیم گیری." را توصیف می‌کند اینها تله‌های شایع تصمیم گیری می‌باشند که اغلب تصمیم گیرندگان از آنها بی اطلاعند . هفت اشتباه فاحش عبارتند از :
1. اعتقاد داشتن به اینکه شما در حال حاضر تمام پاسخ‌ها را در اختیار دارید (عدم تلاش در کسب اطلاعات خارجی)
2. پرسیدن سوال اشتباه است (شمابه اطلاعات صحیح برای تصمیم گیری آگاهانه نیاز دارید) 3. خودخواهی و غرور(تصمیم گیرنده بر تصمیم غلط خود پافشاری می‌کند)
4. همه کار‌ها باید بایک روال مشخص انجام شود

9,2 تصمیم گیری :فاز اجرا
5. بلند پروازی بد است
6. اعتماد به شنید ه‌ها (چشم پوشی از نظرات منفی و نادیده گرفتن اخبار بد)
7. عجله کردن و وانتظار : عدم تصمیم گیری می‌تواند هماند یک تصمیم نامناسب باشد (به تعویق انداختن از تکنیک‌های مدیریت خوب نیست).
البته، تمام این منجر به تصمیمات بد می‌شوندکه تصمیمات بد نیز به هزینه‌های غیر ضروری و بالا برای شرکتها منجر می‌شود (از جمله اخراج کردن).
Source: Based on D.c. Sawyer, Getting It Right: Avoiding the High Cost of Wrong Decisions, Boca Raton, FL: St. Lucie Press, 1999.

در پانصد سال پیش ماچیاولی استاتلی به برخی از نکات زیر اشاره کرد" بجای تاکید بر تردید یا احساس خطر در موفقیت بایدتاکید بر انجام مشکل باشد ". اجرای راه حل پیشنهادی برای مشکل، در حقیقت شامل بکار گیری یک دستور العمل جدیدو یاتغییر اندک می‌باشد. و تغییر باید مدیریت شود.
انتظارات کاربران نیز باید به عنوان بخشی از تغییر، مدیریت شود.تعریف اجرا( پیاده سازی) تا حدی پیچیده است زیرا پیاده سازی یک فرآیند پیچیده و طولانی با مرز‌های ناشناخته است. در واقع اجرا عبارت است از بکار بستن یک روش مناسب برای کار، بدون نیازبه اجرا توسط یک سیستم کامپیوتری . بسیاری از مسائل عمومی اجرا، مانند مقاومت در مقابل تغییر، درجه حمایت از مدیریت ارشد، و آموزش کاربر، از مسائل مهم در برخورد با سیستم‌های پشتیبانی مدیریت، هستند. در کیس اجرایی DSS) MMS در عمل 17,2)، مرحله اجرا تا حدودی فازی است. برخی ازتصمیمات قبل از اجرا به صورت عمومی،توسط افراد تست شده بودند. اساسا برای MMS، اجرا درگیر به روز رسانی سیستم‌های کامپیوتری، باز خوردتست مدل‌ها و سناریوها،و حرکت ماشین از مکانی به مکان دیگر، است.. یک سیستم کامپیوتری به روز رسانی شده ایده آل باید درگیر رویکرد توسعه سیستم رسمی اطلاعاتی باشد، که اجرای واقعی تصمیم گیری ممکن نیست.
جزییات اجرا در فصل شش تشریح شده است. پروسه تصمیم گیری اگر چه توسط مردم انجام می‌گیرد ولیکن باید با پشتیبانی کامپیوتر توسعه یابد.

10,2 چگونه تصمیم گیری پشتیبانی می‌شود

داده‌ها مفید م یباشد.منابع اطلاعاتی باید داخلی یا خارجی باشد.منابع داخلی ممکن است از طریق یک شبکه اینترانت در دسترس باشد.منابع خارجی نیز بسیار زیاد و متنوع هستند. برای دسترسی به لیست وب سایت‌های مر بوط به تجارت و اقتصاد جهانی به‌هانسن رجوع کنید(2002).
فناوری‌های پشتیبانی تصمیم ممکن است در این زمینه خیلی مفید باشند.برای نمونه یک سیستم اطلاعاتی سازمانی می‌تواند با استفاده از فاز هوشمندی،اطلاعات داخلی و خارجی را رصد نماید.(به DSS در فعالیت 18,2 که درمورد صنایع دارویی است رجوع کنید).بطور مشابه داده کاوی اتوماتیک( شامل هوش مصنوعی، CRM، شبکه‌های عصبی)و پردازش آنالیز بر خط(OLAP)از فاز هوشمندی برای تشخیص ارتباط عوامل و عملکرد‌ها، پشتیبانی می‌کنند.این ارتباطات ممکن استدر راستای مزایای رقابتی بهره برداری شود(برای مثال CRM گروهی از مشتریانی را که با محصولات و خدمات خاصی در ارتباط هستند را شناسایی می‌کند،رجوع کنید به Sparacino and O'Reilly سال 2000).یک سیستم مدیریت دانش برای شناسایی موقعیت‌های مشابه در گذشته وروش‌های اداره آنها مورد استفاده قرار گرفته وسیستم پشتیبانی گروهی می‌تواند برای تبادل و به اشتراک گذاری داده‌ها مورد استفاده قرار گیرد. از شبکه‌های عصبی برای تشخیص بهترین اهداف استفاده می‌شود،مانند توضیحات شاوروآرونسون برای بانک‌ها(2003) که در آن وب فراهم کننده ابزار واسط معروف و نقاط دسترسی بحرانی می‌باشد.در اغلب مواقع اطلاعات فازی برای تشخیص مشکلات و فرصتها مورد نیاز م یباشد.

DSS در فعالیت 18،2
آنالیز شرکت‌های دارویی واستفاده از پرتال‌های وب

شرکت دارویی Infinity در ایالت بوستون پیشرفت دارویی را با ارزیابی مواد شیمیایی جدید از طریق شبکه آنالیز زمان واقعی(real time web) سرعت بخشید.محققان نیازمند تولید مدل‌های آماری ازچگونگی واکنش ترکیبات شیمیایی در آزمایشات می‌باشند.در صورت وجود مدل‌های مختلف وجستجوی این مدل‌ها به صورت همزمان،شیوه کار موثر تر خواهد بود.ادغام داده‌های بانک‌های اطلاعاتی شیمیایی با منابع خارجی، از قبیل بانک اطلاعاتی مولفه‌های شیمیایی، امری ضروری است.کارمندان بخش IT شرکت این مشکل را با ساخت یک مدل کاربردی از شبکه آنالیز زمان واقعی وب مرتفع ساختند.واسط‌های XML در هر برنامه‌ای قابل اجرا هستند.این طرح همچنین شامل یک مدل استاندارد فرا داده م یباشد که طرح‌های شرکت دیکشنری داده‌هایش است.یکپارچگی اطلاعات از قبل طراحی شده است.پورتال تحلیل تصمیم‌ها از وب برای برای ایجاد انجمن‌های تصمیم گیری علمی استفاده می‌کند.این انجمن‌ها با استفاده از یک فضای کاری مشترک وبا دسترسی به حجم زیادی از فرمول‌هاو ساختار‌های شیمیایی پیچیده یا اطلاعات ژنتیکی،این داده‌ها را تحلیل کرده و نتایج را به اشتراک می‌گذارند.spotfire.net به طور خودکار ابزار‌های جستجوی دو طرفه برای شناسایی سریع گرایشها،استثنائات و الگو‌هارا فراهم میکند.محققان می‌توانند داده‌هارا به صورت سه بعدی دیده و آنها را بکار گیرند(آزمایشگاه مجازی).این سایت همچنین الگوریتم‌هایی را برای استنتاج و آنالیز داده‌ها برای کاربرانش فراهم می‌کند.این شامل درخت تحلیل تصمیم، آنالیز اجزای اصلی،خوشه بندی K-means‌ها، خوشه بندی سلسله مراتبی و سایر

Online," Research & DevelopmentyoX. 42, No. 9, September 2000, p. 59.

محاسبات آماری م یباشد.میلونها ماده مرکب در مدت کوتاهی تجزیه و تحلیل می‌شوند.
Sources: Adapted from Mark Hall, "Web Analytics: Get Real," ComputerWorld,Vo\. 36, No. 14, April 1،2002،42-43; Julia
Boguslavsky, "Visualize Large Data Sets

پشتیبانی برای فاز طراحی
فاز طراحی شامل ایجاد مدل‌هایی(نمونه) از فعالیت است. این فاز به بحث در مورد معیار‌های انتخاب و اهمیت نسبی آنها می‌پردازد وهمچنین به بحث در باره پیش بینی نتایج حاصل از بکار گیری مدل‌های مختلف در آینده می‌پردازد. بسیاری از این فعالیت‌ها می‌توانند از مدلهای استانداردی که توسط سیستم پشتیبانی تصمیم فراهم شده است،استفاده کنند.(ازقبیل مدل‌های مالی و پیشگویی که به صورت اپلت‌ها در دسترسند) . ایجاد نمونه‌ها برای مشکلات ساختاری می‌تواند از طریق ایجاد مدل خاص یا استاندارد صورت گیرد.با اینحال ایجاد نمونه‌ها برای مشکلات پیچده نیاز به استفاده از انسان‌های خبره یا سیستم‌های خبره دارد.OLAPو نرم افزار‌های داده کاوی در تشخیص روابط مدل‌های مورد استفاده مفید هستند.اغلب DSSقابلیت‌های تجزیه کیفی را دارد و یک ES داخلی می‌تواند هم به روش‌های کیفی و هم به مهارت لازم در انتخاب تجزیه کیفی و مدل‌های پیش بینی کمک نماید.یک سیستم مدیریت علمی باید حتما در تعیین اینکه آیا با چنین مشکلی قبلا هم برخورد شده است و یا آیا کارشناسانی در دسترس هستند که بتوانند پاسخ‌ها و درک سریعی را ارائه دهند،مشورت کرده باشد. سیستم‌های مدیریت رابطه مشتری، سیستم‌های مدیریت بازده و منافع همانطور در جزئیات MMS آمده،برنامه ریزی منابع کاری و نرم افزار سیستم‌های مدیریت زنجیره عرضه محصول، در این زمینه مفید هستند که:آنها نمونه‌هایی از مراحل تجاری را ارائه می‌دهند که می‌تواند فرضیه‌ها و سناریو‌ها را آزمایش نمایند. اگر مشکل نیازمند گرد همایی گروهی برای کمک به تعریف نظریات و گزینه‌های مهم باشد، یک سیستم پشتیبانی گروهی شاید مفید واقع شود. ابزاری که نقشه برداری شناختی را فراهم می‌کنند نیز می‌توانند مفید باشند.همه این ابزار‌ها شاید از طریق وب قابل دسترسی باشند. Cohen, Kellyو(2001 Medaglia ( چندین ابزار را که بر اساس وب مسئولیت آماده سازی و ارائه را بر عهده دارند،توصیف نمودندکه شامل پشتیبانی تصمیم خصوصا در مرحله طراحی، به وسیله ارائه نمونه‌ها و گزارش نتایج متناوب م یباشد .هر کدام از آنها سالیانه میلیون‌ها دلار از طریق بکار گیری این ابزار‌ها بدست آورده اند. DSS بر اساس وب به مهندسین در طراحی محصول کمک کرده و همچنین به تصمیم گیرندگان کمک می‌کند که مشکلات اقتصادی را حل کنند.

پشتیبانی برای فاز انتخاب
علاوه بر ارائه مدل‌هایی که سریعا بهترین راه حل ویا یک راه حل نسبتا خوب را تشخیص می‌دهند،یک سیستم پشتیبانی تصمیم می‌تواند مرحله انتخاب را از طریق تجزیه و تحلیل(آنالیز) مراحل یافتن هدف، حمایت کند.سناریو‌های مختلف می‌توانند برای گزینه‌های انتخابی جهت کمک به تصمیم نهایی،آزمایش شوند.مجددا دانش سیستم مدیریت می‌تواند به تشخیص تجارب مشابه گذشته کمک کند.سیستم
هایCRM,ERP,SCM برای این بکار می‌روند که تاثیر تصمیمات را در مشخص کردن ارزش هدایتی آنها در یک انتخاب هوشمندانه آزمایش کنند.یک سیستم خبره برای ارزیابی شرایط مطلوب راه حلی خاص و پیشنهاد یک راه حل مطلوب بکار می‌رود. اگر گروه تصمیمی بگیرد، یک سیستم تصمیم گیری گروهی می‌تواند گروه را در رسیدن به اجماع کمک کند.

DSS در فوکوس 20،2
تصمیم گیری در عصر دیجیتال

تریگور و کیپنر(ازپرنیستون ایالت نیوجرسی) مدیران و کارگران را در ایالت متحده مورد بررسی قرار دادند تا تعیین کنند که آنها چگونه با نیاز به "تصمیم گیری سریع تر" کنار می‌آیند و شرکت‌ها چگونه بین "نیاز به سرعت" و "نیاز به کیفیت" توازن ایجاد می‌کنند. تصمیم گیرندگان برای حفظ موقعیت(خوب نگاه داشتن) تحت فشار هستند، اما طی فرآیند تصمیم گیری، اغلب کیفیت تصمیم گیری را قربانی می‌کنند.تصمیم گیرندگان عصر دیجیتال آنچه را که قابل دسترسی است،انجام نمی‌دهند.آنها در شرکت دادن افراد مناسب در فرآیند تصمیم گیری شکست می‌خورند.یافته‌های کلیدی عبارتند از:
• بیشتر تصمیمات در کمترین زمان گرفته شده‌اند
 هر دو گروه مدیران و کارگران باید تصمیمات بیشتری را در زمان مشابه و یا حداقل زمان بگیرند.65 درصد از کارگزاران و 77 درصد از مدیران می‌گویند که آنها باید هر روز تصمیمات بیشتری بگیرند. در همان زمان اغلب آنها همچنین موافق هستند که مقدار زمانی که آنها مجبورند این تصمیمات را بگیرند، در موقعیت‌های مشابه کاهش یافته است.
• پاسخگویان فرصت‌ها را از دست می‌دهند
 علیرغم فشار برای تصمیم گیری‌های سریع، نزدیک
به کارگزاران و میدران می‌گویند که فرصت‌ها را از دست می‌دهند. زیرا آنها به اندازه کافی سریع تصمیم نمی‌گیرند اغلب آنها با این نظر موافقند که تصمیم گیری‌ها اغلب به موقع انجام نمی‌گیرد
• خیلی‌ها احساس می‌کنند که رقابت را از دست می‌دهند
 وقتی از آنها خواسته شد که سرعت تصمیم گیری تشکیلات شان را با سرعت رقبا مقایسه نمایند، فقط یک چهارم از کارگران و کمتر از یک سوم مدیران گفتند که سریعتر از رقبا حرکت می‌کنند
• خیلی از موانع در پیش روی سرعت، انسانی هستند
 مدیران و کارگران به طور حتم موافق بودند که نیاز به مصوبات متعدد مانعی مانعی است که بیشتر با آن برخورد شده است. موانع عمومی دیگر بر سر راه: مصلحت اندیشی‌های سازمانی،تغییر اولویت‌ها و وادار کردن مردم به موافقت کردن به آنچه که آنها می‌خواهند تصمیم بگیرند و اجرا شود.
• گستردگی نفوذ فناوری اطلاعات امری بدیهی است







گسترش از ایمیل صورت گرفته است. اغلب آنها همچنین








2002
2001 وقتی به طور خاص پرسیده شد که درکجا IT 
معتقدند که حتی کمیت اطلاعات نیز افزایش یافته است. مهمترین منبع اطلاعاتی برای تصمیم گیری شده است هردو گروه کارگران و مدیران فهرستی به صورت زیر ارائه کرده
فراموشی در تصمیم گیری رایج و شایع است •

سازمان‌ها در زمینه نگهداری از تجارب تصمیم بودجه بندی - سرمایه گذاری مالی،سرویس خدمات
مشتریان،دقیقا از مدیریت محصول روزانه منتج،کیفیت- نیروی تولید، منابع انسانی –پرسنل و مرحله
پیشرفت و بهبود.
منابع اطلاعاتی دائما در حال تغییرند
وقتی سوال شد که آنها از چه جایی اطلاعاتشان را گیرند که بر اساس آن تصمیمات امروز را می‌گیرند(درمقایسه با سه سال قبل)،هر دو گروه کارگران ومدیران یک بزرگ را از منابع حقیقی به منابع مجازی تعریفکردنند. برجسته‌ترین و شاخصترین تغییر در استفاده رو به اند:
گیری خیلی موثر نیستند .از بین آنهایی که گفتند تشکیلاتآنها دارای یک سیستم مناسب در شرایط بحرانی است، 
شده


می
انتقال
77 در صد از کارگران و 82 درصد از مدیران گفتند که آنهانتوانستند منفعت پایگاه داده‌های اطلاعاتی خود را ارزیابیکنند.موسسات بازرگانی که رهبری تصمیمات را برعهدهدارند به راه‌هایی رسیده‌اند که این کمبود‌ها و نقص‌ها را
بر می‌شمارد.
.
Source:
Resource جهت دیدن جزئیات به منابع رجوع شود 
Modified from D.K. Wessel, "Decision
Making in the Digital Age," DM Review Guide, DM Review, December
پشتیبانی برای فاز اجرا :اتخاذ تصمیم
منافع ارائه شده DSS طی مرحله اجرا شاید به همان اندازه مهم و حتی مهم تراز مراحل قبلی باشد.DSS می‌تواند در فعالیت‌های اجرایی، در انتقال تصمیم و توضیح، توجیه و درستی تصمیم، بکار رود.مراحل فاز اجرایDSS، تا اندازه‌ای و ظیفه دارند که جزئیات گزارش‌ها و آنالیز‌ها را روشن نمایند.برای مثال،یک مدیر اجرایی به کارمندان و بخش‌های بیرونی نه تنها مجموعه‌ای از اهداف مالی و نقدینگی که برای دوره نزدیک لازم است را ارائه می‌دهد بلکه محاسبات، نتایج میانگین و آماری که در تعیین مجموعه اعداد و ارقام و اشکال مختلف بکار می‌روندرانیز ارائه می‌دهند. علاوه بر ارتباط دادن اهداف مالی بطور مبهم، CEO(مدیر اجرایی) به نکات دیگری نیز اشاره می‌کند.کارمندان می‌دانند که مدیر اجرایی بر اساس فرضیات پشت اهداف مالی، اندیشیده است ودر مورد اهمیت و قابلیت حصول نتایج جدی است.بانکدار‌ها و کارگردانان نشان می‌دهند که CEO بطور شخصی در آنالیز نقدینگی لازم، شرکت داشته است و به درخواست‌های مالی که توسط قسمت مالی آماده می‌شود آگاه است و نسبت به آنها مسئولیت دارد.هر کدام از این پیام‌ها اجرای تصمیم را به روش‌هایی بهبود می‌بخشد. در آغاز اعضای تیم جهت تصمیم گیری به اطلاعات دسترسی داشتند و همچنین به اطلاعات در باره نتایج تصمیمات نیز دسترسی داشتند.به طور مشابه این مساله در مورد CRM،ERP،EIS،KMS، MMSوSCM هم صادق است که همگی درمسیر اجرای خوب چگونه کار می‌کنند مفید هستند.GSS برا‌ی یک تیم که در ثبت تاثیر اجرایی همکاری نمایند مفید است.برای مثال یک تصمیم شاید باعث شود از شر مشتریان غیرمفید خلاص شویم.یک CRMموثر می‌تواند دسته‌هایی از مشتریان را که از آنها خلاصی می‌یابیم مشخص کند همچنین برخورد‌ها را مشخص نماید و اثبات نماید که به روش فوق کار می‌کند.همه مراحل فرآیند تصمیم گیری، می‌تواند به وسیله بهبود ارتباطات توسط همکار‌ی محاسبات KMS و GSS،پشتیبانی شود.سیستم‌های محاسباتی و کامپیوتری به وسیله راهنمایی مردم و توجیه و تصدیق پیشنهادات و نظرات آنها می‌توانند ارتباطات را ساده نمایند.. پشتیبانی کمکی همچنین می‌تواند سریعا برای آنالیز سناریو‌های ممکن مختلف مادامی که یک نشست بر قرار است، آماده شود(حضوری یا مجازی).
اجرای تصمیم همچنین می‌تواند به وسیله سیستم‌های مهارتی پشتیبانی شود. یک ES می‌تواند به عنوان یک سیستم مشاور در لحاظ کردن مشکلات اجرا بکار رود.(مانند مقاومت در برابر تغییرات) نهایتا یک ES میتواند الگویی را ارائه کند که شاید مرحله اجرا و اجرای تصمیم را هموار کند.باز خورد‌ها در طول ارزشیابی بوسیله یک سیستم اطلاعاتی کارا از یک دروازه اطلاعاتی که بر اساس وب می‌باشد، گزارش شده است که نوعا بوسیله سیستم‌های ERPوSCM مشخص می‌گردد.سیستم‌های CRM براساس باز خوردهایی که در اجرا بوجود می‌آید،گزارش می‌دهند و محتویات درونی را به روز رسانی می‌نمایند. سپس این داده‌های ورودی درتشخیص مشکلات جدید و فرصتها بکار می‌روند-بازگشت به فاز هوشمندی-.
تکنولوژی‌های جدید برای پشتیبانی تصمیم گیری
سیستم‌های مبتنی بر وب بر چگونگی پشتیبانی تصمیم گیری تاثیر داشته‌اند . با توسعه تجارت سیار(موبایلی) وسایل شخصی زیادی( رایانه‌های کوجک "PDA"، تلفن‌های شخصی، لپ تاپ‌ها)می توانند به منابع اطلاعاتی دسترسی داشته باشند وکاربران می‌توانند با بروز رسانی اطلاعات به سیستم‌ها پاسخ دهند.این امر هنگامی می‌تواند مفید باشد که یک فروشنده در غیر محل کار خود می‌تواند به CRMخودش دسترسی داشته باشد. دسترسی دائم به داده‌ها،لیست حقوقی و دیگر موارد به آنها در کارشان کمک می‌کند.تجهیزات بی سیم که ارائه دهنده تجارت موبایلی هستند در این امر نقش بسیار مهمی ایفا می‌نمایند.
وب، وسیله‌ای را برای انتشار دانش و اطلاعات درمورد تصمیم گیری و سیستم پشتیبانی ارائه می‌نماید.منابع بسیاری برای پشتیبانی تصمیم گیری و فرضیه تصمیم گیری در جدول 3,2لیست شده است.





اتخاذ تصمیم



خود ارزیابی شود.اعضای تیم در تعیین می‌کنند که کدام شکل بیشترین کیفیت و آسان‌ترین روش تولید را افزار مدل‌ها را پشتیبانی می‌کند.
Source: Adapted from
"Validating Design Decisions On-Line,"
Computer-Aided Engineering,, Vol.
4, April, DSS در فوکوس 20،2 DSSمبتنی بر وب
موسسات مهندسی باید مشکلات و خدمات را نه بعنوان تصمیم گیریحل کنند.گروه Ga 3 روش G.webتکنولوژی اینترنتی است را توسعه رو ش فرآیند طراحی محصول راسرعت
G.web 3 بر روی XML، Java و گسترش یافت. این موضوع به
اجازه می‌دهدکه با استفاده از مروربه طراحی پارامتریک و داده‌های
استفاده در تغییر طراحی، دست یابنداز تیم طراحی محصول بازخورد پارامتریک و عملکرد یک طرح همرانمایش می‌دهد. صد‌ها طرح همزمان

دستیار مهندسان در
طراحی محصول زمان واقعی کسب وکار مجموع
3 که یک تاثیر،بالاترینداده است. این دارد.نرم
Anonymous, .می بخشد
20, No. Microsoft.net
مهندسین پروژه .24, p. 2000 گر‌های وب
مهندسی مورد . هر عضوی تغییرات مهندسی با تغیرات،را
میتواند در

11,2 انواع شخصیت،نوع و جنسیت، درک انسانی و انواع تصمیمانواع شخصیت(فطرت انسانی)
بسیاری از مطالعات نشان دهنده وجود رابطه قوی بین شخصت و تصمیم گیری می‌باشد.نوع شخصیت بر روی جهت گیری به سمت اهداف، انتخاب راه کار‌ها و واکنش نشان دادن در زمان خطر، تاثیر می‌گذارد.شخصیت بر قدرت تصمیم گیرنده و تصمیمات و نمونه‌های ارتباطی یک تصمیم گیرنده خاص تاثیر می‌گذارد(برای مثال به Harrison سال 1999 نگاه شود ).
مردم مثل هم نیستند در سال 1920 کارل جانگ توضیح داد که چگونه مردم به طور بنیادی متفاوت هستند، اگرچه آنها غریزه مشابهی دارند که بطور درونی آنها را کنترل می‌کند. انواع شخصیت در یونان باستان توسط‌هایپوکاراتس توصیف شدندو بطور حتم مدتی قبل از آن هم شناخته شده بودند. در سال 1950 بریگس و مایر تحقیق جانگ را کامل کردند. شخصیت و انواع خلق و خو در توجه 22,2 بطور خلاصه توصیف شده است.
یک آزمایش و تست طولانی و دارای جزئیات متعلق مایر و بریگس وجود دارد. این تست باید توسط یک مشاور حرفه‌ای گرفته شود. کرسی و باتس در سال 1984 یک پرسشنامه کوتاه تر را منتشر کردند که شخصیت یک فرد را تعیین می‌کند و عکس العمل‌های فرد و چگونگی واکنش در برابر وقایع را توصیف می‌کند.
بریکمن در سال 1195 یک تقسیم بندی شخصیتی بنام "رنگهای حقیقی"را ارائه نمود.(اطلاع داشته باشید که در کتب مختلف و اینترنت جندین نوع مختلف از رنگها وجود دارد)تقسیم بندی شخصیتی از ساختار اساسی جانگ یان پیروی میکند. اما ثبت نوع شخصیت یک فرد مستلزم پاسخگویی به 16 سوال ساده صحیح و غلط م یباشد.یک مولف این تقسیم بندی شخصیتی را در سال 1998 در کلاس‌های خود بر روی 1000 دانش آموزبکار برده است.بعضی از دانش آموزان ادعا کرده‌اند که این تقسم بندی، با احساس واقعی آنها از شخصیتشان همخوانی ندارد.انواع رنگها می‌تواند سریعا ثبت شده و در ساختار تیم‌های کلاس‌ها و مهمتر از آن در محیط این تصمیم گیری بکار رود.تقسم بندی رنگها در توجه 23,2 به طور خلاصه آمده است. خلق و خو و سرشت به توصیف اینکه چگونه فرد با مشکلات تصمیم گیری مواجه می‌شود،کمک می‌کند.زیرایک فعالیت خاص ممکن است توسط یک فرد خاص بهتر اداره می‌شود(هرفردی فعالیت‌های مشخصی را بهتر انجام می‌دهد).خلق و خو سرشت همچنین به توصیف چگونگی ارتباط بین افراد و ارتباطات کاری کمک می‌کند.
این اطلاعات می‌تواند در تعیین بهترین راه برای تاثیر متقابل با دیگر موارد قابل توجه شما،مفید باشد.مهمترین ایده در شناخت شخصیت و انواع خلق و خو اینست که هیچ نوع درست یا غلط،خوب یا بد وجود ندارد.مردم انواع مختلف شخصیتی را دارند.مردم در مواجه با مشکلات، عمل و عکس العمل متفاوت از خود بروز می‌دهند.(به عنوان نمونه در شرایط عصبی یا در حالت معمولی)مردم دیدگاهها و نیاز‌های انگیزشی مختلفی دارند،بطورمتفاوتی فکر می‌کنند و در مرحله تصمیم گیری بطور ارادی تصمیمات مشخصی را اتخاذ می‌نمایند. بسته به نوع شخصیت روش‌هایی از یادگیری و توضیح را مقدم کرده اند(مهم در مشاغل دانشگاهی).مرم با انواع متفاوت راهکار‌های بهینه در ارتباط هستند و بسته به نوع شخصیت شان روش‌های متفاوتی را در تیم‌ها و رهبری و حل مشکلات بکار می‌برند.
از آنجاییکه هرنوع شخصیتی،به طورمتفاوتی می‌تواند به بهترین روش برسد،باید در توسعه قالب‌های اشتراکی روش مناسب برای هر گروه را بکار ببریم.در نهایت داشتن یک تیم متوازن از انواع مختلف شخصیت‌ها برای انجام بهترین کار، مهم است.بعضی از شخصیت‌ها متفکرین خوبی هستند، بعضی دیگر انجام دهندگان بهتری هستند.هر نوعی می‌تواند فعالانه در کار تیمی شرکت نماید.نوع شخصیت به طور واضح در مدل تصمیم ونوع درک و فهم افراد تاثیر دارد.(به DSS در قسمت 24,2 سال 1988 نگاه کنید)برای آگاهی بیشتر از تقسیم بندی رنگ‌های حقیقی به Birkman سال 1995 نگاه کنید.
جنسیت
آزمایشات روانشناسی تجربی در پارهای از اوقات نشان می‌دهد که تفاوت‌ها و شبا هت‌های جنسیتی ناچیزی در تصمیم گیری وجود دارد. از جمله این موارد می‌توان به جسارت،توانایی، ریسک پذیری و نمونه‌های ارتباطی اشاره نمود. پاول وجانسون در سال 1995 مشاهده نمودند که سیستم‌های پشتیبانی تصمیم بر اساس فرضیه عدم تفاوت جنسی طراحی می‌شوند، اما افراد هر جنس شاید به روش‌های مختلفی تصمیم بگیرندومدل‌های اطلاعاتی آنهااولویت متفاوت داشته باشد.مرور گسترده دوره اخیر بیانگر این نکته است که تفاوت‌های جنسیتی با توانایی‌ها، انگیزه‌ها،ریسک پذیری،اعتماد، اطمینان ونوع تصمیم گیری رابطه دارد.ریسک پذیری مردان بیشتر از زنان است. اصولا در مواردی که تفاوت جنسیتی وجود دارد از لحاظ آماری تفاوت تصمیم گیری خیلی کوچک است.این نتایج کامل نیستند و عاقلانه نیست که مشخص کنیم آیا زنان بهتر از مردان تصمیم می‌گیرند یا برعکس.
فرضیه شناخت
شناخت و فهم یک سری از فعالیت‌هایی است که بوسیله آن شخص تفاوت‌های بین دید درونی از محیط باآنچه واقعا در محیط وجود دارد را کشف می‌کند.بعبارت دیگر شناخت عبارت از توانایی درک و فهم اطلاعات است.مدل‌های شناختی در توصیف و فهم مراحل درک انسان شرکت می‌کنند. با استفاده از مدل‌های شناختی می‌توان به توضیح اینکه چگونه مردم در نقطه نظرات پیشین خود تجدید نظر می‌کنند، پرداخت.
الکینس در سال 200 به بحث در مورد اینکه چگونه با مشاهده و یادگیری بهتر می‌توان مشکلات را دسته بندی کرده و بهتر تصمیم گیری نمود، پرداخت.












جدول 3,2-پایگا ه‌های اینترنتی شامل نمونه‌های تصمیم گیری

DSS در فوکوس 22،2
تیپ‌های شخصیتی مایر- بریجس

انواع خلق و خوی گفته شده توسط مایر –بریجس توسط چهار بعد مشخص شده اند.
برونگرایی(E) به درونگرایی(I) احساس (S) به سمت درک مستقیم(N)فکر کردن(T) به سمت احساس کردن(F)درک و فهم (P) به سمت قضاوت (J)
16 نوع اصلی از ترکیب حالات بالا و 32 نوعفر از مخلوط کردن حالات بالا وجود دارد.انواع مختلف این حالات در طول زمان تغییر می‌کند، که این بستگی به حالت و موقعیت فرد دارد.بعضی از جملات ساده توصیف کننده افراد در هر نوع شخصیتی عبارتند از:
برونگرایی: اجتماعی درونگرایی:درونیاحساس:اهل عملدرک مستقیم:بدعت و نو آوریفکر کردن: بی شخصیتاحساس کردن:شخصیدرک و فهم:باز



قضاوت :بسته
اگر بخواهیم یک مجموعه از افراد را مورد آزمایش قرار دهیم،انواعی که حاصل میشود بصورت زیر است:
برونگرایی(75 درصد) به درونگرایی(25 درصد) حس(75 درصد) به درک مستقیم(25 درصد)فکر کردن(50 درصد) به احساس کردن(50 درصد)
فهمیدن(50 درصد)به قضاوت(50 ) درصد
طبق تحقیق جانگ، لازم نیست یک نفر حتما جزو یکی از موارد بالا باشد، اما می‌تواند مشخصه هر دو را نشان دهد.ذکر این نکته ضروری است که:
یک فرد درونگرا ممکن است رفتاربرونگرایانه داشته باشدو برعکس.
Source: Based partly on Berens (2000),
Berens et al. (2002), Myers (1998), Keirsey
(1998), Keirsey and Bates (1984),
Montgomery (2002).
رنگ‌های حقیقی خلق و خو عبارتند از قرمز،سبز،زرد و آبی.رنگ‌ها معنی رسمی ندارند،اما می‌توان آنها را برای تیپ‌های مختلف بکار برد.رنگها طبق جدول زیر قرار می‌گیرند.
سبز قرمزآبی زرد
بعضی از ویژگی‌ها بین ستون‌ها به سمت بالا و پایین مشترک هستند(قرمزوزرد-سبز و آبی)، همانگونه دیگران در طول ردیف‌ها مشترک هستند(قرمز و سبز،زرد و آبی).رنگ‌های مقابل و مورب دارای اشتراک کمی در چیدمان خود هستند.اشخاص با رنگ سبز دوست دارند که با مردم ارتباط داشته باشند و با آنها کار کنند.آنها دوست دارند در گروه کار کنندو از افراد تجربه کسب کنند.متخصصین بازاریابی مستعد سبز شدن هستند. شخصیت‌های با رنگ قرمز دوست دارند مستقیما ارتباط داشته باشند اما بر روی خواسته‌های مدل شناختی
DSS در فوکوس 23,2
رنگ‌های حقیقی تیپ‌های شخصیتی
کوچک و نزدیک تمرکز می‌کنند، همانگونه که شخصیت‌های زرد انجام می‌دهند. شخصیت‌های قرمز داوطلب رهبر گروه شدن هستند، و کاررا با دقت کامل انجام می‌دهند.شخصیت‌های با رنگ زرد راحت تر ارتباط بر قرار می‌کنند و به جزئیات کار توجه دارند(اید‌های بزرگی در سر دارند).اشخاص با رنگ آبی ارتباط مستقیم را ترجیح می‌دهند و خلاق و بدعت گذار هستند، اما به آسانی بر آشفته و منصرف می‌شوند.اشخاص آبی تحقیقات بزرگی را آغاز می‌کنند، اماپروژه آنها به اتمام نمی‌رسد.اگر تیمی شامل اعضا با رنگ‌های مختلف باشد، این تیم بسیار خلاق و مولد است.یک معلم همیشه رنگ‌های حقیقی را در مورد شاگردان خود به کار می‌برد و از نتایج حاصله برای ایجاد تیم‌های کلاسی استفاده می‌کند.
Source: Based partly on Birkman (1995).

مدل شناختی یک مرحله و فرآیند ذهنی است که در آن مردم درک می‌کنند، سازماندهی می‌کنند و اطلاعات را طی فرآیند تصمیم گیری تغییر می‌دهند.مدل شناختی(مدل مدیریتی) مهم است زیرا در خیلی ازموارد درک شخص را به عنوان واسط بین انسان و ماشین تعیین می‌کند. بعنوان مثال: داده‌ها باید ساده باشند یا مجموعه‌ای ؟ داده‌ها باید جدول بندی و فهرست شده باشند یا بصورت شکل ارائه شده باشند؟ داده‌ها باید شنیداری،دیداری یا عملیاتی ارائه شوند؟(تحقیق مارکوا در سال 1996 و ولینگتن در 2001).
هیچ مدلی بعنوان بهترین مدل وجود ندارد. هر یک از مدل‌ها توانایی‌ها و ضعف‌های خاص خود شان را دارند. یک مدیر خوب می‌تواند بیشتر از یک مدل را بکار گیرد. یک خصوصیت مثبت قابلیت انعطاف است زیرا مدل ترجیحی شما شاید به خوبی با نیاز‌های افراد دیگر همخوانی نداشته باشد(ولینگتن 2001).اما ترکیب مدل‌های مکمل دیگر می‌تواند موثرتر باشد.علاوه برموارد ذکر شده، مدل‌های شناختی، بر روی اولویت بندی برای آنالیز کیفی در مفابل آنالیز کمی، نیز تاثیر می‌گذارند.هچنین بر روی کمک به فرآیند تصمیم گیری نیز موثر هستند.در این روش، مدل شناختی برای فهم بهتر بر روی روشی که یک حالت از تصمیم گیری را به طور اختصاصی تشکیل می‌دهد تاثیر دارد. این مفهوم را بصورت ساده تر می‌توان اینگونه بیان کرد:بنا نهادن یک چار چوب که زمینه‌ای را آماده می‌کند تا اطلاعات داخل آن استفاده شودو چار چو ب‌های مختلف که در آنها تمرکز بر روی انواع مختلف اطلاعات گذاشته می‌شود(Beach در سال 1997 و همچنین Shoemaker و Russo در سال 2001). بعبارت دیگر یک چار چوب (قالب) عبارتست از تفسیر و بیان تصمیم گیرنده از موقعیت. یک چار چوب، یک مدل ذهنی را برای تصمیم گیرنده آماده می‌سازد. وقتی یک گروه در تصمیم گیری شرکت داده می‌شوند، بهتر است چار چوب‌های مشترکی داشته باشند. اگر چارچوب‌ها مشترک نباشند گروه در کسب توافق عمومی دچار مشکل خواهد شد.آیا تفاوت‌های فرهنگی وجود دارد که با کشور تغییر کرده و بر روی مدل‌های مدیریتی اثر بگذارند؟(به توجه 25,2 نگاه شود).تحقیق بر روی مدل‌های شناختی بطور مستقیم با طراحی سیستم‌های مدیریت اطلاعات در ارتباط است.MIS(سیستم مدیریتی اطلاعات) و TPS(سیستم پردازش تراکنش) مایلند تا طراحی توسط افرادی صورت گیرد که فرآیند تصمیم گیری را بطور سیستماتیک درک کرده باشند.مدیران سیستماتیک عموما خواستار استفاده از چنین سیستم‌هایی هستند.آنها نوعا به دنبال تکنیک‌های استاندارد هستند و به طراح سیستم بعنوان یک کارشناس متخصص به همراه مجموعه‌ای از روش‌ها نگاه می‌کنند.هرچند که چنین سیستم‌هایی با مدل طبیعی یک تصمیم گیرنده اکتشافی مطابقت نمی‌کند. برای چنین مورد خاص، یک سیستم باید اجازه جستجوی یک دامنه وسیع از راه کار‌ها را بدهد و همچنین اجازه تغییر در اولویت‌ها یا مراحل فرآیند را بدهد.به کاربر اجازه دهد تا به آسانی بین سطوح مختلف جزئیات حرکت کند، و به بعضی از کاربران اجازه بدهد که بر روی شکل اطلاعات خروجی کنترل داشته باشند(دیداری، بیانی،شکلی و غیره)این دقیقا همان چیزی است که یک سیستم پشتیبانی تصمیم گیری باید انجام دهد(جدول 4,2)

انسان تحلیلگر انسان کاشف بعد حل مشکل
برنامه‌ای که از حل مشکل منتج شده را بکار می‌گیرد- یاد می‌گیردبه جای عمل کردن بیشتر به وسیله آنالیز موقعیت‌ها کار کند.
تاکید کمتری روی باز خورد‌ها می‌نماید یاد می‌گیرد بیشتر عمل کند بجای حالات مختلف را آنالیز کند.
تاکید بیشتری بر باز خورد‌ها می‌نماید. دسترسی به یادگیری
از آنالیز منطقی می‌کند از آزمون و خطا استفاده می‌کند و عملکرد غیر ارادی دارد تحقیق
اغلب بطور کیفی،مدل‌ها و موقعیت‌های صریح و روشن را گسترش می‌دهد حس عمومی را کار می‌برد، درک مستقیم و احساس را استفاده می‌کند دسترسی به آنالیز‌ها
مشکل به یک سری از موارد ایجاد شده مشخص کاهش می‌دهد به مجموع موقعیت‌ها بیشتر بعنوان یک مورد اصلی نگاه می‌کند،بجای اینکه بعنوان یک مورد ایجاد شده نگاه کند حوزه تجزیه و تحلیل
مکان یابی شباهت‌ها و وجوه مشترک بوسیله مقایسه موضوعات را انجام می‌دهد به جستجوی تفاوت‌های موقعیتی قابل دیدن که با زمان تغییر می‌کند می‌پردازد پایه نتیجه گیری

اگرچه مدل شناختی یک مفهوم مفید است،ولیکن در ادبیات MIS بیش از حد روی آن تاکید شده است وبسیار مشکل است که که مدل شناختی را برای سیستم‌های اطلاعاتی و تصمیم گیری بکار ببریم.بدلیل تغییرات دائم مدل شناختی این مدل کمتر استفاده می‌شود. بسیاری از مردم نه کاشفند و نه کاملا تحلیلگر بلکه اکثرا بین این دو قرار دارند. مسائلی که به مدل شناختی مربوط هستند عبارتند از مفهوم شخصیت ونوع و مدل تصمیم .
تحقیق بر روی مدل‌های مدیریتی و شناختی بر پایه حقیقتی مشخص استوار است.عموما وقتی یک سیستم پشتیبانی تصمیم(یا هر سیستم اطلاعاتی دیگر)با یک مدل شناختی هماهنگ شود، DSS موثرتر واقع می‌گردد. علاوه بر آن وقتی DSS بایک متد حل مسائل مدیریتی(یک مدل شناختی که توصیف کننده مراحل حل مشکلات مدیریتی شامل استدلال،مقایسه کردن،ایجاد کردن و متناسب کردن می‌باشد) همراه می‌شود،DSS موفق تر است. به وضوح در طی انجام کار روش لازم بدست می‌آید.اگر DSSبر پایه وب بکار رود و از آن برای حل مسائل مشتریان تجارت الکترونیکی،آنگاه یک بحران بوجود می‌آید(به DSS در فعالیت 4,2 نگاه شود)در نظریه روش حل مشکل Hoeing در سال 2001 شش مهارت ضروری برای حل مشکل را توصیف می‌کند.تمامی این موارد به شخصیت حلال مشکل بستگی دارد(به توجه 26,2 نگاه شود).
DSS در فوکوس 25,2
مدل‌های مدیریتی در دنیا
در کشور‌های مختلف، تفاوت‌های فرهنگی ذاتی مدیران بازار در مطالعه ملل، مشخص می‌در روش تصمیم گیری وجود دارد.در واقع کشور‌ها کنند.(اسپانیا،هلند،دانمارک،فنلاند و فرانسه).بعنوان دارای سبک مدیرتی هستند.albaum و مثال مدیران فرانسوی مدل خاصی را اجرا می‌کردند Herch(1999) ابعاد مختلف مدل مدیریتی را که شامل توجه بیشتر بر روی اطلاعات کیفی،گوش آزمایش کردند که شامل استقلال محتاطانه،برنامه دادن به بازار داشتندو اولویت پایین تری را بر روی ریزی کیفی،گوش دادن به بازار،سرمایه گذاری اجرای اختصاصی و انفرادی داشتند.
انفرادی و اجرای انفرادی است4. بعد از این 5 بعد Source: Adapted from Albaum and Herche شاخص‌های منحصر به فردی را از مدل مدیریت .(1999)
مدل تصمیم
مدل تصمیم سبکی است که در آن تصمیم گیرنده‌ها فکر می‌کنند و به مشکلات واکنش نشان می‌دهند. این مدل شامل روش ارداک افراد،عکس العمل شناختی افراد و میزان اعتقاد آنها به تغییر است . به عنوان نتیجه،افراد بطور متفاوتی تصمیم می‌گیرند .اگر چه یک پروسه عمومی در فرآیند تصمیم گیری و جود دارد اما افراد همه مراحل و قدم‌هارا بکار نمی‌برند.به علاوه تاکید،تقسیم زمان و اولویت‌های داده شده به هر گام بطور مشخصی نه تنها از یک شخص به شخص دیگر بلکه از یک حالت به حالت دیگر،تغییر می‌یابد.روش تصمیم گیری مدیران(و عکس العمل متقابل در برابر افراد دیگر) مدل تصمیم آنها را توصیف می‌کند، زیرا مدل‌های تصمیم به فاکتور‌هایی که قبلا گفته شد بستگی دارد. مدل‌های تصمیم زیاد و مختلفی وجود دارد. اغلب تست شخصیت ذاتی برای تعیین مدل‌های تصمیم بکار می‌رود.اگرچه لئونارد در سال 1999 کشف کرد که آزمایشات مختلف فقط برخی از جنبه‌های مختلف شخصیتی را می‌سنجد و لذا نمی‌توانند یکسان فرض شوند.
علاوه بر مدل‌های شخصیتی وتحلیلی که قبلا ذکر شد، یک فرد می‌تواند مدل‌های مردمی را در مقابل مدل‌های خود رای تشخیص دهد.مدل دیگر مدل مشاوره‌ای است(با افراد یا گرو ه‌های خاص).البته انواع مختلفی از مدل‌ها و ترکیبات مختلفی از آن وجود دارد.برای مثال یک نفر می‌تواند هم تحلیل گر هم خود رای و هم مشاوره‌ای باشد.
برای اینکه یک سیستم کامپیوتری بطور موفقیت آمیزی یک مدیر را پشتیبانی کند باید موقعیت تصمیم و مدل تصمیم را با هم تطبیق دهد.بنابراین سیستم باید قابل انعطاف باشد و با کاربران مختلف سازگار باشد .توانایی پرسش چه چیز –اگر و سوالاتی برای رسیدن به هدف، انعطاف پذیری را مهیا می‌کند.یک واسط مبتنی بر وب با استفاده از گرافیک و اشکال به فهم مدل‌های تصمیم کمک می‌کند.اگر یک سیستم پشتیبان مدیریتی از مدل‌های مختلف،مهارت‌ها و دانش پشتیبانی کند، این سیستم نباید یک فرآیند خاص را تحمیل نماید.ترجیحا، باید به تصمیم گیرندگان کمک کند که مدل‌ها،مهارت‌ها و دانش خودشان را بکار ببرند و توسعه دهند.
مدل‌های مختلف تصمیم، نیازمند مدل‌های مختلف پشتیبانی است.یک فاکتور اصلی که نوع پشتیبانی مورد نیازرا تعیین می‌کند این است که آیا تصمیم گیرنده یک فرد بخصوص است یا یک گروه است.تصمیم گیرنده‌های انفرادی نیاز به دسترسی به داده‌های اطلاعاتی دارند،همچنین به کارشناسانی که بتوانند مشورت و یا آگاهی را ارائه نمایند، نیز نیازمندند. در حالیکه گروه‌ها علاوه بر ابزار بالا به ابزار‌های همکاری و مساعدت نیز نیازمندند.MSS(سیستم پشتیبانی مدیریت) می‌تواند به هر دو دسته خدمات ارائه نماید.اطلاعات بسیار زیادی در مورد مدل شناختی ومدل تصمیم در شبکه اینترنت وجود دارد.( مثلا نگاه کنید به Birkman
; and the Keirsey Temperament Sorter and Keirsey birkman.comInternational Inc. at keirsey.comTemperament Theory Web site at ). بسیاری از آزمایشات شخصیتی و ذاتی موجود به مدیران در تشخیص مدل‌های خودشان و کارمندانشان کمک می‌کنند.تشخیص یک مدل انفرادی و شخصی می‌تواند به ثبت نمونه‌های ارتباطی موثرتر و تقاضا‌های ایده ال، کمک کند.

DSS در فوکوس 26,2آیا شخصیت‌های حلال مشکل وجود دارند.

Hoeing شش مهارت ضروری برای حل هر مشکل را بیان می‌کند. بیشترین چیزی که شما می‌توانید در آن ماهرانه عمل کنید و بهترین نتیجه ممکن را بگیرید .شش مهارت ضروری عبارتند از:
ایجاد تفکر، حصول دانش، ساختن روابط، مدیریت مشکلات،ایجاد راه حل و تحویل نتایج قوی ترین، بزرگترین و تقاضاهای بیشتر تبدیل به یک مشکل یا فرصت می‌شوندو سریعترین و رقابتی‌ترین مورد در محیط شما،مهمترین چیز می‌شوند.هریک از 6 مهارت ضروری ارائه کننده مجموعه‌ای از رفتارها، مهارت‌ها و دانش شخصیت حلال مشکل می‌باشد.هر شخصیت توانایی‌های خودش در نوعی از تخصص‌ها و ویژگی‌ها، را نشان می‌دهد.
6 مورد شخصیتی راه مناسبی برای ارزیابی خود ودیگران برای مشخص کردن نقاط قوت و ضعف خود و اینکه چگونه توانایی حل مشکل کامل را داریم، در محل کار است. حل کنندگان بزرگ مشکلات توانایی‌ها و ضعف‌های انواع مختلف شخصیت‌هارا می‌شناسند.آنها تیم‌هایی برای جبران نقاط ضعف تشکیل می‌دهند. شخصیت‌های حل کننده مشکل( و مهارت‌ها) عبارتند از:

مولد فکر(بدعت گذار): بر روی حرکت از تردیدبه دهد. این امر را بوسیله طراحی، ساختن و ارائه راه خود به سمت بدعت گذاری به وسیله گسترش حل‌های مناسب انجام می‌دهد.
افکار قوی و یافتن را حل، تمرکز می‌کند. مجری (نتایج حاصله) : بر روی حرکت از قدرت کاشف(حصول دانش): بر روی حرکت از بدعت به سمت مزیت قابل تحمل تمرکز می‌کند.این امر گذاری به سمت اطلاع و آگاهی بوسیله پرسش بوسیله درک مستقیم و اجرای قانونمند و منضبط سوالات صحیح و گرفتن اطلاعات خوب و به حاصل می‌شود.
موقع، تمرکز می‌کند. تفاوت بین بهترین و بدترین حلال مشکل در این ارتباط دهنده (ساختن رابط): هدف او چگونگی موضوع است که هر شخص چند مورد از مواردبالا حرکت از اطلاع و آگاهی به سمت ارتباط را بکار می‌برند و چگونه مهارتها بطور عمیق درک می‌باشد.این هدف را به وسیله پرورش روابط کیفی می‌شود؟ حلال باید 6 ضرورت را بفمد، آنها را و تاثیرات متقابل و همچنین ایجاد یک حلقه وسیع تمرین کرده و استادانه بکار گیرد و سپس به سمت از روابط بر اساس، خدمت، وظیفه شناسی، محدودیت‌های درونی یک نفر حرکت کند.یک وفاداری،هویت و شخصیت، حصول می‌کند. مورد جالب درباره این مهارت‌ها و شخصیت‌ها بازیگردان(مدیریت مشکلات): بر روی حرکت از ملاحظه این مساله است که این موارد چگونه با ساختن روابط به سمت اینکه ارتباطات، یک حس چهار مرحله تصمیم گیری سایمون ارتباط دارند؟جهت دار و اولویت واضحی را بوسیله انتخاب Source: Abstracted from C. Hoenig, "Means
to an End," CIO, November 1،2000, p. 204.
Also see C. Hoenig. From the Problem .مقاصد و استراتژی ارائه دهند، تمرکز می‌کند
خلق کننده(ایجاد را حل): چگونگی حرکت از Solving Journey. Perseus Publishing, رهبری و راهنما بودن به سمت قدرت را نشان می‌.2000Cambridge, MA,
12,2 تصمیم گیرندگان
تصمیمات اغلب بوسیله اشخاص خاص بویژه در سطوح پایین مدیریتی و در موسسات کوچک گرفته می‌شود. در این موسسات شاید دلایل حتی متضادی برای یک تصمیم گیرنده تنها وجود داشته باشد. بعنوان مثال در یک تصمیم سرمایه گذاری، شخص سرمایه گذار شاید نرخ بازگشت سرمایه،قابلیت تبدیل به پول و امنیت را به عنوان هدف و منظور در نظر بگیرد. نهایتا تصمیمات شاید کاملا خود کار و غیر ارادی باشند.بحث ما در مورد تصمیم گیری بر روی یک تصمیم گیرنده خاص و انفرادی متمرکز است. اغلب تصمیمات بزرگ در سازمان‌های بزرگ و متوسط توسط گرو‌ها گرفته می‌شود.بطور آشکارا،اغلب اهداف متضادی در تصمیم گیری‌های گروهی وجود دارد، گروهها می‌توانند دارای تعداد افراد مختلفی باشند.همکاری‌های انفرادی شاید مدل‌های شناختی مختلف، انواع شخصیت‌ها و مدل‌های تصمیم مختلف را داشته باشد. اما در مقابل بعضی از تصادم‌ها هم زیادتر می‌شوند.اجماع و گروهی بودن می‌تواند یک مشکل سیاست گذاری باشد.(به DSS در فعالیت 27,2 رجوع شود).بنابر این فرآیند تصمیم گیری بوسیله یک گروه می‌تواند خیلی پیچیده باشد.پشتیبانی کامپیوتر می‌تواند حتی در سطح گسترده تری ارائه گردد از جمله قابل دسترس بودن اعضا از بخش‌ها و قسمت‌های مختلف وحتی سازمان‌های کل برای همکاری به صورت On line ( روی خط اینترنت )، از جمله امکانات حمایتی که در چند سال اخیر ظاهر شده است می‌توان به سیستم‌های اطلاعات، سیستم‌های پشتیبانی گروهی(GSS)، مدیریت منابع(ERM)، برنامه ریزی منابع(ERP)، مدیریت زنجیره‌ی عرصه(SCM)، سیستم‌های مدیریت دانش(KMS)، سیستم‌های

مدیریت روابط مشتری(CRM)، اشاره نمود .

 نکات برجسته فصل
• تصمیم گیری مدیریتی هم معنی و مترادف با فرآیند کامل مدیریت است .
• حل مشکل ارزیابی فرصتها هم هست .
• یک سیستم مجموعه‌ای است از موارد مانند افراد
، منابع، مفاهیم و روش‌ها است که قصد دارند یک عمل تعریف شده را اجرا نمایند یا یک هدف یا منظور را برآورده کنند .
• سیستم‌ها ترکیبی هستند از ورودی‌ها، خروجی‌ها، فرآیند‌ها و تصمیمگیرند هها .
• همه‌ی سیستم‌ها به وسیله‌ی یک مرز که اغلب توسط طراح سیستم وضع شده است از محیطشان جدا م یشوند . سیستم‌ها می‌توانند باز شوند، با محیطشان عملکرد متقابل داشته باشند و یا بسته شوند .
•DSS اصولا با سیستم‌های باز وارد بحث م یشود
.
• یک مدل،نمایشی ساده و مختصر یا مجرد از واقعیت است .
• مدل‌ها به طور گسترده‌ای در MSS به کار م یروند . آن‌ها می‌توانند به صورت تجسمی، قیاسی یا ریاضی باشند .
• تصمیم گیری چهار مرحله‌ی اصلی را به کار می‌گیرد : هوشمندی، طراحی، انتخاب و اجرا .
• در مرحله‌ی هوشمندی مشکل ( فرصت ) مشخص،دسته بندی وتجزیه می‌شود . مالکیت مشکل هم ثبت می‌گردد .
• در مرحله‌ی طراحی یک مدل از سیستم ساخته م یشود، معیاری برای انتخاب کردن مورد توافق قرار می‌گیرد، راه کارها تولید می‌شوند، نتایج پیش بینی می‌گردند و یک متدلوژی تصمیم ایجاد م یشود .
• بین مدل و هزینه، یک تعامل وجود دارد .
• در تصمیم گیری، منطق یک فرض مهم است .
تصمیم گیرندگان منطقی می‌توانند حق تقدم‌ها را ایجاد کنند و پیوسته آن‌ها را به ترتیب اولویت بندی نمایند .
• در مرحله‌ی انتخاب،راه کارها مقایسه می‌شوند و تحقیق در مورد بهترین را ه حل صورت می‌گیرد.
• تکنیک‌های جستجوی متعددی وجود دارد .
• در مرحله اجرا یک فرد باید اهداف متعدد و نظریات تحلیلی و حساس را در نظر بگیرد .
• رضایت حس خوشایندی است که یک راه حل رضایت بخش آن را به وجود می‌آورد .
نتیجه‌ی رضایتمندی، زیر مجموعه‌ای از بهینه سازی است . منطق محدود، رضایتمندی تصمیم گیرندگان را نتیجه م یدهد
• سیستم‌های کامپیوتری به خصوص آن‌ها که مبتنی بر وب هستند می‌توانند همه‌ی مراحل تصمیم گیری را به وسیله‌ی اتوماتیک کردن خیلی از درخواست‌های لازم و یا به وسیله‌ی اجرای هنرمندانه‌ی آگاهی و هوشمندی پشتیبانی کنند .
• انواع شخصیت‌ها شاید بر روی قابلیت‌ها و مدل‌های تصمیم گیری تاثیر بگذارند .
• انسان مدل‌هایی را استخراج م یکند که شایدبر عملکرد متقابل انسان – ماشین تاثیر بگذارد .
• مدل‌های تصمیم انسان لازم است که در طراحی MSS ( سیستم پشتیبانی مدیریت ) تشخیص داده شود .
• نتایج قطعی وجود دارد در مورد این که چگونه تفاوت‌های جنسیتی و استفاده ازکامپیوتر در تصمیم گیری تاثیر دارد.
• تصمیم گیری انفرادی و گروهی هر دو می‌توانند به وسیله‌ی MSS پشتیبانی شوند .

 کلمات کلیدی :
• الگوریتم
• مدل آنالوگ
• تکنیک‌های تحلیلی
• مرحله‌ی انتخاب
• مدل شناختی
• تصمیم گیری
• مدل تصمیم
• تغییر پذیری تصمیم
• مدل‌های توصیفی
• مرحله‌ی طراحی
• راندمان
• مدل شماتیک
• مرحله‌ی اجرا
• ورودی‌ها

• مرحله‌ی آگاهی
• رویارویی
• مشکل برنامه ریزی نشده
• مدل‌های معمولی و اصولی
• مطلوبیت
• نوع شخصیت ( خلق و خو )
• قانون انتخاب
• مالکیت مشکل
• حل مشکل
• مشکل برنامه ریزی شده
• رضایتمندی
• سناریو ( متن ماجرا )
• تجزیه تحلیل حساس • آشکار کردن
• زیر بهینه سازی
• سیستم
• تحلیل چه چیز – اگر


 سوالاتی جهت مرور
1– توضیح دهید که منظور از تصمیم گیری و در مقابل منظور از حل مشکل چیست ؟ هر دو را با هم مقایسه کرده و تعیین کنید که آیا بین آن‌ها می‌شود تمایز قائل شد یا نه؟ 2– یک سیستم را تعریف کنید ؟
3– اجزای اصلی تشکیل دهنده‌ی یک سیستم را نام ببرید ؟
4– نقش ( باز خورد ) را در یک سیستم توضیح دهید ؟
5– محیط یک سیستم را تعریف کنید؟
6– سیستم‌های باز و بسته را تعریف کرده، از هر یک مثالی بزنید ؟
7 – رضایت مندی را تعریف کنید ؟ موثر بودن
(نتیجه بخشی) را نیز تعریف کنید و آن دو را مقایسه نمایید و تفاوت‌ها را مشخص کنید ؟ 8– مراحل هوشمندی، طراحی، انتخاب و اجرا را تعریف کنید؟
9– یک مشکل را از روی نشانه‌های آن تشخیص دهید؟
10– مشکلات برنامه ریزی شده (ساختاری) و در مقابل، مشکلات برنامه ریزی نشده (غیر ساختاری) را تعریف کنید؟ از هر یک مثالی در این محدوده‌ها بزنید : گزارش و شرح، بازاریابی، منابع انسانی .
11– فهرستی از اجزا اصلی یک مدل ریاضی را ارائه نمایید ؟
12– بهینه سازی را تعریف کنید و آن را با زیر بهینه سازی ( بستر سازی ) مقایسه نمایید ؟
13– دسترسی‌های اصولی و توصیفی به تصمیمگیری را با هم مقایسه کنید ؟
14– تصمیم گیری منطقی را تعریف کنید، منطقی بودن یک تصمیم گیرنده حقیقتا به چه معنی است ؟
15– چرا افراد هنگام تصمیم گیری منطق محدودی را نمایش می‌دهند؟
16– یک سناریو را تعریف کنید. چگونه در تصمیم گیری به کار می‌رود؟
17– چگونه یک سیستم پشتیبانی ( DSS ) می‌تواند از اجرای تصمیم پشتیبانی کند؟
18– اجرا را تعریف کنید؟
19– یک نوع از شخصیت چیست؟ و چرا فاکتور مهمی در امر تصمیمگیری می‌باشد؟ 20– شناخت و مدل شناختی را تعریف کنید؟
21– مدل تصمیم را تعریف کنید؟
 سوالات جهت بحث :
1 – در یک جدول، ورودی‌ها، فرآیندها و خروجی‌های سیستم‌های تابعه را مشخص کنید . تعیین کنید که چه چیزی برای هر سیستم لازم است تا رضایت بخش و موثر باشد :
الف ) اداره‌ی پست ب ) مدرسه‌ی ابتدایی ج ) خواربار فروشی د ) مزرعه
2 – در سوال پیشین، انواع بازخورد را برای سیستم‌ها فهرست بندی کنید . توضیح دهید که چگونه، بازخورد یک قسمت ضروری برای مرحله‌ی تصمیم گیری آگاهانه در تحقیق
Simon است ؟ 3 – یک بیمارستان شامل :
رادیولوژی، خدمات خانه داری، پرستاری ( مرقبت بیمار ) و یک اتاق اورژانس است . چهار وجه مشترک سیستم را بین هر کدام از این بخش‌ها نام ببرید و توصیف کنید ؟
4 – چگونه، سودمندی و نیروی تولید این موارد را محاسبه می‌کنید ؟
الف ) یک نامه رسان ب ) یک فروشنده ج ) یک استاد د ) یک مددکار اجتماعی ه ) یک دانش آموز و ) یک کشاورز
5 - یک مثال از پنج عامل اصلی در محیط یک دانشکده بزنید
.
6 – یک سیستم مدیریتی باانتخاب خودتان را آنالیز کنید و موارد زیر را تعیین نمائید :
الف ) اجزا، ورودی‌ها و خروجی ب ) حد و مرز ج ) محیط د ) فرآیندها ه ) اهداف سیستم و ) بازخورد
7 – بعضی از میزان‌های ( موثر بودن ) در این موارد چیست ؟ در یک واحد ساخت اسباب بازی، در یک رستوران، یک موسسه‌ی تحصیلی، کنگره‌ی آمریکا .
22 –تصمیم گیری انفرادی را با تصمیم گیری بررسی کنید ؟ گروهی مقایسه نمائید و وجه تمایز آنها را

8 – فرض کنید که یک بخش بازاریابی یک سیستم باز است .
چگونه آن را می‌بندید ؟
9 – شرکت شما در نظر دارد یک شعبه در چین افتتاح کند فعالیت‌های عمده را در هر مرحله از باز کردن یا باز نکردن، نام ببرید . ( هوشمندی، انتخاب، تصمیم، اجرا )
10 – شما می‌خواهید ماشین خود را بفروشید . اصول انتخاب شما مبنی بر این که آیا در تصمیم، از پیشنهادات استفاده کنید یا آن‌ها را رد کنید چیست ؟ و چرا ؟
11 – شما به فکر خرید یک ماشین هستید . از مدل چهار مرحله‌ای Simon تبعیت کنید و فعالیت‌هایتان را در هر قدم توصیف نمایید .
12 – کاربرد سناریوها در تصمیم گیری‌های کامپیوتری، عمومی است، چرا ؟ برای چه نوع تصمیماتی، این تکنیک بیشتر اقتضا م یکند ؟
13 – طی یک مثال توضیح دهید که در هر مرحله‌ای از تصمیم گیری، تصمیم گیرندگان توسط کامپیوتر‌ها پشتیبانی می‌گردند .
14 – بعضی کارشناسان معتقدند که کمک اصلی DSS، اجرای تصمیم است، چرا چنین است ؟
15 – توضیح دهید که چگونه نوع شخصیت، جنسیت، مدل شناختی و مدل تصمیم به هم مربوط هستند ؟ چگونه ممکن است این مفاهیم بر روی توسعه‌ی سیستم‌های پشتیبانی تصمیم تاثیر بگذارند
16 – جدول 4 . 2 تفاوت‌های اصلی بین مدل‌های شناختی تحلیلی و تجربی را نشان م یدهد.
الف ) آیا شما خودتان را تجربی می‌دانید یا تحلیلی ؟ چرا ؟ ب ) فرض کنید که شما راجع به یک تصمیم در مورد اضافه نمودن یک سرویس به وسیله‌ی بانکی که برای آن کار می‌کنید، دو ارائه‌ی مختلف به دو مدیر می‌دهید . یکی مدیر تجربی است و یکی مدیر تحلیلی ( اهل آنالیز کردن ) است . چگونه آیا شما به مدل‌های شناختی آن‌ها متوسل می‌شوید ؟ ( صریح باشید )
17 – مدل‌های تصمیم گیری از تجزیه و تحلیلی به تجربی و حسی فرق م یکنند . آیا یک تصمیم گیرنده به طور پیوسته یک مدل مشابه را به کار می‌گیرد ؟ مثال‌هایی از تجربیات خود بزنید .

18 – اغلب مدیران معتقد استفاده از تلفن هستند بدون این کهتئوری‌های الکتریکی و مغناطیسی آن را بفهمند و یا حتی آنها را در نظر بگیرند . چرا برای مدیران ضروری است که ابزار MSS ( سیستم پشتیبانی مدیریت ) را بدانند تا آن‌ها را عاقلانه تر به کار گیرند ؟

 تمرین‌ها
1 – در نظر بگیرید ( 75 تا از بزرگترین تصمیمات مدیریت که گرفته شده ) که در فعالیت 2 . 2 مربوط به DSS توصیف شده است . از موارد فوق، زیر مجموعه‌ی 5 تایی از تصمیمات را امتحان کنید . آن‌ها را مقایسه نمایید . شباهت‌ها و تفاوت‌ها را تعیین کنید . شما فکر می‌کنید که چگونه فاز آگاهی برای هر کدام استفاده شده است ؟
2 – در بخش قبل، ما از دیوار بزرگ چین به عنوان یک رویداد بزرگ نام بردیم . آن را بررسی کردیم، تاریخ آن را مطالعه کردیم . در نظر بگیرید که چرا با آن برخورد شد، چطور انجام شد ؟ چقدر طول کشید ؟ و موارد مشابه . چرا در رسیدن به اهداف اولیه‌ی خود شکست خورد ؟ چهار رویداد اشتباه بزرگ دیگر را تعیین کنید و توضیح دهید که در هر یک چه اتفاقی افتاد ؟
3، Warren Bennis , Burt Nanus طبق تحقیق –
( مدیران افرادی هستند که هر چیزی را درست انجام م یدهند و رهبران افرادی هستند که چیزهای درست را انجام م یدهند . تفاوت شاید خلاصه شود به عنوان فعالیت‌های دیدن و قضاوت کردن – تاثیر – در مقابل فعالیت‌های انجام استادانه‌ی امور معمول . – کارایی و سودمندی – ( همچنین به تحقیق David Baron، کتابی جیبی سال 1999 نگاه کنید . ) توضیح دهید که چگونه این مساله به تصمیم گیری، مدیران، اجرائیات و سیستم‌ها ربط دارد ؟
4 – در مورد فلسفه‌ی Simon نظر بدهید که گفته است تصمیم گیری‌های مدیریتی مترادف است با فرآیند کامل و صحیح مدیریت . آیا این حسی را ایجاد م یکند یا نه ؟ توضیح دهید .
یک مثال از دنیای واقعی در توضیح خود بیاورید .
5 – وضعیتی را در نظر بگیرید که درآن شما یک اولویت برای جایئ که تحصیل می‌کنید در نظر دارید . شما می‌خواهید نه خیلی دور از خانه باشید و نه خیلی نزدیک . چرا این حالت ممکن ایت پیش بیاید ؟ توضیح دهید چگونه این حالت باید تصمیم گیری منطقی، میسر م یشود ؟
6 – وقتی شما به دنبال یک برنامه‌ی تحصیلی و دانشکده‌ای بودید، چگونه توانستید برای رفتن به جایی که الان در آن هستید، تصمیم بگیرید ؟ مراحل فرآیند تصمیم گیری خود را امتحان کنید و در یک گزارش آن را توصیف نمایید . توضیح دهید که شما چگونه هزاران برنامه‌ی دنیای اطراف را حذف کردید و همچنین کشور و ناحیه‌ی خود را ؟ چه معیاری مهم بود ؟ آخرین راه کارها چه بودند ؟ و چگونه در آن‌ها تصمیم گرفتید ؟
7 – شما به فکر خرید یک ماشین هستید، چه معیارهایی مهم هستند ؟ چه انتخاب‌های ویژه‌ای دارید ؟ و چطور می‌خواهید آن‌ها را محدود کنید ؟ مورد دسترسی 3 . 2 را بخوانید و مشکل خود را درون چارچوب کاری AHP جای دهید . آیا این احساس درک مستقیم را ایجاد م یکند؟ توضیح دهید که چرا م یکند و چرا نمی‌کند ؟
8 – قسمت‌های A / B / C را ملاحظه کنید ( از فهرست مدیریت ) و وضعیت برنامه‌ای تحت زیر بهینه سازی توصیف شده است . توصیف کنید که چطور مدیریت موارد A به عنوان مشکل غیر برنامه ریزی شده ( بدون ساختار یا با حداقل ساختار ) نگاه شده و مدیریت موارد B به عنوان مشکل زیر ساختاری و مدیریت قسمت‌های C به عنوان مشکل برنامه ریزی شده نگاه شده است ؟
 تکلیف گروهی و ایفای نقش
9 – داستان‌ها مربوط به نظریات زیر بهینه سازی، فراوان هستند و در بعضی از اقتصادهای ملی سابق که به طور مرکزی برنامه ریزی می‌شده‌اند و در آن‌ها محصولات کارخانه‌ها به وسیله‌ی محاسبات، با نتایج غیر قابل انتظار و مصیبت بار . به طور ویژه محصول یک کارخانه‌ی بلبرینگ سازی بر اساس مجموع وزن بلبرینگ‌های تولیدی محاسبه م یشود و همچنین مدیر قسمت تصمیم گرفت که هر ماه بلبرینگ‌های خیلی زیادی تولید کند . یک کارخانه‌ی کفش وجود داشت که محصول به وسیله‌ی کفش‌های واگذار شده سنجیده می‌شد . بنابراین مدیر قسمت تصمیمگرفت که آن را دو برابر تولید رسمی کارخانه برساند .
جزئیات را توضیح دهید که محاسبه‌ی نتایج قابل تغییر ( خروجی ) یک سیست فرعی می‌تواند به تصمیم گیری بد منجر شود که می‌تواند نتایج زیر بهینه سازی را برای سیستم داخلی به همراه بیاورد .
فکر کنید که منظور از ثبت یک اصل انتخاب چیست ؟ این مختص به اقتصادی تصمیم گیرنده‌ی مرکزی نیست اما می‌تواند در هر تشکیلاتی اتفاق بیفتد . یک مثال از زندگی شخصی خود بزنید که این امر در آن اتفاق افتاده باشد .
10 – توضیح دهید که چگونه شخصیت‌های حل کننده مشکل در تحقیق Hoenig، مراحل چهارگانه‌ی Simon را در تصمیم گیری مورد دقت قرار م یدهند .
1880 – 1956 ) H . L Mencken طبق تحقیق – 11
) برای هر مشکلی فقط یک راه حل وجود دارد که ساده، مرتب و اشتباه است . این جمله را با توجه به ماده‌ی تصمیم گیری که در این بخش آمده و مثال‌هایی که با آن‌ها آشنایی دارید، توضیح دهید .

1 – با شخصی که اخیرا در یک تصمیم گیری شغلی شرکت داشته، گفتگو کنید . سعی کنید مشخص کنید :
الف ) ناحیه‌ای که مشکل حل شده
‌ب ) افرادی که تصمیم شرکت داشتند ( تعیین صاحبان مشکل
(
‌ج ) مراحل Simon ( شما شاید مجبور باشید سوالات خاصی را بپرسید مانند این که : مشکل چگونه مشخص شده بود ؟ )
‌د ) راه کارها ( انتخاب‌ها ) و تصمیم انتخابی ه ) تصمیم چگونه اجرا شده بود ؟
و ) کامپیوتر چگونه در پشتیبانی تصمیم گیری به کار رفته بود و اگر نرفته بود چرا ؟
تهیه‌ی یک گزارش جز به جز، یک آنالیز از موارد بالا را توصیف م یکند و آشکارا نشان م یدهد که چگونه فرآیند تصمیم گیری دنیای واقعی، با مراحل پیشنهادی Simon مقایسه م یشود .
2 – هر کدام از شما در گروهتان، اجرای یک تست شخصیتی را داشته باشد یا بر اساس تحقیق Mayer – Briggs و یا بر اساس نوع رنگ‌های حقیقی Birkman نتایج را مقایسه کنید که آیا آن‌ها با شخصیت و شرایط روحی هر یک از اعضا همخوانی دارند ؟ برای هر عضوی، چگونه نوع آن‌ها، روش تصمیم گیری آن‌ها را تعیین م یکند ؟ این مسئله چگونه به توانایی گروه برای عملکردشان کمک م یکند ؟ بر اساس انواع مختلف، هر عضوی چه اجرای گروهی بهتری را توانست به جدول بیاورد؟
گروه چه چیزهای به خصوصی لازم دارد که برای زیادتر کردنارتباطات گروهی در نظر بگیرد تا عملکرد موثرتری داشته باشد؟
3 – بحث شخصیت و ایفای نقش :
برای هر فیلم یا نمایش تلویزیونی که چهار یا بیشتر از چهار شخصیت اصلی دارد، نوع خلق و خوی هر شخصیت را تعیین کنید . توصیف کنید که هر کدام چگونه با دیگران تاثیر متقابل دارد و چگونه این مسئله انواع شخصیتی که به وسیله‌ی Mayer – Briggs و یا به وسیله‌ی رنگ‌های حقیقی وصف شده را شکل م یدهد . اعضایی را از گروه در نظر بگیرید که در یک موقعیت واقعی شبیه این شخصیت‌ها عمل کنند . ( رفتن به قهوه خانه، مانند نمایش ( دوستان ) ) سپس تجارب به دست آمده را توصیف کنید .
4 – یک نقشه‌ی شناختی را از تصمیم گیری مشکل انتخاب شغل و یا برنامه‌ی دانشگاهی که جستجو کننده تصمیم را به کار می‌گیرد، وسعت ببخشید . ( نرم افزار Banxia ) . مراحل فکر خودتان را توصیف کنید و این که چگونه نقشه را ارائه کردید ؟
. بفرستد Dennis Lafko
 تمرین‌های اینترنت
5 – نتایج تفاوت‌ها و شباهت‌های جنسیتی که توسط Leonard , Smith گفته شده را مقایسه کنید با تفاوت‌های جنسیتی که توسط Shuhmann , Fox در ( جنسیت و محیط اطراف ) توضیح داده شده است . یک مقایسه از مدیران زن و مرد شهر، آیا نتایج برای مدیران شهر با آن‌هایی که در نوشته‌های دیگر آمده، همخوانی دارد ؟ اگر چنین است، در چه راه‌هایی ؟
6 – فیلم ( دوزاده مرد عصبانی ) شاهکار Henry Fonda را نگاه کنید . در مورد فرایند تصمیم گیری گروه توسط هیئتمنصفه نظر دهید . آیا آن با مدل چهار مرحله‌ای Simon جور در م یآید ؟ توضیح دهید که چرا بله و چرا خیر ؟ مثال‌هایی را از فیلم ذکر کنید .
7 – فیلم ( مرد بی زن ) شاهکار Chris O ` Donnell را نگاه کنید . در آن، یک مرد باید ازدواج کند تا وارث 100 میلیون دلار بشود . راه کارهای زیادی وجود دارد اما معیارها نامعلوم هستند . صحنه‌ی نزدیک به پایان فیلم را نگاه کنید، جایی که حدود هزار پرنده روی یک کلیسا به هم نزدیک م یشوند و می‌خواهند بدانند که معیارها چیست ؟ توضیح دهید که چگونه شخصیت اصلی، معیار خودش را وصف م یکند و آن‌ها چه هستند ؟ توضیح دهید که چرا آن‌ها کاملا مبهم هستند ؟ توضیح دهید که معیارهای واقعی او کدامند ؟ وقت کافی داده شده، پاسخ‌هایتان را باs.piver مقایسه کنید
.
8 – گاهی اوقات شما خودتان را بین یک صخره‌ی مثالی و جای سخت پیدا می‌کنید . همه‌ی راه کارها ( که تاکنون کشف شده ) بد یا غیر عملی هستند . سپس شما یک مشکل واقعی دارید . امتحان کنید حالتی از تصمیم گیری در مورد
Alexander Hamilton که در فعالیت12,2 گفته شده، وضعیتی راجع به کشتی جستجو کنید و برخی از راه کارهای ممکن را پیشنهاد دهید و چرا آن‌ها عملی هستند ؟ پیشنهادهای خوبی به Jay A در آدرس ایمیل jaronson
@ yga . edu م یشود که او می‌تواند آن‌ها را به

1 – شبکه را برای موادی از تصمیم گیری مدیریتی جستجو کنید . چه دسته‌های عمومی از مواد می‌توانید در یک نمونه‌ی 10 سایتی تعیین کنید .
2 – بسیاری از دانشکده‌ها و دانشگاه‌ها، کاتالوگ‌هایشان را پست م یکنند، همچنین توضیحات رشته و رئوس مطالب را در شبکه می‌گذارند . یک نمونه‌ی ده تایی از تصمیم گیری رسته‌ها که ارسال شده‌اند تعیین کنید و موارد آن را با هم مقایسه نمایید . چه درصدی از آن‌ها شامل پشتیبانی کامپیوتری هستند ؟ در کدام بخش‌ها یا دانشکده‌ها، نوعا پیدا م یشوند ؟ 3 – شبکه را جستجو کنید برای شرکت‌ها و سازمان‌هایی که برای تصمیم گیری مدیریتی، پشتیبانی کامپیوتری ارائه می‌نمایند . یک نمونه از پنج نرم افزار بگیرید و مشخص کنید محصولات آن‌ها را که مبتنی بر عملکرد خاص بازار محیطهستند ( بازاریابی، ساخت، بیمه، حمل و نقل و ... ) و همچنین سطح پشتیبانی مدیریت ( استراتژی، تاکتیک، بازدید، معامله کردن )، نوع ابزار کامپیوتری ( مثل DSS،
استخراج داده، آگاهی کسب و کار، OLAP , EIS , ES , ANN و تجزیه تحلیل ) و چطور آن‌ها تکنولوژی شبکه‌ی وب را استفاده م یکنند . یک نمونه‌ی ده تایی از غیر فروشی‌ها بگیرید . چه نوع پشتیبانی را آن‌ها ارائه م یدهند ؟ 4 – بعضی شرکت‌ها و سازمان‌ها از روی نرم افزارهای شان قابل دانلود شدن هستند تا شما بتوانید کپی کنید و آن‌ها را بر
Case Application


برنامه ریزی فرآیند رس در IMERYS :یک مورد کلاسیک (دسته بندی شده)
از تصمیم گیری

روی کامپیوتر خود بیاورید . دیگران فقط به صورت آن لاینقابل دسترسی هستند یک مورد پیدا کنید که ارائه دهنده یپشتیبانی تصمیم باشد و سعی کنید آن را در آورید و یک گزارش کوتاه در مورد آن بنویسید . شما باید جزئیات را در مورد آن چه در نرم افزار آمده بنویسید . چطور کار م یکند و چطور از تصمی مگیری پشتیبانی م یکند .
5 – وب سایت tradatauniversitynetwork . com را نگاه کنید . نواحی عمومی را جستجو کنید . پنج نوع از مطالعات تصمیم گیری را شرح دهید و همچنین مواردی که فهرست شده‌اند را توصیف کنید .

مقدمه
شرکتIMERYS در Sandersvit جرجیا، معادن خاک چینی خام ( چین ) خاک رس و فرآیند تبدیل رس به طیف وسیعی از محصولات ( پودر خشک تکه‌های له شده و ... ) که به کاغذ، مقوا، نقاشی، کاغذ دیواری و مواد دیگررا دارد. خاک چینی جهت ساختن سرامیک، سفره و لوازم رومیزی و مجسمه سازی استفاده م یشود . همچنین در فرآیند تولید آلومینیوم، ساختن خمیر دندان و به عنوان دارو و برای تسکین ترش کردن معده به کار رود ( بله، خاک رس بدست آمده از زمین خوردنی است ) بین 50 تا 100 میلیون سال پیش بین کرتاسئوس و دوره‌ی سوم زمین شناسی رسوبات خاک چینی شکل گرفت . در ساحل اقیانوس اطلس و در طول خطی که جورجیای مرکزی را قطع م یکند . مجموع عواید سالیانه‌ی اقتصادی در ایالت جورجیا در سال 1996، 482 میلیون دلار بود . مجموع تولید خاک چینی در جورجیا حدود 3 / 8 میلیون تن ( نصف تولید دنیا ) بود، 8 / 6 میلیون تن آن در سال 2001 تولید شده بود . این حجم فرآیند کائولین را در ایالات متحده نشان م یدهد . ذخایر اصلی در برزیل استخراج م یشود و فرآیند پیدا م یکنند . همچنین در چین، فرانسه، آلمان و انگلستان .
ایالت جورجیا بیش از نیمی از خاک چینی مورد استفاده در کاغذ سازی دنیا را عرضه م یکند . در جورجیای میانی، ذخایر کائولین وسیع تر هستند . شهر ساندر ویلز، پایتخت کائولین دنیا نامیده م یشود . نگاه کنید به ارتباط تولیدات خاک رس چینی ( Kaolin . com , imerys . com ) وب سایت‌هایی برای اطلاعات بیشتر در زمین شناسی، تاریخ، استخراج معدن، محصولات و رویدادهای اقتصادی خاک رس .) موقعیت
در 1998 به عنوان قسمتی از یک ابتکار بهبود دهنده‌ی دائمی، مدیران ECCI، مهندسین و تحلیل گران IS برآن شدند تا عملی بودن برنامه ریزی ریاضی ( بهینه سازی ) برای استخراج خاک رس و تولید را را اثبات نمایند.نیاز به فرآیندی با کیفیت پایین تر خاک رس خام، تخلیه‌ی خاک‌های رس با کیفیت بالاتر و برخی از روش‌های جدید فرآیند، ایجاب م یکند که نگاه تازه‌ای از جهات مختلف به فرآیند خاک رس و برنامه‌های آن داشته باشیم . چندین عضو از تیم ابتکار بهبود دهندگی پیوسته، شرکت داده شده بودند در گسترش مدل‌های برنامه ریزی وسیع و پیچیده برای برنامه ریزی تولید خاک رس در سازمان‌های دیگر ( مدل‌ها استفاده شده بودند اغلب برای برنامه ریزی ظرفیت و چند هزار رابطه و متغیر داشتند ) هیچکدام از این مدل‌ها، خاک رس را به تمام روش‌ها از استخراج معدن تا مشتری، با جزئیاتی که هم اکنون لازم است، به کار نبرده اند، همچنین تعیین ترکیبات خاک رس قبلا هرگز مدل دار نشده بود .
تصمیم گیری : تصمیم شماره‌ی یک :
فرآیند مقدماتی تصمیم گیری با بررسی مشکل تعیین مالکیت مشکل شروع شد. ( آگاهی ) – تیم ECCI وظیفه داشت هر روش بهبود بخشی را جستجو کند . چنین بهبودهایی می‌توانست شامل تصمیم گیری بهتر، تصمیم گیری سریع تر و مانند آن باشد . در ابتدا هیچ راهی برای شناخت چنین تماس‌هایی که واقعا خوب کار می‌کرد وجود نداشت اما بعضی از اعضا تیم با برنامه ریزی‌های ریاضی و منطقی آشنا بودند و می‌دانستند کاین روش مشخصا جستجوی با ارزشی بوده زیرا نتایج مطلوبی را برای مشکلات دیگر و در موسسات دیگر که با آن‌ها در ارتباط بودند، تولید کرده بود . در قدم بعدی آن‌ها در صدد برآمدند که دانش، اطلاعات و اقدام به کار و احتمال موفقیت را افزایش دهند، همچنین . این مورد شامل ملاقات با مدیران دیگر و کاربران دیگر بود که نیازمند برنامه‌های تولید درست بودند تا بتوانند تعیین کنند که چه فروشی قابل قبول بود و چطور می‌توانست ساخته شود ؟ بنا به تداوم توسعه‌ی یک سیستم بر اساس مدل‌های ساده‌ی صفحه‌ی گسترده و تجارب گذشته ( طراحی ) بود . پیش بینی‌هایی صورت گرفته است که این مدل برنامه ریزی ریاضی، مانند قسمتی از سیستمپشتیبانی تصمیم، می‌توانست ERP را به سمت یک برنامهریزی و تصمیم گیری کاملا سازمان دهی شده هدایت نماید . این تصمیم گیری تحت شرایط غیر مشخص بود، جایی که خطر شکست ( یا موفقیت ) هنوز دیده م یشود . تحلیل گران درمی یابند که این مشکلات اغلب مبارزه م یکنند زیرا آن‌ها شاید احتمالا مجبور باشند سیستمی را بسازند که قبلا هرگز انجام نشده است . آن‌ها به توافق رسیدند و تصمیم گرفتند که به توسعه‌ی سیستم اقدام نمایند ( انتخاب ) . اجرای مرحله، جمع و جور کردن یک تیم شکیل را ایجاب نمود که به سمت توسعه‌ی سیستم پشتیبانی تصمیم حرکت کند . نتایج این تصمیم، حکایات بعدی IMERYS را به دنبال داشت و همچنین ECCI، منابع را برای یک ابتکار جدید برای توسعه‌ی یک سیستم پشتیبانی تصمیم جهت کمک اعضا یک سازمان در تصمیم گیری، در اختیار گذاشت . تیم توسعه، حالا مجبور بود بفهمد که خاک رس چگونه فرآیند م یشود و یک روش شناسی را توسعه دهد که به تصمیم گیرندگان کمک نماید . وسعت پروژه به عنوان یک اطلاعات جدید،نمایان شد
.
سوالات موردی
1 – چرا تیم بهبود، جستجو را برای برنامه ریزی ریاضی جهت فرآیند خاک رس، شروع کرد ؟
2 – چرا شما فکر می‌کنید که مدل‌های قبلی و سیستم‌های قبلی خواستند انواع مشابهی از مشکلات را حل کنند که مستقیما در این مورد قابل دسترسی نبودند ؟
3 – برای اولین مشکل، توصیف کنید که چگونه تصمیم گرفته شد ؟ توضیح خود را به مدل تصمیم گیری چهار مرحله‌ای Simon ارتباط دهید . آیا شما فکر می‌کنید که این تصمیم قاطعی در مورد این پروژه بود ؟
2 – در سال 1999 صنعت یک رکورد را تجربه کرد . چگونه به کار بردن یک مدل شبیه به مدل ECCI می‌توانست به این رقابت کمک کند ؟



فرآیند خاک چینی ( کائولین ) : تولید کائولین، استخراج انواع مختلف خاک رس خام را می‌طلبد که شامل تصفیه، سایش، جدا سازی، گرمادهی، اختلاط و قدم‌های دیگر ( برای
تشریح مراحل به Kaolin . com نگاه کنید . ) دستورالعمل‌های مختلف دیگر از خاک رس خام می‌تواند برای تولید محصولات نهایی مشابه یا متفاوت استفاده شود . و در نقاطی از تولید، مخلوط‌های متناوب می‌تواند در ایجاد محصولات نهایی خصوصیات مشخص به کار رود . ( روشنی، جلا و غیره )
بعضی فرآیند‌ها می‌تواند با تجهیزات مختلفی اجرا شود و گاهی اوقات چندین واحد مشابه از یک سری تجهیزات مشابه استفاده می‌نمایند. جهت پیچیده کردن مرحله‌ی حالت تصمیم گیری، مخلوط‌های خام ابتدایی متفاوت، نوعا نیازمند شعاع مختلفی از تجهیزات مختلف هستند که برای فرآیندهای مختلف به کار م یروند . برای مثال درصد پایین تری از خاک رس خام نرم ( ذرات کوچکتر ) که مخلوط با رس درشت و خشن است عموما وقت اضافی برای خرد کردن رس درشت جهت مراحل بعدی نیاز دارد . ارزش هر ساعت، ارزش و هزینه‌ی هر تن، فاکتورهای اکتشاف ( که شاید به خاک رس مختلف، فرق کند ) و نرخ ( تن در ساعت )، برای هر مرحله، برای هر خاک رس، برای هر مخلوط، تخصیص جداگانه‌ای یافته است . این داده‌های اطلاعاتی تخمین زده شده‌اند زیرا زمان با تغییرات ریشه‌ای خاک رس تغییر م یکند که بستگی دارد به معدن و حتی حفره‌ی به خصوصی از معدن که خاک رس از آن استخراج شده است .



برنامه ریزی فرآیند خاک رس در IMERYS : یک مورد کلاسیک از تصمیمگیری قسمت دوم : تصمیمات فرآیند بهینه سازی ( POP ) در DSS
دستورالعمل‌ها و محصولات متناوب و مشکلات جدید : یکی از مشکلات که در سال 1999 در ECCI با آن روبه رو شدند این بود که بعضی از معادن با کیفیت بالای رس خام، تقریبا تخلیه شده بودند . محصولات خام متناوب، تطبیق فرآیند و فرآیندهای جدید باید برقرار می‌شدند تا رس‌های نهایی را تولید کنند که کیفیت تولیدات فعلی را داشته باشند .
محصولات جدید خاک رس خام ( خالص و مخلوط ) به طور پیوسته گسترش می‌یابند . خاک‌های رس همچنین مراحل مختلف از فرآیند تولید را به همراه دارند که بستگی به دسته‌ی اصلی محصولات آن دارد
یک دسته از رس، مرطوب است، دیگری خشک است . داخل هر دسته‌ی بزرگ چندین محصول پایانی خالص و صدها مخلوط وجوددارد که نیازمند داشتن خصوصیات مطلوبی است که مشترکین در سطح بازار جهانی آن‌ها را مطلوب بدانند . کائولین خشک، سه محصول اصلی و حدود 20 مخلوط نهایی دارد، در حالی که رس مرطوب دارای 6 محصول اصلی با صدها مخلوط نهایی است .
رس‌ها شاید همچنین در دستگاه‌های مختلف فرآیند شوند . انتقالات خاک رس از دیگر دستگاه‌ها وجود دارد . بعضی از آن‌ها در این مرحله‌ی پروژه، دارای مدل ابتدایی بودند در حالی که دیگران در ادامه، جایگزین شده بودند . بعضی از رس‌های خام و رس‌های فراوری نشده می‌توانند در بازار باز خریداری شوند، در حالی که دیگران نمی‌توانند ( این‌ها به طور واحد و اختصاصی تولید م یشوند . ) مواد شیمیایی در مراحل مختلفی از فرآیند، اضافه م یشوند . یک رابطه‌ی مستقیم وجود دارد بین مواد شیمیایی استفاده شده و نرخ فرآیند چندین قطعه از تجهیزات . استفاده از مواد شیمیایی بیشتر شاید نوعا زمان فرآیند کمتری نیاز داشته باشد ( در یک یا چند مرحله‌ی تولید ) . ECCI محصولات را در هر قاره به مشتری می‌رساند . آن‌ها همچنین انبار م یکنند در چند قاره . آن‌ها حمل م یکنند محصولات را به وسیله‌ی قطار، کامیون و کشتی .آشکارا، تصمیمات زیادی گرفته م یشود، از این جهت تصمیمات خیلی متغیر هستند . معذوریت‌های زمانی و محدودیت‌های تولیدی ( ظرفیت وزنی ) متعددی وجود دارد که نرخ‌ها و میزان‌های وابسته را تغییر م یدهند . فشارهای زیادی وجود دارد که جریان هر فرآیند را توصیف م یکند و این که استفاده از تجهیزاتی به جای تجهیزات دیگر چه ارتباطی با هم دارند ؟
متغیرهای واسط زیادی وجود دارند که مقادیری از رس را ارائه می‌نمایند که خروجی یک فرآیند به عنوان ورودی فرآیند دیگر جریان می‌یابد . ترکیبات متعددی از رس‌ها وجود دارند که تغییرات تصمیم‌ها را افزایش م یدهند . نتیجه‌ی تغییرات سودمند است در صورتی که رو به افزایش باشد .همچنین، فرضیات مشخصی که منطق را محدود م یکنند باید ایجاد شود، به منظور توسعه‌ی مدلی با اندازه‌ی قابل قبول که بتواند در یک محدوده‌ی زمانی خاص حل شود . برای مثال اگر چه یک مدل می‌تواند به شکل خطی فرض شود، در پارامترهای معمولی که در قسمت‌های مختلف دیده شده، مهندسین و دانشمندان که فرآیند‌ها را طراحی و کنترل م یکنند نشان داده‌اند که برخی موارد غیر خطی ظریف هم وجود دارد .

تصمیم گیری – تصمیم شماره‌ی 2 – فرآیند رس بهبود یافته :
هدف اولیه عبارت است از تعیین روش بهینه برای فرآیند خاک‌های رس در تمام مراحل از معدن گرفته تا مشتری‌ها . این مدل می‌تواند تعیین کند که چگونه خاک‌های رس باید به طور بهینه مخلوط شوند و در چه نقاط و با چه تجهیزاتی باید به کار روند ؟ سپس افزایش ظرفیت می‌تواند به مدل افزوده شود و تعیین کند که کدام تجهیزات مجددا به منظور حداکثر کردن سود باید افزایش ظرفیت تولید داشته باشند. مدل همچنین می‌تواند تعیین کند که اگر ظرفیت موجود سود بخش نیست،کدام تقاضا از بازار باز باید دیده شود، . مشکل تصمیم گیری عمده عبارت است از : دادن یک سری تقاضا برای محصولات نهایی رس ( ممکن است از یک سیستم پیش بینی گرفته شده باشد )، تعیین این که چگونه فرآیند رس را بهینه کنیم ( حداکثر سود خالص ) . این‌ها ایجاب م یکند که موارد زیر مشخص شود :
* یک افق زمانی ( نوعا یک سال، 3 ماه یا 2 هفته )
* کدام معادن برای استخراج استفاده شود و چه میزان رس استخراج شود ؟
* کدام ترکیبات خام به کار رود ؟
* کدام فرآیند برای اجرا شدن روی خاک رس ؟ و به چه میزانی ؟
* مواد شیمیایی که استفاده م یشود و جایی که باید به کار رود
؟
* چه ترکیبات واسطی به کار م یرود ؟ برای محصولات پایانی چه ترکیباتی بهتر است ؟ این تصمیمات، ثبت نرخ‌های استاندارد و ارزش تجهیزات برای رس‌های مختلف را ایجاب م یکند و همین طور تعیین قطعات به خصوصی از تجهیزات که می‌توانند به وسیله‌ی رس‌های به خصوص استفاده شوند . به خاطر یک فرآیند جدید که سال 1999 به صورت آن لاین آمده بود، مدلی شد که طبق آن استفاده از خاک رس خام قدیمی قطع شود . چرا که آن‌ها به زودی تخلیه می‌شدند و باید موارد جدید فعال بشوند . تقاضاهایی برای محصولات تمام شده‌ی خاک رس ارائه شده، تصمیمات ویژه‌ای که شامل :
1 – چه مقدار از هر نوع خاک رس خام، استخراج شود ( قبل و بعد از تخلیه درجاتی با کیفیت بالا) .
2 – چه ترکیبات خامی استفاده شود ( کدام برخوردها تجهیزات هر فرآیند را مشخص م یکند . )
3 – چه فرآیندهای تولیدی برای ترکیبات رسی خام به کار رود .
4 – چگونه ترکیبات خام رس ترکیب شوند و به رس واسط تبدیل شوند .
5 – کدام فرآیندهای به خصوص برای استفاده از رس‌های واسط به کار رود ؟
6 – چگونه محصولات به جریان تولید باز می‌گردند ؟
7 – چگونه ترکیبات واسط خاک رس به رس‌های نهایی تبدیل م یشوند ؟
8 – در ظرفیت تولید موجود، با چه تقاضاهایی باید مواجه شد ؟
9 – چه مقدار خاک رس باید ا زمنابع خارجی خریداری شود تا ترکیبات واسط به ترکیبات نهایی تبدیل شود ؟ 10 – چه میزان از هر ماده‌ی شیمیایی باید به کار رود .
11 – کدام فرآیندهای نهایی برای ترکیبات نهایی باید استفاده شود ؟
12 – چه تقاضاهای نهایی باید به وسیله‌ی خریداران بازار خارجی یا به وسیله‌ی تولید در قسمت‌های دیگر سازمان، قبول گردد .
یک مدل برنامه ریزی خطی می‌تواند این نوع تصمیم گیری را در DSS پشتیبانی کند . جمع آوری داده برای مدل و تکمیل هر دو می‌توانست مشکل را و هم زمان مصرف را آماده کند.
توسعه‌ی فرآیند بهینه سازی و مدل برنامه ریزی خطی و DSS در بخش‌های4 و 6 تحت عنوان ( دسترسی ) توصیف شده‌اند .
نخستین نوع دسترسی
قبلا در پروژه، تصمیم این بود که یک نوع اولیـه‌ی دسترسـی استفاده شود . یک دستگاه کوچک مدل اولیه‌ای شده بود برای ارائه‌ی اشکال ضروری، به منظور آشنا نمودن اعـضای تـیم بـا ابزار و سبک شناسی و ثبت ساختارهای پایگـاه داده کـه بـستر توسعه‌ی سیستم را راهنمایی کند .
پیچیدگی‌های جدید
در برخورد مستقیم با پروژه‌ی POP، یک مجمع استخراج معدن فرانسوی، IMATEL، در سال 1999 ECCI را خریداری کرد و بقایای آن را ادغام کرد و تحت نام IMERYS در سال بعد نام گذاری نمود . این بخش‌ها شامل کمپانی کائولین، شعبه‌ی خشک در جورجیا بود و EC یک شرکت اروپایی سریعا خرید را به تصویب رساند . اما دپارتمان امریکایی IUSTICD، بعضی محدودیت‌ها را اضافه نمود : بعضی از بخش‌ها‌ی ECCI که در فرآیند شرکت داشتند باید سریعا فروخته می‌شدند . خارج شدن آن قسمت شامل آزمایش ما نیز هست .
سوالات موردی
1 – چرا دسترسی به ترکیبات برای مدل مهم بود ؟
2 – مدل برنامه ریزی خطی، برای توسعه یافتن، چندین قسمت را تشریح م یکند و آن‌ها را وسیع تر می‌سازد . مدلی که دو قسمت را ارائه می‌کرد، 10000 معذوریت و 40000 متغیر داشت ( حال آن که نمونه‌ی قبلی در سال 2002 شامل 80000 محدودیت و 150000 متغیر بودن چگونه یک نفر اثبات م یکند که مدل صحیح است و جواب درست م یدهد ؟ چطور یک نفر می‌تواند داده‌ها را مدیریت کند ؟ چه کسی باید مجاز باشد ساختار مدل را به روز رسانی نماید ؟ تقاضاها را به روز رسانی کند و چرا ؟
3 – یک لیست از سه تصمیم را انتخاب کنید و اهمیت آن‌ها را برای شرکت شرح دهید .
4 – چرا یک نوع نخستین ( طرح ارزیابی ) از دسترسی توسط تیم استفاده شد ؟ آیا احساسی را ایجاد کرد ؟ چرا بله و چرا خیر؟
5 – یک حادثه‌ی خارجی توانست ECCI را توسط IMTEL خریداری کند و ادغام آن چگونه بر مدل و توسعه‌ی سیستم اثر گذاشت ؟ چرا این مسئله برای DSS و مدل مهم بود ؟
6 - استخراج معدن و صنایع فرآیند مـواد، نوعـا در توسـعه‌ی ثبت سر صنایع دیگر قرار می‌گیرند و همچنین در اسـتفاده از DSS و انتخاب مدل . چرا شما فکر می‌کنید چنـین اسـت و چه چیزی می‌تواند برای پیشرفت این صنایع، انجام شود تا آن‌ها بتوانند از ابزار پیشرفته استفاده نمایند .
مقدمه :
در صنعت عکس متحرک، کارگران که گریپ نامیـده می‌شوند عضلات هوشمند در نصب هستند . ایـن دسـتیاران برای نصب نورها، دوربین‌ها و دیگر موارد تنظـیم،مـسئول هستند . دستیاران باید قادر باشند که تصمیم بگیرند چطور بهترین نصب را انجام دهند، کد ام می‌تواند کـاملا پیچیـده باشد . در حقیقت خیلی از آن‌ها دارای درجـه‌ی M . A یا B . A در تئاتر هستند . دستیار کلیدی مسئول همه‌ی دستیاران می‌باشد، و همین طور به عنوان یـک رابـط بـین دیگر دستیاران و شرکت تولید کننـده . اولـین نگرانـی یـک دستیار کلیدی ایجاد امنیت در مجموعـه و صـحنه اسـت .
Charles Seabrook از کالیفرنیای جنوبی یـک دسـتیار کلیدی است .
یک شغل مهم در صنعت فیلم سازی . وی نزدیک بـه 20 سال در این حرفه بوده اسـت و شـهرت زیـادی دارد . او یکی از بهتـرین هـا اسـت . او پیـشنهاد هـای زیـادی بـرای کارداردکه این امر تصمیم گیری را مشکل مـی کنـد . حتـی وقتی پیشنهادهای رقابتی وجود ندارد، او گاهی مجبور است تصمیم بگیرد که آیا او می‌خواهد کاری راقبول کند یا خیر؟ مرحله‌ی تحلیل معنوی و سلسله مراتب تجزیه تحلیل، یک روش ممتاز برای انتخاب فعالیت‌های رقیب است کـه معیارهای متفاوتی به کار مـی گیـ رد . معیـار مـی توانـد در طبیعت کیفی باشد یا ک می‌باشد . و حتـی معیـار کیفـی بـه وسیله‌ی یک تصمیم گیرنده ترجیح داده می‌شود ( بیشتر از آن چه که با اعداد و ارقام ارزیابی شود ) .
بـرای گـسترش DSS، بـه منظـور حـل مـشکل SEABROOK، ما مدل AHP را در انتخاب مهـارت به کار بردیم . ( قابل دانلـود از سـایت . Expertchoice com ) . تصمیم گیری ما با مدل چهار مرحله‌ای سایمون همخوانی دارد . ما تصمیم گرفتیم که در انتخاب مهارت، از اندازه گیری و ارزیابی استفاده کنیم یا یک مـدلی را فرمولـه نمائیم که در ایـن تـصمیم گیـر‌ی بـه Seabrook کمـ ک نماید .

معیار و میزان

دستیاران کلیدی پروژه‌های فیلم را به وسیله‌ی فرآیند تجزیه تحلیل سلسله مراتبی انتخاب می‌کنند
اولین قدم ما، گفتگو با Seabrook راجع به سیمای عمومی زندگی حرفه‌ای او بود و این کـه چگونـه بـه سـمت تصمیم گیری می‌رود . سپس ما مصاحبه کردیم تا معیارهای مهم جهت انتخاب شغل را ثبت نمائیم در ابتدا او هشت معیار زیر را ذکر نمود :
1 – محــیط فــیلم بــرداری – فاصــله از خانــه‌ی Seabrook در چارلستون، کالیفرنیای جنوبی .
2 – زمان دوری از خانواده – او به خـانواده اختـصاص دارد و ترجیح می‌دهد مدت طولانی دور از خانه نباشد .
3 – شهرت شـرکت تولیـد کننـده – کمپـانی تولیـد کننده‌ی فیلم، بخش مهمی اسـت در ایـن کـه مـردم چـه مدت ان را داشته باشند و فیلم را چگونه تشخیص دهند .
4 – بودجه‌ی فیلم – اغلب اگر یـک فـیلم بودجـه‌ی پایین داشته باشـد، مـشکلاتی بـرای تهیـه‌ی تجهیـزات و ناخشنودی عمومی در بین کارکنان وجود دارد .
5 – پرداخت – بدیهی است نرخ ساعتی که پرداخـت م یشود اولویت بالایی دارد .
6 – شرکت تعاونی – اگرتعاونی در فیلم شرکت داشـته باشد، حالات کارکردن معمولا بهتر است و مهم تـر فمنـافع کارکنان پرداخت می‌شود .
7 – کیفیت بهترین فرد قابل دسترس – بهترین پـسر
( پادو )، معادل دستیار کلیدی است و به طور سـنگینی در کارهای وسیعی که در عمل لا زم است شرکت دارد . داشـتن یک پادوی آماده برای فیلم، قاطع و حتمی است . اگـر چـه بعـدا یـاد گـرفتیم کـه ایـن معیـار ضـروری نیـست زیـرا Seabrook یک فیلم را قبول ن می‌کنـد اگـر پـسر بچـه‌ی همیـشگی و قـانونی او یعنـی Jack Gilchrist قابـل دسترسی نباشد .
– 8 – کیفیت دستیاران قابل د سترسی بـرای اجـارهیک فیلم اغلب به عنوان یک شرکت مجازی عمل می‌کنـد . با تکنیک‌های کیفی اختصاصی و انفرادی که جهـت انجـام کارهای ویژه اجاره می‌دهد . اگر عدم شایـستگی دسـتیاران وجود داشته باشد، دستیار کلیدی دچار مشکلات بیـشتری م یشود .
پس از مبحث گذشته، معیارهای کاهش یافتـه بودنـد برای یک سری پنج تایی با قابلیت مـدیریت بیـشتر کـه بـه وضوح تعاریف آن‌ها توسعه داشـت . ایـن پـنج تـایی نهـایی عبارت بودند از :
1 – منطقه‌ی فیلم برداری – این دلالت دارد بر جایی که از خانواده دور خواهد بود، به عنوان فاصله‌ای از خانه که مقدار زمان دوری او را تعیین م یکند .
– 2 – پرداخت
3 – وضعیت کار – این عامل شامل چگونگی سـهولت بودجه است و این که چه روزهایی از هفته و سـاعاتی از روز لازم هستند . زیرا همچنین تعیین می‌کند اضـافه کـار قابـل دسترسی را، و این که حتما پرداخت خواهد شد .
4 – درگیر بودن اتحادیه
5 – شهرت شرکت تولید کننده – توجه کنید کـه در توسعه‌ی معیارها، ما انتخاب‌های متناوب ویژه را بررسی و بحث نکردیم .
AHP : مــدل هــای انتخــاب متخصص و توسعه :
ساختار یک مدل AHP به عنوان اجرایی در انتخاب ماهرانه، به شکل یک درخـت معکـوس اسـت . یـک هـدف واحد در بالا و جود دارد که هدف، مـشکل تـصمیم گیـر‌ی را ارائــه مــی دهــد . صــد در صــدی از وزن تــصمیم در یــک برجستگی وجود دارد . مستقیما در زیر هدف، برگ‌ها قـرار دارند که همه‌ی معیارها را ارائـه مـی دهنـد، هـر دو معیـار کیفی و کمی .وزن هدف باید در معیارهـای ارزیـابی تقـسیم شده باشد . چندین مدل وجود دارد که این انتخاب را انجـام می‌دهد . همه‌ی آن‌ها مبتنی بر مقایسه‌ی همه‌ی معیارها برای ثبت چگـونگی وزن هـدف و همـاهنگی بـا تقـسیم آن هستند . نرم افزار همچنین یک میـزان از مقایـسه‌ی را بـه صورت متناقض ارائه می‌دهد . بنابراین اگر تـصمیم گیرنـده، معیار یک را به معیار دو در یک سطح رجحان، ترجیح دهد، و معیار یک را با معیار 3 مقایسه کند، او باید معیار 2 و 3 را به عنوان رجحان برابر مقایسه نماید .
پس از این که تصمیم گیرنده، مقایسه را کامل کـرد، وزن مشکل تصمیم گیری به معیارها تقـسیم مـی شـود . بـر طبق ساختار ترجی حی که از مقایسه‌ی عاقلانه آن‌ها نتیجه گرفت . انتخاب ماهرانه، یک تناقض و بی ملاحظه‌ای نسبی را ارائـه مـی دهـد کـه نـشان م ـیدهـد چگونـه سـازگاری تصمیم گیرنده در قضاوت او موثر است . دو راه برای ساختن مدل وجود دارد . اگر مشکل در یک وقـت ایجـاد شـود و راه کارهای چندی وجو د داشته باشد . ( هفـت تـا، یـا کمتـر و بیشتر از دو تا )، سپس تـصمیمگیرنـده وارد تـورم انتخـاب می‌شود . ( راه کارها ) تحت اولین معیار و همه‌ی آن هـا و نظایر مشابه را بررسی می‌کند . سپس تصمیم گیرنده انتخاب‌ها را مقایسه می‌کند بـا نخـستین معیـار، دومـین معیـار و همچنین الی آخر تا همه مقایسه شده باشند، از هر سری از مقایسات انتخاب ماهرانه وزن مشکل را بر روی انتخـاب هـا تقسیم می‌کند و یک تناقض نسبی در بین معیارها محاسـبه می‌نماید . یک بار که همه‌ی انتخاب‌ها مقایسه شده انـد، نتایج ساخته می‌شود .
انتخابی بـا بیـشترین وزن، همـ ان انتخـاب ماهرانـه مـی گـردد و تناقض نسبی نشان می‌دهد که چگونه تصمیم قابل اعتماد اسـت ( صفر نشان دهنده‌ی برتری سازگاری و یک نشان دهنده‌ی برتری تناقض است . ) اگر مشکل برگشت کند و یا راه کارهای متعـددی برای انتخاب وجود داشته باشـد، مـی تـوان از نـرخ بنـدی مـدل استفاده کرد . برجستگی برگ‌ها در زیر هر معیار، توصیف کننده مقیاس برای هر معیاری است . برای مثال، حالات کارکردن شاید به صورت عالی، خوب، ضعیف و خیلی ضعیف مـشخص گـردد . تصمیم گیرنده‌ی منطقی مقایسه می‌کند این مقیاس تشخیصی را درست مثل انتخاب‌ها . عالی به خـوب ارجـح اسـ ت و خـوب بـه ضعیف و ضعیف به خیلـی ضـعیف . وزن ایـن مشخـصه هـا یـک مقیاس را برای پروژه‌ی فیلم به خصوص ثبت می‌کنـد . یـک بـار همه‌ی معیارها مقیاس خود را دارند و عاقلانه مقایسه شـده انـد، ما به سمت مدل ارزیابی حرکت می‌کنیم، جایی که هـر انتخـابی به وسیله‌ی ردیف‌هایی از صفح ه‌ی گسترده ارائه می‌شود شـبیه چارچوب کاری و ستون هـای ارائـه دهنـده‌ی معیارهـا هـستند . تصمیم گیرنده سپس بر روی نرخ ارزیـابی هـر معیـار بـرای فـیلم کلیک می‌کند . به یکباره همه‌ی معیارها انتخاب می‌شوند، ارزش برای راه کار محاسبه م یشود . تصمیمگیرنده شاید تصمیم بگیـر د که فیلم را بپذیرد فقط اگر ارزش آن‌ها از یک سطح حداقل تجاوز کند یا شاید انتخاب‌ها را مرتب کند و آن یکی را که بالاترین نرخ را دارد انتخاب کند، بدون توجه به ایـن کـه کـدام روش بـه کـار مـی رود، AHP، بـه طـور ضـروری در انتخـاب ماهرانـه اجـرا می‌شود . تصمیم گیرنده، عملکردی را استفاده می‌کنـد کـه بـین اولویت‌های او ترجیح داشته است .
ساختن مدل
هدف و پنج معیار در مدل انتخابی ما وارد شـدند و یـک مقیـاس ارزیابی برای هر یک از معیارهای Seabrook تعیین شد . صفحه‌ی گسترده‌ی شکل 4 . 2 هدف را نشان مـی دهـد ( کـدام فـیلم انتخاب شود ) پنج معیار و مقیاس هر کدام . مقایـسه‌ی منطقـی پس از آن اجرا شد و اولویت هـا تعیـین شـدند . در ایـن منطقـه گفتگوهای دیگر با Seabrook به ما اجازه داد که اولویـت هـا بـا ظرافت دریابیم .نتایج نشان می‌دهند در شـکل 5 . 2 و همچنـین در اوزان معیارها در شکل 4 . 2 توجه کنید به تن اقض نـسبی 7 0 / 0 – این عدد را به سمت اولویت‌های Seabrook کاهش دهید
. او احساس کرد که با ترجیحاتش هماهنگ نیستند و همچنین ما به ارزش‌های قبلی برگشت کردیم . معمولا اگز نسبیت کمتر از 1 / 0 باشد . مقایسه‌ها می‌تواند، سازگار تلقـی شـود . در آینـده ( بعدا ) ما مقی اس‌های ارزیابی را تحت هر معیاری مقایسه کـردیم . نهایتا ما به سمت نمونه‌های ارزیابی حرکت کردیم و Seabrook دوباره با یک سری از داده‌های قابل استفاده‌ی دنیای واقعی فیلم‌ها برخورد کرد . او در گذشته مدل معتبری را ملاحظه کرده بود . ما یک فرم نظارت و بررسی را برای او آماده کردیم که چهار شغل گذشته را که به او پیشنها د شده بود ارزیابی کند . آن یک دایـره‌ی ساده بود برای بررسی عکس العمل صحیح . داده‌هایی که وارد مدل شده بودند به همراه نتایج ارزیابی آن‌ها در شکل 6 . 2 نشان داده شده است .




نتایج :
اسامی فیلم‌ها به طـور محرمانـه حـذف مـی شـوند امـا نتـایج بـا تصمیمات Seabrook هماهنگ است . فیلم 1 بـا نـرخ 279 / 0 به وسیله‌ی هر دو مدل رد شد و Seabrook هر سه فیلم دیگـر را پذیرفت و حس کرد که بهترین نرخ برای میان بر کردن بایـد 4 / 0 باشد از آن جا که کمترین نرخ پذیرفتن فـیلم فقـط 001 / 0 بــود نقــاط کمتــر از آن رد شــدند . ایــن ســطح شــاید وقتــی Seabrook با مدل سازگار شود، تغییر کند . او قادر خواهد بـود که مدل را با تغییرات اولویتی خودش سازگار کند . یک ماه، مدل اولیه و توسعه‌ی سیستم جریان خواهد داشت . ما مدل انتخاب را بر روی کامپیوتر او، نصب کـردی م تـا نظـارتی را ارائـه نمایـد کـه مطمئن باشیم او می‌تواند مدل را با پر بارترین توانایی به کار ببرد . او از سیستم حایلی راضی است و آن را با فرآیند تـصمیم گیـر‌ی خودش هماهنگ کرده است .
خاتمه :
Seabrook حالا می‌تواند از یک DSS ویژه استفاده کنـد کـه به او در فرآیند تصمیم گیری خود که آیا کار پیشنهادی را بپـذیرد یا نپذیرد، کمک می‌کند . تا به حال او معیارهایی مشابه با مدل را استفاده می‌کرد اما مدل او یک مدل ذهنی بود که مـی توانـست دچار مشکل شود . اگر که امکان نداشـت همـه‌ی معیارهـا را بـه طور همزمان برای بررسی اهمیت هر یک، به کار گیرد . اسـتفاده از AHP در انتخاب ماهرانه جهت انتقال ایـن دانـش و اولویـت‌های موجود در مدل تصمیم گیری که منجر به سازگاری بیـشتر و تصمیم گیری با کیفیت بالاتر می‌شـود . در گدشـته Seabrook عموما بر اساس یک فکتور که شدیدا خوب بود یا بد، تصمیم می‌گرفت . اکنون او قادر است اهمیت همه‌ی فاکتورهـا را بـه روش منطقی، اندازه گیری نماید .
سوالات موردی
1 - آیا شما فکر می‌کنید که Seabrook واقعـا همـه‌ی هـشت معیار را قبل از این که DSS اسـتفاده شـود، در تـصمیم گیـر‌ی‌هایش به کار می‌برد ؟ چه مقدار اطلاعاتی لازم می‌داشت اگـر او انتخاب کرده بود از بین 12 فیلم و همه‌ی هشت معیار را استفاده می‌کرد ؟ در این صورت روش عملی برای رفتن به سور کـارکردن با اطلاعات چیست ؟ چرا بله و چرا خیر ؟
2 - توصیف کنید که چگونه فرآیند و مدل با مدل تصمیم گیـر‌ی چهار مرحله‌ای سیمون جور درمی آید ؟
3 – توضیح دهید تفاوت هـای بـین مـدل AHP اسـتاندارد بـا هدف / معیـار / انتخـاب هـا و ارزیـابی مـدل AHP بـا هـدف / معیارها / مقیاس‌های ارزیابی / انتخاب‌ها .
4 - چرا استفاده از مدل ارزیابی بیشتر از نمونه‌ی اسـتاندارد آن، اقتضا می‌کرد ؟
5 – چگونه مدل انتخاب AHP به Seabrook کمک می‌کنـد که در تصمیمگیری خود چارچوب منطقی تری ارائه کند ؟ 6 – آیا شما فکر می‌کنید که این پروژه‌ی موفق می‌شد اگر تـیم توسعه به طور نزدیک با تصمیم گیرنده کار نمی‌کرد ؟ چـرا بلـه و چرا خیر ؟

مورد کاربردی 4,2

مورد اجرایی MSS خلاصه و پایان




قسمت دوم سیستم‌های پشتیبان تصمیم گیری 86


سوال از متن فصل

1 – توضیح دهیدکه منظور از تصمیم گیری و در مقابل منظور از حل مشکل چیست ؟ هر دو را با هم مقایسه کرده و تعیین کنید که آیا بین آن‌ها می‌شود تمایز قائل شد یا نه؟
2 –سیستم را تعریف کنید ؟
3 – اجزای اصلی تشکیل دهنده‌ی یک سیستم را نام ببرید ؟
4 – محیط یک سیستم را تعریف کنید؟
5 – سیستم‌های باز و بسته را تعریف کرده، از هر یک مثالی بزنید ؟
6– 4 فاز مدل تصمیم گیری سایمون را نام برده و به طور مختصر توضیح دهید ؟
7- انواع عقلانییت را به طور مختصر توضیح دهید ؟
8 – مشکلات برنامه ریزی شده ( ساختاری ) و در مقابل، مشکلات برنامه ریزی نشده ( غیر ساختاری ) را تعریف کنید ؟
9-مدل چیست ؟ انواع مدل را نام ببرید و در مورد هر کدام به طور مختصر توضیح دهید ؟
01 –مدل‌های اصولی و توصیفی مربوط به تصمیم گیری را با هم مقایسه کنید ؟
11 – عوامل فردی موثر بر تصمیمگیری را نام برده و توضیح دهید؟  

فصل
ترجمه: مهدی قربانی

3


3 سیستم‌های پشتیبان تصمیم گیری در یک مرور
اهداف یادگیری
 فهمیدن پیکربندی‌های ممکن DSS
 توصیف خصوصیات و امکانات DSS
 فهمیدن مولفه‌های DSS
 چگونگی جامعیت آنها
 توصیف مولفه‌ها و ساختار هر یک از مولفه‌ها : زیر سیستم مدیریت داده، زیر سیستم مدیریت مدل زیرسیستم واسط کاربر ( محاوره )، زیر سیستم مدیریت پایگاه دانش وکاربر،
 توضیح چگونگی تاثیر وب جهانی بر DSS و برعکس
 توضیح نقش‌های واحد کاربر در DSS در مقابل MIS
 توصیف سخت افزار DSS
 فهمیدن رده بندیهای مهم DSS
3,1
2,3 پیکربندیهای DSS
تصویر آغازین قابلیت تغییر پذیری سیستم هوشمند تجاری / DSS را شرح می‌دهد . مخصوصاً آن یک سیستم پشتیبان با خصوصیات زیر را نشان م یدهد .
آن از هر یک از اعضا و تمام تیم پشتیبانی م یکند .
آن بطور مداوم و تکراری استفاده م یشود .
آن سه مولفه اصلی دارد : داده، مدلها واسط کاربر .
آن از داده مشخصی، عینی و ذهنی استفاده م یکند .
آن از در بخشهای خصوصی استفاده می‌شود .
آن به اتخاذ تصمیمات بهتر، با فراست و سریعتر کمک م یکند .

سیستم پشتیبان تصمیم گیری می‌تواند در پیکربندیهای متنوعی ایجاد شود . این پیکربندیها بستگی به ماهیت و موقعیت تصمیم مدیریت و تکنولوژیهای خاص که برای پشتیبانی استفاده می‌شود، دارد .
این تکنولوژیها برای چهار مولفه اصلی مونتاژ م یشوند ( هر کدام با چندین تنوع ) :
داده، مدلها، واسط کاربر و بطور بالقوه دانش .
هر یک از این مولفه‌ها توسط نرم افزاری مدیریت م یشوند که یا به طور تجاری در دسترس است یا باید برای وظیفه خاصی برنامه نویسی شود . راه و روش هر یک از این مولفه‌ها، مونتاژ کردن تعاریف قابلیتهای اصلی آنها و ماهیت پشتیبانی که فراهم شده است م یباشد . برای مثال مدلها در یک DSS مدل گرا تاکید م یشوند .
چنین مدلهایی می‌توانند با یک صفحه گسترده یا یک زبان برنامه نویسی سفارشی شوند یا می‌توانند توسط ابزارهای مبتنی بر الگوریتم که شامل برنامه نویسی خطی است فراهم شوند. به طور مشابه در یک DSS داده گرا، داده و مدیریت آن نقش مهمی را بازی م یکنند .
3,3DSS چیست؟
تعاریف قبلی یک DSS، آن را بصورت یک سیستم که تمایل به پشتیبانی مدیریتی از تصمیم گیرنده در حالتهایی با تصمیم نیمه ساخت یافته دارند، مشخص م یکند . DSS با این معنی باید یک چیز الحاقی در تصمیم گیرنده برای توسعه تواناییهای آنها باشد . اما نباید جایگزین قضاوت آنها شود. آنها در تصمیماتی فرض شده‌اند که نیازمند قضاوت یا در تصمیماتی که نمی‌تواند بطور کامل توسط الگوریتمهاپشتیبانی شوند.ازتعریف قبلی می‌توان چندین تفسیر بدست اورد . اکنون چندین تعربف دیگر را که باعث عدم توافق قابل ملاحظه در این که واقعاً یک DSS چیست ارائه داده م یشود .
تعاریف DSS
DSS،Little را بصورت یک مجموعه از رویه‌های مبتنی بر مدل برای پردازش داده و قضاوت‌ها در یاری رساندن به مدیر در اتخاذ تصمیم معرفی م یکند. او استدلال می‌کند که آنها باید موفقیت آمیز باشند .
چنان که یک سیستم به همراه آنها باید ساده، تنومند، راحت برای کنترل، سازگار، کامل در موارد مهم و آسان برای ارتباط باشد .
DSS، Alter را از طریق هم سنجی آنها با سیستم پردازش داده الکترونیک ( EDP ) متعاریف در پنج بعد، تعریف م یکند که در جدول 1,3 نشان داده شده است .
جدول 3.1 DSS در برابر EDP
EDP DSS بعد
غیر فعال فعال استفاده
منشی(دفتری) مدیریت خط وستاد کاربر
بهره وری مکانیکی سودمندی هدف
گذشته حال و اینده وسعت زمانی
پایداری انعطاف پذیری ویژگی

moore و cheng استدلال م یکنند که مفهوم بدون ساختار در یک قسمت از تعریف قبلی DSS ( یعنی DSS می‌تواند حالتهای غیر ساخت یافته و نیمه ساخت یافته را اداره کند ) در کل معنادار نیست .
بنابراین به آنها DSS را بصورت سیستمهای قابل توسعه که قادر به پشتیبانی از تحلیل داده تک کاره و مدلسازی تصمیم است تعریف م یکنند . که تمایل به طراحی‌های آینده و استفاده شدن در فواصل تصادفی و بی قاعده دارد .
DSS، Bonczek et al را بصورت یک سیستم مبتنی بر کامپیوتر که شامل سه مولفه تعاملی است تعریف م یکند : یک سیستم زبان ( یک مکانیزمی برای فراهم کردن ارتباط بین کاربر و مولفه‌های دیگر DSS )، یک سیستم دانش ( یک مخزنی از دانش دامنه مساله جاسازی شده در DSS بصورت داده یک رویه ) و یک سیستم پردازش مساله ( یک اتصال بین دو مولفه که حاوی یک یا بیش از یک قابلیت دستکاری مساله عمومی است که برای اتخاذ تصمیم نیاز است ) مفاهیم فراهم شده توسط این تعاریف برای فهمیدن ارتباط بین DSS و دانش مهم م یباشند .
در نهایت keen، واژه DSS را در موقعیتهایی که یک سیستم نهایی می‌تواند تنها از طریق یک فرآیند یادگیری و ارزیابی توسعه داده شود، بکار می‌برد . بنابراین او یک DSS را بصورت یک محصولی از فرآیند توسعه که در آن کاربر DSS، سازنده DSS و خود DSS که قادر به نفوذ در یکدیگر در نتایج ارزیابی سیستم و الگوهای استفاده هستند، تعریف م یکند . این تعاریف از طریق مفاهیم متنوع استفاده شده در تعریف DSS
، مقایسه و هم سنجی م یشوند . ( جدول 2,3 )

جدول 2,3 مفاهیم در بر گیرنده تعاریف DSS
تعریف شده بر حسب منبع
نوع مسأله و وظیفه سیستم(پشتیبانی) (1980)Scott-MortonوGorry
وظیفه سیستم و خصوصیات واسط (1970)Little
الگوی استفاده و اهداف سیستم (1980)Alter
الگوی استفاده و قابلیت‌های سیستم (1980)Chang و Moore
مولفه‌های سیستم (1980)Bonczek et al.
فرایند توسعه (1980)Keen

متاسفانه، تعاریف از DSS یک تمرکز سازگار را ارائه نمی‌دهند . چون هر یک سعی بر محدود کردن نفوس، بطور مختلف م یکنند . به علاوه آنها بطور جمعی از هدف اصلی DSS چشم پوشی م یکنند یعنی برای پشتیبانی و بهبود تصمیم . در تعاریف اخیر DSS، این تمرکزها، به نظر می‌رسد بر روی ورودی نسبت به خروجی م یباشد یک دلیل احتمالی برای تاکید بر این تغییر، سخت بودن اندازه گیری خروجیهای DSS م یباشد ( برای مثال کیفیت تصمیم یا اطمینان از تصمیم گرفته شده ) یک کاربرد DSS
یک DSS معمولاً برای پشتیبانی از راه حل یک مسئله خاص یا ارزیابی یک موقعیت ساخته م یشود . به همین خاطر آن کاربرد DSS نامیده م یشود . در DSS در تمرکز 2,3، ما یک تعریف کاری که شامل یک محدوده‌ای از اساس کاربرد DSS ایده ال است را ارائه می‌دهیم .
روی یک PC یا می‌تواند مبتنی بر وب، برای استفاده توسط تعدادی از افراد در چندین مکان، استفادهم یشود .
ما یک معماری DSS مبتنی بر وب معمولی را در شکل 1,3 نشان می‌دهیم .

یک سرور داده که بطور بالقوه داده را از انبار داده یا از سیستم مرکزی استخراج می‌کند فراهم شود . هنگامی که کاربر نیاز داشته باشد که مدل بهینه شود، این مدل توسط داده پرنفوس می‌شود و به سرور بهینه ساز، انتقال می‌یابد . سرور بهینه ساز می‌تواند به داده اضافی از سرور داده دسترسی داشته باشد . این سرور ساده را حل کرده و راه حل‌هایی را مستقیماً در مرورگر وب کاربر فراهم می‌نماید. گزارش‌های راه حل تولید شده می‌تواند توسط مدیر در سرور کاربرد به منظور قابل خواندن شدن، دستکاری شود و ممکن است مستقیماً به طرفین مناسب از طریق ایمیل یا از طریق پورتال وب دیگر بصورت قسمتی از سیستم اطلاعاتیسازمانی فرستاده شود.

4,3 خصوصیات و قابلیتهای DSS
بدلیل اینکه هیچ اجماعی بر روی اینکه دقیقاً یک DSS چیست، آشکارا هیچ توافقی در مورد قابلیتها و خصوصیات DSS نیست . قابلیتها در شکل 2,3 متشکل از یک مجموعه ایده ال می‌باشد . واژه هوش تجاری مترادف با DSS م یباشد اما به شدت با پیاده سازی وب هم تراز شده است ( ببینید DSS در تمرکز 3,3 ).
DSS در فوکوس 3،3
هوش تجاری چیست ؟
هوش تجاری ( BI ) یک مجموعه از فن BI فعال، پنج مولفه دارد : انبار داده و فرآیند نوآوری در سراسر انبار داده و فضای بلادرنگ، کشف استثناء و غیر متعارف‌های هوش تجاری م یباشد . BI فعال، بر تسریع مستقل، اعلام فعال بودن با تعیین دریافت اتخاذ تصمیم از طریق قدرت نفوذ خودکار، جریان کاری با انجام رسانی یکپارچه زیرساختارهای موجود BI برای احراز هویت،و یادگیری و پالایش خودکار.تکنولوژیهای محاسبه و توزیع تا حد اطلاعات بحرانی بی سیم، نقش کلیدی را در افزایش مقدار ماموریت، تمرکز دارد . به خاطر کاربرد این راندمان چندین از این مولفه‌ها را بازی تکنیکها و تکنولوژیها، دستیابی و ارزش انبار م یکنند. تحلیل تجاری بر استفاده از مدلها در داده و سیستم‌های BI می‌تواند از طریق یک هوش تجاری دلالت می‌کند. این مدلها می‌یا بیش از یک ترتیبی از دامنه افزایش یابد. توانند دستی به همان صورت که در OLAP امروزه موفقیت تجاری، نیازمند داده هوشمند است یا خودکار به همان صورت که در کاوش برای استفاده است . داده است، باشند .

تحلیل تجاری یک واژه دیگری است که دلالت بر استفاده از مدلها و داده برای بهبود وضع رقابتی و کارایی سازمان دارد . در تحلیل تجاری، تمرکز بر روی استفاده مدلها می‌باشد حتی اگر آنها بطور عمیق در داخل سیستم دفن شده باشند . PWC تخمین می‌زند که تنها 10 تا 20 درصد از کاربران به ابزارهای DSSدسترسی دارند . برای رسیدن به بقیه، تحلیل تجاری باید در راه حلهای هسته IT جاسازی شوند .
خصوصیات و قابلیتهای کلیدی DSS ( در شکل 2,3 ) عبارتند از :
1 . پشتیبانی از تصمیم گیرنده، بیشتر در موقعیتهای نیمه و غیر ساخت یافته، از طریق ارائه قضاوت انسان واطلاعات محاسبه شده با همدیگر م یباشد . چنین مسائلی توسط سیستم‌های محاسباتی دیگر یا توسطابزارها و مترهای کمی استاندارد، بطور راحت نمی‌توانند حل شوند .
2 . پشتیبانی از همه سطحهای مدیریتی که حدود آن از اجرای عالی تا مدیران خط م یباشد .
3 . پشتیبانی فردی و همچنین گروهی، در مسائل کمتر ساخت یافته، اغلب نیازمند، درگیری افراد از واحدها و سطحهای سازمانی مختلف و یا حتی از سازمانهای مختلف می‌باشد . DSS از تیم‌های مجازی از طریق همکاری ابزارهای وب، پشتیبانی م یکند .
4 . پشتیبانی از تصمیمات ترتیبی و / یا وابسته به یکدیگر م یباشد . این تصمیمات ممکن است یکبار، چند دفعه یا بطور تکراری گرفته شوند .
5 . پشتیبانی از همه فازهای فرآیند تصمیم گیری : هوش، طراحی، انتخاب و پیاده سازی .
6 . پشتیبانی از تنوع سبکها و فرآیندهای تصمیم گیری .
7 . سازگاری در همه زمان . تصمیم گیرنده باید فعال و قادر به مقابله با تغییرات سریع شرایط باشد و بتواند DSS را برای رسیدن به این تغییرات تطبیق دهد .DSS انعطاف پذیر است، بنابراین کاربر می‌تواند اضافه، حذف، ترکیب، تغییر یا عناصر پایه را دوباره تنظیم کند . آنها همچنین در اینکه براحتی برای حل مسائل شبیه دیگر، می‌توانند اصلاح شوند انعطاف پذیرند .
8 . کاربر احساس در خانه بودن م یکند . کمک یار کاربر با قابلیتهای گرافیکی موثر و یک زبان طبیعی در تعامل با واسط ماشین و انسان، می‌تواند کارایی DSS را خیلی افزایش دهد .
9 . بهبود موثر بودن اتخاذ تصمیم ( صحت، مناسب، کمیت ) نسبت به کارایی( هزینه تصمیم گرفتن).
اغلب زمانی که DSS، توسعه می‌یابد، اتخاذ تصمیم طولانی تر می‌شود اما تصمیمات بهتر خواهند بود .
10. کنترل کامل توسط تصمیم گیرنده بر همه مراحل فرآیند تصمیم گیرنده در حل یک مساله .
به طور خاص یک DSS برای پشتیبانی فرض م یشود نه برای جایگزینی به جای تصمیم گیرنده .
11 . کاربر نهایی قادر به توسعه و اصلاح سیستم‌های ساده توسط خودشان می‌باشد . سیستم‌های بزرگتر می‌توانند با مساعدت متخصصان سیستم اطلاعاتی ( IS ) ساخته شوند. نرم افزار OLAP (پردازش تحلیلی بر خط) در ارتباط با انبار داده به کاربران امکان ساختن DSS پیچیده و بزرگ را بطور مساعد فراهم م یکند .
12 . مدلها بطور کلی برای تحلیل وضعیتهای اتخاذ تصمیم استفاده می‌شوند . توانایی مدلسازی، بررسی استراتژیهای مختلف در پیکربندیهای متنوع را امکان پذیر می‌سازد . در حقیقت این مدلها، یک DSS متفاوت از اکثر MIS ایجاد م یکند .
13 . دستیابی به انواع مختلفی از منابع داده، فرمتها، انواع و محدوده‌ای از سیستم‌های اطلاعاتی جغرافیایی
( GIS ) در موارد شی گرا فراهم م یشود .
14 . می‌تواند بصورت یک ابزار سیستم مستقل بکار گرفته شود که توسط یک تصمیم گیرنده در یک مکان یاتوزیع شده در سراسر یک سازمان و در چندین سازمان در طول زنجیر تامین استفاده شود . آن می‌تواند باDSS دیگر و / یا کاربردهایی یکی شود و همچنین می‌تواند بصورت داخلی یا خارجی با استفاده از تکنولوژیهای وب و شبکه توزیع شود .

5,3 مولفه‌های DSS
یک کاربرد DSS می‌تواند از زیر سیستم‌هایی که در شکل 3,3 نشان داده شده است تشکیل شده باشد .
زیر سیستم مدیریت داده : زیرسیستم مدیریت داده شامل پایگاه داده‌ای است که حاوی داده مرتبط با وضعیت است که توسط نرم افزاری بنام سیستم مدیریت پایگاه داده ( DBMS ) مدیریت می‌شود . این زیرسیستم می‌تواند با انبار داده مشترک که یک مخزنی برای داده تصمیم گیری مرتبط است اتصال داخلی داشته باشد .
معمولاً داده از طریق یک پایگاه داده سرور وب ذخیره یا در دسترس قرار می‌گیرد .
زیر سیستم مدیریت مدل : این یک بسته نرم افزاری شامل علم مدیریت آماری و مالی است و یا مدلهای کمی است که قابلیتهای تحلیل سیستم و مدیریت نرم افزار مقتضی را فراهم مینماید . همچنین زبانهای مدلسازی را هم برای ساختن مدلهای سفارشی شامل م یشود . اغلب چنین سیستمی، سیستم مدیریت پایگاه مدل نامیده م یشود . این مولفه می‌تواند به ذخایر خارجی یا مشترک مدلها اتصال داشته باشد . متدهای راه حل مدل و سیستم‌های مدیریت برای اجرا، بر روی سرور کاربرد در سیستم‌های توسعه وب ( مثل جاوا ) پیاده سازی م یشوند .
زیر سیستم واسط کاربر : ارتباطات کاربر و فرمانهای DSS از طریق این زیر سیستم صورت می‌گیرد .
کاربر، قسمتی از سیستم در نظر گرفته م یشود . محققان ادعا م یکنند که بسیاری از کمکهای بی نظیر DSS از تعامل شدید بین تصمیمگیرنده و کامپیوتر بدست م یآید . مرورگر وب یک ساختار واسط کاربر گرافیکی پایدار، برای اکثر DSS‌ها فراهم می‌نماید .
زیر سیستم مدیریت مبتنی بر دانش : این زیر سیستم می‌تواند هر یک از زیر سیستم‌های دیگر را پشتیبانی و یا بصورت یک مولفه مستقل عمل کند . آن هوش را برای افزودن به هوش تصمیم گیرنده فراهم م یکند . آن می‌تواند با مخزن دانش سازمان ( قسمتی از سیستم مدیریت دانش ) که بعضی وقتها، پایگاه دانش سازمانی نامیده م یشود اتصال داخلی داشته باشد . دانش ممکن است از طریق مرورگر وب فراهم شده باشد . بسیاری از متدهای هوش مصنوعی در سیستم‌های توسعه وب مثل جاوا پیاده سازی شده‌اند و در تعامل با دیگر DSS‌ها راحت هستند .
با توجه به تعریف، یک DSS باید شامل سه مولفه اصلی، MBMS، DBMS و واسط کاربر باشد. زیرسیستم مدیریت مبتنی بر دانش اختیاری است اما می‌تواند مزیتهای زیادی را فراهم کردن هوش در هر سهمولفه اصلی، فراهم نماید .
در هر سیستم اطلاعاتی مدیریت، کاربر می‌تواند، یک مولفه از DSS در نظر گرفته شود . مولفه‌های سیستم کاربرد DSS، می‌توانند به یک شبکه داخلی مشترک و یک کتابخانه خارجی و یا اینترنت متصل باشند . بطور معمول، مولفه‌ها از طریق تکنولوژی اینترنت، ارتباط برقرار می‌کنند . معمولاً مرورگرهای وب، واسط کاربررا ارائه م یدهند. یک دید شماتیک از DSS و مولفه‌های سطحی آن در شکل 2,3 نشان داده شده است که یک فهم پایه از ساختار کلی DSS را ارائه م یدهد. در جدول 3,3، ما یک نمونه برداری از تاثیر وب بر روی مولفه‌های DSS و برعکس آن را فراهم م یکنیم .  

جدول 3,3 مولفه‌های DSS و تاثیرات وب
تاثیرات بر روی وب تاثیرات وب فاز
وسیله‌ای برای هدایت تجارت الکترونیکی پایگاه داده سرور‌های وب
ذخیره داده در مـورد وب بـرای تحلیـل بـا استفاده از مدل‌ها به منظـور تعیـین مـوثر بودن وکارایی سیـستم مـدیریت پایگـاه داده(DBMS)
زیر ساختار‌های طراحـی و بـه روز رسـان‌ی‌های بهبود یافته
رواج مدل‌ها و راحل‌های زیر ساختار وب بهبود کارایی از طریق مدل‌های مسیر یابی پیغام وب
پیش بینی مدل‌ها
دسترسی به مدل‌ها و متد‌های حل کـه بـصورت برنهمـه هـای جـاوا وسیتمهای توسعه وب دیگر
استفاد ه از مدل‌ها توسط مـدیران تعلیم ندیده، بدلیل استفاده آسان دسترسی به ابزارهای AI مبتنی بر وب به منظور پیشنهاد مـدل هـا و متدهای حل در DSS دسترسی به اطلاعات مدل‌ها سیـستم مـدیریت پایگـاه مدل(MBMS)
سیـستم مـدیریت پایگـاه
(MBMS)مدل

این عناصر بطور شماتیک در شکل 4,3 ( قسمت سایه دار ) نشان داده شده است . همچنین این شکل تعامل بین زیر سیستم مدیریت داده با قسمتهای دیگر DSS همین طور تعامل آن با چندین منبع داده را نشان م یدهد .
پایگاه داده
یک پایگاه داده، مجموعه‌ای از داده است که برای برآوردکردن نیازها و ساختار یک سازمان، سازماندهی م یشود . این داده‌ها می‌تواند توسط بیش از یک فرد و در بیش از یک کاربرد استفاده شود . چندین پیکربندی برای پایگاه داده وجود دارد . در بسیاری نمونه‌های DSS، داده از انبار داده یا از یک سیستم پایگاه داده مرکزی به سراسر یک پایگاه داده سرور وب، هدایت می‌شود . برای کاربردهای دیگر DSS، در صورت نیاز یک پایگاه داده خاص، ساخته م یشود . چندین پایگاه داده می‌تواند در یک کاربرد DSS استفاده شود که بستگی به منابع داده دارد . بطور عمومی، کاربران انتظار دارند که از مرورگرهای وب برای دسترسی استفاده کنند و پایگاه داده سرور وب، داده را صرف نظر از منبع،تحویل دهد .
داده در پایگاه داده DSS، همانگونه که در شکل 4,3 نشان داده شده از منابع داده خارجی، داخلی همچنین از داده شخصی که متعلق به یک یا بیش از کاربر است استخراج می‌شود . نتایج استخراج به پایگاه داده کاربرد خاص یا به انبار داده مشترک در صورت وجود، می‌رو د . در مورد آخری، داده می‌تواند توسط کاربرد دیگر هم استفاده شود .
اساساً داده داخلی از سیستم پردازش تراکنش سازمانی م یآید . یک مثال معمولی از چنین داده، لیست حقوق ماهیانه است . مثالهای دیگر مانند اختصاص بودجه، پیش بینی فروش آینده می‌باشد . داده داخلی از طریق مرورگر وب بر روی یک اینترانت و سیستم مبتنی بر وب داخلی، قابل دسترسی می‌باشد .
داده خارجی شامل داده صنعتی، داده تحقیق بازاریابی، داده سرشماری، داده استخدام منطقه ای، آئین نامه دولت زمانبندی مالیات و داده اقتصاد ملی م یباشد . این داده‌ها می‌توانند از شرکتهای دولتی، تجاری و بنگاههای تحقیق بازاری، بنگاههای پیش بینی اقتصادی و تلاش خود سازمان برای جمع آوری داده خارجی آمده باشند . مثل داده داخلی، داده خارجی هم می‌تواند در پایگاه داده DSS نگهداری شود یا مستقیماً در زمانی که DSS استفاده م یشود مورد دسترسی قرار گیرد . داده خارجی در حالتهای متنوعی بر روی اینترانت فراهم م یشود ( برای مثال، از سرویسهای بر خط محاسبه شده یا برداشت از طریق موتورهای جستجو ) سازمان داده
آیا یک DSS باید یک پایگاه داده مستقل داشته باشد ؟
آن بستگی دارد . در DSS ویژه و کوچک داده می‌تواند مستقیماً وارد مدلها شود و در بعضی وقتها، مستقیماً از پایگاه داده بزرگتر استخراج م یشود . در سازمان‌های بزرگ که مقدار وسیعی از داده را استفاده م یکنند، از قبیل AT&T، داده در انبار داده سازماندهی شده و در صورت نیاز استفاده می‌شود .
پایگاه داده‌های DSS با چندین منبع در بسیاری از DSS‌های بزرگ، کاملاً یکپارچه می‌باشد . نیازی نیست که یک پایگاه داده مجزای DSS بطور فیزیکی در پایگاه داده مشترک، تفکیک شوند . آنها می‌توانند به دلایل اقتصادی، بطور فیزیکی با همدیگر ذخیره شوند . بسیاری از سیستم‌های OLAP، داده‌ای را استخراج م یکنند که در پایگاه داده خارجی دستکاری م یشود .
یک پایگاه داده DSS می‌تواند در یک DBMS با سیستم‌های دیگر مشترک باشد . پایگاه داده DSS می‌تواند شامل اشیاء چند رسانه‌ای باشد ( مثل عکس، نقشه ) . پایگاه داده شی گرا در XML توسعه می‌یابد و در DSS استفاده می‌شود . این موارد در کاربردهای تجارت الکترونیکی اهمیت دارند .
استخراج
اغلب به منظور ایجاد یک پایگاه داده DSS یا یک انبار داده، ضروری است که داده از چندین منبع گرفته شود . این عمل، استخراج نامیده م یشود . بطور اساسی آن شامل وارد کردن فایل، خلاصه سازی، استاندارد سازی، فیلترینگ و چگالش داده م یباشد . همچنین استخراج در زمانی که کاربر از داده‌ای گزارشتولید م یکند نیز رخ م یدهد . برای یک انبار داده، داده از منابع داخلی یا خارجی استخراج م یشود .
فرآیند استخراج، بطور متعدد توسط DBMS مدیریت م یشود . برای استخراج داده باید یک پرس و جوی دقیق در چندین جداول مرتبط با داده ایجاد شود که ممکن است در چندین پایگاه داده مستقل گسترده شده باشد .
سیستم مدیریت پایگاه داده
یک پایگاه داده توسط DBMS ایجاد، به روز و مورد دسترسی قرار می‌گیرد . اکثر DSS‌ها با یک DBMS رابطه‌ای تجاری استاندارد که قابلیتهایی را فراهم می‌کند، ساخته می‌شوند . ( ببینید DSS در تمرکز5,3 )
DSS در فوکوس 5,3قابلیتهای یک DBMS رابطه‌ای در DSS
تسخیر و استخراج داده برای وارد کردن به پایگاه داده اداره کردن داده شخصی و غیر اداری چنان که DSS کاربران می‌توانند راه حلهای دیگری را بر اساس
به روز کردن ( اضافه، حذف، ویرایش، تغییر ) قضاوتشان بررسی کنند
فایلها و رکوردهای داده انجام کارهای دستکاری داده پیچیده بر اساس به هم وابسته کردن داده‌هایی از منابع مختلف بازیابی درخواست
داده از پایگاه داده برای گزارش و درخواستها ( برای پیگردی داده‌ای که در DSS استفاده می‌شود مثال استفاده از SQL از طریق WEB ) مدیریت داده در سراسردایرکتوری داده فراهم کردن امنیتی جامع برای داده ( برای مثال حمایت از دسترسی غیر مجاز و قابلیتهای ترمیم ) وسیله پرس و جو
در ساختن و استفاده از DSS، اغلب دسترسی به داده در خواست شده و دستکاری آن ضروری است . این کارها توسط وسیله پرس و جو انجام می‌گیرد . آن درخواست‌های داده از مولفه‌های دیگر DSS را قبول م یکند ( شکل 4,3 ) و تعیین م یکند که چگونه درخواستها می‌توانند انباشته و درخواستهای جزیی شده تنظیم گردند و نتایج به مکان برآمدن درخواست بر گردد. وسیله پرس و جو شامل زبان پرس و جوی خاص م یباشد ( مثل SQL ) توابع مهم یک سیستم پرس و جوی DSS، عملیات دستکاری و انتخاب م یباشند .
دایرکتوری
دایرکتوری داده، یک کاتولوگی از همه داده‌ها در پایگاه داده می‌باشد . آن حاوی تعاریف داده و توابع اصلی آنها برای جواب دادن به سوالاتی در مورد قابلیت دسترسی داده، منبع آنها و معنی دقیق آنها م یباشد .
این فهرست مخصوصاً برای پشتیبانی از فازهای هوش در فرایند تصمیم گیری از طریق کمک کردن به پویش داده و مشخص کردن فرصتها یا زمینه‌های مساله، مهم م یباشد. این فهرست مثل هر کاتالوگ دیگر از اضافه کردن یک فقره جدید، حذف یک فقره و بازیابی اطلاعات از اشیاء خاص، پشتیبانی می‌کند .
همه عناصر پایگاه داده بر روی پایگاه داده مرورهای وب که به صفحات مرورگر وب پاسخ می‌دهند پیاده سازی شده‌اند .

7,3زیر سیستم‌های مدیریت مدل
زیر سیستم‌های مدیریت مدل DSS از عناصر زیر تشکیل شده‌اند :
• پایگاه داده
• سیستم مدیریت پایگاه مدل
• زبان مدلسازی
• دایرکتوری مدل
• اجرا، جامعیت و پردازشگر فرمان مدل .
این عناصر و واسطهای آنها به همراه مولفه‌های دیگر DSS در شکل 5,3 نشان داده می‌شوند .
پایگاه مدل
پایگاه مدل حاوی خط مشی و علم مدیریت، پیش بینی، مالی و آماری خاص می‌باشد و مدلهای کمی دیگر که قابلیتهای تحلیل را در یک DSS فراهم م یکنند . توانایی فراخوانی، اجرا، تغییر، ترکیب و مدلهای بازرسی، قابلیتهای کلیدی در DSS م یباشد که آن را از دیگر CBIS‌ها متمایز می‌سازد . مدلها در پایگاه مدل می‌توانند به چهار دسته اصلی تقسیم شوند : استراتژی، تاکتیکی، عملیاتی و تحلیلی . به علاوه خط مشی‌ها و بلوکهای سازنده مدل نیز وجود دارد .
مدلهای استراتژی ( راهبردی ) برای پشتیبانی ازمسئولیتهای طراحی استراتژی مدیریت عالی استفاده م یشود. کاربردهای بالقوه شامل تولید تجارت الکترونیکی، توسعه اهداف مشترک، طراحی برای ادغام و فراگیری و کاوش انتخاب محل م یباشد .
مدلهای تاکتیکی، اساساً توسط مدیران میانی به منظور کمک رساندن به تخصیص و کنترل منابع سازمانی استفاده م یشود . مثالهایی از مدلهای تاکتیکی شامل انتخاب کردن یک سرور وب، طراحی توضیح فروش و خط مشی بودجه سرمایه . معمولاً مدلهای تاکتیکی تنها در زیر سیستم سازمانی از قبیل واحد حسابرسی قابل کاربرد م یباشند .
مدلهای عملیاتی برای پشتیبانی روزانه از فعالیتهای کاری سازمان، استفاده می‌شوند .
اساساً مدلهای عملیاتی از تصمیم گیری مدیران خط اول پشتیبانی می‌کنند . این مدلها به طور معمول تنها از داده داخلی استفاده م یکنند .
مدلهای تحلیلی به منظور انجام تحلیل بر روی داده استفاده می‌شوند . آنها شامل مدلهای آماری، مدلهای علم مدیریت، مدلهای کاوش داده و مدلهای مالی م یباشند . بعضی وقتها آنها با مدلهای دیگر از قبیل مدلهای طراحی استراتژی کامل م یشوند . شالوده تحلیل تجاری، همه مدلهای تحلیلی را در بر می‌گیرد. این ابزارها، سهولت می‌توانند در سیستم‌های وب بکارگرفته شوند . مدلها در DSS، محاسباتی می‌باشند یعنی آنها بوسیله فرملها بیان م یشوند . این فرملها می‌توانند از پیش در ابزارهای توسعه DSS از قبیل اکسل برنامه ریزی شوند. آنها می‌توانند در یک صفحه گسترده نوشته شوند و برای استفاده آینده ذخیره گردند و یا تنها برای استفاده برنامه نویسی شوند .
بلوکهای سازنده مدل و خط مشی‌ها
علاوه بر مدلهای عملیاتی، تاکتیکی و استراتژی، پایگاه مدل می‌تواند حاوی بلوکهای ساختمان مدل و خط مشی‌ها باشد . مثالها شامل جریان تولیدکننده شماره تصادفی، روال جفت سازی خط یا منحنی و روال محاسباتی مقدار حاضر م یباشند .
چنین بلوکهایی می‌توانند به چندین روش استفاده شوند آنها می‌توانند بر روی خودشان بصورت تحلیل داده بکارگرفته شوند و یا بصورت مولفه‌هایی از مدلهای بزرگ استفاده شوند .
ابزارهای مدلسازی
به دلیل اینکه DSS با مسائل نیمه و غیرساخت یافته سروکار دارد، اغلب سفارشی کردن مدلها با استفاده از زبانها وابزارهای برنامه نویسی ضروری است . مثالهایی از این‌ها C++ و جاوا می‌باشد . همچنین نرم افزار OLAP می‌تواند در کار با مدلها در تحلیل داده استفاده شود . برای DSS‌های با اندازه کوچک و متوسط یا برای موارد کمتر پیچیده معمولاً از یک صفحه گسترده ( مثل اکسل ) استفاده می‌شود . ما برای بسیاری از مثالهای کلیدی از اکسل استفاده خواهیم کرد .
سیستم مدیریت پایگاه مدل
وظایف نرم افزار مدیریت پایگاه مدل ( MBMS ) ایجاد مدلی با استفاده از زبانهای برنامه نویسی، ابزارهای DSS، و / یا زیرروالها و بلوکهای ساختمانی دیگر، تولید گزارشها و خط مشی‌های جدید، تغییر و بروز کردن مدل و دستکاری داده مدل م یباشد MBMS صلاحیت دار مدلهای وابسته به هم با اتصالات مناسب در سراسر پایگاه داده می‌باشد . ( ببینید DSS در تمرکز 7,3 )

DSS در فوکوس 7,3وضایف اصلی MBMS
•ایجاد سریع واسان مدلها یا از مدلهای موجود یا از •پیگردی کاربرد و داده مدل مورد استفاده
بلوکهای سازنده •مدلهای وابسته به هم با اتصالات مناسب به همراه
•امکان دستکاری مدلها توسط کاربر بطوریکه آنها پایگاه داده و جامعیت آنها درون DSS مدیریت و می‌توانند محدوده تحلیل تست و حساسیت را از نگه داری پایگاه مدل با عملکرد‌های مدیریت در what-if بهgoal-seeking انتقال دهند مقایسه با مدیریت پایگاه داده : ذخیره، دسترسی،
•ذخیره، بازیابی و مدیریت در یک تنوع گسترده از اجرا، اتصال، کاتالوگ و درخواست
انواع مختلف مدلها در یک سبک جامع و سراسری •استفاده از مدلهای متعدد برای پشتیبانی از حل •دسترسی‌ها و جامعیت بلوکهای سازنده مدل مسائل
•کاتالوگها و نمایش دایرکتوری مدلها برای استفاده توسط چندین افراد در سازمان دایرکتوری مدل
نقش فهرست مدل شبیه به فهرست پایگاه داده است . آن یک کاتالوگی از همه مدلها و نرم افزارهای دیگر در پایگاه مدل م یباشد . آن حاوی تعاریف مدلها و عملکرد اصلی آنها برای جواب دادن به سوالاتی در مورد قابلیت دسترسی و توانایی این مدلها م یباشد .
اجرا، جامعیت و دستور مدل
فعالیتهای زیر معمولاً توسط مدیریت مدل کنترل م یشوند . اجرای مدل، فرآیند کنترل اجرای واقعی مدل م یباشد . جامعیت مدل، ترکیب عملیات چندین مدل در صورت نیاز می‌باشد . ( مثلاً جامعیت DSS با کاربردهای دیگر ) یک پردازشگر دستور مدل در دریافت و تفسیر دستورالعملهای مدلسازی از مولفه واسط کاربر و روانه کردن آنها به توابع جامعیت یا اجرای مدل و MBMS استفاده می‌شود .
انتخاب مدل برای وضعیتهای مختلف، نمی‌تواند توسط MBMS صورت گیرد . چون نیازمند خبره بودن است . بنابراین به صورت دستی این انتخاب صورت می‌گیرد . یک مورد خودکار بالقوه که به MBMS کمک م یکند مولفه دانش است . موضوع‌های پیچیده، ممکن است، راههای متنوعی برای حل یک مساله خاص که بستگی به خصوصیات آن دارد وجود داشته باشد. در این مورد هم، مولفه دانش برای کمک به انتخاب متد حل مناسب، بالقوه م یباشد .

8,3زیر سیستم واسط کاربر ( محاوره )
واژه واسط کاربر، همه جنبه‌های ارتباطات بین کاربر و DSS یا هر MSS را پوشش می‌دهد . آن نه تنها شامل سخت افزار و نرم افزار است بلکه شامل عاملهایی که با قابلیت دسترسی و تعاملات ماشین و انسان و استفاده آسان، سروکار دارد . بسیاری از کارشناسان MSS، احساس می‌کنند که واسط کاربر مولفه مهمتری است چون آن منبع بسیاری از خصوصیات استفاده آسان، قابلیت انعطاف و توان MSS م یباشد . به بیان دیگر، واسط کاربر سیستمی از دیدگاه کاربر است، زیرا تنها قسمتی از سیستم است که کاربر می‌بیند .
یکی از دلایل اصلی اینکه چرا مدیران نمی‌توانند از تحلیل کمی و کامپیوتر استفاده کنند، واسط کاربر سخت م یباشد . مرورگر وب به صورت یک واسط کاربر گرافیگی موثر DSS، شناخته شده است . چون آن انعطاف پذیر و تقریباً به همه داده و اطلاعات ضروری یک گذرگاه می‌باشد .
مدیریت زیر سیستم واسط کاربر
زیرسیستم واسط کاربر توسط نرم افزاری بنام سیستم مدیریت واسط کاربر مدیریت می‌شود . UIMS از چندین برنامه که قابلیتهایی که در تمرکز 9,3 لیست شده را فراهم می‌کند تشکیل می‌شود . UIMS به سیستم مدیریت و تولید محاوره نیز معروف است .

DSS در فوکوس 9,3
قابلیت‌های اصلی UIMS

•یک واسط کاربر گرافیکی را غالباً با استفاده از مرورگر وب فراهم م یکند
•کاربر را با دستگاه‌های ورودی مختلف تطبیق م یدهد .
•داده را از دستگاههای خروجی و با فرمتهای متنوع ارائه می‌دهد .
•روالهای پیشنهاد، تشخیص، اشاره، قابلیتهای کمک به کاربران و هر پشتیبانی انعطاف پذیر دیگر را دریافت م یکند .
•تعاملات بین داده و پایگاه داده را فراهم م یکند .
•داده ورودی و خروجی را ذخیره م یکند .
•ترسیم داده به صورت گرافیکی سه بعدی و رنگی را فراهم م یکند .
•ویندوزی دارد که امکان نمایش وظایف متعدد بطور همروند را می‌دهد .
•م یتواند از ارتباطات بین و میان کاربران و سازندگان MSS، پشتیبانی نماید .
•آموزش را از طریق مثالها فراهم م یکند .
•قابلیت انعطاف پذیری و تطبیق را فراهم م یکند .
بطوریکه MSS می‌تواند تکنولوژیها و مسائل مختلف را تطبیق دهد .

•دریافت، ذخیره و تحلیل کاربرد محاوره برای بهبود سیستم محاوره و پیگردی توسط کاربر نیز قابل دسترسی می‌باشد . •تعامل در سبکهای محاوره مختلف و متعدد صورت می‌گیرد .
فرآیند تعامل کاربر
فرایند واسط کاربر برای یک MSS، بطور شماتیک در شکل 6,3 شان داده شده است .
تعامل کاربر با کامپیوتر از طریق یک زبان فعال که توسط UIMS پردازش می‌شود صورت می‌گیرد . در سیستم‌های پیشرفته مولفه واسط کاربر شامل یک پردازشگر زبان طبیعی باشد یا می‌تواند از اشیاء استاندارد ( مثلاً دکمه‌ها و مرورگر اینترنت ) به خاطر واسط کاربر گرافیکی ( GUI ) استفاده کنند . UIMS قابلیتهایی را فراهم می‌سازد که به کاربر امکان م یدهند با زیر سیستم‌های مدیریت داده و مدل تعامل کند . یک واسط کاربر DSS می‌تواند از یک تلفن سلولی از طریق صدا و یا صفحه نمایش مورد دسترسی قرار گیرد . اکنون DSS سیار، در حال توسعه، مستقیماً بر روی همیار دیجیتالی شخصی ( PDAs ) می‌باشند . که دارای یک حافظه عظیم، نمایش با کیفیت گرافیکی و اتصالات بی سیم از طریق تلفن‌های سلولی از پیش ساخته شده یا از طریق یک ارتباط مستقیم اینترنت م یباشد .
PDA‌ها می‌تواند به راحتی شکل اصلاح شده دستخط را تشخیص دهند . با پیشرفت تکنولوژیهای تشخیص سخن، فرصتهای واسط DSS ایجاد شدند . برای مثال، Adomo یک سرور اطلاعات سیار را که مستقیماً به کاربردهای ماکروسافت از طریق صدای تلفن دسترسی داشت، فراهم کرد . این نوع از سیستم‌ها به کارمندان امکان دسترسی به کاربردهای شرکت را از طریق خط تلفن را فراهم می‌کرد .
پیشرفت‌های واسط کاربر جدید
ما قبلاً به تشخیص دستخط و سخن / صدا اشاره کردیم که در ورودی و همچنین در ترجمه مستقیم متن به صدا استفاده م یشود . یک تعدادی از پیشرفت‌های واسط کاربر جدید، اکثراً در لابراتورها وجود دارد که می‌توانند بر چگونگی استفاده از کامپیوتر در اتخاذ تصمیم و وظایف دیگر تاثیر بگذارد . برای مثال ترجمه زبان طبیعی .
پیشرفت‌های جدید در سیستم‌های پشتیبان تصمیم گیری
ما بخشهایی را روی سه مولفه اصلی DSS و با پیشرفت‌های متدولوژی و تکنولوژیهای جدید که بر DSS و اتخاذ تصمیم تاثیر می‌گذارند به پایان رساندیم . بسیاری از پیشرفت‌ها در مولفه‌های DSS، حاصل پیشرفت‌های جدید در تکنولوژی‌های انبار کردن داده، کاوش داده، پردازش تحلیلیبر خط ( OLAP ) و وب جهانی م یباشد . امروزه اکثر DSS‌ها به داده از انبار داده دسترسی دارند که از مدلهایOLAP یاابزارهای کاوش داده استفاده م یکنند .
سیستم‌های OLAP و کاوش داده، یکپارچگی انبار داده و مدلها را و اغلب یک واسط کاربر دوستانه برای DSS فراهم م یکنند . تکنولوژی‌های ارتباطات وب، اتصال بین مولفه‌ها را مخصوصا برای، دستیابی به دانش و منبع داده بوجود می‌آورند . مرورگرهای وب یا واسط‌های کاربر مثل وب، کاربران را به DSS پیوند می‌دهند . تکنولوژی‌های وب، تیم‌های مجازی را قادر به همکاری می‌سازد و دسترسی به مولفه‌های دانش، مدلها و داده یکپارچه شده را فراهم می‌سازند . همچنین یک ارتباط آشکاری بین قابلیتهای نرم افزار و سخت افزار و پیشرفت‌ها در DSS وجود دارد . سخت افزار دنبال می‌کند که در اندازه کاهش و در سرعت و قابلیتهای دیگر، افزایش یابد . بنابراین ما به بسیاری از محدودیتهای فیزیکی در اندازه و سرعت می‌رسیم .
محاسبه کوانتوم، قول م یدهد که این حصار را بشکند .
9,3 زیر سیستم‌های مدیریت مبتنی بر دانش
بسیاری از مسائل غیر ساخت یافته و حتی نیمه ساخت یافته، چنان پیچیده م یباشند که حل آنها، نیاز به مهارت دارد . این می‌تواند بوسیله یک سیستم خبره یا سیستم هوشمند دیگر فراهم شود . بنابراین اکثر DSS‌های پیشرفته به یک مولفه بنام زیر سیستم مدیریت مبتنی بر دانش مجهز م یباشند . این مولفه می‌تواند مهارتهای مورد نیاز برای حل بسیاری از جنبه‌های مساله را تهیه کند و دانشی که می‌تواند عملکرد را از طریق مولفه‌های دیگر DSS افزایش دهد را فراهم می‌نماید .
silverman سه روش برای یکپارچه کردن سیستم‌های خبره مبتنی بر دانش ( ES ) با مدلسازی ریاضی پیشنهاد م یکند :
کمکهای تصمیم مبتنی بر دانش که از مراحل فرآیند تصمیم که توسط ریاضیات در نظر گرفته نمیشود را پشتیبانی م یکند . ( برای مثال، انتخاب یک رده مدل یا یک متدولوژی حل ) .
سیستم‌های مدلسازی تصمیم هوشمند که به کاربران در ساختن، بکاربردن و مدیریت کتابخانه‌ای از مدلها کمک م یکند .
سیستم‌های خبره تحلیل تصمیم که به متدهای سخت که در پایگاه دانش سیستم خبره نامعین م یباشندبطور تئوری جامعیت می‌بخشد .
مولفه دانش شامل یک یا بیش از یک سیستم هوشمند م یباشد . مثل نرم افزار مدیریت مدل، نرم افزار مدیریت پایگاه دانش نیز جامعیت و اجرای ضروری سیستم هوشمند را فراهم م یکند .
احتیاط : بطور معمول یک سیستم مدیریت دانش یک DSS متن گراست، نه سیستم مدیریت مبتنی بر دانش . یک سیستم پشتیبان تصمیم گیری که شامل چنین مولفه‌ای باشد یک DSS هوشمند، یک DSS/ES، یک سیستم پشتیبان خبره، DSS پویا یا DSS مبتنی بر دانش نامیده می‌شود . اکثر کاربردهای کاوش دادهشامل سیستم‌های هوشمند از قبیل شبکه‌های عصبی هوشمند و متدهای برقراری قاعده سیستم‌های خبره، برای جستجو الگوهای بطور بالقوه سود بخش در داده م یباشند . بسیاری از سیستم‌های OLAP، شامل شبکه‌های عصبی و ابزارهای استقرا داده که قاعده‌هایی را برای سیستم‌های خبره استخراج می‌کند، هستند .

10,3کاربر
شخصی که با تصمیم یک MSS که برای پشتیبانی طراحی شده است روبرو می‌شود، کاربر، مدیر یا تصمیم گیرنده نامیده می‌شود .
به هر حال، این واژه‌ها به خاطر انعکاس ناهمگنی که در میان کاربران و الگوهای استفاده از MSS وجود دارد، رد می‌شوند . تفاوتهایی در موقعیتی که کاربران اشغال می‌کند . در برتری شناختی آنها، توانائیها و روشی که برای رسیدن به تصمیم هر پیش می‌گیرند، وجود دارد . این کار می‌تواند یک فرد یا یک گروه باشد که بستگی به این دارد که چه کسی مسئول تصمیم است . به هر حال، کاربر بصورت یک مولفه اصلی DSS، لیست نمی‌شود . بوسیله تعاریف فهم انسان فراهم م یشود .
کاربر بصورت شخص یا افراد، مقدمتاً مسئول گرفتن تصمیم و فراهم کردن کارشناس در کمک کردنبه توسعه و استفاده DSS م یباشد . این قابلیت هوشمندی برای استفاده درست و موفق از سیستم، حیاتی است
. اگر کاربر اصلی یک DSS توسط دیگری جایگزین گردد . بطور کلی DSS تاثیر کمتری خواهد داشت .
یک MSS دو رده بزرگ از کاربران را دارد : مدیران و کارمندان متخصص . کارمندان متخصص از قبیل تحلیلگران مالی، طراحان تولید و تحقیقگران بازیابی م یباشند . کارمندان متخصص بیشتر تمایل به جزیی گرایی دارند و می‌خواهند در کار روزانه از سیستم‌های پیچیده استفاده کنند . اغلب کارمندان تحلیلگر بین MSS و مدیریت، واسطه م یباشند . یک واسطه به مدیر امکان می‌دهد از سیستم پشتیبان تصمیم گیری بدون استفاده واقعی از صفحه کلید، سود ببرد . چندین نوع از بازتاب واسطه‌ها در پشتیبانی مختلف برای مدیر وجود دارد :
1 - همیاران کارمند، که دانشی خاص در مورد مسائل مدیریت و تجربه بسیاری با استفاده از تکنولوژی پشتیبان تصمیم گیری دارند .
2 - کاربران با ابزار خبره، که در کاربرد‌هایی از یک یا بیش از یک نوع از ابزارهای حل مساله خاص ماهر هستند . یک کاربر با ابزار خبره، کارهایی را انجام م یدهد که حل کننده مساله برای انجام، تعلیم و مهارت ندارد .
3 - تحلیلگران ( سیستم ) تجاری، که یک دانش کلی از زمینه کاربرد و یک آموزش مدیریت تجاری رسمی ( نه در علم کامپیوتر ) و مهارت قابل ملاحظه در استفاده از ابزارهای ساخت DSS را دارند .
4 - تسهیلات در یک سیستم پشتیبان گروهی، که استفاده از نرم افزار را برای پشتیبانی از کار افرادی کهدر گروه کار م یکنند را کنترل و هماهنگ می‌سازد . همچنین این تسهیلات، مسئول هدایت تماسهای گروه کاری م یباشد .
درون دسته‌های مدیران و کارمندان متخصص، زیر دسته‌های مهم که طراحی MSS را تحت تاثیر قرار م یدهند وجود دارد . برای مثال مدیران با توجه به سطح سازمانی، زمینه عملکردی و آموزشی و نیازهای پشتیبان تحلیل، با هم فرق دارند .کارمندان متخصص در رابطه با آموزش، زمینه عملکردی و در وابستگی به مدیریت، با هم فرق دارند .
11,3سخت افزار DSS
سیستم پشتیبان تصمیم گیری، بطور همزمان با پیشرفت تکنولوژیهای نرم و سخت در کامپیوتر تکامل یافته است .
سخت افزار بر قابلیت استفاده و قابلیت عملکرد MSS تاثیر می‌گذارد . انتخاب سخت افزار می‌تواند قبل از، در طول یا بعد از طراحی نرم افزار MSS انجام گیرد . اما آن اغلب با توجه آن چیزی که هم اکنون در سازمان است تعیین م یشود . معمولاً MSS بر روی سخت افزاراستاندارد اجرا م یشود .
انتخاب سخت افزارهای اصلی مربوط به انتخاب سرورهای سازمان، کامپیوتر مرکزی به همراه سیستم‌های مدیریت پایگاه داده، یک ایستگاه کاری، یک PC یا یک سیستم Client / server می‌باشد . DSS توزیع شده بر روی انواع متنوعی از شبکه‌ها، از قبیل اینترنت، شبکه داخلی و خارجی اجرا م یشوند . دستیابی می‌تواند برای یک تعداد از دستگاههای سیارشامل PC‌های دفترچه‌ای و رومیزی، PDA‌ها و تلفن‌های سیار م یباشد . این قابلیت حمل برای توسعه قابلیت تصمیمگیری حیاتی می‌باشد .
12,3 رده بندیهایDSS
چندین روش برای کلاس بندی کاربردهای DSS وجود دارد . فرآیند طراحی و همچنین عملیات و پیاده سازی DSS در بسیاری از موارد بر سر نوع DSS مشمول، وابسته به هم می‌باشند . بنابراین بخاطر داشته باشید که نمی‌توان هر DSS را بطور کامل در یک دسته قرار دارد .
رده بندی خروجی Alter
این رده بندی بر اساس درجه‌ای از عمل ضمنی خروجی سیستم یا گسترش خروجی که می‌تواند مستقیماً تصمیم را پشتیبانی ( یا تعیین ) کند، م یباشد . طبق این رده بندی، هفت دسته از DSS وجود دارد ( جدول 4,3 ) .
نوع دوتای اولی، داده گراست که تحلیل بازیابی داده را انجام می‌دهند، سومی هم با داده و هم با مدلها سروکار دارد . چهار تای باقیمانده مدل گرا هستند که قابلیتهای شبیه سازی، بهینه سازی یا محاسباتی که یک جواب را پیشنهاد م یکنند را فراهم می‌سازنند .
whinston و HOLsapple رده بندی
در این رده بندی، DSS به شش چهار چوب زیر تقسیم م یشود : DSS متن گرا، DSS پایگاه داده گرا
، DSS صفحه گسترده گرا، DSS حل کننده گرا، DSS قلمرو گرا و DSS ترکیبی .
DSS متن گرا
اطلاعات ( شامل داده و دانش )، اغلب به صورت فرمت متنی ذخیره می‌شوند و باید توسط تصمیم گیرنده مورد دسترسی قرار گیرند . بنابراین نمایش و پردازش تکه‌ها و اسناد متنی بطور موثر و کارا ضروری است . یک DSS متن گرا – یک تصمیم گیرنده را با نگه داشتن الکترونیکی مسیر اطلاعات نمایش داده شده که باری بر دوش تصمیم گیرنده است پشتیبانی م یکند .
آن بطور الکترونیکی به اسناد امکان ایجاد، تجدید نظر و دیده شدن در صورت نیاز را م یدهد .
تکنولوژیهای اطلاعات از قبیل تصویر برداری از سند مبتنی بر وب، ابر متن و عاملهای هوشمند م یباشند که می‌تواند در یک کاربر DSS متن گرا با هم ترکیب شوند . تعداد بسیاری از کاربردهای DSS متن گرا وجود دارد که از این میان می‌توان به سیستم‌های مدیریت سند الکترونیک، مدیریت دانش، مدیریت محتوا، و سیستم‌های قواعد تجاری اشاره کرد .
سیستم‌های مدیریت محتوا ( CMS ) در مدیریت مطالب پست شده در وب سایتها، پایداری، کنترل نسخه، صحت و ناوبری درست که مستقیماً توسط این سیستم اداره می‌شود، استفاده می‌شوند.
DSS پایگاه داده گرا
در این نوع از DSS، سازمان پایگاه داده یک نقش اصلی را در ساختار DSS بازی می‌کند . تولیدات قبلی DSS پایگاه داده گرا، بیشتر از پایگاه داده‌ای با پیکربندی رابطه‌ای استفاده می‌کردند . اطلاعاتی که توسط پایگاه داده رابطه‌ای اداره م یشوند تمایل به حجیم بودن، توصیفی و ساختار دقیق دارند . یک جنبه خاص این DSS، قابلیتهای پرس و جو و تولید گزارش قوی م یباشد .
DSS صفحه گسترده گرا
صفحه گسترده یک سیستم مدلسازی است که به کاربر امکان توسعه مدلهایی را برای انجام تحلیل DSS را م یدهد . این مدلها نه تنها دانش رویه‌ای را ایجاد، دید و تغییر می‌دهند بلکه به سیستم اجرای دستورالعملهای جامع خودشان را یاد م یدهند ( ماکروها ) . صفحه گسترده‌ها، بطور وسیع در DSS توسعه داده شده کاربر نهایی استفاده م یشوند . اکثر ابزار معروف کاربر نهایی برای توسعه DSS در اکسل است .
اکسل شامل دوجین از بسته‌های آماری یک بسته برنامه نویسی خطی ( حل کننده ) و تعدادی از مدلهای علم مدیریت و مالی م یباشند . بدلیل اینکه بسته‌های از قبیل اکسل می‌توانند شامل یک DBMS اولیه یا می‌توانند براحتی با یکی دیگر واسط باشند، آنها می‌توانند بسیاری از ویژگی‌های یک DSS پایگاه داده گرا را مخصوصاً دستکاری دانش توصیفی را اداره کنند .
بعضی از ابزارهای توسعه صفحه گسترده شامل قابلیتهای goal – seeking و تحلیل what – if م یباشد . یک DSS صفحه گسترده گرا، حالت خاصی از DSS حل کننده گرا می‌باشد .
DSS حل کننده گرا
حل کننده یک الگوریتم یا رویه‌ای است که بصورت یک برنامه کامپیوتری به منظور انجام محاسبات معین برای حل یک نوع مساله مشخص، نوشته شده است . برای مثال یک حل کننده می‌تواند یک رویه کمیت سفارش اقتصادی برای محاسبه کردن سفارش بهینه یا روال برگشت خطی برای محاسبه کردن یک گرایش باشد . یک حل کننده می‌تواند بطور تجاری در نرم افزار توسعه برنامه نویسی شود . برای مثال اکسل شامل چندین حل کننده قدرتمند - توابع و رویه‌ها - است که یک تعدادی از مسائل تجاری استاندارد را حل م یکند .
سازنده DSS می‌تواند حل کننده‌ها را در ایجاد کردن کاربرد DSS، ترکیب کند . حل کننده‌ها می‌توانند در یک زبان برنامه نویسیاز قبیل C++، نوشته شده باشند . آنها می‌توانند مستقیماً یا بصورت ابزار add – in در یک صفحه گسترده نوشته شوند یا در یک زبان مدلسازی مشخص از قبیل Lingo جاسازی شوند .
بسیاری از حل کننده‌های پیچیده از قبیل برنامه نویسی خطی به منظور بهینه سازی استفاده می‌شوند .
Dss قاعده گرا
مولفه‌های دانش DSS که پیشتر توصیف شدند شامل هم قواعد رویه‌ای و هم قواعد استنباطی ( نتیجه گیری ) است که اغلب در یک قالب سیستم خبره م یباشند . این قواعد می‌تواند کمی یا کیفی باشد چنان که یک مولفه می‌تواند جایگزین مدلهای کمی یا با آنها یکپارچه شود .
DSS مرکب
DSS مرکب یک سیستم ترکیبی است که شامل دو یا بـیش از د و تـا از سـاختارهای اصـلی کـه پیـشتر توصیف شوند م یباشد .
DSS هوشمند
این DSSمبتنی بر دانش یا به اصطلاح هوشمند، توجهات زیادی را به خود جلب کرده است .DSS قاعده گرا که قبلاً توصیف شد می‌تواند به شش نوع تقسیم شود : توصیفی، رویه ای، استدلالی، زبانی، نمایشی و شباهتی . سه تای اولی، نوع‌های اصلی‌اند و بقیه از آن اشتقاق می‌شوند .
رده بندیهای دیگر از DSS DSS ویژه وسازمانی
DSS سازمانی یا بنگاهی( Donovan و Madnick) با تصمیماتی که ماهیت دوباره ظاهر شدن دارند سروکار دارد . یک مثال معمولی، سیستم مدیریت دارایی ( PMS ) می‌باشد که توسط چندین بانک بزرگ برای پشتیبانی از تصمیمات دوری استفاده م یشود . DSS نهادی می‌تواند توسعه و بعد پالایش شود بصورتی که تکامل آن بیش از چند سال طول می‌کشد . زیرا این DSS بطور تکراری برای حل مسائل شبیه به هم و مشخص استفاده م یشود .
مهم است که به خاطر داشته باشید که یک DSS سازمانی نمی‌تواند توسط هر کسی در سازمان استفاده شود، آن ماهیت دور زننده ( بازگشتی ) مسائل تصمیم گیری را دارد که این مشخص ممی کند که DSS نهادی در برابر DSS ویژه ( فاقد عمومیت ) قرار دارد .
DSS ویژه ( تک کاره )
DSS ویژه با مسائل خاص که معمولاً نه پیش بینی شده‌اند و نه برگشتی اند، سروکار دارد . تصمیمات ویژه اغلب شامل نتیجه بحث طراحی استراتژی و بعضی وقتها مسائل کنترل مدیریت می‌باشند . توجیه کردن یک DSS که تنها یک بار یا دو بار استفاده خواهد شد . یک مورد اصلی در توسعه DSS است . کاربردهای بیشماری از DSS ویژه در داخل DSS سازمانی استنتاج م یشود . یا مساله، برگشتی است و سیستم دوباره استفاده می‌شود یا در سازمان نیازهای شبیه وجود دارد که می‌تواند توسط شکل دهنده DSS ویژه اداره شود
.
پشتیبانی فردی، گروهی و سازمانی
این پشتیبانی‌های DSS می‌تواند به سه دسته مجزا و وابسته به هم تفکیک شوند. (Hackathorn و
(Keen
پشتیبانی شخصی
در این مورد تمرکز بر روی یک کاربر فردی است که یک فعالیتی را دریک تصمیم یا وظیفه مجزا انجام م یدهد . این وظیفه بطور مناسب مستقل از وظیفه‌های دیگر م یباشد .
پشتیبانی گروهی
تمرکز در اینجا بر روی یک گروه از افراد است که همه آنها دارای وظیفه‌های مجزا اما قویا وابسته به هم م یباشند .
برای مثال یک واحد سرمایه گذاری معمولی که در آن یک DSS می‌تواند به چندین کارمند که همه آنها بر روی تدارک بودجه کار م یکند، سرویس بدهد . اگر استفاده از یک DSS ویژه گسترش یابد آن یک DSS با پشتیبانی گروهی نمی‌شود . توجه کنید که این با سیستم پشتیبان گروهی که دارای قابلیتهای ارتباطی و همکاری است، یکسان نمی‌باشد .
پشتیبانی سازمانی
در اینجا تمرکز بر روی وظیفه‌های سازمانی یا فعالیتهایی است که مستلزم یک توالی از عملیات، زمینه‌های عملکردی مختلف، مکانهای مختلف ممکن و منابع عظیم م یباشد .
DSSمنحصر به فرد در برابر یک سیستم پشتیبان گروهی ( GSS )
چندین پژوهشگر و کارورز DSS متذکر شدند که مدل بنیادی DSS آنها در تصمیمات کهاد درست م یباشد . در اکثر سازمانها، بیشتر تصمیمات اصلی بطور جمعی گرفته می‌شود . کار کردن در یک گروه یک فرآیند پیچیده‌ای است و آن می‌تواند توسط کامپیوترهایی بنام یک سیستم پشتیبان گروهی پشتیبانی شود .
توجه : واژه پشتیبانی گروهی که پیشتر معرفی شد نباید با GSS اشتباه گرفته شود . در پشتیبانی گروهی وظیفه‌ها وابسته به هم هستند ولی تصمیمات بطور فردی اتخاذ می‌شود . بنابراین آنها تاثیر تصمیم شان را بر یکدیگر بررسی م یکنند ولی ضروری نیست که به صورت گروهی تصمیم بگیرند .
در GSS هر تصمیم ( بعضی وقتهاتنها یک تصمیم ) توسط یک گروه گرفته می‌شود .
سیستم‌های سفارشی در برابر سیستمهای آماده
بسیاری از DSS‌ها برای کاربران و سازمانها‌ی منحصر به فرد سفارشی هستند . هر چند یک مسئله قابل مقایسه، ممکن است در سازمانهای شبیه به هم وجود داشته باشد . برای مثال، بیمارستان‌ها، بانک‌ها و دانشگاهها در بسیاری از مسائل شبیه، مشترک م یباشند .
به طور مشابه، مسائل غیر عادی معین در یک زمینه عملکردی ( مثلاً مالی یا حسابرسی ) می‌توانند خودشان را در زمینه عملکردی یکسان در سازمانهای مختلف، تکرار کنند . بنابراین آن در می‌یابد که DSS عمومی بسازد که می‌تواند ( بعضی وقت‌ها بدون اصلاح ) در چندین سازمان استفاده شود چنین DSS یی آماده ساخته شده نامیده می‌شود و توسط فروشندگان متنوع به فروش می‌رسد.
لزوماً، پایگاه داده، مدلها، واسط و جنبه‌ها‌ی پشتیبانی دیگر از پیش ساخته می‌شوند. اخیراً تعداد DSS آماده به دلایل انعطاف پذیری آنها، هزینه پایین توسعه آنها با استفاده از تکنولوژیهای اینترنت برای ارتباطات و دسترسی‌های پایگاه داده و مرورگر وب بر واسط‌ها، افزایش یافته است .
مورد پیچیده در مفاهیم، حاصل زمانی است که یک سازمان یک سیستم نهادی را توسعه م یدهد اما بدلیل ساختارش، آن در یک سبک ویژه استفاده می‌شود . یک سازمان می‌تواند یک انبار داده بزرگ بسازد اما سپس برای جستجو از ابزارهای OLAP استفاده کند و تحلیل ویژه برای حل مسائل غیر برگشتی انجام دهد .
DSS ویژگی سیستم‌های نهادی و ویژه را همچنین سیستم‌های آماده و سفارشی را نشان م یدهد .
و وب DSS
دو توسعه جدید در تکنولوژی کامپیوتر زمینه پر ثمری را برای کاربردهای DSS جدید و بهبود یافته فراهم م یکند . اولی، تکنولوژی وب است ( اینترنت، شبکه‌های داخلی و خارجی ) و دومی نرم افزار سازمانی از قبیل CRM، ERP، KM و SCM م یباشد .
قابلیتها و توان وب جهانی تاثیر شگفت انگیزی بر روی توسعه، کاربر و الگوهای استفاده DSS گذاشته است . ارتباط بین وب و DSS می‌تواند در دو دسته اصلی در نظر گرفته شود : توسعه DSS و استفاده DSS
.
توسعه DSS
وب می‌توانددر جمع آوری هم داده داخلی و هم خارجی برای پایگاه داده DSS استفاده شود . و می‌تواند برای ارتباطات و همکاری میان سازندگان DSS، کاربرها و مدیریت استفاده شود . به علاوه برای دانلود کردن نرم افزار DSS، استفاده از کاربردها DSS فراهم شده توسط کمپانی یا خریدن آنلاین از فراهم کنندگان سرویس کاربرد،استفاده م یشود . همه فروشندگان اصلی پایگاه داده (مثلاً Microsoft , sbm
Sybase , oracle ) قابلیتهای وب را بوسیله اجرای مستقیم بر روی سرورهای وب فراهم م یکنند .
ابزارهای جدید توسعه نرم افزار از قبیل جاوا، PHP و دات نت
(.NET )، اشیاء‌هایی قدرتمند بر روی صفحه فراهم م یکنند( دکمه‌ها، جعبه‌های متنی و غیره ) که برای واسط شدن بین پایگاه داده و مدلها بکار م یروند . این‌ها دسترسی مستقیم به وب رابرای توسعه کننده DSS را به سهولت باز م یکنند . در بسیاری از روشها این کار توسعه دهنده را ساده می‌کند . مخصوصاً ابزارهای توسعه رایج و ساختار رایج واسط از طریق تکنولوژی‌های وب استفاده DSS
هم اکنون، واسط استاندارد DSS، مرورگر وب یا حداقل یک صفحه جستجوگر شبیه به آن م یباشد . تکنولوژیهای مرورگر وب، انتظارات ما را از اینکه نرم افزار چگونه باید نگاه یا احساس کند را تغییر داده است . بسیاری از DSS‌ها، قابلیت جستجوی دقیق( نگاه به درون داده برای منبع مسئله‌ها ) و نمایش رنگ ترافیک را فراهم م یکنند . DSS بر روی وب به چندین روش استفاده می‌شود . اول، کاربران می‌تواند بر روی اینترانت بروند و کاربردهای DSS آماده را فعال سازند . برای همه آنها نیاز است که برای انجام، بعضی داده یا داده‌های خاص و اطلاعات دیگر وارد شود . پس DSS اجرا می‌شود و آنها می‌توانند نتایج را ببینند . دوم، آنها می‌توانند بصورت آنلاین در مورد چگونگی استفاده از کاربردهای DSS، کمک و توصیه دریافت کنند . سوم، آنها راجع به تفسیر نتایج DSS با دیگران ارتباط برقرار می‌کنند . در نهایت، آنها می‌توانند در پیاده سازی راه حلهای تولید شده توسط مدل DSS، همکاری کنند . ابزارهای وب، قابلیتهای همکاری و ارتباطات را برای GSS و KMS و همچنین برای سیستم‌های مدیریت محتوا، CRM، EIS و SCM فراهم م یکند .
13,3 خلاصه
ما بنیادهای DSS را معرفی کردیم . فصل را با یک بحثی از تصویر هواپیماهای جنوب غربی شروع کردیم و سپس خصوصیات کلیدی و فابلیتهای DSS را پوشش دادیم . قابلیتهای اصلی مولفه‌های DSS ( به جزء مولفه دانش ) در شکل 7,3 خلاصه شده است .

شکل 7,3 خلاصــه قابـلیـت‌های DSS
قابلیت‌های کلی
ایجاد کاربردهای مختلف DSS) DSS معین)
تسهیل کردن فرایند طراحی تکراری بطور آسان و سریع

قابلیت‌های عمومی
استفاده آسان برای تغییر و ساختن
DSS و استفاده عادی دسترسی به انواع، منابع داده و فرمت‌های مختلف برای مسائل و متن‌های مختلف دسترسی به قابلیت‌ها تحلیل مختلف به همراه پیشنهادات و راهنمایی‌های در دسترس

قابلیت‌های مولفه ای
واسط کاربر
1. دستگاه‌ها و فرمت‌های خروجی مختلف
2.دستگا‌های ورودی مختلف کاربر
3.سبک‌های محاوره مختلف و توانایی انتقال
4.پشتیبانی از ارتباط بین کاربران وسازندگان
5.پشتیبانی از دانش کاربران(مستند سازی)
6. دریافت، ذخیره و تحلیل محاوره
(پیگردی محاوره)
7.پشتیبانی از محاوره انطباق و انعطاف پذیر داده
1. داده با انواع و شکل‌های مختلف
2. استخراج، دریافت و جامعیت
3.تابع دسترسی به دادهa.بازیابی / پرس وجوb.گزارش / نمایش
c. کاربر / اداره داده موثر 4.وظایف مدیریت پایگاه داده
5.دید‌های منطقی مختلف قابل دسترس از داده
6.مستند سازی داده
7.پیگردی استفاده داده
8.پشتیبانی از داده انطباق و انعطاف پذیر
مدل‌ها
1. کتابخانه‌ای از مدل‌ها برای تشکیل پایکاه مدلa. انواع بسیار
b. نگهداری، کاتالوگ و جامعیت
c. کتابخانه ضبط شده (پیش
برنامه نویسی)
2. وسیله ساختن مدل
3. وسیله استفاده
ودستکاری مدل
4. وظایف مدیریت پایگاه مدل
5. مستند سازی مدل
6. پیگردی استفاده مدل
7. پشتیبانی از مدل انطباق و انعطاف پذیر





4 مدل سازی و تحلیل آن
اهداف یادگیری
 درک مفاهیم اساسی مدل سازی MSS
 توصیف نحوه ارتباط مدل‌های MSS با داده‌ها و کاربر
 درک طبقات مختلف این مدل
 آگاهی از نحوه تصمیم گیری براساس انتخاب‌های اندک
 توصیف نحوه استفاده از صفحه گسترده برای مدل سازی MSS و مدل کردن مسائل مرتبط
 توصیف مفاهیم بهینه سازی، شبیه سازی، روش اکتشافی و زمان و نحوه استفاده از آنها
 توصیف نحوه ساخت مدل برنامه ریزی خطی
 آشنایی با قابلیت و ظرفیت‌های برنامه ریزی خطی و بسته‌های نرم افزاری شبیه سازی
 آگاهی از روشهای مختلف جستجو که برای حل مسائل مربوط به مدل‌های MSS بکار می‌رود.
 توصیف تفاوت‌های موجود بین الگوریتم‌ها، جستجوهای نا موفق و روش‌های اکتشافی
 توصیف نحوه دست یافتن به اهداف چند گانه
 توصیف مفاهیم مرتبط با حساسیت، خودکار بودن، تحلیل مشروط وجستجوی اهداف
 توصیف مسائل کلیدی در ارتباط با اجرای(مدیریت) مدل سازی
در این فصل ما به توصیف اساس مدل و نحوه مدیریت آن، بعنوان یکی از اجزای اصلی DSS می‌پردازیم .در ضمن ارائه این مطالب لازم به تذکر است که مدل سازی یک مبحث کاملاً متفاوت می‌باشد و بیش از آنکه یک هنر باشد یک رشته علمی است. هدف از این فصل لزوماً مهارت یافتن خواننده در مبحث مدل سازی و تحلیل آن نمی‌باشد، بلکه این مطالب ما را در آشنا شدن با مفاهیم مهمی که مربوط به هوش و فراست تجاری (DSS) است، یاری می‌دهد.در این فصل به برخی از مفاهیم اساسی و تعاریف مربوط به مدل سازی می‌پردازیم، حتی قبل از آنکه به معرفی طرح‌های موثری که به تصمیم گیرنده در طراحی یک مدل از یک موقعیت خاص و حل آن کمک می‌کند. که بعد از آن به ایده مدل سازی بطور مستقیم در صفحه گسترده میپردازیم .در اینجا تنها به توصیف ساختار برخی از مدل‌های موفق و روش‌های مختلف آن : که شامل تحلیل تصمیم، نمودار درختی تصمیم و بهینهسازی، روش‌های تحقیقی، برنامه نویسی روش‌های اکتشافیو شبیه سازی می‌پردازیم .در گام بعدی به برخی از پیشرفت‌های اخیر در ابزار و فناوری‌های مدل سازیاشاره کرده و مبحث را با برخی از مباحث مهم در مدیریت پایه مدلسازی به پایان می‌رسانیم و بحث‌های مرتبط به پایگاه داده‌ها و نحوه مدیریت مرتبط با آن را به فصل بعد موکول میکنیم. با تلاش‌های متمادی به این مسئله کاملاً واقف هستیم که شناخت مدل‌ها و نحوه استفاده از آنها قبل از تلاش برای یاد گرفتن نحوه استفاده از انبار داده‌ها OLAP و استخراج داده‌ها بطور موثر لازم می‌باشد.
این فصل بر اساس مراحل مختلف ذیل تنظیم گردیده است:
١٫٤ تصویر آغازین شامل: شبیه سازی سیستم حمل و نقل ریلی و تلاش برای جلوگیری از صرف هزینه‌های عمده
٢٫٤ مدل سازی MSS
٣٫٤ مدل‌های ایستا و پویا
٤٫٤ قطعیت، عدم قطعیت و ریسک‌های مرتبط
٥٫٤ نمودارهای تاثیر
٦٫٤ مدل سازی MSS با صفحه‌های گسترده
٧٫٤ تحلیل تصمیم‌هایی با انتخاب‌های اندک ( جدول تصمیم‌ها و نمودار درختی آنها)
٨٫٤ ساختار مدل‌های ریاضی MSS
٩٫٤ بهینه سازی برنامه ریزی ریاضی
١٠٫٤اهداف چندگانه، تحیل حساسیت‌ها، تحلیل‌های مشروط و جستجوی اهداف
١١٫٤روش‌های جستجو برای حل مسئله
١٢٫٤برنامه ریزی روش اکتشافی
١٣٫٤شبیه سازی
١٤٫٤مدل سازی موثر تصویری و شبیه سازی موثر تصویری
١٥٫٤بسته‌های نرم افزاری کمی
١٦٫٤مدیریت پایه مدل سازی

1,4 تصویر آغازین : شبیه سازی سیستم حمل و نقل ریلی و تلاش برای جلوگیری از صرف هزینه‌های عمده
DuPont از شبیه سازی برای اجتناب از صرف هزینه‌های هنگفت در ناوگان‌های اتومبیل ریلی همزمان با تغییر تقاضای مشتری‌ها استفاده می‌کند. تغییر تقاضا می‌تواند شامل خریداری ماشین ریلی، مدیریت بهتر ناوگان موجود یا حتی الامکان کاهش اندازه این ناوگان می‌باشد. روش‌های تحلیلی قدیمی، تجارب گذشته و تدابیر مرسوم گاه مدیران را به سمت افزایش حجم ناوگان ترغیب می‌نمود. مسئله اصلی اینجاست که DuPont از اتومبیل‌های ریلی خاص خود بطور موثر و کارآمد استفاده نمی‌نمود و علاوه براین تعداد کافی از این اتومبیل‌ها را نیز در اختیار نداشت. با توجه به تنوع گسترده در تولید محصولات چرخه زمانی حمل و نقل، برنامه زمانی نگهداری و سفارش متوالی، اداره تمام این کارخانه‌ها با روشی جامع و کارآمد که به وسیله یک تصمیم مناسب هدایت و عملی می‌شد، امر دشواری به نظر می‌رسید. ناوگان اتومبیل‌های ریلی خاص برای حمل و نقل بخش عظیمی از مواد شیمیایی از DuPont به تولید کنندگان استفاده می‌شود. هزینه یک اتومبیل ریلی می‌تواند از 000/80 دلار برای یک اتومبیل با مخزن استاندارد تا بیش از 000/250 دلار برای یک تانکر از نوع خاص، متغیر باشد. لذا به خاطر وجود هزینه‌های بالا استفاده موثر و کارآمد از ناوگان موجود یک امر ضروری می‌باشد.
DuPont در عوض خریداری ماشین‌های ریلی بیشتر، به ساخت یک مدل شبیه سازی ProModel روی آورده که نمایشگر سیستم کامل حمل ونقل این شرکت می‌باشد(ProModel corporation ,Orem,Utah,WWW.ProModel.com). این مدل بدرستی تنوع موجود در تولید مواد شیمیایی، انواع مختلف ماشین‌های تانکر دار، زمان حمل و نقل، زمان بارگیری و تخلیه بار و تقاضای مشتری را شبیه سازی نمود. این مدل شبیه سازی می‌تواند یک محیط مجازی را که در آن رویه‌های مختلف موثر بر سیستم حمل و نقل فیزیکی را مورد بررسی و اجرا قرار دهد، قبل از آنکه تغییر دائمی اعمال شود. تغییرات در جهان مجازی می‌تواند سریع و کم هزینه باشد، روابط بین اجزای سیستم بصورت ریاضی می‌باشد که لازم به خرید ماشینهای گران قیمت برای تعیین این تاثیرات نمی‌باشد.
ProModel این شرکت را قادر به ساخت مدل‌های شبیه سازی بصورت سریع و آسان (که تنها دو هفته طول می‌کشد) و اجرا و هدایت تحلیل مشروط می‌نماید که همچنین شامل طرح‌های گرافیکی عظیم و قابلیت انیمیشن می‌باشد. این شبیه سازی،تمام سیستم حمل و نقل را در بر می‌گیرد. در این رابطه سناریو‌ها و آزمایش‌های بسیاری اجرا گردیده است. DuPont به بررسی بعضی از شرایط رویه‌های زمانبندی پرداخت . اجرای مدل‌های شبیه سازی به تیم تصمیم گیرنده در جهت درک تمام مشکلات کمک قابل توجهی می‌نماید .شبیه سازی ProModel بدرستی تنوع مرتبط با تولید، میزان ماشین‌های مخزن دار، مدت زمان حملو نقل و تخلیه بار در محل مورد نظر مشتری را ارائه می‌دهد. به وسیله این مدل تمام سیستم توزیع در سطحملی را می‌توان بصورت هندسی (شبیه سازی تصویری) و تحت شرایط گوناگون به ویژه شرایط حاضر و با پیش بینی تقاضای مشتری، ارائه داد. این مدل شبیه سازی شده تصمیم گیرندگان را در شناخت تنگنا‌ها و دیگر مشکلات مرتبط با سیستم واقعی یاری می‌دهد. به وسیله بررسی این مدل شبیه سازی شده، مسائل واقعی به آسانی قابل تشخیص می‌باشد، نتیجه این امر تصمیم گیرندگان را متقاعد می‌سازد که صرف هزینه‌های فراوان، بیهوده می‌باشد و در حقیقت تحویل نیازمندی‌های مشتری با وجود کوچک نمودن ناوگان حمل و نقل قابل اجرا می‌باشد. شبیه سازی، این امر را روشن می‌سازد که تنها بعد از دو هفته تحلیل، DuPont مبلغ 000/500 دلار در سرمایه گذاری اصلی آن سال پس انداز نمود.
به دنبال موفقیت‌های ثابت شده در این مدل شبیه سازی،DuPont شروع به اجرای این مدل در خطوط مختلف تولیدی در میان تقسیم بندی‌های مختلف و حاکمیت‌های سیاسی نمود. با استفاده از شبیه سازی،بطور چشمگیری نحوه سازماندهی DuPont بهبود یافته و قدم بعدی سازماندهی این امر در سطح بین المللی و حمایت در جهت توسعه بازار جدید می‌باشد. صرفه جویی در هزینه‌ها در این بخش اساساً بیشتر می‌باشد.
سوالاتی در خصوص تصویر آغازین
1. چرا تصمیم گیرندگان در ابتدا احساس می‌کردند که توسعه ناوگان امر درستی می‌باشد؟
2. به نظر شما تصمیم گیرندگان چگونه در مورد سیستم واقعی از طریق مدل سازی آگاهی پیدا کردند؟ و در اینصورت آیا قادر به تمرکز بهتر برروی سیستم واقعی می‌باشند؟ به نظر شما آیا این مدل سازی آنها را در دست یافتن به نتایج یاری نمود؟
3. چگونه از این شبیه سازی در ارزیابی عملیات اجرایی سیستم واقعی قبل از آنکه هر تغییری روی دهد می‌توان استفاده نمود؟
4. چگونه این قابلیت محدود زمانی در شبیه سازی می‌تواند به این موقعیت کمک نماید؟
5. شبیه سازی در خصوص دست یافتن یک تحلیل گر به بهترین راه حل هیچ تضمینی را ارائه نمی‌دهد.در خصوص این امر در مورد DuPont توضیح دهید.
6. زمانی این سیستم مسئله کوچک نمودن ناوگان را به عنوان چاره معقول اتخاذ نمود . چرا شما فکر می‌کنید که یک مدیر باید این سیستم را قبول نماید؟ آیا فکر می‌کنید که به این علت تیم توسعه روی دیگر مسائل مربوط به سازمان دهی می‌پردازد؟ توضیح دهید.

2,4 مدل سازی MSS
تصویر آغازین در خصوص مشکلات پیچیده تصمیم گیری در مورد این امر که کدام راهکار مرسوم را می‌توان به عنوان یک تصمیم فرعی برگزید، توضیح جامعی را ارائه نمود. اما بدرستی با مدل سازی سیستم حمل و نقل ریلی، تصمیم گیرندگان قادر به آزمایش و بررسی تدابیر مختلف و سریع و کم هزینه می‌باشند.
شبیه سازی بعنوان روشی از مدل سازی استفاده شد. مدل شبیه سازی DuPont به وسیله نرم افزارهای تجاری اجرا گردید. این روش شبیه سازی در مبلغ هنگفتی از هزینه‌های سالانه DuPont صرفه جویی نمود. به جای سرمایه گذاری در بخش ماشین‌های ریلی گران قیمت و بررسی این ماشین‌ها جهت استفاده بهینه از آنها که کاملاً پر هزینه می‌باشد، تمام این روند در کامپیوتر و به مدت زمان دو هفته قابل اجرا می‌باشد. قبل از اینکه اولین پرواز به ماه صورت گیرد، سازمان ملی هوا و فضا (ناسا) شبیه سازی‌های بی شماری را اجرا نمود و هنوز هم ناسا ماموریت‌های فضایی خود را شبیه سازی می‌نماید .جنرال موتور نیز هم اکنون تمام جنبه‌های تولید و تست ماشین‌های جدید را شبیه سازی می‌نماید. همچنین پرات و وایتنی(Pratt & Whitney) از محیط شبیه سازی شده در طراحی و تست کردن موتورها برای جت‌های جنگنده استفاده می‌نمایند که تغییر یک مدل از یک سیستم عملیات فیزیکی با شبیه سازی کامپیوتری بسیار ساده می‌باشد.
مدل شبیه سازی DuPont برای درک مشکلات پیش رو استفاده می‌شود و نه برای دست یافتن به راه-حلهای جدید، زیرا این راه حل‌های پیشنهادی شناخته می‌شود، اما مادامی که مدل شبیه سازی شده ساخته و تست نشود این راه حل‌ها مورد سنجش قرار نمی‌گیرد. مثال‌های دیگری از این شبیه سازی‌ها توسط (2002)Van der Heijden و روزتیو سلاندار(2001) ارائه شده است. ون در هیجدن(2002) از یک سیستم شبیه سازی شیءگرا برای طراحی سیستم حمل و نقل بارکش‌های زیرزمینی خودکار در فرودگاه اسچیفول آمستردام استفاده می‌کند. روزتی و سلاندار (2001) از یک مدل شبیه سازی که بجای خدمه از ربات‌ها در بیمارستان یک دانشگاه استفاده می‌کند، که نشان دهنده این امر است که بیمارستان 000/200 دلار در هزینه سالیانه خود قادر به صرفه جویی می‌باشد. شبیه سازی قادر به ارتقاء روند تصمیم گیری سازمان و قادر کردن آن جهت آگاهی از تاثیر شبیه سازی در انتخاب‌های آتی می‌باشد. برای مثال فیات در سال حدود 1 میلیون دلار در هزینه‌ها از طریق شبیه سازی صرفه جویی می‌نماید .در المپیک زمستانی 2002 از شبیه سازی جهت طراحی سیستم‌های امنیتی و حمل و نقل اتوبوس‌ها برای بیشتر اجتماعات استفاده گردید. این فناوری پیش بینی کننده سالت لاک(Salt Lake) را قادر به تشکیل هیئتهایی جهت مدل سازی و آزمودن انواع سناریو‌ها شامل عملیات امنیت و هواشناسی و طراحی سیستم‌های حمل و نقل می‌نماید .بدین ترتیب شبکه گسترده و پیچیده توزیع وسایل حمل و نقل در سال بیش از 20 میلیون دلار در هزینه‌ها صرفهجویی می‌نماید، که از جمله این مزایا، کاهش هزینه‌ها و بهبود خدمات به مصرف کننده می‌باشد.
مدل سازی عنصری کلیدی در اکثر هوش‌های تجاری (DSS) می‌باشد، همچنین در تحلیل‌هایتجاری نیز نقش مهمی ایفا می‌کند و یکی از ملزومات مدل‌های پایه‌ای DSS می‌باشد. البته طبقاتگوناگونی از این مدل‌ها وجود دارد که اغلب، فناوریهای ویژه‌ای جهت حل هر کدام یافت می‌شود. شبیه سازی،روش مدل سازی معمولی می‌باشد. اما چندین نوع دیگر نیز وجود دارد . برای مثال روش بهینه سازی اتخاذ شده توسط پروکتر و گامبل (P&G) را در طراحی مجدد سیستم توزیع در نظر بگیرید(فصل وب). DSS پروکتر و گامبل در طراحی مجدد عرضه کالا در آمریکای شمالی شامل چندین مدل سازی می‌باشد:
• مدل تولید کننده بر اساس یک الگوریتم که هزینه حمل و نقل را برآورد می‌نماید، این مدل مستقیماً در DSS برنامهریزی شده است.
• مدل پیش بینی تقاضا از روی آمار.
• مدل تعیین موقعیت مرکز توزیع. این مدل از اطلاعات انبوه ( تکنیک مدل سازی خاص) استفاده می‌کند و با بسته‌های نرم افزاری بهینه سازی خطی یا اعشاری استاندارد قابل حل می‌باشد.
• یک مدل حمل و نقل که مدل برنامه ریزی خاصی است برای تعیین بهترین ناوگان حمل و نقل کشتیرانی از مبدا به مرکز توزیع و بعداً تحویل به مصرف کننده.(که مانند مدل قبل تغذیه می‌گردد) که نحوه استفاده از نرم افزارهای تجاری را حل کرده و با مدل‌های تعیین موقعیت توزیع ادغام می‌گردد این دو مشکل بطور متناوب حل می‌شود و DSS باید با نرمافزارهای تجاری در ارتباط بوده و با این مدل‌ها یکی شود.
• مدل شبیه سازی ریسک‌ها و وضعیت مالی که بعضی از فاکتورهای کیفی را که نیاز به قضاوت شخصی دارد را مورد ملاحظه قرار می‌دهد.
• سیستم اطلاعات جغرافیایی برای واسط کاربر(یک مدل گرافیکی موثر از داده‌ها)
وضعیت کلی پروکتر و گامبل بیانگر این امر بود که DSS می‌تواند از ترکیب چندین مدل که بعضی استاندارد و برخی نیز از مدلهای مرسوم بوده تشکیل شود که بطور کلی در حمایت از تصمیم‌های استراتژیک در این شرکت به کار میرود. در ادامه نشان داده می‌شود که برخی از مدل‌ها مستقیماً در بسته-های نرم افزاری DSS ساخته می‌شوند و برخی نیز نیاز دارند که در خارج از نرم افزار DSS ساخته شوند و برخی دیگر را می‌توان در مواقع مورد نیاز از طریق DSS به دست آورد. گاه تلاش گسترده‌ای جهت تخمین یا جمع کردن داده‌های مدل (در مورد 500 نفر از کارمندان P&G که حدود یک سال در این امر درگیر شدند)مورد نیاز است که این مدل‌ها می‌توانند ادغام شوند و مدل‌ها ممکن است مورد تجزیه قرار گیرند یا ساده شوند که گاهی اوقات یک روش بهینه سازی فرعی در خصوص این امر مناسب می‌باشد و در نهایت قضاوت شخص جنبه مهمی از استفاده از مدل‌ها جهت مدل سازی می‌باشد.
همانطور که از وضعیت P&G وIMERYS در قالب کاربرد 4,1، آشکار است که مدل سازی یک کار ساده نیست. سازنده مدل باید بین سادهسازی مدل و ارائه نیازمندی‌ها به منظور دستیابی به واقعیت، تعادل لازم را برقرار کرده تا شرایط برای تصمیم گیرنده مناسب شود.
با کاربرد مدل‌ها در موقعیت جهان واقعی قادر به صرفه جویی میلیون‌ها دلار و یا کسب میلیون‌ها دلار
سود می‌باشیم. در خطوط هوایی آمریکا (AMR,Corp) مدل‌ها بصورت گسترده در SABRE از طریق فناوری‌های تصمیم گیری خطوط هوایی آمریکا(AADT)، استفاده شد. AADT در بسیاری از فناوری‌ها و کاربرد‌های آنها به ویژه مدیریت و کسب درآمد (منافع) همیشه پیش قدم بوده است. برای مثال با بهینه سازی در پروفایل‌های تعیین ارتفاع صعودی و نزولی برای هواپیماها، هر هفته در حدود چندین میلیون دلار در هزینه‌های سوخت صرفه جویی نموده است. همچنین AADT بصورت سالیانه در اوایل دهه 1980 صدها میلیون دلار در این امر صرفه جویی نموده و حتی درآمد‌های سالانه آن به بیش از یک میلیارد دلار رسیده است که این مقدار حتی از درآمد خود خطوط هوایی بیشتر می‌باشد. ترایک(Trick) توضیح می‌دهد که چطور خطوط هوایی بین قارهای با وجود مشکلات مالی در حدود 11/9 درصدی با استفاده از یک سیستم ساخته شده جهت بهبود وضعیت در زمان کولاک برف، قادر به بهبود وضعیت خود شدند. این سیستم ابزاری جهت صرفه جویی میلیون‌ها دلار بود.
DSS در فوکوس 1,4

خطوط هوایی یکپارچه در حال خلق یک نسل فراهم می‌نماید .در این روند از یک مجموعه‌ای از جدیدی از ابزارهای مدل سازی DSS جهت طراحی، ابزار حمایتی در تصمیم گیری استفاده می‌شود که برنامه ریزی، اجرای این مدل‌ها می‌باشد. این طرح‌ها شامل :
تلاش یکپارچه‌ای را جهت تعیین بهترین برنامه زمان ١. سیمون (SIMON) که یک شبکه پرواز و بندی برای حداکثر نمودن سود دهی می‌نمایند. کلید انتقال همزمان ناوگان را طراحی می‌کند.
اصلی این مشارکت و همکاری یک سیستم شبکه‌ای
بنام PLAN1 می‌باشد که سکویی را برای طراحان و ٢.ARM از فناوری‌های جستجوی محدود برنامه ریزان و دیگر تحلیل گران در این خطوط هوایی جهت انتقال چند هدفی ناوگان.
جهت مشارکت در روند تصمیم گیری‌های حمایتی

از جمله مسائل عمده در ارتباط با مدل سازی،مشکل شناسایی و تحلیل محیطی، شناسایی عوامل متغیر،پیش بینی با استفاده از مدل‌های چندگانه، طبقات، اقسام مدل‌ها (انتخاب مناسب)، مدیریت مدل و مدلسازی بر مبنای دانش می‌باشد.
شناسایی مشکلات و تحلیل محیطی
این مبحث که در فصل 2 مورد بررسی قرار گرفت، یک جنبه مهم تحلیل و بررسی محیطی است که اطلاعات جمع شده را مورد تفسیر، تحقیق و بررسی قرار می‌دهد. می‌دانیم که هیچ تصمیمی در خلا گرفته نمی‌شود.تحلیل حوزه تحت مطالعه و نیرو‌ها و پویایی محیط بسیار مهم است. هر فرد باید فرهنگ سازمان یافته و روند مشارکت در تصمیم گیری را مورد شناسایی قرار دهد. گرچه این امر کاملاً محتمل است، عوامل محیطی به وجود آورنده مشکلات رایج می‌باشند. ابزار هوش تجاری قادر به تشخیص این مشکلات توسط بررسی آنها می‌باشد (رجوع شود به Hall 2002a ). این مشکل باید برای تمام کسانی که در گیر این مسئله هستند به یک شکل قابل درک باشد زیرا این مسئله سرانجام بصورت یک مدل با یک شکل، ارائه داده می‌شود در غیر اینصورت این مدل کمکی به تصمیم گیرنده نخواهد کرد.
شناسایی عوامل متغیر
تشخیص عوامل متغیر مدل ( از قبیل تصمیم، نتایج، غیر قابل کنترل بودن) همانطور که روابط آنها مهم است، بسیار ضروری میباشد. نمودارهای تاثیرات که مدل‌های گرافیکی مدل‌های ریاضی می‌باشند این روند را تسهیل می‌نمایند. یک فرم کلی از نمودار تاثیرات و نقشه شناخت، تصمیم گیرنده را در درک بهتر مشکلات به ویژه عوامل متغیر و روابط آنها یاری می‌کند.
پیش بینی کردن
پیش بینی در ساختن و تغییر مدل‌ها امری ضروری است، زیرا با عملی شدن یک تصمیم نتایج آن در آینده آشکار می‌گردد. DSS معمولاً برای تعیین امری که در آینده روی می‌دهد بکار می‌رود، برخلاف MSS که به توضیح مسئله‌ای که در جریان است می‌پردازد. در تحلیل‌های مشروط (حساسیت‌ها) در گذشته، تصمیم‌هایی که اتخاذ می‌شد در روند امر (کار) در آینده تاثیری نداشت. در قالب کاربردی 4,1، مدل IMERYS در تولید خاک رس یک مدل بر گرفته از تقاضا است. در واقع تقاضا برای خاک رس پیش بینی شده که بر میزان تولید در آینده تاثیر می‌گذارد. عمل پیش بینی کردن با نرم افزارهای فروش، که بسیاری از پیچیدگی‌های توسعه چنین مدل‌هایی را بطور خودکار بیان می‌کند، راحت تر می‌شود. برای مثال SAS که دارای سیستم پیش بینی با قدرت اجرائی بالایی می‌باشد در فناوری تحلیل پیش بینانه خود تا حد زیادی خرده فروش‌ها را نیز در بر میگیرد. این نرم افزار نسبت به سایر بسته‌های نرم افزاری پیش بینی کننده خودکارتر می‌باشد.
تجارت الکترونیکی هم اکنون نیاز زیادی به پیش بینی دارد و اطلاعات فراوانی جهت اجرای آن در دسترس می‌باشد. در تجارت الکترونیک، فعالیت‌ها بسیار سریع روی می‌دهد اما با وجود این، اطلاعات مربوط به خرید‌ها باید گردآوری شده و مورد تحلیل قرار گیرند تا پیش بینی اوضاع در آینده صورت پذیرد. اطلاعاتی از قبیل محل فروش و مشتری‌ها بوسیله مدل‌های پیش بینی جهت تحلیل وضعیت مورد استفاده قرار می‌گیرد. که موجب افزایش فروش محصولات و خدمات می‌گردد.
Hamey توصیف می‌کند که چطور شرکت‌ها تلاش می‌کنند تا پیش بینی کنند که چه کسی بهترین و پرسود‌ترین مشتری آنها است که محصولات و خدمات مورد تقاضای آنها را شناسایی نمایند. بخشی از این تلاش مستلزم شناسایی مشتری‌های پرسود قدیمی می‌گردد. جنبه‌های مهمی از این امر نحوه ارتباط بین مشتری و مدیریت و سیستم‌های کسب درآمد می‌باشد.
مدل‌های چند گانه(چند منظوره)
سیستم حمایتی تصمیم گیری شامل چندین مدل(گاهی اوقات 12) می‌باشد که هرکدام بخش متفاوتی از مشکلات تصمیم گیری را ارائه می‌دهد. برای مثال در زنجیره عرضه کالای DSS، P&G شامل یک مدل تعیین موقعیت جهت تعیین موقعیت مراکز توزیع، مدل راهکار تولید، مدل پیش بینی تقاضا، مدل شبیه سازی مالی و ریسک‌های مرتبط با آن و حتی یک مدل GIS می‌باشد. برخی از این مدل‌ها استاندارد بوده و توسط ابزار و تولید کنندگان ساخت DSS تولید می‌شوند. برخی دیگر استاندارد بوده اما بعنوان مدل کارآمد محسوب نمی‌شوند. در عوض بعنوان نرم افزارهای آزاد که با DSS در ارتباط می‌باشد قابل دسترسی می‌باشند. مدل‌های غیر استاندارد را نیز باید از نو ساخت. مدل‌های P&G با DSS ادغام شده و موجب خلق هدف‌های چندگانه میگردد. اگرچه به حداقل رساندن هزینه‌ها جزء اهداف اصلی به شمار می‌رفت اما اهداف دیگری نیز وجود داشت که مدیران هنگام بررسی راهحلها قبل از تصمیم گیری نهایی از نظر معیارهای سیاسی و غیره مورد ملاحظه قرار میدادند. Sodhi و Aichmayr (2001) نشان دادند که چطور ابزارهای شبکهای که بطور آماده در یکپارچهسازی و دسترسی به مدلهای زنجیرهای عرضه کالا به کار میرود را برای بهینهسازی زنجیره واقعی عرضه کالا میتوان استفاده نمود. همچنین DSS را در فعالیت 4,1 مشاهده میکنید که چطور خطوط هوایی یکپارچه مدلهای خود را در یک ابزار DSS بزرگ ادغام مینمایند.
طبقه بندی مدل‌ها
جدول 4,1 مدل‌های DSS را در هفت گروه طبقه بندی کرده و چندین فناوری معروف برای هر طبقه فهرست کرده است. هر یک از این فناوری‌ها می‌تواند برای مدل‌های دینامیک(پویا) و یا ایستا به کار رود(بخش 4,3) که تحت محیط‌های فرضی قطعیت، عدم قطعیت و دارای ریسک ساخته می‌شود. برایتسریع در امر ساختن این مدل باید از سیستم‌های تحلیل ویژه تصمیم که زبان‌ها و قابلیت‌های مدل سازیدر آن گنجانده شده است استفاده نمود. که شامل زبان‌های نسل چهارم (زبان‌های طراحی مالی قبلی) از قبیل
.میباشد Cognos PowerHouse
جدول 4,1 طبقه بندی مدلها
دسته فرآیند و هدف روشهای نمایش
بهینهسازی مسائل به وسیله گزینههای کم (بخش5,7) پیدا کردن بهترین راهحل از بین تعداد کمی از گزینهها جداول تصمیم، درختان تصمیم
بهینهسازی به وسیله الگوریتم
(بخشهای 5,8 و 5,9) پیدا کردن بهترین راهحل از بین تعداد بزرگ یا نامحدود از گزینهها با استفاده از فرآیند پیشرفت گام به گام مدلهای برنامهنویسی خطی و ریاضی،مدلهای شبکه
بهینهسازی به وسیله فرمول-های تحلیلی (بخش 5,9) پیدا کردن بهترین جواب در یک گام با استفاده از فرمول(فرموله سازی) بعضی مدلهای موجود
شبیهسازی (بخش 5,12 و
(14,5 یافتن جواب به اندازه کافی خوب یا بهترین از میان گزینه-های(چاره) بررسی شده با استفاده از آزمایش چندین نوع از شبیهسازیها
اکتشافی (بخش 5,12) یافتن راهحل به اندازه کافی خوب با استفاده از قوانین برنامهنویسی اکتشافی، سیستمهای خبره
مدلهای پیشگو (فصل وب) پیشبینی آینده برای یک سناریو معین(سناریو دادهشده) مدلهای پیشبینی،تحلیل مارُکُُف
مدلهای دیگر حل کردن قالبهای مشروط با استفاده از فرمول (فرموله سازی) مدلسازی مالی،خطوط انتظار

مدیریت مدل
مدل‌ها همانند داده‌ها باید برای حفظ یکپارچگی و قابل اجرا بودنشان، مدیریت شوند. که این امر با کمک سیستم‌های مدیریت مدل‌ها امکان پذیر است.
مدلسازی بر مبنای دانش
DSS اکثراً از مدل‌های کمی استفاده میکند در حالی که سیستم‌های خبره از مدل‌های علمی- کیفی در کاربردهایشان استفاده میکنند. در برخی علوم لازم است مدل‌ها قابل استفاده و قابل حل ساخته شوند.
بررسی و توصیف مدل‌های بر مبنای دانش را به فصل‌های آینده موکول می‌نماییم .
روند رایج
در واقع نوعی گرایش به سمت ساخت مدل‌های MSS که برای تصمیم گیرنده کاملاً آشکار و روشن می‌باشد، وجود دارد. در مدل سازی چند بعدی و دیگر موارد، داده‌ها معمولاً در قالب صفحه گسترده نشان داده می‌شود که اکثر تصمیم گیرنده‌ها با آن آشنا هستند. قبلاً اکثر اهل فن عادت به خُُرد و بخش بخش کردن مکعب داده‌ها داشتند. که هم اکنون از سیستم‌های تحلیلی OLAP) OnLine ) که به انبار داده‌ها دسترسی دارد استفاده می‌کنند. اگرچه این روش‌ها، مدل سازی را پسندیده تر نموده در حالی که بسیاری طبقات مدل‌های مهم و قابل اجرا را از ملاحظات خود حذف نموده و به حذف برخی از جنبه‌های تفاسیر راهحل‌های مهم می‌پردازند. در واقع مدل سازی چیزی فراتر از تحلیل داده‌ها با این روند خطی و خلق رابطه بین روش‌های آماری می‌باشد. این مجموعه فرعی از روش‌ها به غنای مدل سازی دست نیافته است – بعضی از آنها را در ادامه خواهیم گفت – در فصل وب و در قالب کاربرد 4,1.

3,4 مدل‌های پویا و ایستا
مدل‌های DSS را می‌توان بعنوان پویا و ایستا طبقه بندی نمود.
تحلیل ایستا
مدل‌های ایستا یک تصویر واحد از یک موقعیت بدست می‌آورند. در طول این تصویر برداری هر چیزی در یک فاصله معین اتفاق می‌افتد. برای مثال تصمیم گیری برای اینکه محصولی خریداری یا تولید شود اساساً یک تحلیل ایستا است. گزارش درآمد سالیانه یا سه ماهه از نوع ایستا می‌باشد(بخش 4,7).
مشکلات تصمیم گیری IMERYS نیز در مورد فعالیت 4,1 از این نوع می‌باشد. اگرچه نمایانگر عملیات یک سال می‌باشد با این وجود در یک چهارچوب زمانی ثابت روی می‌دهد. این چهارچوب زمانی قادر به پیشروی به سمت جلو می‌باشد با این وجود از نوع استاتیک(ایستا) می‌باشد. همین امر در مورد مسائل تصمیمگیری در P&G صادق می‌باشد. اگرچه تاثیرات این تصمیمات برای بیش از چند دهه ممکن است ماندگار باشد. اکثر موقعیتهای تصمیم گیری ایستا فرض شده که در شرایط یکسانی تکرار شود(مثل مورد BMI ). برای مثال فرآیند شبیه سازی در یک حالت ثابت شروع شده که مدلها، یک نمایش ایستا از یک دستگاه که پارامترهای اجرایی بهینه خود را یافته است، ارائه می‌دهد، با این فرض که جریان مواد در این دستگاه بصورت مستمر و یکنواخت می‌باشد. در واقع شبیه سازی ایستا ابزاری اصلی برای مهندسین در فرآیند طراحی می‌باشد که در تعیین بهترین ترفند در مورد هزینه‌های اصلی، هزینه اجرایی، روند اجرا، کیفیت تولید، و عوامل محیطی و امنیتی آنها را یاری می‌نماید .
در تحلیل ایستا فرض بر ثبات داده‌ها می‌باشد.
تحلیل پویا
روایت‌های گوناگونی در مورد سازندگان این مدل موجود است، همان کسانی که ماه‌ها در ساخت مدل ایستایی پیچیده در مقیاس بزرگ که حل آن دشوار می‌باشد صرف نمودند، تا اوضاع یک هفته ازوضعیت واقعی تصمیم گیری‌ها در جایی شبیه تولیدی کالباس را ارائه دهند. آنها این سیستم را به رئیسشرکت تحویل دادند که در پاسخ اظهار داشت که مدل بسیار عالی است و بهتر است به ساختن مدل 52 هفتهدیگر نیز اقدام نمایند.
مدل‌های پویا ارائه دهنده سناریوهایی هستند که در طول زمان تغییر می‌کنند. یک مثال ساده پروژه سود و زیان 5 ساله می‌باشد که داده‌های درج شده شامل هزینه‌ها، قیمت‌ها، کمیت‌ها و تغییرات سالیانه می‌باشد.
مدل‌های پویا وابسته به زمان می‌باشند. برای مثال در یک فروشگاه باید ساعات مختلف را مد نظر داشت زیرا در طول هر ساعت تعداد متفاوتی مشتری به فروشگاه می‌آیند. تقاضاها نیز باید بر اساس زمان پیش بینی شوند. مدل IMERYS می‌تواند شامل چندین دوره زمانی باشد در صورتی که شامل فهرست تانکرهای نگهدارنده، انبارهاو معادن باشد. شبیه سازی پویا برخلاف شبیه سازی ایستا بیانگر این امر است که چه رویدادهایی در زمانی که شرایط از حالت ایستا در طول زمان تغییر می‌کند، حادث می‌شود که گاه ممکن است در مواد خام(خاک رس) تنوع‌هایی وجود داشته باشد یا یک رویداد پیش بینی نشده در برخی فرآیندها روی دهد. این روش در طرح کنترل دستگاه مورد استفاده قرار می‌گیرد.
مدل‌های پویا به خاطر استفاده، ارائه و تولید الگوها در طول زمان مورد اهمیت هستند. آنها همچنین میانگین‌های هر دوره، میانگین‌های متغیر، تحلیل نسبی( برای مثال سود سه ماهه امسال با سود سه ماهه سال قبل) را نشان می‌دهند. به علاوه یک مدل ایستا برای توصیف یک موقعیت ساخته شده که بیانگر این امر است که توزیع محصول برای ارائه ماهیت پویای مسئله قابل توسعه می‌باشد(e.g.,IMERYS). برای مثال مدل حمل و نقل یک مدل ایستا از توزیع محصول را توصیف می‌کند که قادر به توسعه به یک مدل شبکه پویا است که با فهرست‌ها و سفارشات قبلی سازگار(همساز) می‌باشد(1989Aronson,). یک مدل ایستای ارائه شده توصیف کننده یک ماه از یک موقعیت است که توسعه آن به 12 ماه از نظر مفهومی ساده می‌باشد.
اگرچه این توسعه، پیچیدگی مدل را به حد چشمگیری افزایش می‌دهد و حل نمودن آن را دشوار می‌سازد.(2002Xiang and Poh ).
قطعیت، عدم قطعیت و ریسک
بخشی از فرآیند تصمیم گیری سیمون که در فصل 2 توصیف شد مستلزم ارزیابی و مقایسه گزینه‌ها می‌باشد که در طول آن پیش بینی نتیجه آینده گزینه‌های پیشنهادی،امری ضروری است. موقعیت‌های تصمیم گیری اغلب بر اساس آگاهی و باور‌های تصمیم گیرنده در باره نتایج پیش بینی شده طبقه بندی می‌گردد.
قبلاً این دانش بر اساس 3 مقوله طبقه بندی می‌شد(شکل 4,1) که از آگاهی کامل تا جهل محض طبقه بندیمی شد. این سه مقوله شامل موارد زیر است:
• قطعیت
• ریسک
• عدم قطعیت
هنگامی که به توسعه و ساخت مدلها میپردازیم هر یک از این شرایط محتمل میباشد که انواع مختلف مدلها برای هرکدام مناسب است. در این بخش به تعریفهای اساسی این اصطلاحات و بعضی از مسائل مهم مدلسازی برای هر یک از شرایط ذکر شده میپردازیم.
شکل 4,1 نواحی تصمیم گیری



افزایش دانش

تصمیم گیری عدم تحت قطعاطمیینادانیاطمیت.نان)( نان عدم کامل(قطعیت یا یقینری) سک اطمیناندانش (قطعیکامل.ت )

کاهش دانش



در تصمیم گیری بر اساس یقین فرض بر این است که تصمیم گیرنده آگاهی کامل از نتیجه هر عملی در آینده دارد و این فرض بر اساس آگاهی و دانش کامل می‌باشد و لازم نیست که نتایج 100 درصد شناخته شده باشد و همچنین ارزیابی تمامی نتایج لازم نمی‌باشد، بلکه این فرض مدل را ساده و آن را قابل مهار می‌سازد. در واقع تصمیم گیرنده بعنوان پیشگوی کامل آینده شناخته شده، زیرا فرض بر این است که تنها یک نتیجه برای هر گزینه وجود دارد. برای مثال انتخاب سرمایه گذاری در صورت حساب‌های خزانه داری ایالات متحده آمریکا تنها برای کسانی محتمل است که به اطلاعات کامل در خصوص آینده این سرمایه- گذاری دسترسی دارند. چنین موقعیت‌هایی اغلب در مسائل پیچیده با مدت زمان اندک(تا یک سال) روی می‌دهد. مثال دیگر مربوط به زمانی است که شما در پایین شهر پارک می‌کنید و یک فیش مخصوص پارک می‌گیرید، بدلیل اینکه ممکن است از محدوده زمانی تعیین شده تخطی نمایید، اگرچه این امر روی ندهد.
این موقعیت می‌تواند یکی از موارد تصمیمگیری بر اساس یقین باشد. بعضی از مشکلاتی که در تصمیمگیری بر اساس قطعیت به وجود می‌آید طوری ساخته نشده‌اند که به اندازه کافی به مدل‌ها و روش‌های تحلیلینزدیک شود و در واقع نیاز به یک روش DSS دارند.
مدل‌های قطعی(یقین) نسبتاً در ساخت و حل کردن آسان بوده و می‌توانند بهترین راهحلها را ارائهدهند. اکثر مدلهای مالی براساس مدل یقین طراحی شدهاند اگرچه دارای صددرصد یقین نباشند. مشکلاتی که دارای تعداد زیادی راهحلهای ممکن میباشد بینهایت مهم هستند که در بخشهای 4,9 و 4,12 به آن اشاره شده است.
تصمیمگیری براساس عدم یقین(عدم قطعیت)
در تصمیمگیری براساس عدم قطعیت، تصمیم گیرنده شرایطی را که در آن چندین نتیجه برای هر عمل محتمل است را در نظر میگیرد و برعکس در شرایطی که دارای ریسک است تصمیمگیرنده نمیداند و یا نمیتواند احتمال روی دادن نتایج ممکن را تخمین زند. تصمیمگیری تحت شرایط عدم یقین دشوارتر است زیرا اطلاعات ناکافی است. مدلسازی چنین موقعیتهایی مستلزم برآورد تصمیمگیرنده از ریسکهای موجود میباشد(2003Nielsen,).
مدیران حتی الامکان در تلاش برای دوری از عدم یقین میباشند در عوض تلاش میکنند تا اطلاعات بیشتری را کسب کنند تا این مسئله تحت یقین یا تحت ریسکهای محاسبه شده مورد بررسی قرار گیرد. اگر اطلاعات بیشتری در دسترس نباشد این مسئله باید تحت شرایط عدم یقین تحت بررسی قرار گیرد که نسبت به دیگر مقولهها کمتر قطعی میباشد.
تصمیمگیری تحت خطر احتمالی (ریسک)
در تصمیمگیری براساس ریسک(که به عنوان موقعیت تصمیمگیری محتمل شناخته شده) تصمیمگیرنده باید چندین نتیجه ممکن را برای هر انتخاب در نظر بگیرد با احتمال واقع شدن برای هر مورد. در احتمالهای طولانی مدت، فرض بر این است که نتایج محتمل شناخته شده است یا میتواند تخمین زده شود. براساس این فرض تصمیمگیرنده میتواند میزان خطر محتمل برای هر انتخاب را برآورد نماید(که ریسک محاسبه شده نام دارد). اکثر تصمیمات مهم تجاری براساس خطر احتمالی(ریسک) فرض شده است. تحلیل ریسک براساس محاسبه ارزش مورد انتظار هر انتخاب و انتخاب یکی از آنها با بیشترین ارزش انجام میپذرید .
چندین روش در ارتباط با تحلیل ریسک میتواند بکار گرفته شود ( رجوع شود به ;2001Drummond, ;2000Laporte,Louveeaux,and Van Hamme,2002 Koller,). آنها در بخشهای 4,7 و 4,13 بحث خواهند شد.

4,4 نمودارهای تاثیرات
زمانی که مسائل و مشکلات تصمیمگیری درک و تعریف شد باید مورد تحلیل قرار گیرد. این امر با ساختن یک مدل امکانپذیر است. همانطور که نمودار گردشی یک نمایش گرافیکی از جریان برنامه کامپیوتر میباشد، نمودار تاثیرات یک نقشه از یک مدل (یا بطور موثر یک مدل از یک مدل) میباشد. نمودار تاثیر یک نمایش گرافیکی از یک مدل است که برای کمک به طراحی، ساخت و شناخت یک مدل استفاده می-شود. یک نمودار تاثیر دارای ارتباط تصویری با سازنده مدل یا تیم سازنده میباشد. و بعنوان شبکهای برای بیان ماهیت دقیق روابط در مدل MSS و کمک به طراح مدل در تمرکز بر زمینههای مهم و حذف مسائل کم اهمیت بکار میرود. اصطلاح تاثیر به وابستگی یک متغیر به متغیر دیگر اشاره دارد. نمودار تاثیر به چندین شکل مختلف نمایش داده میشود. توضیحات زیر بیانگر یک نمونه از شکل استاندارد می‌باشد (رجوع شود به Decision Analysis Society Web site,faculty.fuqua .duke.edu/daweb/dasw6.htm;
the Hugin Expert A/S (Alborg ,Denmark ) Web site, developer.hugin.com/tutorials/ID_example/; and the Lumina Decision Systems (Los Gatos ,
: ( www.lumina.com/softwarw/influencediagrams.htmlCalifornia)Web site,




متغیر = مستطیل

متغیرهای وابسته و غیرقابل = دایره

متغیر‌های نتایج،واسطه = بیضی



متغیرها با فلشی که جهت تاثیر(روابط) را تعیین میکند، به یکدیگر متصل میشوند. شکل فلش نوع روابط را تعیین مینماید .روابط معمولی در ذیل آمده است:
- یقین(قطعیت)

- عدم قطعیت(عدم یقین)





- در متغیرهای تصادفی علامت " ~ " بالای نام متغیر قرار میگیرد .
~تقاضا

فروش‌ها

 معمولاً بین متغیرهای خارجی از فلش دو خطی ( >= ) استفاده میشود.
 فلشها میتوانند یک جهتی یا دو جهتی باشند که بستگی به جهت تاثیر یک جفت از متغیرها دارد.
نمودارهای تاثیر میتوانند با هرگونه جزئیات و پیچیدگی ساخته شوند. این امر طراح مدل را قادر می-سازد تا تمامی متغیرها را طراحی نموده و تمام روابط در این مدل را مثل جهت تاثیرات نشان دهد. حتی می-توانند ماهیت پویای مسائل را مورد ملاحظه قرار دهند. (رجوع شود به ; 2002Glaser and Kobayashi ,
.(Xing and Poh, 2002

مثال
Consider the following profit model:
Profit = income – expenses
Income = units sold * unit price
Units sold = ٠٫٥ * amount used in advertisement
Expenses = unit cost * unit sold + fixed cost
یک نمودار تاثیر برای این مدل ساده در تصویر 4,2 نشان داده شده است.







چند بعدی، مستندات ترکیبی و تحلیل پارامتر میباشد.
o Vanguard SoftWare Corporation , Cary , North Caronila , ) Decision Pro Vanguardsw.com ) که سازنده نمودارهای تاثیرات نزدیک میباشد. کاربر مسئله را درون ساختار درختی سلسله مراتبی طراحی نموده، بنابراین به تعریف روابط بین متغیرها میپردازد.
در پایین نمودار متغیرها ارزشها را تعیین نموده و یا ارزش آنها بطور تصادفی تولید میشود.
Decision Pro یک ابزار به هم پیوسته است که شامل دامنه عظیمی از تکنیکهای تصمیمگیری میباشد از قبیل برنامهریزی خطی، شبیهسازی، پیشبینی و تحلیل آماری.
o Tree Age SoftWare Inc. , William Stown , ) Data, Data Pro
Data، (Massachosetes treeage.com شامل نمودارهای تاثیر، نمودار درختی تصمیم، مدلهای شبیهسازی و غیره میباشد که با صفحه گسترده و صفحات وب ادغام شده است.
Definitive Software Inc., Broomfield, Colorado, ) iDecide o
: (definitivesoftware.com
Definitive Software iDecide مدلهای نمودار تاثیر تصمیم محور را با ترکیب دو جهتی با صفحات گسترده اکسل خلق مینماید. این مدلها میتوانند مستقیماً از نمودارهای تاثیر تا روشهای مونت کارلو پیشروی کنند.
o Palisade Corporation , Newfield , New York , ) Precision Tree
palisade.com) نمودارهای تاثیر و درخت تصمیم را بطور مستقیم در صفحه گسترده اکسل خلق مینماید.
برای کسب اطلاعات بیشتر به Faculty.fuqua.duke.edu/daweb/dasw6.htm مراجعه کنید. دادهها در وب سایت فروشنده برای دانلود در دسترس می‌باشد. تمامی این سیستمها مدلهایی با ساختار درختی به وجود میآورند به طریقی که این مدلها بتوانند به آسانی توسعه پذیر و درک پذیر باشند. به علاوه این سیستمهای نرمافزاری قادر به تولید مدل قابل استفاده و حل آن‌ها بدون استفاده از ابزار ویژه میباشند. برای مثال Analytica سازنده مدل را قادر میسازد تا به توصیف بخشهای مختلف این مدل و نحوه تاثیر آن بر متغیرهای نتیجه مهم بپردازد. این بخشهای مدل فرعی به وسیله سازنده مدل تجزیه شده و مدلی را با جزئیات بیشتر میسازد. سرانجام در پایینترین سطح متغیرها به تعیین ارزشها می-
.(Lumina Decision Systems Web Site , Lumina.com پردازد ( رجوع کنید به
در شکل 4,3a یک مثال از مدل بازاریابی در Analytica نشان داده شده است. این مدل شامل یک مدل فرعی قیمت و یک مدل فرعی فروشها است که در شکلهای 4,3b. و 4,3c. به ترتیب نشان داده شده است.
برای بررسی نرمافزار تحلیل تصمیم که شامل نمودارهای تاثیر میباشد به Decision Analysis 2002“
(updated annually and available online at Survey” in OR/Ms Today, June2002
lionhrtpub.com/orms/) مراجعه کنید .همچنین 2002Maxwell . سپس ما به ابزار اجرایی مهم برای این مدلها یعنی صفحه گسترده میپردازیم .




شکل 4,3 c زیر مدل فروش:
٤٫٥
میزان یا اندازه بازار


درآمد فروش واحدهای فروش سهم بازار عمر فرآورده


آگهی موثر آگهی بر اساس رشد



6,4 مدلسازی MSS با صفحههای گسترده
مدلها را میتوان در سیستمها و زبانهای برنامهنویسی مختلف ساخته و اجرا نمود که از نسل سوم، چهارم و پنجم زبانهای برنامهنویسی تا سیستمهای Case و دیگر سیستمها که بطور خودکار نرمافزار قابل استفاده تولید میکنند، طبقه بندی شدهاند. در ابتدا صفحات گسترده، زبانهای مدلسازی و ابزار تحلیل آشکار دادهها را مورد بررسی قرار میدهیم .
بستههای نرمافزاری صفحه گسترده با قدرت و انعطافپذیری به سرعت شناخته شده و از نرمافزار اجرا جهت کاربرد در تجارت، مهندسی، ریاضیات و علوم استفاده میشود. با تکمیل شدن بستههای نرمافزاری صفحه گسترده add-ins برای ساخت و حل کردن طبقات خاص مـدل یه کـار مـیرود. که شامل Solver ( Frontline Systems Inc. , Incline Village, Nevada) و What’s Best! ( a version of Lindo Lindo
Braincel( Promised، برای اجرای بهینهسازی خطـی و غیر خطـی Systems Inc. , Chicago , Illinois )
Evolver، برای شبکههای عصبی مصنوعی Land Technologies, Inc. , New Haven , Connecticut )
(Palisade Corporation , Newfield, New York ) برای الگوریتمهای ژنتیک و @Risk(Palisade Corporation , Newfield, New York) برای انجام مطالعات مربوط به شبیهسازی. به خاطر بازار شدید رقابت، add-ins‌های بهتر سرانجام بطور مستقیم در صفحات گسترده ترکیب میشوند.
صفحه گسترده از معروفترین ابزار مدلسازی کاربر میباشد (شکل 4,4) علت این امر نیز ترکیب شدن آن در مباحث ریاضیات، آمار، مالی و پولی و دیگر نقشها میباشد. صفحات گسترده میتوانند امور مربوط به حل مدلها از قبیل برنامه نویسی و تحلیل برگشتی را انجام دهند. صفحه گسترده در حال تکمیل ابزاری مهم جهت تحلیل، برنامهریزی(برنامهنویسی) و مدلسازی میباشد.
دیگر ویژگیهای صفحه گسترده شامل تحلیل مشروط، جستجوی هدف، مدیریت دادههاو قابلیت برنامه-نویسی میباشد. در واقع تغییر ارزش یک کادر و دیدن نتایج آن امر آسانی است. جستجوی هدف به وسیله تعیین کادرهای مورد نظر، ارزش مطلوب آن و تغییر کادر امکان پذیر است. مدیریت پایگاه دادههای اصلی را میتوان انجام داد و یا بخشهایی از پایگاه دادهها را برای تحلیل وارد نمود ( که ضرورتاً شامل این مسئله است که چطور OLAP با مکعب چند بعدی دادهها کار میکند و در حقیقت اکثر سیستمهای OLAP دارای نرمافزار صفـحه گسترده پیشرفته دارای احساس و دیـد هستند، هنـگامی که دادههـا را بارگـذاری ( load) میکنیم. سوددهی برنامهنویسی ساختار DSS را با استفاده از الگوها، ماکروها و دیگر ابزار میتوان تقویت نمود.

اکثر بستههای نرمافزاری صفحه گسترده ترکیب یکپارچه نسبی را با خواندن و نوشتن فایلهای معمولی فراهم میکنند که موجب ارتباط با دیگر پایگاه دادهها و دیگر ابزار میشود. مایکروسافت اکسل و -2-1Lotus3 دو نوع از مشهورترین بستههای نرمافزاری صفحه گسترده میباشند. در شکل 4,4 یک مدل محاسبه اقتباسی را نمایش میدهد ( جعبههایی در صفحه گسترده که کادرهای دارای فرمولها را توصیف میکند). یک تغییر در میزان سود (که با تایپ کردن تعداد جدیدی در 7E ) به سرعت در پرداخت ماهانه ( یعنی در 13E ) منعکس میشود. این نتایج را میتوان به سرعت مشاهده و تحلیل نمود.
اگر نیاز به پرداخت ماهیانه خاص، جستجوی هدف(4,10) داشتیم میتوانیم میزان بدهی یا میزان سود مناسب را تعیین کنیم .مدلهای ایستا و پویا را میتوان در صفحه گسترده ساخت. برای مثال صفحه گسترده محاسبه بدهی ماهیانه از نوع ایستا است که در شکل 4,4 نشان داده شده است. اگرچه این مشکل(مسئله) بدهکار را در طول زمان تحت تاثیر قرار میدهد، این مدل اجرای ماهیانه که تکرار شده است را تعیین می- کند. یک مدل پویا از سوی دیگر ارائه دهنده رفتار در طول زمان میباشد. محاسبه بدهی در صفحهگسترده در تصویر4,5 نشان داده شدهاست که تاثیر مقدماتی در این اصل را در طول زمان نشان میدهد. تحلیل ریسک نیز میتواند در صفحه گسترده با استفاده از مولدها برای ساخت مدلهای شبیهسازی،درج شود ( به بخش 4,13 توجه شود و نیز فصل وب یک مدل شبیهسازی کمی اقتصادی را تحت ریسک فرض شده و یک مدل شبیهسازی صفحه گسترده از جریانهای نقدی را ارائه میدهد).
(2000LeBlanc, Randalls, Swann( مثالی عالی از DSS مدل محور ساخته شده در صفحه گسترده را ارائه میدهد. که مدیرانی را جهت طراحی یک شرکت بزرگ تعیین مینماید. با استفاده از این سیستم شرکت نباید یک مدیر را که استعفا داده جایگزین نماید و بنابراین اساساً هزینههای مسافرت را کاهش میدهد.


(2000Buehlmann,Ragsdale,Gfeller( یک مدل صفحه گسترده DSS را برای تولید تخته چوبی توصیف میکند. این سیستم بسیاری از تصمیمهای پیچیده واقعی را در یک محیط خرید پویا اداره مینماید .
پروتکل صنعتی یک مدل DSS صفحه گسترده کامل را برای طراحی و زمانبندی در تولید کاغذ به وجود آورده است. به DSS در فعالیت شماره 4,8 توجه کنید .
صفحات گسترده برای کامپیوترهای شخصی ساخته شده است اما میتواند در کامپیوترهای بزرگتر نیز به کار رود. این قالب صفحه گسترده پایهای مناسب برای صفحات گسترده چند بعدی و ابزار OLAP که در فصل بعد توصیف میشود، میباشد.

7,4 تحلیل تصمیم با گزینههای کم ( جداول تصمیم و درخت تصمیم)
در تصمیماتی که تعداد حالات شامل تعداد محدود و معمولاً نه چندان زیادی از انتخابها هستند، مدل-سازی با روشی انجام میشود که به آن تحلیل تصمیم میگوییم. با استفاده از این روش، انتخابها در یک جدول یا گراف، به همراه بخش نتیجه مورد انتظار هر انتخاب برای رسیدن به هدف و احتمال هریک نمایش داده میشود. این روش میتواند به ارزیابی و انتخاب بهترین گزینه کمک کند.
یک وضعیت با یک هدف مشخص میتواند با جدول تصمیم و یا درخت تصمیم مدلسازی شود.
وضعیت چند هدفی(هدف چندگانه) در ادامه با تکنیکهای دیگر شرح داده میشود.
جدولهای تصمیم
جدولهای تصمیم یک روش مناسب برای شناخت اطلاعات به یک روش اصولی میباشد. برای مثال یک شرکت سرمایه گذاری،سرمایه گذاری را در یکی از سه انتخاب زیر در نظر میگیرد: اوراق قرضه،سهام و یا ودیعه گذاشتن(CDs). این شرکت علاقهمند به یک هدف میباشد: به حداکثر رساندن تقاضا برای سرمایهگذاری بعد از یک سال. اگر هدف دیگر مورد توجه باشد از قبیل امنیت یا نقدینگی،مسئله به عنوان تحلیل چند معیاری تصمیم طبقه بندی میشود. رجوع شود به 2001Koksalan,Zionts,.
با توجه به وضعیت اقتصادی در آینده درخواستهای سالیانه به وجود میآید، که میتواند به خاطر رشد ثابت، رکود و یا تورم باشد. کارشناسان درخواستهای سالانه زیر را برآورد کردهاند:
o در صورت وجود رشد ثابت در اقتصاد تقاضا برای اوراق قرضه 12 درصد، سهام 15درصد و ودیعه گذاشتن 5/6 درصد میباشد.
o در صورت رکود اقتصادی اوراق قرضه 6 درصد، سهام 3درصد و ودیعه نهادن 5/6 درصد میباشد.
o در اوضاع تورم اوراق قرضه 3 درصد، سهام به کمتر از 2 درصد و ودیعه نهادن 5/6 درصد میباشد.
مسئله حاضر انتخاب یکی از بهترین سرمایهگذاریهای جایگزین میباشد. در این مورد فرض براین است که جایگزینها(انتخاب) مجزا هستند. ترکیباتی از قبیل سرمایهگذاری50درصد در اوراق قرضه و50 درصد در سهام باید بعنوان انتخابی جدید تلقی شوند. این مشکل تصمیمگیری در سرمایهگذاری بعنوان یک بازی دو نفره شناخته شده است(2002Kelly, ). سرمایهگذار دست به یک انتخاب میزند و سپس یک وضع طبیعی رخ میدهد. پرداختها در جدول 4,2 بر اساس یک مدل ریاضی نشان داده شده است.





جدول 4,2 مدل جدول تصمیم مسئله سرمایهگذاری

جایگزین وضعیت طبیعی (متغیرهای غیر قابل کنترل)

رشد ثابت(%) رکود(%) تورم(%)
اوراق قرضه(بهاءدار) 12/0 6/0 3/0
سهام 15/0 3/0 -2/0
ودیعه گذاشتن 6/5 6/5 6/5

این جدول شامل متغیرهای تصمیم(گزینه‌ها) و متغیرهای غیر قابل کنترل (اوضاع اقتصادی) و متغیرهای نتایج(تقاضا و نتایج) میباشد. تمامی مدلها در این بخش در شبکه صفحه گسترده ساخته شدهاند. اگر تصمیمگیری تحت شرایط یقین(قطعی) باشد، ما از اوضاع اقتصاد کاملاً آگاه بوده و بهترین سرمایهگذاری را انتخاب مینماییم .اما این تنها مورد نیست و ما باید دو موقعیت عدم قطعیت و ریسک را نیز در نظر بگیریم .
در مورد عدم قطعیت(عدم یقین) ما از احتمالهای هر وضعیت آگاه نیستیم و در مورد ریسک فرض براین است که از احتمالات مربوط به هر حالت طبیعی که در آینده رخ خواهد داد آگاه هستیم .
کنار آمدن با مسئله عدم قطعیت(عدم یقین)
در کنار آمدن با مسئله عدم قطعیت، چندین روش وجود دارد. برای مثال روش خوشبینانه که در آن فرض شدهاست که بهترین نتیجه ممکن در مورد هر انتخابی در آینده واقع خواهد شد و سپس به انتخاب نمودن بهترین جایگزین میپردازد(سهام). در روش بدبینانه فرض بر این است که بدترین نتیجه ممکن روی خواهد داد و به انتخاب بهترین جایگزین در میان بدترینها میپردازد(CDs). روش دیگری که به سادگی فرض براین است که تمام حالت طبیعی بصورت برابر روی خواهد داد. در واقع در هر روش مشکلاتی جدی در کنار آمدن با مسئله عدم قطعیت وجود دارد. در هر زمانی باید به جمعآوری اطلاعات لازم پرداخت تا این مسئله را بتوان بصورت یقین(قطعی) یا ریسک درآورد.
کنار آمدن با ریسک (خطر احتمالی)
معمولیترین روش برای حل کردن مسئله تحلیل ریسک، انتخاب جایگزین با بالاترین بهای مورد انتظار میباشد. فرض بر این است که کارشناسان شانس رشد ثابت را 50 درصد، رکود 30 درصد و تورم را 20 درصد برآورد کردهاند. سپس جدول تصمیم را با احتمالات شناخته شده از نو مینویسند(جدول4,3). مبلغ مورد انتظار به وسیله زیاد کردن نتایج با احتمالات نسبی و افزودن به آنها به دست میآید .برای مثال حاصل سرمایهگذاری بصورت اوراق قرضه میتواند بصورت زیر باشد:
درصد 4,8 = (2,0)3 + (3,0)6 + (5,0)12
این روش گاه میتواند یک راهکار بسیار خطرناک باشد زیرا سود هر نتیجهای ممکن است از ارزش و مبلغ آن فراتر رود. حتی با وجود شانس زیادی در ضرر کردن، مبلغ مورد انتظار ممکن است منطقی بنظر برسد. اما سرمایهگذار ممکن نیست مایل به جبران این ضرر باشد.

جدول 4,3 تصمیم تحت ریسک و حل آن
جایگزین رشد ثابت(%) رکود(%) تورم(%) مقدار مورد انتظار(%)
اوراق قرضه(بهاءدار) 12/0 6/0 3/0 (ماکزیمم) 4/8
سهام 15/0 3/0 -2/0 8/0
ودیعه گذاشتن 6/5 6/5 6/5 6/5

برای مثال فرض کنید که یک مشاور مالی به شما اطمینان کامل میدهد که با سرمایهگذاری به مبلغ
1000 دلار در یک روز شما میتوانید پول خود را دو برابر کنید این احتمال 9999/0 درصد است ولی
0001/0 این احتمال وجود دارد که شما از جیب خود 000/500 دلار ضرر کنید. مبلغ مورد انتظار این سرمایهگذاری بصورت زیر است.
0,9999(2000 - 1000) + 0,0001(-500،000 - 1000) = $ 999,90- 50,10 = 946,80
ضرر فوق برای هر سرمایهگذاری که یک میلیاردر نیست میتواند مصیبت بار باشد. بسته به توانایی سرمایهگذار جهت تامین ضرر یک سرمایهگذاری دارای سودهای متفاوت میباشد. متوجه باشید که سرمایه-گذار تنها باید یک بار تصمیم بگیرد .
درختهای تصمیم
نمایش متناوب جدول تصمیم در واقع یک درخت تصمیم میباشد(Mind Tools
Community,www.mindtools.com) درخت تصمیم (نمودار درختی تصمیم) نشان دهنده روابط بین مسائل بصورت گرافیکی که میتواند چندین موقعیت پیچیده را بصورت یک شکل خلاصه نمایش دهد. درصورت وجود جایگزینها و یا حالات متفاوت تهیه نمودار درختی تصمیم کاری پر زحمت خواهد بود.
و (Tree Age Software Inc. , Williamstown , Massachosetts , TreeAge.com) DATA
Palisade.Com Palisade Corporation , Newfield , New York , ) PrecisionTree) شامل سیستمهای تحلیل قوی و ابتکاری نمودار درختی تصمیم میباشند. چندین روش دیگر کنار آمدن با ریسک(خطر احتمالی) در فصل بعدی ذکر شدهاست که از آن جمله میتوان به شبیهسازی،عوامل یقین و منطق نامعلوم اشاره کرد. یک نمونه ساده شده از سرمایهگذاری با هدف چندگانه در جدول 4,4 نمایش داه شدهاست. سه هدف عبارت از منفعت، امنیت و نقدینگی میباشند. این وضعیت براساس یقین(قطعیت) بوده و تنها یک نتیجه برای هر جایگزین فرض شدهاست(در موارد پیچیدهتر ریسک و عدم قطعیت در نظر گرفته میشوند).
برخی از نتایج (از قبیل پایین و بالا) بیش از آنکه کمی باشند کیفی هستند.
روزتی و سلاندار(2001) روش چند معیاری برای تحلیل سیستم تحویل بیمارستان را مورد بحث قرار دادهاند. در این روش اعتماد تصمیمگیرنده از طریق فرآیندهای متوالی،تحلیلی و منطقی قابل کسب است. آن-‌ها از فرآیند تحلیل سلسلهمراتبی (AHP) استفاده کردند. Phillipswern و Forgionne (2002) یک روش چند هدفی براساس AHP را برای ارزیابی DSS استفاده میکنند. Pillia و Raju (1999) یک مدل چند معیاری را برای طراحی حوضه رودخانه استفاده کردهاند. مثال دیگر از یک DSS طراحی شده جهت اداره یک تصمیمگیری چند هدفی که به وسیله (1999Murthy et al.( توصیف شده است. که در واقع یک تولیدی کاغذ نسبتاً پیچیده را ساختند و با زمانبندی(برنامهریزی) DSS مبلغ زیادی از پول سالانه را صرفهجویی
نمودند. (2001Barba-Romero( به توصیف یک DSS دولتی که از مدلهای چند معیاری در سیستم کسب دادهها استفاده میکند، پرداخت. در DSS در فعالیت 3,2 به توصیف مسائل چند معیاری بر اساس وب ( وب محور) برای شرکت Cameron and Barkely پرداختیم که خریدار با اهداف مغایر حداقل رساندن فهرست-ها و حفظ سطوح بالای خدمت به مشتری روبرو میباشد. با این وجود تعداد زیادی تحلیل تصمیم و بسته-های نرمافزاری تصمیمگیری چندگانه یافت میشود، شامل DecisionPro ( Vanguard Software Corporation , www.Vanguardsw.com ) و Expert Choice و Expert Choice 2000 2nd Edition for
Groups و نسخههای ویژه بر پایه وب(وب محور) جهت طراحی استراتژیک، منابع انسانی و فراهم نمودن گزینههای کارشناسی بیشتر (Hipre and Java Applet، ( Expert Choice Inc. , expertchoice.com
Web-Hipreو Logicaldecision.com) Logical Decisions for Windows and Groups). نسخههای نرم-افزار Demo از تمامی این سیستمها در وب در دسترس میباشد. آکارته (2001) توصیف میکند که چگونه کاربرد وب محور (برپایه وب) از روند سلسلهمراتبی Analytic جهت حل مسائل چند معیاری در انتخاب فروشنده استفاده میشود. برای دیدن مثالی از استفاده Expert Choice در حل مسائل مشابه چند معیاری به فصل وبهای خانگی (Scott) رجوع کنید .تحقیقات چند معیاری اخیر درKoksalan و Zionts (2001) توصیف شده است.
جدول 4,4 اهداف چندگانه

جایگزین وضعیت طبیعی (متغیرهای غیر قابل کنترل)
منفعت یا بازدهی(%) امنیت(%) نقدینگی یا تسویه حساب (%)
اوراق قرضه(بهاءدار) 8/4 بالا بالا
سهام 8/0 پایین بالا
ودیعه گذاشتن 6/5 خیلی بالا بالا
Goodwin and Wright (2000) و Clemen and Reilly (2000) برای کسب اطلاعات بیشتر به
و Decision Analysis Society Web site(faculty.fuaua.duke.edu/daweb/) مراجعه شود. گاه ممکن است برنامهنویسی(برنامه ریزی) ریاضی مستقیماً برای تصمیمگیری تحت ریسک بکار رود هرچند که کاملاً پیچیده باشد.
8,4 ساختار مدلهای ریاضی MSS
در اینجا موضوعات مربوط به مدلهای ریاضی MSS ( ریاضی،پولی و مالی و مهندسی و ...) را ارائه میدهیم. این موضوعات شامل اجزا و ساختارهای مدلها میباشد.
اجزای مدلهای ریاضی MSS
تمامی مدلها از سه جزء اساسی ساخته میشوند(شکل 4,6) : عوامل متغیر تصمیم، عوامل متغیر(پارامترها) غیر قابل کنترل و عوامل متغیر نتایج و روابط ریاضی بین این اجزا را به هم مرتبط میسازد. در روشهای کیفی روابط از نوع نمادین و کیفی است. با گرفتن تصمیم میتوان نتیجه تصمیمات را تعیین نمود. این عوامل به وسیله تصمیم گیرنده و روابط بین متغیرها قابل کنترل نیست. فرآیند مدلسازی مستلزم تشخیص متغیرها و روابط بین آنها است. با حل کردن یک مدل میتوان ارزش آن و نتایج متغیرها را تعیین نمود.
متغیرهای نتایج: متغیرهای نتایج منعکس کننده اثر گذار بودن سیستم میباشد که کارایی سیستم و دستیابی آن به اهداف مورد نظر را تعیین میکند. این متغیرها همان محصولات میباشند(بازده). مثالهایی از متغیرهای نتایج در جدول 4,5 نشان داده شده است. متغیرهای نتایج بعنوان متغیرهای وابسته در نظر گرفته میشوند. متغیرهای واسطه نتایج گاهی اوقات در مدلسازی برای تعیین نتایج متوسط استفاده میشوند. در مورد یک متغیر وابسته،رویدادهای دیگر ابتدا قبلاز توصیف رویداد بوسیله متغیر رخ میدهند. متغیرهای نتایج، به تصمیم و متغیرهای مستقل غیر قابل کنترل وابسته میباشند.


متغیرهای تصمیم
متغیرهای تصمیم به توصیف نحوه عمل گزینهها میپردازند. تصمیمگیرنده نیز باید به کنترل متغیرهای تصمیم بپردازد. برای مثال در یک مسئله سرمایهگذاری میزان سرمایهگذاری بصورت اوراق بهاء دار بعنوان یک متغیر تصمیم در نظر گرفته میشود. در یک مسئله زمانبندی متغیرهای تصمیم عبارتاند از مردم، زمان و برنامهها. مثالهای دیگر در جدول 4,5 فهرست شده است.

پارامترها یا متغیرهای غیر قابل کنترل
در هر موقعیت تصمیمگیری عواملی یافت میشود که بر متغیرهای نتایج تاثیر گذاشته اما تحت کنترل تصمیمگیرنده نمیباشند. هر یک از این عوامل میتواند ثابت باشد که در این صورت پارامتر نامیده میشود و یا میتواند متغیر باشد. مثالهای مربوط به این عوامل از جمله کد ساختن یک شهر، تنظیم مالیات و هزینههای خدمات رفاهی میباشد که در جدول 4,5 مثالهای دیگری ذکر شده است. اکثر این عوامل غیر قابل کنترل هستند زیرا این عوامل در داخل محیط سیستمی هستند که تصمیمگیرنده فعالیت میکند. برخی از این متغیرها، تصمیمگیرنده را محدود کرده و باعث افزایش فشار به تصمیم گیرنده می‌شود.

متغیرهای واسطه نتایج
متغیرهای واسطه نتایج منعکس کننده نتایج میانی میباشند. برای مثال در تعیین برنامه زمانبندی ماشین، خرابی بعنوان متغیر واسطه نتایج و سود کلی بعنوان متغیر نتیجه میباشد. نمونه دیگر حقوقهای کارمندان است، که موجب تشکیل یک متغیر تصمیم برای مدیریت میشود، همچنین تعیین کننده میزان رضایت کارمندان است و در پایان تعیین کننده سطح بازدهی(نتیجه نهایی) میباشد.

ساختار مدلهای ریاضی MSS
اجزای یک مدل کمی از طریق اصطلاحات ریاضی که از آن جمله معادله میباشد به هم مرتبط میشوند.
یک مدل مالی بسیار ساده P=R-C میباشد که در آن سود P =، درآمد R = و هزینهها C = . این معادله به توصیف روابط بین این متغیرها میپردازد. مدل مالی مشهور دیگر مدل مبلغ نقدی حاضر است:


که مبلغ حاضر P =، پرداخت آینده به دلار F =، نرخ سود(درصد) i = و تعداد سالها n = .
معادله فوق فرد را قادر میسازد تا به آسانی ارزش پرداخت، 000/100 دلاری از امروز تا پنج سال آینده با نرخ سود 10 درصد را تعیین نماید،

100/000 P = = 62،092
(1+0/1)5


در بخشهای آینده مدلهای ریاضی پیچیدهتر و جالبتری را رائه خواهیم داد.

9,4 بهینهسازی برنامهنویسی(مدلسازی) ریاضی
ایده اساسی بهینهسازی در فصل 2 معرفی شد. برنامهنویسی(برنامهریزی) خطی یا LP، معروفترین فناوری در مجموعه ابزار بهینهسازی است که برنامهنویسی(برنامهریزی) ریاضی نام دارد. که بصورت گسترده در DSS مورد استفاده قرار میگیرد. درواقع مدل برنامه ریزی خطی دارای کاربرد‌های بسیار مهمی می‌باشد.
.را ببینید Theweb chapter on procter and Gamblبرای مثال
برنامه ریزی ریاضی: برنامهریزی ریاضی در واقع مجموعه‌ای از ابزار‌های طراحی شده جهت کمک به حل مسائل مدیریتی و اجرایی است که در آن تصمیم گیرنده باید منابع کمیاب را در فعالیت‌های رقابتی جهت بهینه سازی اهداف قابل اجرا اختصاص دهد. برای مثال : نحوه توزیع زمان بین محصولات گوناگون یکی از مشکلات می‌باشد، که برنامه ریزی خطی ( Lp) این مشکلات را با ویژگی‌های زیر نشان می‌دهد.
ویژگی‌های Lp
• محدود بودن منابع اقتصادی موجود برای بودجه تخصیص داده شده.
• کاربرد منابع در تولید محصولات و یا خدمات
• به طور کلی دو یا چند روش وجود دارد که منابع مورد استفاده قرار می‌گیرند که هر یک را یک راه حل یا برنامه گویند.
• هر فعالیتی اعم از تولید یا فعالیت خدماتی که در آن منابع استفاده شده، اهداف بیـان شـده را کـسب می‌نماید.
• این بودجه به وسیله‌ی چندین محدودیت و نیازمندی معمولاٌ محدود شده است که محدودیت و قید نامیده می‌شود.
DSS در عمل 2,4
بهینهسازی موقعیت کارخانه آبجوEFES

گروه مشروب سازی EFES خواست بهترین موقعیت برای احداث کارخانه آبجو جدید در ترکیه را تعیین کند. در پروژه اولیه،EFES از یک مدل برنامهنویسی آماری برای تعیین جای کارخانه مشروب سازی جدید استفاده کرد. در بعضی از این کارخانههای جدید در حال ساخت مدیران EFES از تیمهای مشابه درخواست کمک کردند.
مکانهای گوناگون بعنوان موقعیتهای ممکن برای احداث کارخانه آبجو ارزیابی شده بودند. یک تحلیل اقتصادی نامرغوب بودن بعضی از جایگزینها را که بعضی از مدیران از آنها حمایت میکردند، آشکار کرد. ارزیابی کردن احتمالات باقیمانده یک مدل برنامهنویسی شده ترکیبی عدد صحیح، توسعه یافته بودند که مطرح شدن هر دو موقعیت از احداث کارخانه آبجو جدید و توزیع جو و آبجو. تاثیرات اداره طولانی مدت از تصمیمات و کاهش ارزش حاضر از هزینه کلی مطرح شده بود. روش آماده موقعیتهای شناخته شده برای احداث کارخانه آبجو جدید کاربرد مساعد و موفق بهینهسازی نرمافزار و میزان حساسیت تحلیلها هدایت شده است با تعیین فشاری از نیروی انتخاب مکانهای مطلوب خاص. بعضیها این پنداشت را قبول کرده بودند در حالی که دیگران موجب افزایشات زیادی در هزینه کل سیستم شده بودند(درحدود 19 میلیون دلار). EFES مدلی برای تصمیمات پخش و توزیع استفاده کرد. به عنوان گام بعدی،تصمیمات توزیع و موقعیت میتواند پیوند خوردهباشد(مثلاً در قالب کاربرد 4,1)

مدل Lp بر اساس فرضیات اقتصادی زیر استوار است :
فرضیاتLp :
- بازده بودجه‌های مختلف را می‌توان مقایسه نمود و با یک واحد مشترک ( دلار ) اندازه گرفت.
- بازده هر بودجه مستقل از سایر بودجه‌ها است.
- بازده کلی در واقع بخشی از بازده‌های ارائه شده توسط فعالیت‌های دیگر می‌باشد.
- تمام داده‌ها بر اساس تعریف، شناخته شده است.
- منابع باید به اقتصادی‌ترین روش استفاده شود.
در خصوص مشکلات مربوط به بودجه راه حل‌های بسیاری وجود دارد که بسته به فرضیات اساسی، تعداد راه حل‌ها میتواند نا محدود و یا محدود باشد. معمولاٌ راه حل‌های متفاوت ارائه دهنده‌ی سود هـای متفاوت می‌باشند. از میان راه حل‌های موجود حداقل یکی بهترین است، بر اساس میزان نیـل بـه هـدف بـا حداکثر سود دهی که این امر را " راه حل بهینه " می‌نامند و با استفاده از الگوریتم‌های ویژه یافت می‌شود.
برنامه ریزی خطی ( Lp)
هر مسئله Lp از متغیرهای تصمیم ( زمانی که مبالغ مشخص نیست، نیاز به جستجو دارد )، اجرای هدف ( یک اجرای خطی، ریاضی، که متغیرهای تصمیم را به هدف ربط داده، به اجرای هدف و بهینه سازی آن می‌پردازد )، ضریب‌های اجرای هدف( ضرایب واحد‌های سود و زیان که تعیین کننده اهداف متغیرها است )، محدودیت ( که به صورت نابرابری‌های خطی یا برابر بودن‌هایی که منابع و نیازها را محدود می‌کند )، ظرفیت و قابلیت‌ها ( که توصیف کننده محدودیت‌ها بالا و پایین در مورد قید‌ها و متغیرها است ) و ضرایب ( که تعیین کننده منابع سود برای متغیر تصمیم می‌باشد ) تشکیل شده است ( به DSS در 3,4 نگاه کنید.)
DSS در فوکوس 3,4
برنامهنویسی خطی
برنامهریزی خطی شاید شناختهشدهترین روش بهینهسازی خطی و نامعادله هستند. به طور نظری یک تعداد نامحدودی است. که با تخصیص بهینه منابع به فعالیتهای رقابتی از راهحلهای احتمالی برای مسائل تخصیص از این نوع سروکار دارد. مسئله تخصیص (رجوع شود به وجود دارد. استفاده از روشهای ریاضی، روش 2002Hsiang,) به وسیله روش توصیف مدل زیر نشانداده برنامهنویسی خطی و به کار بستن یک روش جستجوی شده است: مسئله پیدا کردن مقدار متغیرهای تصمیم 1X و کامپیوتری منحصر به فرد که بهترین راهحلها را در زمان 2X و غیره و چنان که مقدار متغیر نتیجه Z است افزایش مناسب، پیدا کند. از این گذشته، روش حل، تحلیل حساس یافته. موضوع یک مجموعه از محدودیتهای خطی است و اتوماتیکی را ارائه میدهد.
که تکنولوژی، شرایط بازار و متغیرهای غیرقابل کنترل دیگر را بیان میکند. ارتباطات وابسته به ریاضی همه معادله Lp فرمول مدل ترتیبی تولید می‌کند :
شرکت MBI به تولید کامپیوترهای با هدف ویژه می‌پردازد. یک تصمیم باید اتخاذ شود در مورد میزان کامپیوترهایی که در ماه آینده در کارخانه Boston باید ساخته شود. دو نوع از کامپیوترها در نظرگرفته شده است: یکی 7-CC است که نیاز به 300 روزکار و 10000 دلار هزینه مواد دارد. و دیگری 8-CC که نیاز به 500 روزکار و 15000 دلار مواد لازم دارد. سود حاصله از 7-CC در حدود 8000 دلار می‌باشد. در حالیکه سود 8-CC در حدود 12000 دلار است. کارخانه ظرفیت 200000 روزکاری را هر ماه دارا می‌باشد و بودجه

مواد مورد نیاز حدود 8 میلیون دلار در ماه می‌باشد. بازار فروش نیازمند است که هر ماه حدود 100 واحد از 7-CC و حداقل 200 واحد از 8-CC ساخته شود. این مسئله سود‌های شرکت را بوسیله تعیین چند واحد
7-CC و چند واحد 8-CC در طول ماه تولید شود، به حداکثر می‌رساند .نکته مهم اینجا است که در جهان واقعی ماه‌ها طول می‌کشد تا اطلاعات لازم جهت حل این مسئله گردآوری شود و با این داده‌ها بی شک قادر به تأمین تمامی اطلاعات در مورد نحوه ساخت مدل نخواهد بود. این مسئله در مورد INERYS در
فعالیت 1,2 , 22 که ابزارهای web- based برای جمع آوری داده‌ها به کار می‌رود. ( 6,2 DSS – ) مدل سازی :
در برنامه ریزی خطی استاندارد ( Lp) مدل ساخته شده دارای سه جزء زیر می‌باشد.
متغیرهای تصمیم:
X= واحد‌های 7-CC تولید شده  


این مدل دارای یک جزء چهارم پنهان است. هر مدل برنامه ریزی خطی دارای متغیرهای واسطه‌ی درونی است که به صورت صریح بیان نمی‌شود. محدودیت‌های کار و بودجه، هر یک مقداری اعشاری را دارا می‌باشند. هنگامی که طرف سمت راست معادله از سمت چپ کمتر است، محدودیت نیاز بازار نیز ممکن است مقداری مازاد داشته باشد. هنگامی که سمت چپ بیشتر از سمت راست باشد، این مازاد‌ها به صورت درونی بوسیله‌ی متغیر‌های مازاد که تعیین می‌کنند که مکانی برای تعدیل سمت راست وجود دارد، نشان داده می‌شود. این متغیر‌های کسری و مازاد متوسط هستند که دارای ارزش زیادی برای تصمیم گیرنده هستند، بخاطر روش‌های برنامه ریزی خطی که در ایجاد پارامتر‌هایی برای تحلیل مشروط اقتصادی به کار می‌رود. مدل ترکیبی تولید، دارای تعداد نامحدودی از راه حل‌های ممکن می‌باشد. به فرض اینکه یک طرح تولید محدود به تمام فرضیات منطقی در طرح تولید ماهیانه نیست، نیاز به راه حلی برای به حداکثر
رساندن سود کلی که همان راه حل بهینه است، داریم. خوشبختانه Excel با addin solver به آسانی قادر به یافتن بهترین راه حل برای این مسئله می‌باشد. این داده‌ها مستقیماٌ در صفحه‌ی گسترده‌ی excel وارد کرده و Solver را فعال می‌کنیم. هدف، متغیرهای تصمیم و محدودیت‌ها را شناسایی می‌کنیم، و همچنین در options به فعال نمودن Boxes Assume Linear Model و Assum Non- Negative می‌پردازیم و سپس مسئله را حل می‌کنیم. در مرحله بعد تمام سه گزارش، جواب، حساسیت و محدودیت‌ها را انتخاب کرده تا بهترین راه حل را به دست آوریم. 333,33 =1X2 = 200، X، سود = 5،066،667 همانطور که در شکل
8,4 نشان داده شده است، Solver سه گزارش مفید جهت یافتن راه حل ارائه می‌دهد. آن را امتحان کنید.
ارزیابی گزینه‌ها و انتخاب نهایی بستگی به نوع معیاری که انتخاب کرده ایم دارد. آیا در تلاش برای یافتن بهترین راه حل هستیم؟ یا می‌خواهیم که نتایج به اندازه کافی مناسب باشد؟ ( فصل دوم مراجعه کنید).
مدل‌های برنامه ریزی خطی ( کلی و تخصصی ) می‌تواند به طور مستقیم در سیستم‌های مدل سازی مورد
علاقه کاربر به کار رود. دو نوع از معروف‌ترین آنها Lingo، Lindo می‌باشد. Lindo یک سیستم برنامه ریزی خطی و صحیح است. مدل‌ها به همان روش که به صورت جبری تعریف شده اند، مشخص گردیده است. بر اساس موفقیت Lindo این شرکت به تولید Lingo یک زبان مدل سازی که شامل توسعه مثبت بهینه ساز Lindo جهت حل مسائل غیر جبری می‌باشد، پرداخت. IMERYS DSS استفاده از Lindo را به عنوان سازنده و حل کننده مدل خود تکمیل نمود. استفاده از برنامه ریزی ریاضی به ویژه برنامه ریزی خطی در عمل نسبتاٌ مشترک است. برنامههای استاندارد کامپیوتری در دسترس می‌باشد. اجرای بهینه سازی در بسیاری از ابزارهای DSS از قبیل Excel در دسترس می‌باشد. همچنین ارتباط متقابل بین نرم افزارهای بهینه سازی با Excel، سیستم‌های مدیریت پایگاه داده‌ها و ابزارهای مشابه وجود دارد. مدل‌های بهینه سازی اغلب شامل حمایت از اجرای تصمیم می‌باشد. ( 2,4 DSS, ) .

DSS در کانون 4,4
اساسی منطبق بر مدل جبری مثال LINDO: یک مدل ترکیب محصول

در اینجا نسخه Lindo از مدل

است:
























ترکیب محصول را بررسی میکنیم .توجه کنید که این مدل بطور

DSS در کانون 4,5 مثال LINGO: یک مدل ترکیب محصول
فرمانهای زبان اختصاصی تر از Lindo می‌باشد، در بخشهای داده و مجموعه.
در تعامل هستند، دادهها در تغییر نیست. این روش در
در اینجا نسخه مدلسازی،تعاریف کامپیوترهای اضافی واین مدل به خودی خودپایگاه داده به سادگیIMERYS قالب کاربردی
LINGO از مدل ترکیب محصول را بررسی میکنیم. به خطمجموعه و تعاریف داده توجه کنید .اگرچه این مدل پیچیده یا منابعی که میتوانند افزوده شوند به وسیله اضافه کردن
غیرقابل تغییر است. در مدلهایی که با پایگاههای داده قابل تغییر هستند اما فهرست و صورت مدل قابل
4,1 استفاده شده بود.
برخی از مهمترین کاربرد‌های اخیر برنامه ریزی ریاضی شامل طـرح شـبکه اینترنتـی ( 2001Gourdin ) ومسائل مربوط به تخصیص اعتبار شبکه‌های تلفنی است. ( 2001Bourjollyet.al. ) بدست آوردن یک راه حلبهینه برای هر دو این مسائل بر نحوه کارکرد اینترنت/web و بر نحوه تجـارت الکترونیکـی و m-commerce تأثیر بسیار چشمگیری می‌تواند داشته باشد.
مثال‌های دیگری نیز که در مدیریت عملیات و تولید به آن اشاره کردیم ( 2001wolsey ) وجود دارد. و مسائل مربوط به کوله پشتی ( کالایی با بالاترین ارزش بدون فراتر رفتن از محدوده وزنی ) که برای بررسی صفحه فضاپیما بکار می‌رود ( 2002Ledgard ( 2000 ) .( Erlebach , kellerer , pferschy
, Bossarts , fine توصیف می‌کنند که چگونه بسته‌های برنامه ریزی برای web در دسترس است که به وسیله بازار آن لاین Bond connect برای تحلیل امنیت درآمد‌ها به منظور کمک به ارتباط و درج قیمت‌ها در یک حراج ترکیبی استفاده می‌شود. ( 2001Geoffrion , Krishnan ( توصیف می‌کند که چطور مدل سازی ریاضی در حال حرکت به سمت web می‌باشد. برای مثال Mathml یک زبان بالا بردن قیمت در
.( www. W3. org /math/ ) .فرایند ریاضی می‌باشد

10,4 اهداف چندگانه، حساسیت، تحلیل مشروط و جستجوی هدف
فرایند جستجو که قبلاٌ توصیف شده مرتبط به ارزیابی میباشد. ارزیابی گام آخری است که منجربه راه-حل شمارش شده میشود.
اهداف چندگانه
با تحلیل تصمیم‌های اجرایی در واقع ارزیابی مورد توجه قرار می‌گیرد که با احتمال بسیار تا کنون هر جایگزینی به سمت رسیدن به هدف پیش می‌رود. متأسفانه مسائل مدیریتی به ندرت با هدف ساده‌ای چون رسیدن به حداکثر سوددهی قابل ارزیابی می‌باشد. امروزه سیستم مدیریتی بسیار پیچیده بوده و داشتن یک هدف در آن به ندرت پیش می‌آید. در عوض مدیران خواستار نیل به اهداف هم زمان می‌باشند که برخی از آنها گاهاٌ با یکدیگر در تعارض هستند. سهام داران مختلف دارای اهداف متفاوتی هستند. لذا اغلب لازم است که هر جایگزینی در پرتو چندین هدف تحلیل شود. ( 2001koksalan and zionts ). برای مثال یک شرکت سودده را در نظر بگیرید. علاوه بر کسب درآمد، شرکت خواستار توسعه، گسترش محصولات و کارمندان و فراهم کردن امنیت شغلی برای کارگران و خدمت به جامعه می‌باشد. مدیران در پی راضی نمودن سهام داران و در همان زمان لذت بردن از حقوق بالا و محاسبه هزینه‌ها و کارمندان که خواهان افزایش پرداخت‌ها و سود می‌باشند. هنگامی که یک تصمیم در مورد یک پروژه سرمایه گذاری اتخاذ می‌شود، برخی از این اهداف موافق یکدیگر و برخی متضاد یکدیگر هستند. اکثر مدل‌های کمی تئوری تصمیم بر اساس مقایسه تأثیرات یا به طور کلی » سوددهی « استوار است. لذا لازم است که مسئله قبل از مقایسه تأثیرراه حل‌ها به صورت یک مسئله تأثیرات تبدیل شود. یک روش معمولی برای اداره اهداف چندگانه، مدلبرنامه ریزی خطی می‌باشد. برای مثال به Dss در عمل ( 6,4 ) توجه کنید که مدل MBI به صورت مدل برنامه ریزی تک هدفی تغییر می‌یابد.
مشکلات خاصی در زمان تحلیل اهداف چندگانه بوجود می‌آید که شامل موارد زیر می‌باشد:
- اغلب بدست آوردن یک صورت صریح از اهداف سازمان دشوار می‌باشد.
- تصمیم گیرنده ممکن است اهمیت اهداف خاصی را در طی زمان و یا سناریوهای مختلف تصمیم را تغییر دهد.
- اهداف اصلی و فرعی به صورت‌های متفاوت در سطوح گوناگون سازمان و در بخش‌های مختلف مورد بررسی قرار می‌گیرد.
- اهداف در واکنش به تغییرات در سازمان و محیط، تغییر می‌نماید.
-  کمی کردن روابط بین گزینه‌ها و نقش آنها در تعیین اهداف بسیار دشوار می‌باشد.
- مشکلات پیچیده بوسیله گروه‌های تصمیم گیرنده که هر کدام دارای یک دستور کار شخصی می‌باشند، حل شده است.
- شرکاء به صورت متفاوت به اهمیت اهداف گوناگون اشراف دارند.

چندین روش در اجرای اهداف چندگانه هنگام کار با Mss می‌توان بکار برد. معروف‌ترین آنها عبارت است از :
- تئوری سوددهی
- برنامه ریزی اهداف
- بیان اهداف همزمان با محدود شدن استفاده از برنامه ریزی خطی.
- سیستم ممیز
بعضی از روش‌ها حتی به طور مؤثر با تصمیم گیرنده در ارتباط هستند. به منظور یافتن فضایی جهت دست یافتن به تمامی اهداف در حالی که در جستجو برای یافتن راه حل مؤثر هستند.
Selecting a college , scott homes مثال‌های زیر را در بر می‌گیرد. ( رجوع شود به Ehrgott and Gandibleaux ). روش‌های جدیدی به طور مستمر جهت دست یافتن به اهداف چندگانه ساخته شده است.
. pferschy , kellerer – Erlebach , Zionts ( 2001 ) , koksalan مثلاٌ : تحلیل حساسیت
سازنده مدل به پیش بینی‌ها و فرضیاتی در خصوص وارد کردن داده‌هایی می‌پردازد که آینده بسیار نامطمئنی را برآورد می‌کنند. هنگامی که این مدل حل شد، نتایج بستگی به این داده‌ها دارد. تحلیل حساسیت در تلاش برای تخمین تأثیر متغیرها در مورد داده‌های وارد شده و یا پارامترهای موجود در راهحل‌های پیشنهاد شده می‌باشد. تحلیل حساسیت در Mss بی نهایت مهم می‌باشد، زیرا موجب انعطافپذیری و اتخاذ شرایط متغیر می‌شود و با نیاز به موقعیت‌های تصمیم گیری متفاوت درک بهتری از مدل و موقعیت تصمیم گیری فراهم می‌نماید. و مدیر را مجاز می‌نماید داده‌ها را جهت اعتماد سازی در مدل وارد نماید.


DSS در کانون 4,6 برنامهنویسی هدف مدل MBI
سمت چپ نشان داده شدهاند. برای شد، هیچ تاوانی وجود نداشت. اگر ما ) ما وجود دارد. اگر ما در زیر هدف شاید مزدها نباید برای هیچ تولیدی سود را به هدف دست یافتن به سود یا یک تاوان است اما اگر بالای هدفمان از اهداف چندگانه و اهمیت بالاتر اهداف نیستند اما نیاز به محدود کردن
2X1 + 500X2 – OVER300 : هدف تلاش بودجه
CC-8
راهحل خاص، متغیرهای UNDER و . در زیر یک مدل Lingo و حل آن بردن مهم است. ما 500 واحد از 7-CC (، از 5 میلیون دلار بالاتر رفتیم، که
. اما چون مقدِار 2OVER، 000/50
، هزیه مرزی انجام کار اضافی را بر

در مدل برنامهنویسی هدف، همهمثال، محدودیت کار یک مقداربیشتر از 000/200 روز کار کنیمباشیم( کمتر از مقدار هدف کارپرداخت شود. همان درستی سبقت گرفتن سطح هدف از 5 قرار بگیریم،یک تاوان نیست.
یا پایینتر بودن از هدفمان به ماوجود دارد.
– OVER1 + UNDER1 = 5،000،000
100
هدف کم کردن وزن جمع متغ
OVER میزان انحراف مقادیر موجود است. بودجه درست رو(1X )، و 200 واحد از 8-CCمنجربه سود کلی 4/6 میلیون است، ما 000/50 ساعت کار میگرداند، این راهحل روی
اهداف مانند محدودیتها که مقادیر هدف دارند در هدف 000/200 روزه داشت. اگر هدف برآورده می
، ما در بالای هدفمان هستیم، و تاوانی برای انحراف(خطا کنیم) باز هم ممکن است تاوانی وجود داشته باشد،محدودیت بودجه است. در این مدل، ما هدف بالا بردن
میلیون دلارتبدیل میکنیم .اگر ما پایین هدفمان با شیم،
تاوانها بر اساس وزنههای که نشان دهنده اهمیت هر کدام تحمیل میشوند. در اینجا محدودیتهای بازاریابی
+ UNDER2 = 200،000، هدف سود : 8،000X1 + 12،000X2 هدف : 10،000X1 + 15،000X2 – OVER3 + UNDER3 = 8،000،000
=>1X : نیاز بازاریابی برای 7-X2>=200، CC : نیاز بازاریابی براییرهای OVER و UNDER می‌باشد. برای یک
محدود هدف سمت چپ را از هدف نهایی نشان میدهندی هدف است(بالاترین وزن را در هدف داشت). سود
( 2 X) تولید کردیم. ما با 4/1 میلیون دلار (2OVERدلاری شده است، که 3/1 میلیون دلار بیشتر از قبل استاضافی انجام میدهیم .وقتی که میزان 2OVER در هدفاستاندارد برنامهریزی خطی اولیه بهبود پیدا میکند.
تحلیل حساسیت روابطی از این قبیل را می‌آزماید.
- تأثیر تغییرات در متغیر‌های خارجی و پارامتر‌های متغیر‌های نتایج.
- تأثیر تغییرات در متغیر‌های تصمیم و متغیر‌های نتایج.
- تأثیر عدم قطعیت در تخمین متغیر‌های خارجی.
- تأثیرات روابط مختلف وابسته در بین متغیر‌ها .
- قدرت تصمیم گیری تحت شرایط متغیر.

تحیل‌های حساسیت در موارد زیر مورد استفاده قرار می‌گیرد :
- اصلاح و مرور مدل‌ها به منظور حذف حساسیت زیاد.
- جزئیات اضافی درباره متغیر‌های حساسیت و یا سناریو‌های مربوطه.
- کسب برآورد‌های بهتری از متغیرهای خارجی حساسیت
- تغییر سیستم جهان واقعی به منظور کاهش حساسیت واقعی
- پذیرش و استفاده از جهان واقعی حساسیت‌ها که منجر به بررسی مستمر نتایج واقعی می‌شود.

دو نوع از تحلیل حساسیت‌ها عبارت است از: خودکار، آزمون و خطا تحلیل خودکار حساسیت:
تحلیل خودکار حساسیت در اجرای مدل کمی استاندارد از قبیل برنامه ریزی خطی استفاده می‌شود. که مثلاٌ توضیح میدهد که چگونه دامنه‌ی ارزش، پارامتر یا متغیر وارد شده بدون اینکه بر راه حل پیشنهادی تأثیر گذارد، متفاوت می‌باشد. تحلیل خودکار حساسیت محدود به یک تغییر در هر زمان و تنها مربوط به متغیرهای ویژه‌ای می‌باشد. اگرچه این تحلیل بسیار قدرتمند بوده و قادر به محدود نمودن‌های بسیار سریع می‌باشد بدون اینکه تلاش زیادی را صرف کند.
تحلیل خودکار حساسیت که بخشی از برنامه ریزی خطی می‌باشد، ( lP) که راه حل‌هایی را برای مسئله‌ی تولید در شرکت MBI که قبلاٌ توصیف کردیم ارائه می‌دهد. تحلیل حساسیت هم بوسیله solver و هم Lindo فراهم شده است. اگر در سمت راست، محدودیت فروش در 8-CC به اندازه یک واحد کاهش یابد، سود خالص به میزان 33,333،1 دلار افزایش می‌یابد. اگرچه در سمت راست کاهش تا مقدار صفر نیز موجه می‌باشد. برای کسب جزئیات بیشتر به ( 2003Taylor ( 2002 ) , Lieberman , Hillier ( رجوع کنید.

آزمون و خطا :
تأثیر تغییر در هر متغیر یا در چندین متغیر از طریق یک روش آزمون و خطای ساده قابل تعیین می‌باشد. شما برخی از داده‌های وارد شده را تغییر داده و مسئله را مجدداٌ حل می‌نمایید. هنگامی که این تغییرات چندین دفعه تکرار شود راه حل‌های بهتری ارائه داده می‌شود. انجام چنین بررسی‌هایی با استفاده از نرم افزار‌های مدل سازی مناسب Excel به آسانی قابل اجرا است. که دارای دو روش می‌باشد؛ تحلیل مشروط و جستجوی هدف.



محاسبه سر به سر نرخ سود با استفاده از جستجوی هدف
یکی از کاربرد‌های مهم جستجوی هدف این است که بسته‌های نرم افزاری مدل سازی را قادر به محاسبه مستقیم سر به سر نرخ سود‌ها می‌سازد. این امر مستلزم تعیین ارزش متغیر‌های تصمیم می‌باشد که سود صفر را تولید می‌کنند. برای مثال در یک مدل طراحی مالی در Excel نرخ داخلی سود در واقع نرخ بهره ایست که تولید کننده ارزش خالص صفر می‌باشد.
در بسیاری از سیستم‌های تصمیم انجام تحلیل حساسیت امر دشواری می‌باشد، به دلیل اینکه روند از پیش طراحی شده تنها مجال محدودی را برای پرسیدن سؤالات شرطی می‌دهد. در Dss انتخاب‌های شرطی و جستجوی هدف به راحتی قابل اجرا می‌باشد. این هدف کسب شده NPV را با ارزش برابر 0 قرار می‌دهیم.
بوسیله تغییر کادر نرخ بهره که جواب برابر با 38,77056 درصد می‌شود.
11,4 روش‌های جستجوی حل مسئله روش‌های جستجو
هنگام حل مسئله، مرحله انتخاب، مستلزم یک جستجو برای تعیین خط مشی مناسب می‌باشد که قادر به حل مسئله است. چندین روش اصلی جستجو وجود دارد که بستگی به معیار انتخاب و نوع روش مدل سازی استفاده شده دارد. این روش در شکل 11,4 نشان داده شده است. در خصوص مدل‌های دستوری (هنجاری) مدل‌هایی از قبیل مدل‌های برنامه ریزی ریاضی یا یک روش تحلیلی یا یک محاسبه عددی جامع بکار گرفته می‌شود. در مورد مدل‌های توصیفی، مقایسه تعدادی محدود از گزینه‌ها استفاده می‌شود که یا بصورت ناآگاهانه و یا بصورت اکتشافی مورد استفاده قرار می‌گیرد .معمولاٌ این نتایج به سوی جستجوی تصمیم گیرنده هدایت می‌شود.
فناوری‌های تحلیلی
فناوری‌های تحلیلی از فرمول‌های ریاضی برای کشف راه حل بهینه بطور مستقیم و یا پیش بینی نتایج معین استفاده می‌کنند. فناوری‌های تحلیلی بطور اصلی برای حل کردن مسائل سازمان یافته که معمولاٌ ماهیت اجرایی و یا تاکتیکی دارد، استفاده می‌شود. در مسائلی از قبیل بودجه منابع و مدیریت بازدهی بکار می‌رود.
روش‌های تحقیقی تجربی و یا ناآگاهانه بطور کلی برای حل مسائل پیچیده بکار می‌رود.
الگوریتم‌ها
فناوری‌های تحلیلی ممکن است از الگوریتم‌ها برای افزایش کارایی جستجو استفاده نمایند. یک الگوریتم، فرایند جستجوی مرحله به مرحله ( شکل 12,4 ) برای بدست آوردن راه حل بهینه می‌باشد. راه حل‌ها ساخته و مورد آزمایش قرار می‌گیرند تا به اصلاح وضعیت منجر شوند. اصلاح یک راه حل هروقت که ممکن باشد روی می‌دهد و راه حل جدید بر اساس اصول انتخاب مورد آزمایش قرار می‌گیرد. این فرایند مادامی که امکان اصلاحات بیشتر وجود دارد ادامه می‌یابد. اکثر مسائل برنامه ریزی ریاضی بوسیله الگوریتم‌های مؤثر قابل حل است ( 2001Armstrong ) دستگاه‌های جستجوی web از الگوریتم‌ها برای سرعت بخشیدن به جستجو و تولید نتایج درست استفاده می‌کنند. Monika Henzinger الگوریتم‌هایی را ساخت که Google از آن در جستجو‌هایش استفاده می‌کند. الگوریتم‌های Google آنقدر خوب هستند که Yahoo حدود 1 میلیون دلار سالانه برای استفاده از آن پرداخت می‌کند.
جستجوی کورکورانه
در انجام جستجوی توصیفی، یک راه حل مطلوب ارائه شده است که هدف نامیده می‌شود. مجموعه‌ای از مراحل از شرایط اولیه تا رسیدن به هدف را مراحل جستجو گویند و حل مسئله به وسیله جستجو در فضای راهحل انجام میشود. اولین روش جستجو در واقع جستجوی کورکورانه میباشد. دومین روش جستجوی تجربی است که در بخش بعدی مورد بحث قرار میگیرد.
تکنیک‌های جستجوی کورکورانه، روش‌های جستجوی خودسرانه‌ای است که توصیه نمی‌شود. دو نوع از این روش تحقیقی وجود دارد : یک فهرست کامل که در آن تمامی گزینه‌ها ( انتخاب‌ها ) مورد ملاحظه قرار گرفته و بهترین راه حل کشف می‌شود و یک فهرست ناقص که جستجوی نسبی است که تا هنگامی که راه حل مناسبی یافت شود، ادامه می‌یابد که در واقع شکلی از بهینه سازی فرعی می‌باشد.

































در جستجوی کورکورانه در میزان زمان و ذخیره داده‌های کامپیوتر محدودیت‌های عملی وجود دارد. در اصل روش‌های جستجوی کورکورانه در نهایت در بسیاری از موقعیت‌های جستجو، راه حلی بهینه را می‌یابند که در برخی از موقعیت‌ها دامنه جستجو محدود شده است. اگرچه این روش در حل مشکلات بزرگ به خاطر راه حل‌های بسیاری که برای بررسی وجود دارد، قابل اجرا نمی‌باشد.
جستجوی اکتشافی
در بسیاری از موارد یافتن قوانینی جهت هدایت روند جستجو و کاهش میزان محاسبات ضروری ممکن به نظر می‌رسد. این کار با روش جستجوی اکتشافی امکان پذیر است.



12،4برنامه ریزی اکتشافی
در بسیاری از مسائل پیچیده تصمیم گیری، یافتن بهترین راه حل‌ها مستلزم صرف هزینه و زمان زیادی می‌باشد و یا ممکن است حتی غیرممکن باشد. روش شبیه سازی نیز ممکن است طولانی، پیچیده، نامناسب و حتی نادرست به نظر برسد. تحت این شرایط، یافتن راه حل‌های مناسب، سریع و کم هزینه در سایه استفاده از روش اکتشافی امکان پذیر است.
روش اکتشافی ( از کلمه‌ای یونانی به معنای کشف، گرفته شده ) عبارت است از قانون‌های تصمیم گیری در مورد حل یک مسئله است. معمولاٌ روش اکتشافی مستلزم تحلیل‌های سخت و دشوار مسئله و گاه آزمایش دقیق آن می‌باشد. برعکس دستورالعمل‌ها معمولاٌ بعنوان یک نتیجه‌ای از تجربه آزمون و خطا ساخته می‌شوند. برخی از روش‌های اکتشافی برگرفته از دستورالعمل‌ها است. جستجو‌های اکتشافی ( برنامه ریزی ) فرایندی مرحله به مرحله ( مثل الگوریتم‌ها ) می‌باشد که تا زمانی که راه حل رضایت بخشی بدست آید ادامه می‌یابد، ( بر خلاف الگوریتم‌ها ). در عمل چنین جستجو‌هایی سریع تر و ارزانتر از یک جستجوی کورکورانه می‌باشد و راه حل‌ها به بهترین راه حل بسیار نزدیک می‌باشد. در حقیقت مسائلی که از نظر تئوری قابل حل هستند در عمل گاه بوسیله روش اکتشافی حل میشود که میتواند یک راهحل را با درصد کمتری از ارزش بهینه تضمین کند. برای کسب جزئیات بیشتر به Glover,Kochenberger رجوع کنید. مثالهای این مبحث در جدول6,4 آمدهاست.
جدول 4,6 مثالهایی از روش اکتشافی
ترتیب و اولویت بندی کارها بوسیله ماشین کاری را که به حداقل زمان نیاز دارد، ابتدا انجام دهید
خرید سهام اگر نسبت قیمت به درآمد از 10 بالاتر است، سهام خریداری نکنید.
مسافرت از آزادراه بین 8 و 9 استفاده نکنید.
سـرمایهگـذاری در پـروژههـای بـا تکنولوژی پیشرفته در پروژه‌هایی بـا بـرآورد (اعتبـار ) دورههـا‌ی بـا ز پرداخـت کمتـر از 2 سـال سرمایهگذاری کنید.
خرید خانه فقط در محله خوب خریداری شود، اما فقط در حدود قیمت پایین خریـ داری شود

تصمیم گیرنده از روش‌های اکتشافی بنا به دلایلی که برخی معقول تر از دیگری است استفاده می‌کند.
برای مثال تصمیم گیرنده هنگامی از روش اکتشافی استفاده می‌کند، که از بهترین روش برای حل یک مسئله آگاه نیست و یا اینکه فناوری‌های شبیه سازی هنوز ساخته نشده باشد که گاه قادر به بدست آوردن تمامی اطلاعات لازم نمی‌باشد و از طرفی نیز هزینه کسب اطلاعات و یا ساختن مدل‌های پیچیده بسیار زیاد می‌باشد.که این نمونه در web-based Dss شرکت Barkly , Cameron برای کاهش میزان هزینه و اصلاح خدمات کلی بکار گرفته شد، این روند در Dss در فعالیت 2,3 توصیف شد.
روند روش اکتشافی را می‌توان بعنوان قانون‌هایی برای کمک به حل مسائل پیچیده، یافتن روش‌هایی برای تفسیر اطلاعات در دسترس و ساخت روش‌هایی که به راه حل کلی و الگوریتم محاسباتی ختم می‌شود، استفاده شود. اگرچه این روش اکتشافی در ابتدا جهت حل مسائل با ساختار ناقص بکار می‌رفت اما از این روش می‌توان در ساخت و فراهم نمودن راه حل‌های مناسب در مورد مسائل سازمان یافته و پیچیده استفاده نمود که سریع تر و ارزان تر از الگوریتم‌های بهینه سازی خواهد بود، ( 1998etal. ). مشکل اصلی در استفاده از روش اکتشافی این است که همانند الگوریتم‌ها عمومی نمی‌باشند، لذا از آنها معمولاٌ در موقعیت خاص استفاده می‌شود. مشکل دیگر روش اکتشافی این است که راه حل ضعیفی را ارائه می‌دهند.
روش اکتشافی اغلب شبیه الگوریتم‌ها بیان می‌شود. اگرچه یک فرایند مرحله به مرحله در حل یک مسئله می‌باشند اما هیچ تضمینی نمی‌کنند که یک راه حل بهینه را بدست آورند.
در واقع روش اکتشافی برای مدیرانی که در تنگنای زمانی قرار دارند یا سایر حرفه‌ها،روشی ساده جهت برقراری ارتباط با جهان پیچیده است و موجب خلق قضاوت نسبتاٌ درست در مورد مسائل می‌باشد.
در واقع اتخاذ روش ساده کردن تصمیمات امری احتناب ناپذیر می‌باشد. تنها ایراد این روش این است که افراد، روش اکتشافی را بدون آگاهی از آن اتخاذ می‌کنند. ( 2001Bazerman ). برنامه ریزی اکتشافی روشی است که از روش اکتشافی در یافتن راه حل‌های ممکن و نسبتاٌ خوب در مورد مسائل پیچیده استفاده می‌کند. منظور از نسبتاٌ خوب یعنی 9,99-90 درصد ارزش یک راه حل بهینه می‌باشد. روش اکتشافی یک روش کمی است که نقش مهمی در مدل Dss ایفا می‌کند. یعنی جایی که روش اکتشافی برای حل مسائل برنامه ریزی پیچیده استفاده می‌شود. همچنین این روش می‌تواند کیفی بوده و نقش مهمی را در فراهم نمودن اطلاعات برای سیستم‌های تخصصی داشته باشد.
روش شناسی
تفکر اکتشافی لزوماٌ به سمت یک روش مستقیم پیشروی نمی‌کند. گرچه مستلزم جستجو، یادگیری، ارزیابی، قضاوت و سپس جستجوی مجدد، یادگیری مجدد، ارزیابی مجدد بعنوان کشف و تحقیق، می‌باشد.
دانش حاصل شده از موفقیت و یا شکست موجب تغییر روند جستجو می‌شود که معمولاٌ قبل از اینکه مسئله اولیه حل شود، لازم به تعریف مجدد اهداف و یا مسائل و یا حل مسائل ساده و مرتبط می‌باشد.
روش اکتشافی جستجو Glover and Kochenberger 2001 ) Tubu ) بر اساس راهکارهای جستجوی آگاهانه جهت کاهش فضای جستجو و ارائه راه حل‌هایی با کیفیت بالا در حل مسائل کامپیوتری می‌باشد. اصولاٌ این روش راه حل‌های با کیفیت بالا و راه حل‌های با کیفیت پایین را یادآوری کرده و در جهت راه حل‌هایی با کیفیت بالا و دور شدن از راه حل‌هایی با کیفیت پایین حرکت می‌کند. موفقیت روش جستجوی Tubu در حل بسیاری از مسائل ترکیبی با مقیاس بالا ثابت شده است. روش اکتشافی جستجوی Tubu بخشی از روش ( 2001Bourjolly ( برای فهرست کردن بسامد‌های تلفن در کانادا می‌باشد.
الگوریتم‌های ژنتیک ( 2002Reeves and Rowe , 2002 : sarker etal ) که با مجموعه‌ای از راه حل‌های تولید شده تصادفی شروع شده و به ترکیب جفت‌هایی از راه حل‌ها می‌پردازد و شکل جدیدی از آنها را تولید می‌نماید.تنها بهترین راه حل برای تولید نسل بعدی نگهداری می‌شود. تغییر‌های تصادفی نیز ممکن است روی دهد. برخی از کاربرد‌های جدید بوسیله ( 2002ursem , filipic , krink ( برای کنترل گلخانه ابداع شده. ( 2002Borgulya ( برای برنامه ریزی ماشین استفاده می‌شود. الگوریتم‌های ژنتیک در فصل آینده بطور مفصل توضیح داده خواهد شد.
چه موقع از روش اکتشافی استفاده کنیم؟
در موقعیت‌های زیر کاربرد روش اکتشافی مؤثر است:
• داده‌های وارد شده محدود و ناقص باشد.
• حقیقت آنقدر پیچیده باشد که مدل‌های بهینه سازی قابل استفاده نباشد.
• الگوریتم دقیق قابل اعتماد در دسترس نباشد.
• مسائل پیچیده برای شبیه سازی، بهینه سازی و صرف زمان زیاد جهت محاسبه مقرون به صرفه نیستند.
• بهبود بخشیدن به کارآیی روند بهینه سازی از طریق تولید راه حل‌های مناسب آغازین امکان پذیر است.
• فرایند‌های نمادین بیش از فرایند‌های عددی در سیستم‌های تخصصی بکار می‌رود.
• تصمیم‌ها باید به سرعت گرفته شود و محاسبات ممکن نباشد ( در بعضی از روش‌های اکتشافی نیاز به کامپیوتر نیست ).

مزیت‌های روش اکتشافی عبارت است از:
• به سادگی قابل درک بوده و جهت اجرا و توضیح آسان تر می‌باشد.
• در آموزش مردم برای خلاقیت و ساخت روش‌های اکتشافی در سایر مسائل کمک می‌نماید.
• در زمان تنظیم و تدوین صرفه جویی می‌کند.
• برنامه ریزی کامپیوتر و تأمین نیازمندی‌ها مقرون به صرفه است.
•- در زمان محاسبات و زمان تصمیمگیری صرفه جویی نموده و برخی از مسائل آنقدر پیچیـده هـست ند کـه تنهـا از طریق روش اکتشافی قابل حل می‌باشند.
• معمولاٌ از چندین راه حل قابل پذیرش استفاده می‌کنند.
• بیان کننده میزان تجربی یا تئوری بودن کیفیت راه حل می‌باشد.
• می‌توانند شامل اطلاعاتی در هدایت جستجو باشند. چنین اطلاعاتی ممکن است خاص مسائل یا بر اساس عقاید کارشناسی باشد که در سیستم تخصصی و یا ساز و کار تحقیق کار میکند، باشد.
• در خصوص مدل‌هایی که از طریق برنامه ریزی ریاضی قابل حل می‌باشد، کاربرد روش اکتشافی ویژه امکان پذیر است. گاه روش اکتشافی به این مدل ترجیح داده می‌شود و گاهی اوقات راه حل‌های اکتشافی بعنوان راه حل اولیه در روش‌های برنامه ریزی ریاضی بکار می‌روند.
محدودیت‌های اولیه روش اکتشافی عبارت است از :
• تضمین کننده بهترین راه حل نمی‌باشد. گاهی اوقات ارزش اهداف را به شیوه نامناسب محدود می‌نماید.
• ممکن است استثنا‌های بسیاری در مورد قوانین وجود داشته باشد.
• انتخاب‌های متوالی تصمیم ممکن است در پیش بینی نتایج آینده آن موفق نشود.
• وابستگی‌های متقابل یک بخش از سیستم، گاه بر تمام سیستم تأثیر می‌گذارد.
نقش الگوریتم‌های روش اکتشافی همانند سایر الگوریتم‌ها است اما از نظر بهترین راه حل هیچ تضمینی
( Command Evans , 2000 ) .ارائه نمی‌دهد
روش اکتشافی ساختاری :این روش‌ها یک راه حل ممکن را با افزودن بـه اجـزای دیگـر بدسـت مـی آورند، تا زمانی که بهترین راه حل کشف شود. مثلاٌ در مورد فروشندگان سیار، معمولاٌ از نزدیک‌ترین شهری که تا کنون نرفته‌اند دیدن می‌کنند.
روش اکتشافی اصلاحی :این روش با یک راه حل ممکن شروع شده و در تـلاش بـرای بهبـود آن مـی باشد. برای مثال در راه حل فروشنده سیار: تلاش برای تغییر تصمیم در مورد دو شهر.
برنامه ریزی ریاضی :این روش در مدل‌هایی که کمتر پیچیده است بکار مـی رود. بـا امیـد بـه کـسب اطلاعات در مورد بهترین روش. این تکنیک اغلب در بهینه سازی بکار می‌رود.
تجزیه:این روش مستلزم حل یک مسئله در طی مراحل خاص می‌باشد. در web-chapter. P&G مسئله توزیع ابتدا حل و سپس در حل مسئله استراتژی تولید مورد استفاده قرار گرفت.
افراز :این روش مستلزم تقسیم یک مسئله بصورت بخش‌های قابل حل و کوچک تـر و سـپس دوبـاره جمع کردن تکه‌ها برای ساختن راه حل می‌باشد. این تکنیک در مورد مسئله فروشنده سـیار بکـار مـی رود.
ابتدا باید کشور به چهار ناحیه تقسیم شود و هر مسئله‌ای حل گردد و سپس راه حل‌ها بـه یکـدیگر مـرتبط شوند. وسایل نقلیه روزمره از این فناوری و روش اکتـشافی اسـتفاده مـی کننـد . ( 2002Applegate etal ) و همچنین دروس دانشگاهی، کلاس‌ها و برنامه ریزی دانشگاه از این فناوری‌ها اسـتفاده مـی کننـد . ( foulds 2000and Tohnson )


13,4 شبیه سازی
شبیه سازی کردن یعنی فرض بر حضور ویژگی‌های واقعی است.
شبیه سازی تکنیکی در Mss است که جهت انجام آزمایش‌ها ( مثلاٌ در تحلیل مشروط ) بوسیله یک مدل از سیستم مدیریت مورد استفاده قرار می‌گیرد. در کامپیوتر معمولاٌ یکسری رویداد تصادفی در موقعیت تصمیم گیری واقعی وجود دارد. به دلیل اینکه Dss با موقعیت‌های نیمه سازمان یافته و یا سازمان نیافته در ارتباط است، واقعیت پیچیده بوده و با بهینه سازی و دیگر مدل‌ها به آسانی ارائه داده نمی‌شود. اما عمدتاٌ بوسیله شبیه سازی قابل اجرا می‌باشد.
ویژگی‌های عمده شبیه سازی :
شبیه سازی دقیقاٌ یک نوع مدل نیست. مدل‌ها بطور کلی واقعیت را نمایش می‌دهند در حالیکه شبیه سازی معمولاٌ واقعیت را تقلید می‌کند. در بعد عملی، ساده سازی کمتری در شبیه سازی نسبت به مدل‌های دیگر وجود دارد. بعلاوه شبیه سازی تکنیکی جهت هدایت و انجام آزمایش‌ها می‌باشد. همچنین گاه مستلزم آزمایش ارزش ویژه‌ی تصمیم یا متغیرهای غیر قابل کنترل در مدل می‌باشد و تأثیر روی متغیرهای نتایج را مورد بررسی قرار می‌دهد. در ابتدا تصمیم گیرنده در Dupont خریداری ماشین‌های ریلی را انتخاب نموده در حالی که انتخاب آن مستلزم برنامه ریزی بهتر جهت توسعه ماشین‌های موجود، آزمودن، یافتن قابلیت بیشتر و صرفه جویی در پول می‌باشد. شبیه سازی یک روش توصیفی است تا یک روش تجویزی . در واقع هیچ روش جستجوی خودکار برای راه حل بهینه وجود ندارد. در عوض یک مدل شبیه سازی به توصیف و پیش بینی ویژگی‌های یک سیستم ارائه شده تحت شرایط مختلف می‌پردازد. زمانی که ارزش‌های این ویژگی‌ها محاسبه گردید، از میان چندین گزینه بهترین آن انتخاب خواهد شد. فرایند شبیه سازی معمولاٌ یک آزمایش را دفعات مکرر تکرار نموده تا یک برآورد از تأثیر کلی اعمال بدست آورد. در اکثر موقعیت‌ها،شبیه سازی کامپیوتر مناسب می‌باشد، اما چندین روش شبیه سازی دستی معتبر وجود دارد.
معمولاٌ هنگامی که یک مسئله آنقدر پیچیده است که بوسیله فناوری‌های بهینه سازی عددی نمی‌توان آن را انجام داد، از شبیه سازی استفاده می‌شود. منظور از پیچیدگی این است که مسئله بوسیله بهینه سازی قابل تدوین نیست. یا فرمول بسیار بزرگ بوده، ارتباط بین متغیرها بسیار زیاد می‌باشد، یا اینکه این مسئله در طبیعت به صورت عدم قطعیت یافت می‌شود. طراحی و آزمایش یک مدل جدید یک اتومبیل بسیار پیچیده می‌باشد. این دلیلی است که جنرال موتور در شبیه سازی در سراسر فرآیند طراحی استفاده می‌کند. ( ببینید 2002Gallagher ). موفقیت جنرال موتور Dimler-chrysler را برای حرکت به این سمت ترغیب می‌نماید. تا 2005 کارخانه دیجیتال از ابزار تصویر پردازی و شبیه سازی برای طراحی، ساخت و آزمایش تمامی دستگاه‌ها استفاده می‌نماید.
مزیت‌های شبیه سازی:
شبیه سازی در MSS به دلایل زیر استفاده می‌شود.
• این تئوری نسبتاٌ دقیق است
• بخش عظیمی از تراکم زمانی می‌تواند حاصل شود. که تأثیر طولانی مدت بسیاری از سیاست‌ها را به مدیران القا می‌کند.
• شبیه سازی بیشتر توصیفی است تا هنجاری،که مدیر را به طرح سؤالات شرطی مجاز می‌کند. مدیران از روش آزمون و خطا در حل مسئله استفاده می‌کند. و این کار را سریع تر، آسان تر، دقیق تر و با ریسک کمتر انجام می‌دهد.
• مدیر را قادر به آزمودن متغیرهای تصمیم و با انتخاب‌های متفاوت بخش‌هایی از محیط که واقعاٌ مهم بوده، می‌سازد.
• یک مدل شبیه سازی صحیح، نیاز به آگاهی اولیه از مسائل دارد. بنابراین سازنده MSS را مجبور به برقراری ارتباط با مدیر می‌سازد.
• این امر ساخت DSS را مطلوب می‌سازد به خاطر اینکه سازنده و مدیر هر دو به درک بهتری از مسئله و تصمیم‌های بالقوه موجود می‌سازد. ( 1999 Eldob:et.al ).
• این مدل از دیدگاه مدیر ساخته شده است.
• مدل شبیه سازی برای یک مسئله خاص ساخته شده است و معمولاٌ برای مسائل دیگر قابل حل نمی‌باشد. و هیچ درک کلی نیاز نمی‌باشد و هر جزء در مدل بر بخشی از سیستم واقعی منطبق می‌باشد.
• شبیه سازی گونۀ گسترده‌ای از مسائل را از قبیل میزان بازدهی، تعداد کارمندان، طرح‌های طولانی مدت.
• شبیه سازی شامل پیچیدگی‌های واقعی مسائل است لذا ساده نمودن مسائل دیگر لازم نمی‌باشد.
شبیه سازی از توزیع واقعی احتمال بیش از توزیع تقریبی تئوری استفاده می‌کند.
• شبیه سازی به طور خودکار بسیاری از اقدامات اجرایی مهم را انجام می‌دهد.
• شبیه سازی اغلب تنها روش مدل سازی DSS است که می‌تواند مسائل سازمان نیافته نسبی را کنترل نماید.
• برخی از بسته‌های شبیه سازی نسبتاٌ آسانی ( Monte carlo) یافت می‌شود که شامل بسته‌هاینرم افزاری صفحهگسترده Risk ) add-in@ ) می‌باشد. نرم افزار نمودار تأثیرات قبلاٌ تعریف شدهاست. بسته‌های Java based و سیستمهای شبیه سازی تصویری دارای ارتباط متقابل، به طور خلاصهبحث خواهد شد.
نقص‌های شبیه سازی:
نقص‌های اولیه شبیه سازی در اینجا ذکر شده است:
• وجود راه حل‌های بهینه را نمی‌توان تضمین نمود اما راه حل‌های نسبتاٌ خوب تقریباٌ یافت می‌باشد.
• ساخت مدل شبیه سازی فرآیندی کند و پر هزینه می‌باشد، اگرچه سیستم‌های مدل سازی جدید تر برای استفاده، آسان تر می‌باشد.
• راه حل‌ها و نتایج یک معادله شبیه سازی معمولاٌ قابل ارجاع به دیگر مسائل نمی‌باشد.
• گاه توضیح شبیه سازی آنقدر آسان می‌باشد که دیگر نیازی به روش‌های تحلیلی نخواهد بود.
• نرم افزار شبیه سازی گاهی اوقات نیاز به مهارت‌های خاصی دارند که علت این امر پیچیدگی روش‌های رسمی حل کردن میباشد.
روش شبیه سازی
شبیه سازی مستلزم ساختن یک مدل از سیستم واقعی و انجام آزمایش‌های مکرر بـر روی آن میباشـد . ایـن روش شامل مراحلی می‌باشد که در تصویر 4:13 نشان داده شده است.
تعریف مسئله
مسئله جهان واقعی مورد آزمایش و طبقه بندی قرار می‌گیرد. در این مرحله ما مشخص می‌کنیم که چـرا یـک روش شبیه سازی مناسب است، مرز بندی سیستم، محیط و نشان دادن جنبه‌های مختلف مسئله در این مرحلـه صورت میپذیرد.
ساختن مدل شبیه سازی
این مرحله مستلزم تعیین متغیرها و روابط بین آن‌ها و جمع آوری داده‌ها می‌باشد. اغلب ایـن فرآینـد توسـط یک فلوچارت توصیف می‌شود و سپس برنامه کامپیوتر نوشته می‌شود.
آزمودن و معتبر ساختن این مدل
مدل شبیه سازی باید به درستی سیستم تحت مطالعه را ارائه داده و به آزمایش و معتبر ساختن آن بپردازد.




شکل 4,12 فرآیند استفاده از الگوریتم
مسئله
دنیای واقعی





تکمی ل ارزیابی محصول طراحی آزمودن و ساخت- تعریف نتایج نتایج آزمایشات آزمایشات اعتبارسنجی مدل شبیه- مسئله
شبیهسازی مدل سازی





طرح آزمایش
زمانی که اعتبار مدل ثابت شد یک آزمایش طراحی می‌شود، تعیین اینکه چه مدت برای ساخت شبیه سازی طول می‌کشد بخشی از این مرحله می‌باشد. در اینجا اهداف مهم و متقابلی وجود دارد، از جمله درستی و هزینه‌ها،تعیین سناریو‌های معمولی ( میانه، میانگین برای متغیرهای تصادفی )، سناریوی بهترین مورد ( هزینه پایین، سود بالا ) بدترین مورد ( هزینه بالا، سود پایین ) امری معقول به نظر می‌رسد. این امر در تعیین دامنه متغیرهای تصمیم گیری و محیط کار و کمک به رفع ایراد‌های مدل شبیه سازی کمک بسزایی می‌نماید.
هدایت آزمایشی
هدایت آزمایشی شامل مسائلی می‌شود که از تولید متغیر تصادفی تا ارائه نتایج را دربر می‌گیرد.

ارزیابی نتایج
نتایج باید مورد ارزیابی قرار بگیرد به علاوه ابزار آماری استاندارد، برای تحلیل‌های حساسیت نیز می‌تواند مورد استفاده قرار گیرد.

کاربرد ( اجرا )
اجرای نتایج شبیه سازی شامل مسائلی می‌شود مانند که در اجرای هر برنامه‌ای وجود دارد. بخاطر اینکه مدیر در شبیه سازی بیشتر از سایر مدل‌ها در گیر می‌باشد. شانس موفقیت در این روش بیشتر است.
بسیاری از بسته‌های نرم افزاری شبیه سازی، شبکه‌های (Web) آماده می‌باشند. که معمولاٌ در طول خطوطDSS که در شکل 1,3 نشان داده شده ساخته می‌شود. کاربر از طریق جستجوگر Web به سرور اصلی متصلمی باشد. این سرور به سرورهای بهینه سازی و سرورهای پایگاه داده‌ها متصل شد، و به تناوب ممکن استبه انبار داده‌ها متصل شود. برای مثال به ( 2000Pooley and wilcox ( در مورد توصیف سیستم شبیه سازی Java-based مراجعه کنید. همچنین به وب سایت فروشنده‌های اصلی مراجعه کنید.
انواع شبیه سازی:
شبیه سازی احتمالی:
در شبیه سازی احتمالی یک یا چند متغیر مستقل احتمالی هستند که توزیع احتمالی معینی را دنبال می‌کنند که می‌تواند توزیع گسسته و یا توزیع پیوسته باشد.

جدول 4,7 توزیعهای احتمالی گسسته در مقابل توزیعهای احتمالی پیوسته
تقاضای روزانه احتمالات گسسته احتمالات پیوسته
5 0/10
تقاضاهای روزانه بطور متوسط توزیع میشود با میانگین 7 و انحراف استاندارد 2/1
6 0/15
7 0/30
8 0/25
9 0/20
توزیع‌های گسستهکه شامل موقعیتی است با تعداد محدودی از وقـایع ( متغیـر هـا ) کـه تنهـا بـه تعـداد محدودی از مقادیر میپردازد. توزیع‌های پیوسته، موقعیت‌هایی با تعداد نامحدودی از وقایع ( متغیرها ) کـه امور دشواری را از قبیل توزیع نرمال را دنبال می‌کند. این دو نوع در جدول 7,4 نشان داده شده اسـت . شـبیه سازی احتمالی با کمک یک تکنیک به نام Mante-Carb که در مرحله اول مورد استفاده قرار می‌گیـرد قابـل اجرا می‌باشد.
شبیه سازی وابسته به زمان در مقابل شبیه سازی مستقل از زمان
در موقعیت مستقل از زمان آگاهی از اینکه رویداد دقیقاٌ در چه زمانی رخ داده است چندان مهم به نظر نمی‌رسد. مثلاٌ ممکن است ما آگاه باشیم که تقاضا برای یک محصول معین در روز سه واحد می‌باشد. اما برای ما پی بردن به اینکه چه موقع از روز این تقاضا وجود دارد چندان مهم به نظر نمی‌رسد. در برخی موقعیت‌ها زمان به عنوان یک عامل در شبیه سازی در نظر گرفته نمی‌شود. برای مثال به طرح کنترل وضعیت ثابت کارخانه (1999Beswell ) می‌توان اشاره کرد . از سوی دیگر در مسائل خط انتظار که در تجارتالکترونیکی قابل اجرا می‌باشد، دانستن زمان دقیق رسیدن بسیار مهم است . این یک موقعیت وابسته به زمانمی باشد .
نرم افزار شبیه سازی
در واقع صدها بستۀ نرم افزاری شبیه سازی برای گونه‌ای از موقعیت‌های تصمیم گیری وجود دارد که بیشتر به عنوان سیستمهای web – based کار می‌کند از قبیل بسته‌های نرم افزارهای P.C شامل Analytica،
. Silk و SIMUL8 و web Gpss و Risk و Excel addins crystal ball شبیه سازی تصویری
نمایش گرافیکی نتایج محاسبه شده که ممکن است شامل انیمیشن باشد یکی از موفق‌ترین پیشرفت‌ها در ارتباط انسان با کامپیوتر و حل مسئله می‌باشد . که در بخش بعدی به توصیف آن می‌پردازیم .
شبیه سازی شیءگرا
چندین مزیت در ساخت مدل‌های شبیه سازی که از روش مختص شی ء استفاده می‌کند وجود دارد .
CLOI و YUN یک مدل شبیه سازی شیءگرا را برای تحلیل عملیات ترمینال کانتینری، ابداع نموده‌اند . هر تکه از تجهیزات در ترمینال در مدل شبیه سازی نمایش شی ء برنامه ریزی می‌شود . SIMPROCESS یک وسیلۀ مدلسازی فرآیند مختص شی ء می‌باشد، که کاربر را قادر می‌سازد تا یک مدل شبیه سازی که قادر به نمایش اشیاء می‌باشد، تهیه نماید . زبان مدلسازی واحد (UML ) یک ابزار مدلسازی است که برای سیستم‌های شیءگرا و اجرای آنها می‌باشد . چون UML یک مدل شیءگرا می‌باشد، در عمل برای مدل سازی پیچیده و سیستم‌های فوری به کار می‌رود که در واقع یک سیستم نرم افزاری است که ارتباط مستمر با محیط را حفظ می‌نماید . مثال ما شامل سیستم‌های DSS و اطلاعات و ارتباطات می‌باشد (SELIC
. (1999
مثال شبیه سازی
اکنون مثالی از مدل شبیه سازی کمی و یک مدل شبیه سازی صفحۀ گسترده جهت ارزیابی یک مسئلۀ نقدینگی ساده در یک web – chapter ارائه می‌دهیم . DSS در فعالیت 1,4 یک نمونۀ مطالعۀ شبیه سازی برای طراحی شبکۀ IT ارائه داده است . شرکت تولیدی CACI اکنون( COMNENT III) یک سیستم شبیه سازی ویژه برای تحلیل این نوع از مسائل در طراحی شبکۀ IT را ارائه داده است . Mehrotra, saltzman (2001) از یک روش شبیه سازی برای تحلیل یک مرکز تلفن استفاده می‌کند. (2002JOVANAVIC(تعیین می‌کند که چطور کارها را در سیستم‌های توزیع شده از طریق شبیه سازی،برنامه ریزی میکند. اینمسئله در زمان مدیریت شبکه‌های کامپیوتری اهمیت ویژه‌ای دارد . (2001 Drnzek ( از شبیه سازی برایبهبود مراقبت ویژه در یک بیمارستان نظامی استفاده نمود . او تغییرات پیشنهادی را در یک سیستم مراقبت بهداشتی با استفاده از مدل شبیه سازی برای تعیین تأثیر تغییرات بالقوه مورد تحلیل قرار داد . بدون اینکه روند استقرار یافتۀ مراقبت کارمندان، بیماران و یا امکانات را دچار تغییر نماید . Credit – Suisse – First Boston از سیستم شبیه سازی ASP برای پیش بینی سود وزیان سرمایه گذاری استفاده نموده است (Dembo
2000General Motors . ( et.at. ساختن مدل‌های فیزیکی اتومبیل‌ها را تا آخرین مرحلۀ طراحی به تأخیر می‌اندازد زیرا شبیه سازی ارزانتر بوده و نتایج درست تری را در آزمودن محصولات جدید ارائه می‌دهد . که شامل تست ضربه و تست‌های تونل باد می‌شود (2001 ) Witzerman توصیف می‌کند که چطور از ربات‌های مغازة رنگ فروشی GM برای بهبود و کارائی شبیه سازی شده است . این ابزار بسیار مؤثر بوده و منجر به اصلاحاتی عمده می‌گردد . در نتیجه امروزه تنها 18 ماه برای ساخت یک وسیلۀ نقلیۀ جدید طول می‌کشد که قبلاً 48 ماه بوده است . بازده مهندسی نیز همانند کیفیت آن افزایش یافته است ( 2002Marchant ).
14,4 مدلسازی محاورهای تصویری و شبیه سازی محاوره‌ای تصویری شبیه سازی مرسوم
شبیه سازی یک روش بسیار مناسب جهت کسب آگاهی در موقعیتهای MSS پیچیده می‌باشد. اگر چه معمولاً شبیه سازی به تصمیم گیرنده اجازة درک نمی‌دهد که چگونه یک راه حل برای یک مسئلۀ پیچیده در طول زمان شکل می‌گیرد و حتی قادر به ارتباط آن نمی‌باشد.. شبیه سازی معمولاً نتایج آماری را در انتهای مجموعه‌ای از آزمایشها گزارش می‌دهد . تصمیم گیرنده یک بخش ضروری در ساخت شبیه سازی و آزمایش‌ها نمی‌باشد و تجربیات و قضاوت‌های او در این مطالعه مستقیماً استفاده نمی‌شود . اگر نتایج شبیه سازی به قضاوت و نظر تصمیم گیرنده مرتبط نباشد، یک شکاف اعتماد در استفاده از مدل اتفاق می‌افتد .
یکی از شگفت انگیزترین توسعه‌ها در گرافیک‌های کامپیوتری مدلسازی محاورهای تصویری ( VIM ) می‌باشد . این تکنیک‌ها با موفقیت بسیار در DSS در بخش مدیریت عملیات مورد استفاده قرار می‌گیرد .
تصمیم گیرنده‌ای که از VIM در تصمیم گیری‌هایش استفاده می‌کند، سطح بالایی از حمایت را برای منافع خود در این مدل‌ها می‌یابد . ( 1999Bell etal . ) . این تکنیک دارای چندین نام و گونه می‌باشد که از آن جمله حل مسئلۀ محاوره‌ای تصویری، مدلسازی محاوره‌ای تصویری و شبیه سازی محاوره‌ای تصویری می‌باشد .
مدلسازی محاورهای تصویری از طرح‌های کامپیوتری برای نشان دادن تأثیر تصمیم‌های متفاوتمدیریتی استفاده می‌نماید . این مدل از طرحهای منظمی که کاربر در آن قادر است به تعدیل روند تصمیمگیری پرداخته و نتایج این مداخله را ببیند. یک مدل تصویری،طرحی است که بعنوان یک بخش درونی تصمیم گیری و یا حل مسئله می‌باشد و فقط یک وسیلۀ ارتباطی نمی‌باشد . Vim تأثیر تصمیمات مختلف را به شکل گرافیکی بر روی صفحۀ نمایش کامپیوتر نمایش می‌دهد . مثل GIS در P & G که از طریق بهینه سازی به طراحی مجدد زنجیرة عرضۀ کالا پرداخت (web – chapter ) . برخی از مردم عکس العمل بهتری نسبت به نمایش گرافیکی از خود نشان می‌دهند . این نوع از روابط، مدیر را در آگاهی از موقعیت تصمیم گیری یاری می‌دهد . برای مثال (2001Swishertal ( یک شبیه سازی تصویری شیءگرا را برای آزمایش و بررسی کارآیی محیط یک کلنیک پزشکان استفاده نمود که هدف از این کار فراهم نمودن کیفیت بالا و مراقبت بهداشتی کم هزینه در یک خانواده می‌باشند. این سیستم شبیه سازی،بهترین و مهمترین عوامل وارد شده را که بر روی عملکرد سیستم تأثیر میگذارد را شناسایی نموده است . این داده‌های وارد شده هنگامی که به درستی مدیریت شوند موجب هزینه‌های کمتر و سطح خدمات بالاتر می‌گردد . VIM می‌تواند یک سیستم پویا یا ایستا را ارائه دهد . مدل‌های ایستا یک تصویر مرئی از نتایج یک تصمیم انتخابی را هر بار ارائه می‌دهند . محل‌های پویا سیستم‌هایی را نشان می‌دهد که در طول زمان تکامل می‌یابد و این تکامل به صورت انیمیشن قابل ارائه می‌باشد . به مثال داده شده در این زمینه در تصویر 14,4 دقت کنید .
وب سایت orca چندین انیمیشن را که به وسیلۀ سیستم شبیه سازی آن تولید شده است را نشان می‌دهد DSS در عمل 4,7
PACIFIC BELL استفاده از شبیهسازی برای طراحی یک شبکه IT
نرمافزار شبیه سازی پشتیبانی تصمیم برای شبکهها و کاربردهای شبکه میتواند برای آزمایش با سناریوهای مشروط چندگانه مورد استفاده قرار گیرد. سپس IT میتواند بهترین راهحل را قبل از ساختن کورکورانه یا فرورفتن منابع در پروژههای بزرگ بدون فهم کامل از نتیجه مورد انتظار، تعیین کند. شبیهسازی کمک میکند که IT تعیین کند که چگونه زیرساخت باید نسبت به سناریوهای پیش آمده از قبیل افزایش ترافیک شبکه، تکنولوژیهای انتقال جدید،تغییرات توپولوژی، و کاربردهای اولویتهای جدید مثل ERP و پروتکلهای Voice-Over اینترنت (IP)، واکنش نشان دهد. ارزش ابزار پشتیبانی تصمیم به توانایی اطمی نان دادن، بموقع، و اطلاعات قابل رسیدگی، در مورد متغیرهای نتیجه، هدایت به سمت اطمینان، تصمیمات ذخیره منابع، بحران در میان طراحی و پیادهسازی سیستم IT اولیه، زمانی که مبادله‌ها سنجیده شده باشد و هزینهها قبل از بطور جدی و سنگین انجام دادن پروژه، مورد توجه و آزمایش قرار میگیرند. Pacific Bell، یک تابع از ارتباطات SBC، Inc.(SBC)، همکاری با آژانس دولتی بزرگ در کالیفرنیای جنوبی برای طراحی شبکه برای پشتیبانی بیش از 000/80 کارمند در صد‌ها مکان. سراسر پروژه کالیفرنیای جنوبی،SBC و DcisionGuru مورد استفاده دولت، یک ابزار مدلسازی و شبیهسازی از MIL3 Inc می‌باشد(واشنگتون) .
رقابت تیم دولتی SBC/ بر سر طراحی شبکهای استوار با اتصال هزاران گره در هر جایی به یک شبکه توانا از اطلاعات پشتیبانی شده، ویدئو، و صدا و پشتیبانی از رشد آینده، بود. تیم طراحی،ابتدا مدل خط مبنا از طرح "نمونه" فعالیت شبکهای را ساخت. سپس از نرمافزار شبیهسازیش برای کشف سودهای اجرایی خود استفاده کرد و با اختیارات معماری گوناگون عرضه کرد. این فرآیند تیم طراح را قادر ساخت، که همه شاخصهای شبکهای وابسته را بصری سازی کنند. بعد از اجرای چندین شبیهسازی،معلوم شد که شبکه شامل فقط ارتباطات 3-ATM OC، سودمندی خیلی کمی دارد. در صورتیکه از نظر اجرایی کاملاً قابل قبول بود، خیلی گرانبها بود. اما یک شبکه با تنها 1T اتصال بطور ناچیز، با هزینه کم قابل اجرا میباشد.
بهترین راهحل ترکیب بهرهوری هزینه از خطوط 1T با پهنای باند اتصالات ATM، در یک نمایش شبیهسازی میباشد. این استراتژی میانهروی مقدار زیادی از پول را ذخیره کرده و فشار گرانی بالقوه را از اجرای کمهزینه دور میکند.
یک پیآمد بحرانی،اندازه اختصاصی شبکه با مساحت پهناور(WAN) بود. این یک مبادله بین سرویسهای با تدارکات بالا، برای هر توانایی اضافی، صدها هزار دلار بطور غیر ضروری، و تدارکات کم، سبب ایجاد شبکه ضعیف و غیرقابل پذیرش شد. با شبیهسازی عناصر تصمیم اصلی،SBC/تیم دولتی یک معماری سودمند برای پیشبینی پهنای باند مورد نیاز با هزینه مقبول، طراحی کرد. بدون قربانی کردن سطوح خدمات، دولت هزینه مورد انتظار برای WAN را بیشتر از 25 درصد کاهش داد. SBC همچنین سود برد بیشتر از همان روشی که هیچ شرکت داخلی IT نمیتواند از شبیه سازی سود ببرد. آنها معتبر شدند بوسیله تصمیم گیرندگان تجاری با فراهم کردن دادههای قابل سنجش برای پشتیبانی از نظریهها، ساختن تصمیم گیرندگان دولتی خیلی راحت که SBC توانست سطوح خدماتی را که قول داده بود، تحویل بدهد.

DSS در عمل 8،4 شبیهسازی فعلوانفعال بصری:
بیمارستان ارتش ایالات متحده از شبیهسازی انیمیشن شدهیِ یک مطب

خانوادگی استفاده میکند
بیمارستان ارتش ایالات متحده آمریکا در هیجدلبرگ آلمان، از یک شبیه سازی انیمیشن تا گزینههای مختلف را برای مطبهای خانوادگی آنها گسترش دهد. این کلینیک تلاش میکرد تا کارمندان و پرسنل مختلفی را بطور تناوبی آزمایش کند و بهترین پذیرش و برنامه گردش کارمند را تعیین کند و سودمندی را افزایش دهد تا ظرفیت کافی را تامین کند. یک مدل شبیهسازی انیمیشن بسیار پیشرفته است. محیط رایج نشان داده شده بوسیله مدل وضعیت quo، نمیتوانست گنجایش مورد نیاز ملاقات بیماران سرپایی را تامین کند. مدلهای تناوبی پیشرفته بودند،که دو عدد از آنها احتمالاً خوب بودند. دو تا از مدلهای تناوبی، یک مدل کاملاً پزشکی ( مدل پزشک ) و مدل ترکیبی از هردوی پزشک و مهیا کنندههای غیر پزشک (مدل دسته کوچک)، دایر بودند و با هم سنجیده شدند و هیچ یک از این دو نتوانستند مسئولیت بیمار را بر عهده بگیرند. یک تغییر فرآیند در پذیرش آزمایشی بیمار بطور موازی، برای افزایش توانایی پذیرش و افزایش گنجایش توسعه داده شد. سپس هردو مدل توانستند ظرفیت مورد نیاز مطب را تعیین کنند. مدل پزشکی و مدل combo بر مبنای شبیهسازی،برای حفظ سلامتی در یک فاز برنامه از قبل تا اخیراً انتخاب شدند. شبیهسازی به سرویس دهنده (مهیا کننده)و کارمندان پشتیبانی با استفاده از هزینه، زمان پایین، و بهبود فرآیند کوچک اما مهم، بینش میدهد. روش کاملاً پزشکی بعنوان یک آرایش کوتاه مدت بعد از توجه به هزینه، موضوعات وابسته به نظارت،و فراهم کننده قابلیت استفاده، سفارش شده بود. تغییرات در مطب، تا زمانی که محلی در آینده نزدیک فراهم شود، و تحولی در مهیا کنندگان غیر پزشککه میخواستند مقداری از زمان را بگیرند، بود.
اگرچه مدل پزشکی بعنوان یک دوره کوتاه مدت برای مواجه شدن با نیازهای اجتماع و سیستم حفاظت سلامتی انتخاب شده بود، مدل شبیهسازی نشان داد که بیشتر عملکرد و ارزیابی زمان انتظار بیماران باید بسمت کاهش زمان انتظار مشتری،هدایت شود. مدیریت تعدادی از پزشکان و اعضای پرسنل مورد نیاز را تعیین کرد تا از ظرفیت مورد نیاز برای بیماران، اندازه لازم برای محل انتظار، تغییرات زمانبندی مورد نیاز و تغییرات فرآیند لازم،بازدید کنند تا نیازمندیهای

نام نویسی،بهره برداری را یرای اجتماع در بر داشت. یک طرح مهاجرت، بر اساس ردیف-های تولید بیشتر مورد قبول واقع شده بود. ظرفیت، انتظارات بیمار، و هدفهای سازماندهی شده را بوسیله شبیهسازی، مشخص کند. اقدام به تعمیر کردن محل موفق بود و نتایج اضافی از

شبیه سازی محاوره‌ای تصویری



فلسفۀ اصلی VIS عبارت است از توانا ساختن تصمیم گیرنده جهت ارتباط با مدل شبیه سازی شده و آگاه شدن از نتایج آن در طول زمان . کاربر می‌تواند به صورت ONLINE راهکارهای متفاوت تصمیم گیری را امتحان نماید . چنین آگاهی هم در مورد مسئله و هم در مورد تأثیر جایگزین‌های تست شده حاصل می‌شود . تصمیم گیرنده می‌تواند در معتبر ساختن مدل نیز سهیم باشد. در واقع در هنگام استفاده از آن به خاطر حضور در ساخت و استفاده از مدل، دارای اعتماد به نفس بیشتر میباشند. تصمیم گیرنده‌ها به خاطر استفاده از دانش و تجربیات قادر به برقراری ارتباط با مدل جهت کشف استراتژی‌های انتخاب می‌باشند .
(1999Led low ) توصیف می‌کند که چگونه بیمارستان ارتش ایالات متحده در Heidelberg آلمان از شبیه سازی متحرک برای ساخت گزینه‌های متغییر در کلینیک خانوادگی استفاده نموده است . ( 8,4DSS in ) .
سیستم‌های نرم افزاری VIS متحرک سازی به وسیلۀ ( orca computer inc . ( Minuteman SoftwareGPSS/PC و Vissim طراحی شده است . آخرین فناوری شبیه سازی تصویری با مفاهیم واقعی در ارتباط است یعنی از جهان شبیه سازی شده برای نیل به تعدادی از اهداف آموزش به علاقه مندان گرفته تا بررسی داده‌ها در یک تصویر مصنوعی، ساخته شده است . برای مثال Harris corp یک سیستم شبیه سازی محاوره‌ای تصویری را برای نیروی نظامی ایالات متحده طراحی کرده است . این سیستم به نیروی زمینی امکان آشنایی با یک شهر را به منظور وفق دادن سریع خود با شرایط آنجا فراهم مینماید . همچنین این سیستم بوسیلۀ خلبانان برای آشنایی با هدف به وسیلۀ شبیه سازی حملات به کار گرفته می‌شود . این نرم افزار شامل همپایه‌های GIS می‌باشد .
مدل‌های محاوره‌ای تصویری و DSS
VIM در DSS در چندین عملیات مدیریت تصمیم مورد استفاده قرار می‌گیرد . این روش شامل آماده نمودن محاوره‌ای تصویری یک کارخانه با ارائۀ وضعیت حاضر آن می‌باشد . این مدل وارد کامپیوتر شده و مدیریت را از عملکرد کارخانه در آینده آگاه می‌سازد . مدیریت خط انتظار نمونۀ خوبی از VIM می‌باشد .
چنین سیستم‌هایی از DSS معمولاً چندین اقدام اجرایی را برای گزینه‌های مختلف تصمیم، محاسبه می‌کنند . مسائل پیچیدة خط انتظار نیاز به شبیه سازی دارد . VIM اندازة خط انتظار را همانطور که در طول شبیه سازی تغییر می‌کند، نمایش می‌دهد و پاسخ‌های شرطی را با توجه به تغییر متغیرها به صورت گرافیکی نشان می‌دهد . روش VIM در ارتباط با هوش مصنوعی نیز به کار می‌رود . در واقع ترکیب این دو تکینک به چندین قابلیت که از توانایی ساخت سیستم‌ها به صورت گرافیکی تا یادگیری در مورد پویایی سیستم منجر می‌شود . کامپیوترهای موازی با سرعت بالا نیز از قبیل آنهایی که به وسیلۀ Silicon Grophic .
inc ساخته شده است نیز به بازار آمده است و Hewlett – Packard هم سیستم‌های شبیه سازی متحرک پیچیده با مقیاس بزرگ را در زمان واقعی طراحی نموده است . ( فیلم سینمایی Toy story از این قبیل شبیه سازی می‌باشد) . الگوهای محاسبۀ شبکه نیز ممکن است به شبیه سازیهای مقیاس بزرگ کمک نماید . هدف کلی استفاده از نرم افزار پویایی اقتصادی VIM این است که به راحتی در دسترس می‌باشد . برای کسب اطلاعات بیشتر در خصوص نرم افزار شبیه سازی، تصویری و غیره. به سایت The society for computer
مراجعه OR/MS Today web sit و بررسی‌های نرم افزار سالانۀ simulation , The IMAGE society Inc.
کنید .

15،4 شبیه سازی نرم افزاری کمی
برخی از ابزار DSS چندین زیر روال داخلی برای ساخت مدل‌های کمی در دامنههایی از قبیل آمار، تحلیل اقتصادی، حسابداری و علوم تربیتی استفاده می‌شود . این مدل‌ها به وسیلۀ یک دستور فعال می‌شود از قبیل Movavg این کارکرد یک پیش بینی متوسطی از یک مجموعۀ زمانی از داده‌ها را تخیمن زده است که در یک مدل طراحی تولید بر اساس تقاضا گنجانده شده است .
NPV : این کارکرد ارزش خالص کنونی یک سری از نقدینگی‌ها در آینده را بر اساس نـرخ بهـر ة داده شده محاسبه می‌کند که بخشی از مدل تولید در مقابل خرید می‌باشد . سیستم‌های OLAP یک مجموعـه از بسته‌های نرم افزاری بهینه سازی، شبیه سازی آماری و هوش مصنوعی می‌باشد که به بخـش اعظمـ‌ی از داده‌ها جهت تحلیل نیاز دارد . برای مثال به Ferguson مراجعه کنید . به عـلاوه بـس یاری از ابـزار DSS مـ‌ی تواند به آسانی با بسته‌های نرم افزاری کمی استاندارد درارتباط باشد . سازندة DSS می‌تواند بـازده‌ی خـود را به وسیلۀ استفاده از بسته‌های نرم افزاری کیفی افزایش دهد . ( این مدل‌های از پیش برنامه ریزی شـده را گاه مدل‌های آمادة ساخت گویند ) . برخی از مدل‌ها از تکه‌هایی از دیگر مدل‌های کمی ساخته می‌شوند . برای مثال یک مدل برگشت می‌تواند بخشی از یک مدل پیش بینی باشد که از یک مدل طراحی برنامه ریزی خطی حمایت می‌کند . (تمرین 1,4) . بنابراین یک مدل پیچیده را به آسانی می‌توان بـا بـس یاری از مجموعـه‌های داده‌ها ادغام نمود. زبان مدلسازی Lingo قبلاً توصیف کرد که مسائل بهینه سازی می‌توانـد بـه وسـ یلۀ یک مجموعه از تعریف‌ها و یک بخش از داده‌ها طراحی شود . این مجموعه‌ها و داده‌ها می‌توانند توسـط یک پایگاه داده‌ها تغذیه شوند . در حالی که خطوط مدلسازی واقعی lingo به طور صـر یح بـه هـ یچ یـک از ابعاد و جنبه‌های داده اشاره نمی‌کند . در حالی که صفحه گسترده همان قابلیت را دارد و داده‌ها باید با دقت درج شود . برای کسب اطلاعات بیشتر در این خصوص به OR/MS Today web sit مراجعه کنید . به خاطر اینکه web امکان استفادة صفحۀ گسترده از مدل سازی، بهینه سازی، شبیه سازی و تکنیک هـا‌ی مربوطـه را افزایش داده است تأثیرات web بر روی این ناحیه‌ها را در جدول 8,4 فهرست کرده ایم .

عنوان مدلسازی
ساختار اینترنت، وب، اینترانت و اکسترانت را شرح میدهد. خدمتگذاران(سرورهای) کاربردی دستیابی به مدل-ها و روشهای حل آنها را در یک واسط کاربر

چگونگی بهینه کردن کارایی سایتها و مسیریابی پیامها از یک سایت به سایت دیگر و نحوه اختصاص پهنای باند را شرح میدهد.
توانایی تحلیل تجارت الکترونیک برای تعیین کردن اثر بخشی و کارایی را تامین میکند.
سرویسدهندههای کاربردی بر مبنای مدل ارزیابی تعادل بین سطح سرویس و نوع آن را مدلسازی میکند.
مدلهای پیشبینی دوام نرمافزارها و سخت-افزارهای انتخاب شده را پیش بینی میکنند.
مدلهای پیشبینی،کارایی شبکه و فعالیت تجارت الکترونیک را پیشبینی میکنند.
بهبود بخشیدن کامپونتها و دیگر سخت-افزارهای انتخاب شده.


مدلها
کلیه موارد فوق.
بهبود بخشیدن طراحی زیرساخت و بروز رسانی .
روش مدل فروشنده سیار، مسیریابی پیامهای پویا را بهبود میبخشد، همچنین مدارهای مجتمع و طراحی بورد مدار را بهبود میبخشد.
ارتباطات اینترنت، محاسبات شبکهای را آسان میسازد. همه گزینههای فوق
دسترسی به مدلها و روشهای حل اجرا شده بوسیله برنامههای جاوا و سایر سیستمهای توسعه وب
استفاده از مدلها بوسیله مدیران سلسله مراتبی بدلیل ساده بودن استفاده از آنها
دسترسی به ابزارهای هوش مصنوعی تحت وب برای ارائه دادن مدلها و روشهای حل در DSS دسترسی به همه اطلاعات در باره مدلها


برنامهنویسی-ریاضی(بهینه سازی)
کلیه موارد فوق.
برقراری قوانین، علاوه بر بهینه سازی برای مشخص کردن چگونگی سازماندهی شبکهها
همه گزینههای فوق
اکتشافی
و مسیریابی پیام.
شبیهسازی مشکلات، مدلهای احتمالی منجربه بهتر شدن کارایی میشود.
شبیهسازی ترافیک وب.
شبیهسازی فعالیتهای وب سایت برای افزایش کارایی تجارت الکترونیک.
همه گزینههای فوق
بهبود بخشیدن درک و انتقال نتایج پردازش توزیع شده
شبیهسازی
روشهای مبتنی بر هوش مصنوعی برای مدیریت مدل، کارایی وب را از طریق بهبود کارایی و اثربخشی زیرساخت شبکه، افزایش میدهند. دسترسی به ابزارهای برنامهنویسی تحت وب، روشهای هوش مصنوعی و سرویسدهندههای کاربردی که مدیریت مدل را انجام میدهند سیستمهای جدید مدیریت مدل تحت وب
سیستمهای مدیریت مدل

ابزار استخراج داده‌ها برای تحلیل تقطیع مشتری استفاده می‌شود . این ابزار ماهیت بسته‌های استاندارد بهینه سازی را به صورت خودکار در می‌آورند که در این راه روش‌های مناسبی را جهت تحلیل فروش فراهم می‌کنند . این ابزارها از طریق Teradata (teradata .com) , oracle corp , Magaputer Intelligence Inc ,
Informatica corp , IBM (ibmicom) , Hyperion solutions corp , Digi Mine Inc , Congnos در دسترس می‌باشند. این ابزار از نظر قابلیت، مفید بودن، قابلیت جابجایی در حال پیشرفت می‌باشند . مشابه توسعه در سیستمهای طراحی منابع شرکت جهت کاربرد عملیاتی، در OLAP جدید از نوع ADP (سکوهای توسعۀ تحلیلی) قابلیتهای تبلیغ و توسعه، سازندگان را قادر می‌سازد تا به ساخت کاربردهای آگاهانه با یک نگاه متفاوت در طی چند روز بپردازند . مدل‌های شیءگرا نیز به صورت اجزای گرافیکی خلق می‌شوند .
(2003Eckerson ) برای کسب اطلاعات بیشتر به (2001Fourer , Goux( مراجعه کنید . در نهایت Hossein Arsham 2003a , 2003b به یک شرح جامع در مورد ابزار تصمیم گیری و منابع علمی تصمیمات می‌پردازد .
بسته‌های نرم افزاری آماری
چندین هدف آماری در ابزار گوناگون DSS مورد نظر است . از قبیل میانـه – میـ انگین – انحـراف معیـ ار – واریانس – تست I و انواع گوناگون ارتباطات برگشتی (خطی) و پیش بینی و تحلیل واریـ انس . بـسته هـا‌ی آماری web – based شامل موارد زیر :
Statlib
Statpoint internet statistical computing center ( sgorp , com / on . line – computing . htm) statpages.net
Sticigui ( stat . Berkeley . edu / stark / sticiguil).
تحلیل برگشتی یک تکنیک آماری مناسب منحنی می‌باشد که یک نمونه از آن اجرایSPSS است که بهسرعت به عنوان یک مجموعه از داده‌ها در web – chapter تحلیل می‌شود، که این اجرا با کلیلک کردن یک دکمه راه اندازی می‌شود و نتایج در گزارش به روشنی نشان داده می‌شود و گزارش به صورت خودکار شکل می‌گیرد . این ویژگی‌ها قابلیت‌های توسعۀ DSS را تقویت می‌نماید . از طریق بسته‌های آماری ساده که در OLAP به کار رفته به راحتی می‌توان با صفحه‌های گسترده (Excel) ارتباط برقرار نمود . این نوع بسته‌ها عبارت است :
Systat (SPSS Inc . Chicago , Illinois , spss.com ) – SPSS – TSP- SAS – Minitab (Minitab
Inc . state college . Pennsylvania , minitab . com )
Statpac Inc .( Statpac . COM . Minneapolis . Minnesota ) . اکثر صفحات گسترده شامل رویه‌های آماری حرفه‌ای می‌باشد
نرم افزار آماری اکنون به عنوان یک ابزار تصمیم گیری در نظر گرفته می‌شود تا یک ابزار تحلیلی حرفه‌ای در روند تصمیم گیری نرمافزارهای آماری در استخراج داده‌ها در web، در ابزارهای OLAP و هنگامی که کاربر از روش‌های آماری حرفه‌ای آگاه نیست مورد استفاده قرار می‌گیرد . این تغییر جزئی در تمرکز کاربر به خاطر تکامل تکنولوژی و هزینۀ پائین و قدرت اجرایی بالای کامپیوتر صورت می‌پذیرد که این امر منجر به پذیرش بیشتر روش‌های آماری می‌شود . بسته‌های نرم افزاری علم مدیریت
صدها بستۀ نرم افزارهای علم مدیریت در بازار وجود دارد که از کنترل بازده گرفته تا برنامه ریزی مدیریت را شامل می‌شود و چندین موارد DSS شامل قابلیت‌های بهینه سازی و شبیه سازی می‌باشد . فهرستی منتخب از بـسته هـا‌ی علـم مـد یریت را در انتـشارات علـم مـد یریت مـ‌ی تـوان یافـت (e.g. OR/MS Today and
نرم افزارهـا یی بـر روی وب سـا یت (Lionheait انتشارات . org www.informasINFORMS Online .
OR/MS را در مورد تحلیل آماری، برنامه ریزی خطی، شبیه سازی، تحلیل تصمیم، پـ یش بینـ ی، وسـا یل نقلیه روزمره، صفحات گسترده add-ins می‌توان یافت . Java محصولات جدیدتری را دارا می‌باشد کـه از طریق سرورهای WEB و براوزر (جستجوگر) می‌توان به آنها به آسانی دسـت یافـت . بـرا‌ی مثـال Sunset Softwar Technology xa شامل سیستم‌های Java – based خطی و ترکیبی و غیره می‌باشد . نرم افزارهای فوق، روشهای آماری در OLAP و سیستم‌های استخراج داده‌ها مستقیماً در علم مدیریت مشارکت دارنـد .
Boguslavsky روش‌های تحلیلی و تصویری را که تا حدی در we – basaed spotfire net خودکار شـده‌اند را توصیف می‌نماید . این سیستم جهت سرعت بخسیدن به کشف ژن و دارو بین دیگر سیستم‌ها به کـار می‌رود (18,2 (DSS. چندین سیستم WEB – BASED برای حل مسائل پیچیده و چنـد معیـ اری طراحـ‌ی شده است که شامل سیستم Nimbus می‌شود . نرم افزار ILGO برای برنامه ریزی ریاضـ‌ی در دسـترس مـ‌ی باشد و بسیاری دیگر نیز می‌توانند در محیط WEB گنجانده شوند . اطلاعات بیشتری در مورد تکنیک هـا و
. Micheal Tricks operatins Research Page (mat . gsia . cmu. Edu ) , (www . بسته‌ها در وب سایت برای بسته‌های بهینه سـاز‌ی WEB یافت می‌شود . دو نوع از بزرگترین منابع ( informs . org INFORMS . می‌توان به موارد زیر اشاره کرد
The optimization software Guid (www . mcs anl . gov / otc / Guide / software Guide / )
The Decision Tree for optimization software ( plata . la . asu . edu / guid . html) . را برای بهینه سازی توصیف می‌کند ASPS چندین ( 2001) Krishnan , Geoffrion
Goux(2001) , Fourer به توصیف بسیاری از منابع و بسته‌های WEB – BASED می‌پردازد . برای مثال GIDEN یک Java – applet است که راه حل‌های تصویری را برای مسائل جاری شبکه فراهم می‌سازد . دو نوع از Java – applet‌هایی که برای حل مسائل فروشندة بسیار به کار می‌رود عبارت است از :
TSPFAST (home . wxs . nl / onno waale wijin / tspfast . html )
TSPX (home . wxs . nl / onno waale wijin / tspfast . html )
در دامنه سرورهای WEB – BASED، سرور NEOS برای بهینه سازی یک نمونه از این تلاش‌ها می‌باشد . در اینجا بیش از دوازده نوع از این حل کنندة مسائل یافت می‌شود . ( شکل 1,3 ) WIN GOSB یک نمونه از بسته‌های علم مدیریت آکادمیک و نسبتاً جامع می‌باشد . از جمله بسته‌های
تجاری می‌توان به cplex , IBMS (optimization system Lirary cosl) , Lingo – Lindo اشاره نمود . بسته‌های شبیه سازی شامل SIM SCRIPT , SIMULA , SLAM – Prmodel – GPSS می‌باشد . بسیاری از بسته‌های نرم افزاری آکادمیک به طور مستقیم از سوی مؤلف و یا از طریق وب سایت در دسترس می‌باشد .
مدیریت درآمد
ابزار و مدل سازی DSS در بخش اعظمی از منابع در حال توسعه می‌باشد . مدیریت درآمد مستلزم مدلهایی می‌شود که تلاش بسیاری را در جهت طبقه بندی نمودن مشتری‌ها، تخمین تقاضاها، تعیین قیمت برای هر مشتری و مدل سازی پویای تمامی این موارد به خرج می‌دهد . تا هنگامی که یک هواپیما از روی زمین بلند می‌شود صندلی‌های این خط هوایی در دسترس می‌باشد . اما زمانی که هواپیما از روی زمین بلند شود این صندلی دیگر سودآور نخواهد بود . از طریق روش مدیریت درآمد، یک خط هوایی ممکن است دارای تفاوت کرایۀ چند برابر برای صندلی‌های مربی در همان پرواز باشد . مدیریت درآمد مستلزم خلق مدل‌های اقتصادی دقیق و پیش بینی‌هایی در مورد هر محصول می‌باشد . اگر چه تعیین یک قیمت مناسب برای یک طبقه از مشتری‌ها در یک زمان مناسب بسیار مهم می‌باشد . در اصل بخش اصلی مدیریت درآمد مستلزم فروش محصولات خوب به شکل مناسب، در زمان مناسب و به مشتری مناسب از طریق یک کانال ارتباطی مناسب با قیمتی مناسب می‌باشد . بخش دیگر مستلزم آگاهی از زمان تغییر یک مشتری به خاطر اینکه یک مشتری بهتر با احتمال سود دهی بیشتر پیدا شده است . مدل‌های بسیاری در مدیریت درآمد استفاده می
شود از جمله می‌توان به : CO Operative Desjardins Movement in Quebec اشاره کرد که از تحلیل خوشه‌ای برای طبقه بندی تمام 2,4 میلیون عضو خود برای خدمت بهتر به آنها و فراهم نمودن محصولات مناسب تر برای مشتری‌های بهتر استفاده می‌کند و در نتیجه قادر خواهند بود وفاداری اعضا را حفظ کرده و سهم بیشتری از بازار را در دست گیرند و درآمد بیشتری را تولید نمایند . در مرکز مدیریت درآمد مدل‌های
پیش بینی و مدل‌های قیمت گذاری پویا براساس اقتصاد یافت می‌شود. ( see kephart , Hanson.Green (2000wald بزرگترین سازنده‌ها و کاربرهای روش‌های مدیریت درآمد در ابتدا صنایع هوایی بودند اما پیشرفت‌های اخیر رشته‌های بسیاری را در این ناحیه توسعه داده است . گروه بعدی،صنایع مرتبط با مسافرت می‌باشند از قبیل : راه آهن، هتل‌ها، آژانس‌های اتومبیل کرایه ای. اما مدیریت درآمدها سرانجام توسعه یافت و به موج عظمیی تبدیل شد که تولید کنندگان جزئی تا تولید کنندگان عمده را در بر می‌گرفت . اما امروزه صنایع دیگر که محصولاتشان را از طریق کانالهای اینترنتی توزیع می‌کنند با همان مسائل طراحی تولیدات روبرو هستند که خطوط هوایی با آن مواجه بود. آنها نیاز به مدل‌هایی دارند که توجه تمام را به محصولات دنبال کند، محصولات را با این کانالها تعدیل کند و تأثیر بر تقاضا و درآمد را تخمین بزند که این سیستم همان مدیریت درآمد با نرخ گذاری پویا می‌باشد (2001 see Geoffrion krishnam ) .
(2002Tedechi ( توصیف می‌کند که چگونه Saks از بهینه سازی قیمت که یک شکل مدیریت درآمد برای تعیین بهترین زمان جهت ثبت اجناس در فروشگاه‌ها است، استفاده می‌کند . سود ناخالص تا حدود 10 درصد افزایش می‌یابد . (2003Silver ( مفهوم بهینه سازی قیمت به ویژه مدیریت درآمد را توصیف می‌نماید . Rao (2001) , Mantrala یک سیستم DSS را که از یک مدل پیچیده برای تعیین کمیت‌های سفارش و ثبت اجناس رایج استفاده می‌کند را توصیف می‌نماید . مدل مدیریت درآمد حتی در مورد حراج‌ها که تجارت عمده‌ای در WEB به شمار می‌آید مورد استفاده قرار می‌گیرد . برای کسب اطلاعات بیشتر در مورد
مراجعه Horner (2000) , Kell (1999) – Boyd(1998) – cross (1997) , Lahoti ( 2002) مدیریت درآمد به
کنید . Baker , Collier یک مثال از این مورد را در صنعت هتل داری توصیف می‌کنند و oberwetter نحوة استفاده از این روش را در صنعت فیلم سازی توضیح می‌دهد . این سیستم در نواحی بارگیری محموله نیز مورد استفاده قرار می‌گیرد . Neo Yield هم از این سیستم در باربرهای اقیانوس در شبکۀ ASP استفاده می‌کند . Home Depot از مدل‌های برنامه ریزی ترکیبی در اجرای پیشنهاد ترکیبی اینترنتی برای تعیین هزینه‌های حمل و نقل استفاده می‌کند . جهت کسب اطلاعات بیشتر در این خصوص به وسیلۀ ارتباط با WEB –BASED به وب سایت‌های زیر مراجعه کنید :
PROS Revenue Managemet Inc . Manugistics Group Inc . Rev enue management system
Inc .
دیگر کاربردهای ویژة DSS
تعداد محصولات نرم افزارهای اجرائی DSS به طور مستمر در حال افزایش می‌باشد . تعداد در صفحه گسترده add-ins یافت می‌شود. از قبیل :
What,s Best ! ( linear programming lindo system Inc . Chicago , I Llinais , lindo . com )
Solver ( linear programming , Frontline system Inc . Incline village . Nevada . Frontsys . com )
@ Risk ( simulation , palisade corporation , New field , New york , palisade . com ) Braincel ( neural network , promised land Technologies Inc , new Haven , Connecticut . promland.com )
Evolver ( genetic algorithm , palisade corporation) گاهی اوقات لازم است که منبع بستۀ نرم افزاری،مناسب با نیازهای تصمیم گیرنده تغییر کند . بعضی کدهای منبع به صورت زبان خاص کاربرد در شبکه مورد استفاده قرار می‌گیرند . برای مثال بسیاری از بسته‌های خنثی شبکه می‌توانند یک تصویر قابل اجرا از مدل‌های ساخت کاربرد را در زبان برنامه ریزی C مورد استفاده قرار دهند و نهایتاً بسته‌های نرم افزاری خاص صنایع نیز، این نرمافزار تغییر برنامهریزی با کنترل زمان واقعی را دردست دارد و نتایج آن به صورت گرافیکی نشان داده میشود .
16،4 مدیریت مدل محور
به طور نظری سیستم مدیریت مدل محور یک بستۀ نرم افزاری با قابلیت‌های مشابه با DBMS می‌باشد . در حدود دوازده بستۀ تجاری DBMS وجود دارد که متأسفانه هیچ مدل جامعی از بسته‌های نرم افزاری مدیریت در بازار یافت نمی‌شود . اگر چه شباهت‌هایی بین این دو وجود دارد و ایده‌هایی از DBMS در مدیریت مدل به کار می‌رود . قابلیت‌های محدود MBMS توسط بعضی صفحات گسترده و دیگر ابزار DSS مدل‌ها و زبان‌ها فراهم می‌شود . در واقع هیچ MBMS استاندارد شده‌ای یافت نمی‌شود . بنا به برخی دلایل که در زیر به آن اشاره می‌کنیم :
• در حالی که طبقاتی از مدل استاندارد وجود دارد اما بسیاری دور از دسترس بوده و هر یک از آنها به صورت متفاوت ساخته شدهاند . (مثل برنامه ریزی خطی از طریق تحلیل برگشتی) • با ارائۀ یک مسئله، چندین مدل متفاوت و تکنیک مختلف ممکن است اجرا شود که گاهی اوقات تکنیک آزمون و خطا به عنوان تنها روش تعیین بهترین کار مورد استفاده قرار می‌گیرد .
• هر مدل ممکن است دارای چندین روش برای حل مسئله باشد که این امر بستگی به سـاختار – اندازه – شکل و داده‌های مسئله دارد . برای مثال هر مسئله برنامه ریزی خطی را مـ‌ی تـوان بـه وسیلۀ یک روش ساده حل کرد اما ممکن است روش‌های درونی نیز وجود داشته باشد . سـاده سازی روش نسبت به روشهای استاندارد کارایی بهتری دارد اگر به مدل مرتبط باشد .
• هر سازمانی به نحو متفاوت از مدل‌ها استفاده می‌نماید .
• قابلیتهای MBMS نیاز به کارشناسی و توانایی استدلال دارد که در سیستم‌های ویژه و سایر روش‌های هوش مصنوعی می‌تواند ساخته شود .
از نظر EOM جستجوی مدل مدیریت شامل چندین موضوع می‌باشد . از قبیل ساختار پایۀ مدل و نحوة نمایش آن . روش مدلسازی ساختار یافتۀ روند مدلسازی شامل: ادغام مدل، کاربرد هوش مصنوعی برای ادغام مدل و ساخت و تفسیر آن است. این مسئله در ایجاد این باور که چگونه هوش مصنوعی برای MBMS به کار می‌رود نقش بسزایی دارد . DOLK در مورد نحوة ترکیب مدیریت مدل و انبار داده‌ها توضیح می‌دهد . (2000WU( یک سیستم مدیریت مدل را برای تست ساختار DSS توصیف می‌نماید .
(2000Huh( توصیف می‌دهد که چگونه ارتباط در بین مدیریت مدل به وجود می‌آید . یک سیستم مدیریت مدل، جنبه‌های الگوریتمی و ساختاری مدلها و داده‌های مرتبط را برای کاربر MBMS آشکار می‌سازد )
1,4EG . The P & G WEB Chapter ; and IMERYS Case Application . قابلیت‌های شبکه باید برای MBMS مؤثر باشد . MBMS باید همچنین ترکیب شدن مدل را اجرا نماید (یک ادغام مدل با مدل) .
برخی از قابلیت‌های مطلوب MBMS شامل موارد زیر می‌باشد :
کنترل : برای کاربر DSS، باید گسترة عظمیی از کنترل را فراهم نمود . این سیستم را بایـ د بـه صـورت خودکار و به صورت دستی مورد حمایت قرار داد که بستگی به این دارد که کدام سیستم بـرا‌ی کـاربر مـورد نظر مناسب می‌باشد. کاربر باید همچنین قادر باشد از اطلاعات هدفمند استفاده نماید .
انعطاف پذیری :کاربر DSS باید قادر به توسعۀ بخشی از روش‌های حل کردن باشد و سپس قـادر بـه تغییر روش مدلسازی به روش مطلوب دیگری باشد .
جواب : MBMS باید جواب کافی فراهم کند تا کاربر بتواند هر بار از وضعیت فرآیند حل مـسئله آگـاه شود.
ارتباط : کاربر DSS باید در استفاده از MBMS احساس را حتی کـرده و نبایـ د در وارد کـردن داده هـا متحمل زحمت گردد .
کاهش افزودگی : سهیم شدن مدل‌ها با یکدیگر و حذف ذخایر اضافی به عنوان انبار داده‌ها می‌توانـد در اجرای این هدف نقش مهمی ایفا کند .
افزایش هماهنگی : این مسئله هنگامی که تصمیم گیرنده در همان مـدل و بـا همـان داده هـا در ارتبـاط است روی می‌دهد .
به منظور فراهم نمودن این قابلیت‌ها به نظر می‌رسد که یک طرح MBMS باید کاربر DSS را قادر بسازد تا به موارد زیر دست یابد .
• دسترسی به مدل‌های موجود
• بررسی و دستکاری مدل‌های موجود، شامل انتخاب مدل، ترکیب مدل و تهیۀ مدل‌های مناسب .
• ذخیرة مدل‌های موجود شامل جداسازی مدل، ارائۀ مدل و ذخیرة مدل منطقی و فیزیکی .
• حفظ موارد استاندارد مدل‌ها همانطور که هنگام تغییر شرایط مناسب می‌باشند .
• ساخت مدل‌های جدید با تلاش زیاد هنگامی که به آنها نیاز می‌باشد معمولاً به وسیلۀ ساخت مدل‌های جدید با استفاده از مدل‌های موجود صورت می‌پذیرد .
ملزومات دیگری برای این قابلیت‌ها نیاز می‌باشد . مثلاً وجود ارتباط مناسب و تغییر داده‌ها در بین مدل‌هایی که ترکیب شده‌اند امری ضروری می‌باشد . به علاوه به یک روش استاندارد برای تحلیل و تفسیر نتایج حاصله از مدل نیاز می‌باشند که به چند روش قابل اجرا می‌باشد . ( EG . by OLAP or expert system ) به عنوان یک نتیجۀ تجارت الکترونیکی و تسریع ارتباطات اینترنتی این مدل‌ها باید هر چه سریعتر توسعه یابند . داده‌ها باید آمادة وارد کردن باشند و تصمیم‌ها باید بر اساس نتایج راه حل هر چه سریعتر اجرا شود . در اینجا باید زبان مدل سازی سطح بالا و ابزارهای سطح بالا در محیط تجاری مدرن استفاده کنیم . در این مورد ریسک افزایش می‌یابد زیرا حتی موفق‌ترین مدل‌ها نیز نیاز به اصلاح و تغییرات زیادی دارند و در برخی جهات استفاده، به اندازة کافی درست نیستند رکود مدل یعنی ناآگاه بودن نسبت به مدل‌ها پس از اینکه تیم ساخت و توسعۀ مدل را کنار می‌گذارد، مشخص شود.
مانند MIS شناخت و آگاهی از مدل باید تا هنگام کسب سود از مدل حفظ شود . مدل‌ها باید مانند هر کد ثبت شوند جهت کسب اطلاعات بیشتر (2001Smith . Gunther.RATLIFF( مراجعه کنید .
در ASP پس از مدیریت مدل جریان حرکت به سوی WEB می‌باشد . سه مثال از این نـوع عبـارت است از :
MMM , web – based Model Management system – Multisimplex
MBMS مستقیماً بر قابلیت DSS برای حمایت از تصمیم گیرنده تأثیر می‌گذارد . برای مثال در یک مطالعۀ آزمایشگاهی CHUNG تعیین کرد که MBMS با حمایت از مدلسازی بر اجرا و رفتار تصمیم گیرنده در حل مسأله تأثیر می‌گذارد . تصمیم گیرنده که چنین حمایت کافی از MBMS دریافت می‌کند بدون آن قادر به انجام هیچ کاری نخواهد بود . MBMS به درک تصمیم گیرنده از حل مسئله کمک کرده که این امر از کار شمارش اعداد گرفته تا توسعۀ استراتژی‌های حل مسئله و در نتیجه تغییر روش تصمیم گیری را در بر می‌گیرد . این امر که OLAP و ابزار استخراج داده‌ها در تلاش برای بهبود تصمیم گیری هستند، بسیار مهم می‌باشد .
زبان مدلسازی
چندین زبان ویژة مدلسازی وجود دارد که به عنوان اهداف اولیۀ نرم افزار که شامل اجرای شبیه سازی و بهینه سازی می‌باشد، عمل می‌کند . این زبان‌ها هدف اولیۀ کدگذاری الگوریتمی بوده که مدیر را در ساخت و ادارة مدل‌ها یاری می‌نماید . برخی از زبان‌های مشهور مدلسازی جهت برنامه ریزی ریاضی عبارت است GAMS- AMPL Ling .
سیستم مدیریت مدل ارتباطی
همانطور که قبلاً در مورد بررسی ارتباطی داده اشاره کردیم در یک سیستم مدیریت مدل ارتباطی، یک مدل به عنوان یک فایل مجازی یا یک رابطۀ مجازی مورد بررسی قرار می‌گیرد . سه عملیاتی که نیاز به جامعیت ارتباطی در مدیریت مدل دارد عبارت است از اجرا، بهینه سازی و تحلیل حساسیت .











نمونه کاربردی 1,4
طراحی فرایند خاک برداری در IMERYS: یک قالب کلاسیک از تصمیم سازی
بخش3: مدل سازماندهی فرایند


مقدمه
این نمونه کاربردی ادامه نمونه کاربردی 1,2 و2,2 است . تیم اجرای بهینه سازی فرایند(POP) درGEORGIA
وSANDERSVILLE یک مدل برنامه ریزی ریاضیاتی را در مقیاس بزرگ طراحی کردند که از عملیات پردازش حفر چاه تا تولید نهایی را شرح می‌دهد. دراینجا ما ساختار مدل pop را شرح می‌دهیم:مقیاس بزرگ،عمومی،مدل جریان شبکه چند محصولی با شروط جانبی .
علاوه بر این شرح می‌دهیم که داده و مدل چگونه مدیریت می‌شوند. ودر نهایت،شرح می‌دهیم که چگونه از مدل استفاده
میشود. توسعه الگوی نخست POP DSS با جزئیات در نمونه کاربردی 1,6 شرح داده خواهد شد.
گیاهان
دامنه فاز اول پروژه به صورت عمومی برای ارائه مدلی یکپارچه جهت 4 گیاه درنظر گرفته می‌شود. دو گیاه مرطوب، یک گیاه خشک و یک گیاه نیمه خشک. اما مرحله استخراج درنظر گرفته نمی‌شود. بخش حفر واستخراج در مرجله بعد به مدل اضافه می‌شود. تازمانی که توسعه مدل برای گیاه نیمه خشک درحال انجام است،ECCI توسط IMATEL
(فرانسه) یک گیاه مرطوب و یک پنجم از گیاه خشک و درنهایت گیاه نیمه خشک را خریداری کرده است. به طور مختصر در نمونه کاربردی 1,6 توسعه مدل گیاه خشک را کامل می‌کنیم .برای اعتبار سنجی نتیجه،گیاهان را تا زمانی که عملیاتی شوند در مدل نگهداری می‌کنیم .
مدل POP DSS در 1999 برای یک گیاه مرطوب،گیاه خشک و گیاه نیمه خشک توسعه یافت.پس از آن ما گیاه نیمه خشک را با خرید بازار خارجی و تقاضاها برای خاک رس‌های میانی جایگزین کردیم .
قالب‌های ساخت مدل متغیر‌های تصمیم شامل حفر کردن برای استخراج،اندازه ونوع خاکی که باید استخراج شود، چگونگی ترکیب نمودن انواع خاک رس خام، تجهیزات مورد نیاز برای خاک برداری، سرعت فرایند خاک برداری، تقاضاهای مورد انتظار، خاک رس نهایی که در بازار خریداری می‌شود و مانند اینها.
خوشبختانه، مسئله جریان شبکه چند محصولی، جریان بسیاری از محصولات را بوسیله لینک‌های معمولی (کمانها) که محدودیت ظرفیت دارند، نشان می‌دهد. مدل می‌تواند به صورت گرافیکی نشان داده شود که فهم آ ن را ساده می‌کند.
مدل تعمیم یافته به این صورت است که هرلینک می‌تواند جریان چندگانه داشته باشد.که هرجریان بین صفر ویک می‌باشد که نشان می‌دهد چه مقدار از جریان واقعی به گره پایانی هرلینک می‌رسد. این روش برای هزینه‌های مدل استفاده می‌شود که نتیجه انتقال فیزیکی وشیمیایی خاک را به مقصد نشان می‌دهد.بعلاوه بعضی از عوامل جانبی نیز بر روی ترکیبات و ظرفیت لینک‌ها تاثیر می‌گذارند. این مدل یک مدل ایستا می‌باشد.
ایجاد یک مجموعه استاندارد از الگوهای ساخته شده، گسترش و اجرای مدل را برای گروه راحت تر می‌کند. برای یک خاک مخصوص، چندین قالب ساخت مدل وجود دارد، امام مسئله مهم تر، فرایند می‌باشد. فرایندهایی وجود دارند که نشان دهنده نوع تجهیزات خاک برداری می‌باشند.برای مثال،انتقال خاک از حفر تا رسیدن به یک گیاه خاص یک فرایند می‌باشد. فرایند دیگر کوبیدن و خرد کردن است.
الگوهای دیگر، از قبیل نوع تانکر حمل، از تعریف فرایند پیروی می‌کنند.بعضی از فرایند‌ها به سادگی توسط گره‌ها نشان داده می‌شوند: یک منبع(مانند یک تامین کننده)،یک چاهک(تقاضای یک محصول نهایی)، ویک لینک که جریان را بین هر زوج از الگوهای ساخته شده ایجاد می‌کند.هر فرایند یک مجموعه از خاک‌ها را شامل می‌شود که جریان از آنها عبور میکند. برای هر جریان در طول یک فرایند، داده‌های زیر باید مشخص شوند:نرخ جریان(به صورت تن بر ساعت که بسته به نوع خاک متغیر است)،واحد ارزش گزاری برای هرتن، واحد ارزش گزاری برای هر ساعت استفاده، فاکتور ترمیم، ظرفیت محدود برای هر جریان،ومحدودیت برای زمان فرایند .
قالب‌های ساخته شده اولیه از یک فرایند ساده شامل دو گره و یک کمان ساده می‌باشد.گره اول یک گره تغذیه است. هریک از فرایند‌های پیشین آن می‌توانند برای این گره، گره تغذیه باشند.گره بعدی گره محصول می‌باشد. این گره در جایی قرار دارد که محصول پس از طی فرایند،رسیده وآماده تحویل به مقصد بعدی می‌باشد.متغیر‌های تصمیم،جریان فرایند را مشخص میکند (بوسیله کمان). یک فرایند ساده شبیه به شکل زیر می‌باشد:







فرایند‌های پیچیده دو یا چند محصول خواهند داشت. یک طبقه بندی از فرایند، خاک رس را به دو قسمت :دانه ریز و دانه درشت تقسیم می‌کند. هریک از این دو فرایند به صورت مجزا وپس از دیگری انجام می‌
FEED
PRODUCT
شود، بنا براین هرمحصول،تازمانی که نرخ وواحد ارزش گزاری در فرایند تغییر نکرده، معیار صحت مخصوص به خود را دارد. یک فرایند پیچیده دارای یک گره میانی می‌باشد(و یا یک مجموعه گره میانی)،یک گره محصول برای هریک و کمانهایی که به آنها لینک می‌شوند، شبیه به شکل زیر می‌باشد:
E

OCESS SET
R

PROD01
مواد شیمیایی که خواص خاک را تغییر می‌دهند در فرایندی دیگر به خاک اضافه می‌شوند. مقدار استفاده شده با توجه به جریان، نسبی می‌باشد(پوند در هر تن)، وبا توجه به نرخ استفاده فرایند از آن، مقدار مواد شیمیایی می‌تواند متغیر باشد.پردازش دیگر بر روی همان خاک، می‌تواند منجر به استفاده از مواد شیمیایی دیگری شود. جهت جریان‌های فرایند‌ها برای خاک می‌تواند ا ز یک گیاه به گیاه دیگر ویا اقتصاد به گیاه ویا از استخراج به سمت گیاه و مانند اینها باشد.مدل پس از اتصال این فرایندها به یکدیگر، با استفاده از لینک‌ها ساخته می‌شود،که جهت انتقال خاک را مشخص می‌کند. این کمانها،همه انتقال خاک‌ها را نشان می‌دهند.حدود 15 نوع خاک خام،5خانواده از خاک‌های مرطوب و3 محصول خشک اصلی وجود دارد.با وجود اینکه تعداد کمی از این خاک‌ها می‌توانند با هم ترکیب شوند ویا باخاک‌های دیگر ترکیب شوند با گیاه‌های اضافه شده،حدود چندصد محصول به بازار ارائه می‌شود.صدها راه برای ترکیب کردن مواد خام حاصل از خاک‌های مرطوب وجود دارد. هرنوع از آنها از چندین مسیر فرایند تولید،می توانند عبور کنند.برای تولید هرخاک خاص چندین راه وجوددارد،وترکیبات متفاوت و مواد شیمیایی متفاوت می‌توانند استفاده شوند. مدل به مشخص شدن بهینه‌ترین ترکیب استفاده شده کمک می‌کند.هنگامی که مدل ساخته شد،جریان حرکت خاک (متغیر تصمیم برحسب تن )وزمان مصرفی برای هرخاک درهر فرایند مشخص می‌شود. این مقادیر همگی ظرفیت بندی شده اند.ومقدار کل جریان وکل زمان مصرفی به خاطر محدودیت‌های فیزیکی برای تجهیزات وخصوصیات محصول نهایی،ظرفیت خاص خود را دارند. دستورالعمل مورد استفاده ونیز اینکه از چه فرایندی با توجه به ظرفیت‌ها استفاده شود،بستگی زیادی به طراحی اهداف شرکت دارد.همان طور که تقاضا برای هرنوع خاک،یک فرایند است،استخراج نیز فزایند می‌باشد.هدف ماکزیمم کردن سوداست. هر محصول نهایی دارای یک قیمت است که بر اساس آن فروخته می‌شود. بیشتراز3,2 میلیون تن ازخاک خام سالیانه به صورت مدل در می‌آید .
مشکلات مدلسازی
مسئله‌ای که ساختن این مدل را سخت
ووابسته به اندازه بزرگ آن کرده و،اینست که چندین خاصیت از فرایندهای مختلف باید ارزیابی شوند،درحالی که فرایندها فعلا ساخارمند نشده اند.پس از اینکه یکبار گیاهان نیمه خشک و بخشی از گیاهان خشک فروخته شدند، جریان به این بخش از مدل با صفر کردن ظرفیت فرایند،بسته می‌شود و بازار خرید برای اضافه شدن محصول نهایی باز می‌شود. بعد از آن، اندازه مدل با50 درصد از گیاهان و خاک‌هایی که به مدل اضافه می‌شوند،افزایش می‌یابد.
زبان مدلسازی LINGO و یکپارچه سازی با پایگاه داده ACCESS
مدل در LINGO ایجاد می‌شود که مستقیما با یک بانک اطلاعاتی اکسس که بیش از ده‌ها جدول رابطه‌ای در واسط ODBC دارد،یکپارچه می‌شود. خطوط مدل LINGO به صورت مستقل از دستورات لینک داده‌ها مشخص شده اند. فرایند بهینه سازی مدل LINGO باداده‌های پایگاه داده، نتیجه را به صورت اتوماتیک به پایگاه داده بر می‌گرداند. خطوط مدلLINGO معمولا به صورت مخفف توابع ریاضی و جبری است، بنابراین یک وسیله آشنا برای ساخت مدل می‌باشد. به عنوان مثال خطوط مدل LINGO برای محدودیت‌های تامین کردن مسئله انتقال(ازکارخانه تا مشتری) می‌تواند به شکل زیر باشد:
@FOR(FACTORY(I))

@SUM(CUSTOMER(J):FLOW(I,J))

<=CAPACITY(I);که بدین معناست:برای هر FACTORY(I)،جمع تمام جریانها از گره تامین کننده I تا گره تقاضای J برای همه مشتری‌ها،کوچکتر یا مساوی ظرفیت قابل دسترس I در کارخانه I می‌باشد.دستورات داده خاصی وجود دارند که همه داده‌های ضروری برای مجموعه کارخانه،مشتری و ظزفیت را مشخص می‌کنند. بخش حفر مدل POP بسیار شبیه به مسئله انتقال بهبود یافته است.محدودیت‌هابرروی ترکیبات می‌تواند مشخص شود.
استفاده از DSS POP
DSS مانند یک جدول پایگاه داده اکسس که براساس منو می‌باشد،نوشته شده و داده‌ها را در سیستم مدیریت می‌کند. یک سناریوی خاص،ازطریق صفحه واسط گرافیکی کاربر(GUI) بر روی جداول اکسس نصب می‌شود. کاربر تقاضا‌ها را جمع آوری کرده،سایر تنظیمات فرایندها را انجام می‌دهدو سپس LINGO را با یک کلیک فعال می‌سازد.
LINGO به صورت خودکار مدل را با استفاده از پایگاه داده‌ها ایجاد کرده و نتیجه را بر می‌گرداند . LINGO نتیجه را در پایگاه داده‌ها بار می‌کند و کنترل را به GUI بر می‌گرداند.
سپس برنامه‌های اکسس،گزارشات و گراف‌های کاربردی ومعنادار را برای مسئله استخراج خاک و فرایند آن،تولید می‌نمایند.محل‌های حساس مشخص می‌شود،این موارد می‌توانند ذخیره شوند و سپس سناریوی دیگری اجرا شود. برای یک دوره تناوبی ثابت (مثلا یک سال یا فصل یا دوهفته)نتیجه مدل مشخص می‌کند که کدام معدن فعال،چه مقدار خاک از هرمعدن حفر،خاک از معدن به کدام واحد از فرایندها حمل شده و کدام ستورالعمل و ترکیب مواد خام استفاده شده است.همچنین همه جریانهای انتقال خاک را در درون سیستم مشخص واینکه چه نوع خاکی در بازار خریداری شده است را تعیین می‌نماید. مدل به سرعت مشخص می‌کند که چه فرایندهایی بر روی ظرفیت‌های موجود درحال اجراست و نیز اگر ظرفیت را در جایی افزایش دهیم،پتانسیل افزایش بهره چقدر خواهد بود(با تحلیل حساس).
گاهی اوقات فرایندهایی با کاربرد کمتر وجود دارند که می‌توانند مقداری از بار فرایندهای محدود دیگر را حمل کنند. اما کار زیادی برای ما انجام نمی‌دهند .مدیران کارخانه‌ها،به استفاده از این فرایندها بی میل هستند اما آنها را به دقت آزمایش می‌کنند و گاهی از آنها استفاده می‌کنند.مدل همچنین،مشخص می‌کند که چگونه اجرای وضعیت جاری با یک محصول با کیفیت بالا باعث کاهش حفر آن شده و منجربه ایجاد یک فرایند جدید می‌شود. در نهایت بعضی از فرایندهای غیر قابل استفاده مشخص میکنند که بعضی از محصولات نهایی، معمولا در سایر گیاهان تولید می‌شوندکه می‌توانند .
خلاصه و نتیجه گیری
مدل POP به عنوان بخشی از POP DSS در IMERYS،به طراحی یک مدل سالانه،فصلی و حتی هفتگی کمک میکند.مدل POP به تصمیم گیرندگان کمک می‌کند تا مشخص کنند که کدام گزینه‌ها در مقابل تقاضای زیاد،بیشتر دوام میآورند و سود بیشتری می‌دهند. طراحی برای میلیون‌ها تن
خاک کار کوچکی نیست،و POP DSS این کار را به آسانی و با سرعت انجام می‌دهد. POP کار خود را برای سایر گیاهان و خاک‌های IMERYS گسترش می‌دهد . POP DSS موفقیت آمیز است.


سؤالات برگرفته از این فصل
١) موقعیت‌های تصمیم گیری بر اساس آگاهی و باور‌های تصمیم گیرنده را نام برده و با شکل توضیح دهید.
(١٠




5 هوش تجارت: انبار داده،اکتساب داده،داده کاوی، تجزیه و تحلیل کسب و کار و تجسم آن اهداف این مجموعه
 توصیف مسائل مربوط به جمع آوری، مشکلات و کیفیت داده‌ها
 توصیف ویژگی‌ها و ساختار سیستم‌های مدیریت پایگاه داده
 توضیح اهمیت و نحوه استفاده از انبار و مرکز داده
 توصیف تحلیل تجارت و هوش تجارت و اهمیت آنها در سازمان‌ها
 توضیح پردازش تحلیلی آنلاین، داده کاوی، مجسم سازی داده‌ها و چند بعدی بودن داده‌ها و همچنین بیان اینکه تجزیه تحلیل بی درنگ می‌تواند در بهبود تصمیم گیری موثر باشد.
 توصیف اینکه چطور وب بر روش‌های پایگاه داده تاثیر گذار است و بالعکس
 بیان این موضوع که چگونه روش‌ها و تکنولوژی‌های پایگاه داده به عنوان قسمتی از تحلیل تجارت یا هوش تجارت در بهبود تصمیم گیری‌ها موثر است.
 توضیح تحلیل‌های هوش وب و اهمیت آنها در سازمان‌ها
بسیاری از سازمان‌های به جمع آوری حجم عظیمی از داده می‌پردازند تا کارمندان با استفاده از آنها قادر به کشف اسرار ارزشمندی شوند که سازمان آنها را قادر به رقابت موفقیت آمیز سازد.بعضی سازمان‌ها این امر را به خوبی انجام می‌دهند، اما سایرین در این موضوع کاملا ناموفق هستند. جهت استفاده از ابزارهای تحلیلی به منظور بهبود تصمیم گیری سازمانی، به یک ساختار بنیادی داده و معماری ویژه نیاز است تا تجزیه تحلیل دستورات موثر را تسهیل بخشد. توانایی تحلیل تصمیم از راه دستیابی به همه اطلاعات مرتبط به عنوان
هوش تجارت شناخته می‌شود. هوش تجارت شامل انبار کردن داده‌ها، پردازش تحلیلی آنلاین، داده کاوی و تجسم و چند بعدی بودن است. رئوس مطالب این فصل به شرح زیر است :
1,5 آشنایی: به اشتراک گذاری داده‌ها یه عنوان یک جزء مهم از استراتژی اصلی جهت امنیت داخلی
2,5 طبیعت و منابع داده‌ها
3,5 جمع آوری داده، مشکلات و کیفیت آن
4,5 خدمات بانک داده‌های وب سایتی / اینترنتی و تجاری
5,5 سیستم‌های مدیریت پایگاه داده در سیستم‌های پشتیبانی تصمیم / هوش تجارت
6,5 ساختار و چیدمان پایگاه داده
7,5 انبار کردن داده(ذخیره سازی داده‌ها)
8,5 مرکز‌های داده
9,5 هوش تجارت/ تجزیه و تحلیل تجارت
10,5 پردازش تحلیلی آنلاین
11,5 داده کاوی
12,5 مجسم سازی و چند بعدی بودن داده‌ها و تحلیل‌های به موقع
13,5 سیستم‌های اطلاعات جغرافیایی
14,5 هوش تجارت و وب : هوش وب/ تجزیه تحلیل وب

1,5 آشنایی: به اشتراک گذاری داده‌ها یه عنوان یک جزء مهم از استراتژی اصلی جهت امنیت داخلی

انبار سازی داده‌ها سبب فراهم سازی ساختار استراتژیک داده‌ای می‌شود که ما را قادر به تحلیل پشتیبانی تصمیم می‌کند. انبار سازی داده‌ها امکان داده کاوی و توانیایی هماهنگی خودکار را برای مقادیر عظیم از اطلاعات کمی، فراهم سازد تا حقایق مخفی درون داده‌ها آشکار شود. پرتال‌های داده‌ای به عنوان نسل بعدی انبار داده‌های بر پایه وب، پدید آمدند. یکی از مهمترین پورتال‌های داده‌ای در پاسخ به حملات تروریستی در آمریکا و در تاریخ 11 سپتامبر سال 2001 ایجاد شد.
استراتژی ملی امنیت داخلی ایالات متحده شامل یک دید ملی در به اشتراک گذاشتن اطلاعات مرتبطبرای کشف فعالیت‌های تروریستی است. این ایده بیان می‌کند که:
ما قصد داریم محیط ملی بسازیم تا زمینه به اشتراک گذاشتن اطلاعات ضروری امنیت داخلی را فراهم آورد. ما باید سیستمی متشکل از چندین سیستم بسازیم که بتواند اطلاعات صحیح را به افراد صالح در هر زمانی انتقال دهد. اطلاعات به صورت هم سطح(افقی) و در میان سطوح دولتی و یا به صورت عمودی(رده‌های مختلف) افراد فدرال و ایالت‌هاو دولت‌های محلی و همچنین شهروندان و صنایع خصوصی به اشتراک گذاشته می‌شود. با استفاده صحیح مردم از این فرآیند و تکنولوژی، ماموران امنیت داخلی در سراسر آمریکا می‌تواند آگاهی‌های کامل و جامع از تهدید‌ها و خشونت‌ها همچنین افراد موجود جهت ارجاع به این تهدید‌ها را داشته باشند. ماموران نیز می‌توانند اطلاعاتی را که نیاز دارند را دریافت کنند تا بتواند با سرعت و به طور موثر به این تهدیدات پاسخ دهند.
هدف این پروژه به وجود آوردن یک مدل کارآمد برای یکپارچه کردن اطلاعات است که در منابع گسسته وجد دارد، به طوری که حریم شخصی و آزادیهای مدنی افراد تضمین گردد. پنج طرح اصلی شناسایی شده شامل استراتژی‌های:
1. تلفیق به اشتراک گذاری اطلاعات در سطح دولت فدرال.
2. گسترش یکپارچه سازی و اشتراک گذاری اطلاعات در سطح ایالتی و دولت‌های محلی، صنایع خصوصی
، و شهروندان.
3. برگزیدن استانداردهای معمول برای فراداده الکترونیکی مرتبط با امنیت ملی.
4. بهبود ایمنی ارتباطات عمومی.
5. اطمینان از صحت اطلاعات عمومی.
برگرفتــــــه از اســــــتراتژی ملــــــی بــــــرای امنیــــــت داخلــــــی وب ســــــایت
www.whitehouse.gov/homeland/book/index.html

این اهداف زمانی عملی خواهند بود که ابزاری برای مهیا کردن اطلاعات اشتراکی در آژانس‌های گوناگون وجود داشته باشد و در انبار‌های داده مستقل نگهداری شود. برقراری امنیت مرزها به تنهایی11 نهاد(ارگان) را درگیر میکند. تقریبا 80 درصد ساختار انبار داده در مدت 18 ماه تکمیل می‌شود. اما این در حالی است که اجرای کامل آن بین 3 تا 5 سال زمان خواهد برد. در پایان، انبار کردن اطلاعات منجر به افزایش امنیت ایالات متحده خواهد شد، که مدلی است برای اینکه چطور همه کشورها می‌توانند برایحمایت از مرزهای شان و برای امنیت شهروندان شان کاری انجام دهند. این پروژه بلند پروازانه قطعا بدون چالش نخواهد بود. به عنوان مثال، اطلاعات مورد نیاز باید از پرونده‌های مهاجرت،همچنین پرونده خزانه داری (خرید و فروش با تبادل مبالغ زیادی از پول)، و اف بی آی (سوابق جنایی) استخراج می‌شود. داده‌ها در فرمت‌ها و انواع مختلف هستند ؛ تلاش اصلی این است که جریانی جهت ایجاد امکان جستجو از طریق این داده‌ها برای شناسایی تهدیدات بالقوه و جنایت فراهم گردد.
سوالاتی جهت ایجاد ذهینت
1.. شناسایی چالش‌های مواجه با اداره امنیت داخلی در یکپارچه سازی پایگاه داده‌های متفاوت و مجزا.
2. تعیین منابع اطلاعاتی باعث می‌شوند اطلاعات موجود در این پورتال‌ها مفید باشند.
منافع مد نظر کدامند؟
3. مشخص شدن تصمیمات پشتیبانی شده توسط این پرتال‌ها
4. از چه ابزارها و روشهای پشتیبانی تصمیم گیری می‌توان برای شناسایی فعالیت‌های تروریستی بالقوه بهره برد؟
5. شما چه چیزی را به دفتر امنیت داخلی جهت بهبود توانایی‌های این پورتال توصیه می‌کنید؟

2,5 طبیعت و منابع داده‌ها
به منظور درک وضعیت، تصمیم گیرنده به داده‌ها، اطلاعات و دانش نیاز دارد. اطلاعات باید به گونه‌ای سازماندهی و تلفیق گردند که آنها را مفید سازد. سپس تصمیم گیرنده باید بتواند ابزارهای تحلیل را به کار گیرد(فرآیند تحلیل آنلاینOLAP، داده کاوی و غیره) به طوری که بتوان اطلاعات داده‌ها و دانش بهره برداری کامل کرد(رجوع شود به فصل 3 و 4). این ابزارهای جدید به تحلیل گر و تصمیم گیرنده این اجازه را می‌دهند که رابطه بین اطلاعات را تعیین کند و باعث فهم بیشتر و ایجاد مزیت رقابتی گردد. مثلا سیستم مدیریت مشتری مداری به مدیران و تحلیل گران این امکان را می‌دهد که درک بهتری از مشتریان بدست آورند و می‌توانند انتخاب احتمالی برای یک محصول یا خدمات ویژه را با یک قیمت خاص تعیین کنند.
تلاش‌های بازار یابی بهبود یافته و فروش حداکثر می‌گردد.
همه سیستم‌های اطلاعاتی(سیستم‌های اطلاعات اجرایی، سیستم‌های مدیریت محتوا، سیستم‌هایمدیریت درآمد، سیستم‌های مدیریت و برنامه ریزی منابع، سیستم‌های مدیریت زنجیره‌ای منابع، سیستم‌های مدیریت دانش) از سیستم‌های مدیریت پایگاه داده، انبار داده، فرآیند تحلیل آنلاین و داده کاوی به عنوان یک اصل استفاده می‌کنند( رجوع شود به فصل 8 و 9). این ابزارهای تحلیل تجارت و هوش تجارت شرکت را قادر به رقابت موفقیت آمیز می‌نماید به عبارت بهتر این ابزارها تصمیم گیرنده‌ای عالی با قابلیت‌های فراوان به وجود می‌آورد. مثلا این کاربرد نشان می‌دهد چگونه یک شرکت ایجاد شده و از پایگاه داده در یک روش رقابتی استفاده می‌کند.
این توضیحات نشان می‌دهد که چه چیز‌هایی در نهایت منجر به بروز خطا می‌شود اگر اطلاعات جمع آوری شده شامل عملکرد افراد و سازمان‌هایی نباشد که بر عملکرد سازمان شما تاثیر دارند( در فضای تجارت این‌ها مشتریان، مشتریان بالقوه و شرکت‌های رقیب هستند). موضوع حساس برای بخش امنیت داخلی آمریکا این است که اطلاعات را از منابع مجزا جمع آوری و تحلیل نماید. این اطلاعات باید در انبار داده تلفیق شوند و به طور خودکار از طریق ابزار‌های داده کاوی و توسط تحلیل گران تحلیل شود، البته استفاده نادرست ممکن است در فرآیند جمع آوری و استفاده از حجم عظیمی از اطلاعات اتفاق بیافتد.
اثر پی گیری و بهره برداری از اطلاعات برای مزیت رقابت پذیری می‌تواند عظیم باشد. صنایع‌ای مثل هواپیمایی، بانک داری و همه مبادلات تجاری الکترونیکی موفق برای شکوفایی خود به اطلاعات و محتوای آن اعتماد می‌کنند. یک اتوماسیون کار مجرب یک فرصت تجاری از ابزارهای تلفیقی و پایگاه داده مدرن ایجاد کرده است . سانگینی در سال 2002 توصیف خوبی از پایگاه‌های داده، اطلاعات، دادهOLAP، مخزن، داده کاوی ارائه داد. فروشندگان اصلی پایگاه داده شامل ماکروسافت، اوراسل، سایبیس و‌ای بی ام می‌باشند. فروشندگان پایگاه داده به طور مرتب توسط مطبوعات تجاری بازبینی و رصد می‌شوند. مثلا مقاله بازنگری محصولات به طور سالانه در ماه جولای از آقای وایتینگ در سال 2000 را مطالعه کنید(www.dmreview).
همه سیستم‌های پشتیبانی تصمیم از داده، اطلاعات و دانش استفاده می‌کنند. این سه واژه گاهی به جای یکدیگر استفاده می‌شوند ولی ممکن است معانی متعددی داشته باشند. یکی از راه رایج در نظر گرفتن آنها به شرح زیر است:
• داده: مواردی درباره چیزها،حوادث، فعالیت‌ها و تراکنش‌هایی که ثبت، طبقه بندی و ذخیره می‌شود اما برای منظور خاصی سازمان دهی نمی‌شود. داده می‌توانند شامل اعداد، الفبا، اشکال، صداها و تصاویر باشد.
• اطلاعات : داده‌هایی که به طریق خاصی سازمان دهی شدند و معنای خاصی برای دریافت کننده دارند یاممکن است با آشکار شدن آن گیرنده را شگفت زده کنند. روش MSS داده‌ها را طوری پردازش می‌کند که نتایج آن برای یک عمل یا تصمیم مشخص معنا دارد باشد.

DSS در فوکوس 1،5

امنیت حریم خصوصی و نگرانی قیمت

دولت ایالات متحده قصد دارد تا تکنولوژی تحلیلی در مقیاس جهانی در جنگ علیه تروریسم است به کار گیرد، اما آیا به عنوان سلاح موثری ثابت خواهد شد؟ در سال یکسال ونیم پس از 11 سپتامبر، 2001، سوپر مارکت زنجیره ای، فروشگاه‌های لوازم خانگی، و دیگر اصناف به طور داوطلبانه انبوهی از سوابق مشتری‌ها به سازمانهای اجرای قانون فدرال ارائه دادند، تقریبا همه این کار را تجاوز حریم خصوصی افراد اعلام کردند. بسیاری دیگر در پاسخ به دستور دادگاه برای کسب اطلاعات، به عنوان بخشی لازم از قانون این امر را انجام دادند. دولت حق دارد داده‌های شرکت‌ها بر اساس قوانین تصویب شده پس از حوادث سپتامبر 11، 2001 جمع آوری کند.
اف بی آی(FBI) در حال حاضر مقادیر زیادی از داده‌ها را، به منظور ردیابی و کشف فعالیت که می‌تواند توطئه‌های تروریستی و یا جرم و جنایت نمایان سازد، ذخیره می‌کند. داده‌ها تراکنشی هستند که آژانس‌های اجرای قانون در آنها به دنبال یافتن نتایج مد نظر هستند. شرکت‌های تجاری آمریکایی در این میان گیر کرده اند. بعضی از آنها مجبور به ایجاد سیستم‌های ویژه‌ای برای تولید داده‌های مورد نیاز آژانس‌های اجرای قانون هستند. یک شرکت معمولی باید به طور میانگین 5 میلیون دلار برای یک سیستم هزینه کند. از سوی دیگر، عدم پیروی هزینه‌های سنگین تری را دنبال خواهد داشت. شرکت وسترن یونیون در دسامبر سال 2002 8 میلیون دلار برای عدم پیروی از این قانون جریمه شد.
مسائل حریم خصوصی فراوانند. از آنجـا کـه دولت در حال دستیابی بـه اطلاعـات شخـصی افراد جهـت تـشخیص الگوهـای مـشکوک از فعالیت است، احتمال سوء اسـتفاده و اسـتفاده غیر قانونی از داده هـا وجـود دارد. از ایـن رو ممکن است هزینه‌های حفظ حریم خصوصی
قابل توجه باشد. مشکلات عمده‌ای بـا نقـض آزادی‌ها و حقوق فردی افراد وجود دارد. نیاز بــه ســازمانی بــرای "مراقبــت از مراقبــان" احساس می‌شود. DHS نباید به جمـع آوری اطلاعات بدون فکر بپردازد، بلکه باید فقط داده‌ها و اطلاعاتی را استخراج کند کـه مربـوط بـه الگوهـای شناسـایی بـوده منجـر بـه توقـف فعالیــت هــای تروریــستی بــالقوه شــود.



DSS در فعالیت 2،5

ابزارهای پایگاه داده‌ها فرصت تجربه منافع جدیدی را به روی تجربه کنندگان اتوماسیون باز میکند
کارشناسان در زمینـه اتوماسـیون فرصـت هـای داده‌ها منجر به ارائه تاریخچه مالکیت هر وسیله تجاری جدیدی از ابزار داده‌ها ایجاد کرده‌اند کـه نقلیه خریداری یا فروخته شده در ایـالات متحـده مدیریت، استخراج، و ادغام. و یکپارچه سـازی را آمریکا، برای کاهش هزینه به ازای هر جـستجو از انجام می‌دهد. کارشناسـان اقـدام بـه راه انـدازی طریق وب سایت است. بـازار کلانـی جهـت ایـن یک پایگاه داده عظیم (دهمین پایگاه بـزرگ دنیـا ) ســرویس وجــود دارد بــه خــصوص از طــرف برای پیگیری داده‌های فروش خـودرو کـرده انـد . فروشندگان خودرو. کارشناسـان همچنـین تمرکـز داده‌های بدسـت آمـده از نـوع خـارجی بـوده از خود را معطوف شرکت‌های تولید کننـده قطعـات سوابق عمومی حاصل از فـروش خـودرو حاصـل خـودرو بـرای شناسـایی فراخـوانی و رد یـابی می‌شود. اتصال این چگونگی فروش قطعات خودرو، کرده اند.
دانش: دانش شامل داده یا اطلاعات سازمان دهی شده‌ای است که برای انتقال به منظور فهم، یادگیری پردازش می‌شود و کارشناس می‌تواند با آن، فعالیت یا مشکل جاری را حل کند. دانش می‌تواند کاربردی از داده و اطلاعات در تصمیم گیری باشد.
اطلاعات MSS شامل اسناد، عکس، نقشه، صدا، ویدئو و انیمیشن است. این داده‌ها را می‌توان ذخیره نمود و به روش‌های مختلفی قبل و بعد از استفاده ذخیره و طبقه بندی کرد. آنها همچنین می‌تواند شامل افکار، عقاید، مفاهیم باشد. داده می‌تواند خام یا خلاصه شده باشد. بسیاری از روش‌های MSS از داده خلاصه شده یا کلی استفاده می‌کند که ناشی از سه منبع اصلی است: داخلی، خارجی و شخصی.
داده داخلی
این نوع داده در یک یا چند جا ذخیره می‌شود. این داده‌ها در مورد مردم، محصولات خدمات و فرآیند‌ها هستند. مثلا داده‌هایی درباره کارمندان و حقوقشان معمولا در یک پایگاه داده ذخیره می‌شود. داده‌های تجهیزات و ماشین آلات می‌تواند در پایگاه داده بخش نگه داری ذخیره گردد. داده‌های فروش را می‌توان در چندین جا ذخیره نمود. داده‌های فروش‌های متمرکز در یک پایگاه داده‌ی متمرکز و جزئیات در پایگاه داده هر بخش.MSS میتواند از داده خام علاوه بر داده پردازش شده استفاده کند. داده داخلی از طریق اینترانت سازمان یا شبکه داخلی دیگر در دسترس است.
داده خارجی
منابع زیادی از داده خارجی وجود دارد که از پایگاه داده اقتصادی تا داده‌های جمع آوری شده توسط سنسور‌ها و ماهواره‌ها طبقه بندی می‌شوند. داده‌ها در قالب عکس، صدا، آهنگ بر روی سی دی، دی وی دی و اینترنت در دسترس هستند. فایل‌ها و گزارش‌های دولتی یک منبع اصلی از داده‌های خارجی هستند و بیشتر آنها امروزه در وب در دسترس هستند( به عنوان مثال www.Ftc.gov). داده خارجی همچنین در سیستم‌های اطلاعاتی، جغرافیای، ادارات سر شماری فدرال و منابع دیگر آمار گیری در دسترس هستند که داده‌ها مستقیما از مشتری یا از تامین کننده داده جمع آوری می‌شوند. نهاد‌های اقتصادی، بانک‌های محلی،موسسه‌های تحقیقاتی و محیط‌های در گیر با داده و اطلاعات به عنوان کاربری از روش MSS هستند. داده از سراسر جهان می‌آید بیشتر داده‌های خارجی به یک MSS خاص ربطی ندارند اما باید بررسی گردد تا ما مطمئن شویم موارد مهم از نظر ما دور نماند. استفاده از اسکن هوشمند و نهاد‌های مترجم می‌تواند برای حل این مشکل مفید باشد.
داده و دانش شخصی
کاربرانMSS و کارمندان شرکت‌های دیگر تجربه ودانشی دارند که می‌توان برای استفاده در آینده ذخیره کرد. شامل تخمین فروش، نظراتی درباره کارهایی که رقبا احتمالا انجام خواهند داد و ترجمه مقاله‌های جدید مردم چه می‌دانند و با چه روش‌هایی برداشت و مدیریت می‌کنند.(فصل 9)


3,5 کیفیت،مشکلات و جمع آوری داده‌ها
نیاز به استخراج داده از میان منابع داخلی و خارجی کار ساخت MSSرا پیچیده می‌کند گاهی اوقات جمع اوری داده خام لازم است در موارد دیگر،اطلاعات گرفتن ازمردم یا اینترنت لازم است بدون توجه به اینکه چطور جمع اوری می‌شوند داده باید فیلتر شود بیان کلاسیک آن"زایدات درونی و زایدات بیرونی" است بنابراین،کیفیت داده یک موضوع فوق العاده مهم است.
روشهای جمع آوری داده خام
داده خام را می‌توان به طور دستی یا با ابزارها و سنسورها جمع آوری کرد روشهای جمع آوری داده شامل مطالعات،بررسی،مشاهدات و اطلاعات گرفتن از کارشناسان است به علاوه،حسگرها و اسکنرها به طور قابل ملاحظه‌ای در استفاده از داده‌ها کارآیی دارند احتمالا قابل اعتمادترین روش جمع آوری داده از طریق کنترل موجودی خرید است . وقتی شما چیزی می‌خریدفروشنده اطلاعات فروش را همراه با اطلاعات شخصی شما از روی کارت اعتباری ثبت می‌کند که فروشندگان در بازار و دیگر خرده فروشان را قادر می‌کند که مخزن عظیمی از داده‌ها بدست آورند و درباره مشتری‌هایشان اطلاعات داشته باشند این اطلاعات برای تعیین الگوهای خرید مشتری تا مدیریت موجودی انبار می‌باشد و فرصت‌های بازرگانی جدیدی را مشخص می‌کند که به مدیریت خرده فروشی هم کمک می‌کند.
Ewalt توصیف میکند چگونه PDAs برای جمع آوری و استفاده اطلاعات مورد استفاده قرار می‌گیرند. شرکت‌های ترابری مدتی است که از PDA استفاده می‌کنند شرکت melnoیک شرکت حمل و نقل جهانی، اخیرا بیش از 800 راننده با PDAs مجهز کرد. لینکهای رادیویی برای رانندگانی استفاده می‌شوند که بسته‌هایی راجا به جا می‌کنند. راننده برچسب کد نوار روی بسته داخل PDAرا اسکن میکند، و پرتوهای داده‌ها را به اداره اصلی گسیل می‌شود.
نیاز به، اطلاعات دقیق و قابل اعتماد برای هر MSS جهانی پذیرفته شده است. با این حال، در زندگی واقعی، توسعه دهندگان و کاربران با مشکلاتی در ساختار و محیط‌های پر سر و صدا و دشوار مواجه هستند.
طیف گسترده‌ای از سخت افزار و نرم افزار برای ذخیره سازی، ارتباطات و ارائه داده‌ها وجود دارد اما تلاش بسیار کمتر‌ی انجام شده است برای توسعه دادن روشهای برداشت داده‌های MSS در محیط‌هایی تصمیم گرفتن مشکل تر است. روش‌های ناکافی برای مقابله با این مشکلات ممکن است اثر تکنولوژی پیچیده در توسعه و استفاده MSSرامحدودکند برخی از روش‌های فیزیکی شامل گرفتن اطلاعات از طریق نوار یا با کدهای آر اف آی دی (برچسب شناسایی رادیو فرکانس) فن آوری است. دکمه آر اف آی دی الکترونیکی یک سیگنال شناسایی با بعضی از داده‌ها (چندین کیلو بایت هنگامی که این دستگاه‌های جدیدبود) به طور مستقیم به یک گیرنده در این نزدیکی هست می‌فرستد.
جعبه بسته بندی حتی یک محصول مصرف کننده می‌تواند به آسانی قابل شناسایی باشد. در اوایل سا ل2000 تولیدکنندگان،خطوط هوایی و توزیع کنندگان از دستگاه‌های آر اف آی دی برای امنیت وبا سرعت پردازش بالا در دریافت و پرداخت مشتری استفاده می‌کردند.
فروشگاههای وال مارت در ژوئن 2003اعلام کرد که تا اواخر ژانویه 2005باید 100 تامین کنندگان اصلی از آر اف آی دی برای پیگیری پالت کالا از طریق زنجیره عرضه اقدام کنند.(ضمیمه 3,5 را مشاهده فرمائید) Swatchابزاری رابا مدل ساعت ایجاد کردکه حرکت اسکی شکل روی ان کدبندی شده است حرکت انواع شیب را شناسایی کرده واطلاعات را با خواص دیگری به اشتراک می‌گذارد.

DSS در فعالیت 3،5

آر اف آی دی برچسب‌ها به طور جمع آوری خودکار و استفاده از اطلاعات کمک می‌کند

در ماه ژوئن سال 2003، مجموعه فروشگاههای وال مارت اعلام کرد که تا سال 2005، 100 تامین کننده اصلی مواد آن باید از بر چسب‌های آر اف آی دی برای پیگیری پالت کالا خودشان استفاده کنند. وال مارت در نظر داشت این موضوع تلاش بیش از یک شرکت خاص و نیازمند همکاری تمام فروشندگان و تامین کنندگان برای پذیرش آر اف آی دی و استاندارد‌های مرتبط با می‌باشید. وال مارت باید ابتکار عمل را در استقرار حدود 1 میلیارد برچسب آر اف آی دی برای پیگیری و شناسایی اقلام موجود در جعبه‌ها پالت به کار می‌برد. وال مارت تمرکز خود را روی استفاده از تکنولوژی در جهت بهبود مدیریت موجودی در زنجیره عرضه خود قرار داد. وال مارت تصمیم به گسترش فن آوری جهت مشروع جلوه دادن و کاهش فشار آن، گرفت. تعیین ضرب العجل توسط وال مارت منجر به افزایش سرعت هماهنگ شدن شرکت‌ها و صنایع خواهد شد.
ابتکار عمل وال مارت برای مقرون به صرفه بودن این موضع تعیین، واحد قیمت 5 سنت (ایالات متحده آمریکا) و یا کمتر برای آر اف آی دی بود. در اواسط سال 2003، هزینه هر

برچسب آر اف آی دی بین 30 تا 50 سنت بود تحویل داد. اما هنوز شانس کمی برای یافتن . بر اساس 5 درصد هزینه‌های هر بر چسب، محموله‌های گم شده شرکت دلتا وجود مبلغ سرمایه گذاری شده برای بر چسب‌ها به داشت.
تنهایی برابر 50 میلیون دلار می‌شد. در سال برچسب آر اف آی دی برای ردیابی حرکت 2003، دستگاه برچسب خوان در حدود 1000 داروها در مراکز خاکستری(به عنوان مثال، دلار یا بیشتر فروخته شد. نیمه قانونی) اروپا استفاده شده. در آن زمان، وال مارت، تنها خرده فروشی نبود که به داروها در جنوب اروپا بسیار ارزان تراز سمت به آر اف آی دی حرکت کرد. مارکس و داروها در شمال اروپا بود،از اینرو عمده اسپنسر (Marks & Spencer)، یکی از فروشان بی پروا به جنوب سفر می‌کردند و بزرگترین خرده فروشان بریتانیا، از آر اف آی دارو‌ها را برای فروش مجدد در شمال دی در عملیات‌های زنجیره‌ای تامین غذا خود خریداری می‌کردند. برچسب آر اف آی دی را استفاده کردند. هر کدام از 5,3 میلیون سینی در داخل جعبه‌ها نصب شده بودند. وقتی که‌های پلاستیکی استفاده شده برای انتقال یک فروشنده با یک عمده فروشی متقلب محصولات دارای برچسب آر اف آی دی مواجه می‌شد، می‌توانست منبع کالاها را بودند. شرکت پروکتر‌اند گمبل از آر اف آی هنگامی که به نزدیک 3 متری کانتینر‌ها دی به صورت آزمایشی در مبادلات با چندین برسد، شناسایی کند .سپس کلیه قرار داد‌ها با خرده فروش به مدت شش ماه در سال 2003 این گونه عمده فروشان فورا لغو می‌شد.
استفاده کرد. سایر موارد استفاده از آر اف آی دی عبارتند از در سال 2003، خطوط هوایی دلتا آغاز به تعبیه علامت‌ها جهت باز شدن خودکار درب استفاده از آزمون آر اف آی دی برای شناسایی‌ها برای افراد مجاز به تردد، و فراهم آوردن چمدان‌ها و محموله‌های بارگذاری شده و امکان دسترسی به حرکت‌ها و سایر اتفاقات تخلیه شده در فرودگاه تمارک استفاده کرد. دلتا (از طریق برچسب آر اف آی دی جاسازی در داده‌ها را به صورت بارکد بر روی برچسب‌ها ساعت یا کارت عبور و مرور). همچنین چاپ می‌کرد. انجام تست به دلیل تداخل استفاده از آنها در خودرو‌ها جهت تعیین بالقوه سیستم‌های بی سیم فرودگاه دیگر خودکار میزان عوارض عبور و مرور (مانند بسیار حیاتی بود. شرکت دلتا انتظار سطح شهر لندن، به تمرین 9 مراجعه کنید)، مورد بالاتری از دقت را نسبت به سیستم بارکد دیگر استفاده در اتومبیل عبارتند از ذخیره و قدیمی داشت. با این حال، دلتا 99 درصد از نگهداری تمام سوابق تعمیر (این مورد هم 100 میلیون محموله انتقال داده هر سال را اکنون برای چنگال‌های صنایع آسانسور فورک

استفاده می‌شود)، و یا حتی در زیر پوست افراد برای شناسایی (توسط خود پردازها، موزه‌ها، سیستم حمل و نقل، ورود به هر گونه امکانات و یا متصدیان اجرای قانون).
برخی از صاحبان حیوان خانگی این برچسب‌ها را با استفاده از جراحی در زیر پوست حیوان خانگی خود قرار دادند تا اگر آنها گم شدند یا دزدیده شدند قابل ردیابی باشند. در نهایت، ممکن است جعبه‌های حاوی کالاهایمصرفی و کیف‌ها به گونه‌ای تولید شوند که حاوی برچسب‌های آر اف آی دی باشند به طوری که وقتی خارج شدن شما از فروشگاه کالای انتخاب شده را شناسایی کرده و به صورت خود کار هزینه آن را از حساب کارت اعتباریتان و یا برچسب نصب شده در زیر پوستتان کم کند.

حتی ازدستگاه‌های بیومتریک برای جمع آوری داده‌های دنیای واقعی استفاده می‌شود. سیستم‌های بیومتریک ویژگی‌های مختلف جسمی و رفتاری افرادرا شناسایی و تصدیق هویت بازدید کنندگان و مهاجران وارده به ایالات متحده را ارزیابی می‌کنداز پایگاه داده‌ها و روش استخراج داده‌ها نیز استفاده می‌شود برخی از 400 میلیون دلار در بیومتریک و برای کنترل مرزهای امریکا در سال2003هزینه شد.

مشکلات داده
تمام سیستم‌های مبتنی بر کامپیوتربه داده‌ها بستگی دارند. کیفیت و یکپارچگی داده‌ها حساس است اگر از MSS برای جلوگیری از سندرم GIGOاستفاده می‌شود MSSبه داده‌ها بستگی دارد زیراانباشت داده است که اطلاعات و دانش را قلب هر گونه تصمیم گیری می‌کند اطلاعات مشکلات عمده DSS در جدول 1,5 خلاصه شده است همراه با بعضی از راه حل‌های ممکن.
داده‌ها باید در دسترس سیستم باشد و یا سیستم باید اطلاعات را شامل زیرسیستمی برای دستیابی به داده باشد موضوعات مسائل را باید در مرحله برنامه ریزی ایجاد سیستم در نظر گرفته شود. اگر مشکلات پیش بینی شوند، هزینه‌های حل آنها را می‌توان تخمین زد. اگر آنها بیش از حداند، پروژه MSS نباید انجام شود تاموجب کاهش هزینه‌ها و مشکلات شود..
جدول1-5
راه حلهای ممکن علت مشکل
ایجاد یک راه حل سیستماتیک برای ورود داده‌ها.ورودی داده اتوماتیک .ایجاد کنترل کیفیت روی داده‌ها.ایجاد برنامه‌های امنیتی مناسب اطلاعات بی دقت جمع آوری شده‌اند داده‌های خام با بی دقتی وارد شده‌اند داده‌ها دستکاری شده‌اند اطلاعات صحیح نیستند



اصلاح سیستم برای ایجاد داده. استفاده از وب برای به دست آوردن داده‌های تازه. ایجاد یک سیستم برای مقیاس دهی داده‌های مشخص روش ایجاد داده به اندازه کافی سریع نیست داده‌ها زمان بندی نیستند
از انبار داده استفاده کنید از موتورهای تحقیق مناسب استفاده کنید مدلهای ساده تر یا مجتمع تر ایجاد کنید داده‌های خام با اهداف تحلیل ناسازگارند . از مدلهای پیچیده استفاده کنید داده‌ها به درستی اندازه گذاری یا شاخص گذاری نشده‌اند
پیش بینی کنید چه داده‌هایی در آینده نیاز است ازانبار داده استفاده کنید داده جدید تولید یا آنها را تخمین بزنید به هیچکدام از اطلاعات ذخیره شده نیاز نیست اطلاعات مورد نیاز به سادگی وجود ندارند

کیفیت داده
کیفیت داده‌ها (DQ) یک مسئله بسیار مهم است زیرا کیفیت کارایی داده و همچنین کیفیت تصمیم گیری بر اساس آنها تعیین می‌کند. داده‌ها در پایگاه داده‌های سازمان اغلب نادرست، ناقص یا مبهم هستند آسیب‌های اقتصادی و اجتماعی از داده کیفیت کم میلیاردها دلاراست.
موسسه انبارداری داده‌ها (TDWI) تخمین زده است که در سال 2001 داده‌های مشتری با کیفیت کم موجب تجارت611میلیاردی در یک سال هزینه پست، چاپ وکارمندان شده که ناشی از ارتباطات و بازاریابی غلط است هزینه واقعی داده‌ها با کیفیت کم بسیار بالاتر است.
سازمان‌ها می‌توانند مشتری‌های دائمی را با حروف نادرست هنگام فراخوانی یا ذخیره در وب سایت مایوس کنند هنگامی که یک شرکت مشتریان وفادار خود را از دست می‌دهد، آن را از دست می‌دهد فروش و همچنین پتانسیل درآمد آینده را از دست می‌دهد بعضی از آنها عبارتند از هزینه‌های کار مجدد، از دست رفتن مشتریان، گزارش دیرهنگام، تصمیمات غلط، فعا لیت پروژه، سرعت کم پاسخ به نیازهای جدید (فرصت‌های از دست رفته)، و تاخیر در اجرای پروژه‌های بزرگ است که بستگی به پایگاه داده‌های موجود دارد کیفیت اطلاعات یکی از آن موضوعاتی که هر کس می‌داند مهم است اما تمایل دارد غفلت کند.
کیفیت داده‌ها اغلب ایجاد شور و شوق کم میکند و معمولا تابع نگهداری است شرکت‌ها به وضوح حاضر به قبول داده باکیفیت پایین شده است. شرکتها حتی می‌توانند با کیفیت داده‌ها کم هم زنده بماندند رشد کنند آن مساله زندگی ومرگ نیست، اما بعضی اوقات می‌تواند باشدنادرستی داده‌ها می‌تواند هزینه بر باشد اکثر شرکت‌ها کیفیت داده‌ها راگاهی مدیریت می‌کنند (a،Eckerson 2002)
با این حال،. با توجه به هچر (2003)، کیفیت داده‌ها مشکل عمده‌ای در توسعه وکاربری انبار و هوشکسب و کار و تحلیل کسب و کار است.
کیفیت داده می‌تواند اجرای انبار داده‌ها به مدت شش ماه یا بیشتر به تعویق اندازد
داده‌های نادرست ذخیره شده و سپس گزارش به کسی که اعتماد او را به سیستم جدیدازبین می‌رود TDWI اخیرا منابع بدون پوشش داده‌ها را موردتحقیق قرارداده است پاسخ دهندگان به نظرسنجی TDWF خطاهای ورودی توسط کارکنان به عنوان علت اولیه داده‌ها‌ی نادرست یاد کردند کیفیت داده‌ها اغلب در روزهای آغازین انبارداری نادیده گرفته شد بسیاری از تصمیمات اصلی در مورد کیفیت اطلاعات در حال حاضر نیاز به بازنگری دارد تابا خواست‌های تصمیم گیران مطابقت کند.
برای مثال سازمانی که به دلیل کیفیت داده‌ها رنج می‌برد، نگاه به ضمیمه 4,5 کنید.
استرانگ تحقیقات گسترده‌ای در کیفیت داده انجام داده و آنها را به چهار دسته زیر تقسیم کرده است:
• کیفیت داده :متنی ارتباط،ارزش افزوده،موعد زمانی،کامل بودن، مقدار داده
• کیفیت داده :حقیقی دقت،هدفمندبودن،قابل باور بودن،شهرت
• کیفیت داده دست یافتنی: قابل دسترسی،امنیت دسترسی
• کیفیت داده نمایندگی: قابلیت ترجمه،سهولت فهم، معنای کوتاه،معنای سازگار

جدول2,5 منبع مشکلات کیفیت داده
درصد پاسخ منبع مشکل کیفیت داده
76 ورود اطلاعات توسط کارمندان
53 تغییرات در سیستم‌های منبع
48 جابجایی داده‌ها و یا تبدیل پروژه‌ها
46 انتظارات چندگانه توسط کاربران
34 اطلاعات خارجی
26 خطاهای سیستم‌ها
25 ورود اطلاعات توسط مشتریان
12 سایر


DSS در فعالیت 4،5

کیفیت داده در زندانهای مونتانا مجرمین هستند

دربخش زندانیان اصلاحی مونتانا سالها به کیفیت داده توجه می‌شد باقدیمی شدن سیستم‌های فناوری اطلاعات، خطاهای ورودی داده در گزارشات هم ایجادشد فرم‌های مورد نیاز که به مقامات ایالتی و فدرال ارسال می‌گشت نمی‌توانست دروغ را آشکارسازد. اگرچه گروه isوزارت ساعت‌های بیشماری را صرف تلاش برای حفظ سطح یکپارچگی گزارش‌ها کردولی اعتماد کلی در کیفیت داده‌ها کم بود.موضوع در سال1997زمانی مهم شد که وزارتخانه یک میلیارد دلار را گم کردودلیل آن سیستم اطلاعاتی بود که فاقد قوانین تجاری وداده‌های مرتب بود سیستم‌های دقیق نمی‌توانست پیش بینی کند چه تعداد از هر نوع مجرم زندانی خواهد بود.

خوشبختانه، هیچ مجرمی با داده‌های به هم ریخته فراموش نشده بودولی هیچ راهی برای پیش بینی نیاز زندان از خرید و خدمات وجود نداشت در اواسط سال 1999، تلاش‌های مهمی در تمیز کردن سیستمهای اطلاعات زندان انجام شدو داده‌های دقیق کامل شدتا سال 2001،نگهبانان سیستم‌های اطلاعات وزارتخانه فرهنگ کیفیت داده را ایجاد کردند.
اگر چه غیر معمول نیست، بلکه مهم است که توجه داشته باشید که برخی از 15 تا 20 درصد درآمد عملیاتی ممکن است بر روی کارهای جنبی یا تعمیرات مشکلات کیفی صرف شود و بعضی از سازمان‌ها مانند وزارت اصلاحات مونتانا شرایطی را برای اطمینان از کیفیت داده‌ها ایجاد کرد.


استرانگ در سال 1997 چارچوبی را ایجاد کرد که موضوعات و مرزهای اصلی را در هر طبقه بندی بیان می‌کند آنها پیشنهاد می‌کنند که متغیرها و روابط اصلی در هر دسته تعیین شوندو تلاش می‌شودراه مدیریت بهتر بر داده‌ها هم تعیین شود برخی از مشکلات فنی هستند، مانند ظرفیت، در حالی که بقیه مربوط به جرایم کامپیوتری بالقوه هستند.
کیفیت اطلاعات مهم است، خصوصا برای ERP،CRM وسیستمهای اطلاعاتی دیگر.
مشکل این است که انبارداری داده‌ها،تجارت الکترونیک وپروژه‌های CRMاغلب در معرض داده با کیفیتکم هستندزیرا شرکت‌هایی رل لازم دارند که داده‌ها را از سیستمهای چندکاره استخراج وتلفیق کنندکه اغلب همراه با خطا،ارزش کم ومشکلات یکپارچه سازی است این مشکلات و زمانی که کسی شروع به خلاصه سازی نکند مشخص نمی‌شود.
کیفیت بهبودیافته اطلاعات نتیجه بهبود فرآیند طراحی شده برای شناسایی و حذف علل ریشه‌ای اطلاعات بد است انبار داده‌ها نیاز به مرتب کردن دارد هر زمان که انبار پر یا به روزآوری می‌شود). به منظور بهبود کیفیت داده‌ها و حفظ دقت نیاز به یک برنامه تضمین کیفیت فعال است.
برک وهیگل در سال97 مدلی را برای مدیریت و بهبود کیفیت داده‌ها ایجاد کردند که این برنامه عملی در ضمیمه 5,5 توصیف می‌کنیم بعضی از سودهای اصلی از نمونه‌های بهبود کیفیت شامل یکپارچه سازی سیستمهای اطلاعاتی دو تجارت است که بعد از دستیابی ادغام می‌شوند به جای سه سال تلاش در یک سال کامل شد مثال دیگر رسیدن به یک سیستم CRM کامل توزیع کردن فروش وبازار یابی سازمان‌ها در یک سال به جای کار در سه سال است سپس کنسل کردن آن .



DSS در فوکوس 3,1

برنامه عملی برای کیفیت داده

برنامه عملی برای کیفیت داده یک چارچوب توصیه شده برای هدایت در مسیر بهبود کیفیت داده است به اقدامات زیر توجه شود:
1-تعیین وظایف حیاتی کسب و کار در نظر گرفته می‌شود
2-شناسایی معیارهای مهم برای انتخاب عناصرداده‌ای
3-تعیین عناصر داده‌های حیاتی
4-تعیین نگرانی‌های کیفیت داده برای عناصر داده‌ای حساس و عوامل آنها
5-شناسایی استانداردهای اعمال شده به هرعنصرداده‌ای حساس
6-طراحی روش اندازه گیری برای هر استاندارد
7-شناسایی و پیاده سازی سریع ابتکارات بهبود یافته کیفی داده‌ها
8-پیاده سازی روش‌های اندازه گیری برای به دست آوردن خط مبنای کیفی داده‌ها 9-تخمین اندازه گیری‌های، نگرانی‌های کیفیت داده‌ها و علل آنها.
اینها بعضی از بهترین تمرینات را برای کیفیت داده در عمل هستند.
• کار روی داده‌ها کافی نیست. نرم افزار پاک کردن داده‌هافقط روی چند موضوع کار می‌کند: شماره‌های غلط، غلط املائی، زمینه‌های ناقص. اطلاعات روش برنامه‌های جامع کیفیت داده که رویکرد استاندارد سازی دارد و اطلاعات یکپارچه بمانند.
• شروع در اوج. یک مدیریت برتر باید از موضوعات کیفیت داده آگاه باشد و اینکه چطور روی سازمان اثر می‌کنند باید پذیرای هر تلاش جبرانی باشند زیرا منابع نیازمند موضوعات با دوام زیاد است.

10- برنامه ریزی واجرای ابتکارات بهبودی 12-گسترش فرایند که شامل عناصر اضافی
11- ادامه اندازه گیری سطوح کیفیت داده شود وابتکارات تنظیمی

وزارت اصلاحات مونتانا وضعیت توصیفی در ضمیمه 4,5 از مشکل داده با کیفیت کم به دست آورد که ناشی از ایجاد فرهنگ کیفی از طریق برنامه تضمین کیفیت بود بهترین تمرینات را برای کیفیت داده در ضمیمه 6,5توصیف می‌کنیم که برای یک سازمان مهم است تا سطح بالایی از یکپارچگی و کیفیت داده داشته باشد.
موضوعات کیفیت داده،روش‌ها،وراه حل‌ها با جزئیات را "برسون"مورد بحث قرار می‌دهد.

DSS در فوکوس 3,1بهترین تمرینات برای کیفیت داده
• آگاهی از داده‌های خود. فهم این مطلب که چه داده‌هایی داری وچه استفاده‌ای از آنها می‌شود. تعیین سطح مناسب دقت لازم برای هر داده.
• این موارد را در یک پروژه پیوسته انجام دهید. فرهنگ کیفیت داده را ایجاد کنید.
یک روش ایجاد و بهترین تمرین‌ها را برای ورود و چک کردن اطلاعات انجام دهید
• نتایج را بسنجید. حسابرسی منظم نتایج تا اطمینان حاصل شود که استانداردها اعمال واثرات ان روی سطوح پایینی تخمین زده شود

یکپارچگی داده‌ها
یکی از موضوعات اصلی کیفیت داده، یکپارچگی داده‌هااست سیستمهای بایگانی قدیمی تراحتمالا فاقد یکپارچگی هستند به همین دلیل است که تغییرایجادشده در یک فایل وجای مشخص ممکن است در فایل و جای دیگر ایجاد نشودکه منجربه داده‌های متضاد می‌شود مسائل خاص کیفیت داده‌ها و اقدامات به استفاده از داده‌ها بستگی دارد این یک مسئله مهم در تحلیل محیط‌های مختلف است مانند یک یادداشت ارائه شده توسط لوتوس / دومینو و شیاردار می‌باشد در منطقه انبار داده‌ها، به عنوان مثال، گری و واتسون پنج مسئله زیررا متمایز کردند:
•یکنواختی: هنگام برداشت اطلاعات یکنواختی بررسی شودکه اطمینان حاصل شود که داده‌ها در محدوده مشخص شده اند.
•نسخه: چک نسخه زمانی انجام می‌شود که داده‌ها از طریق متادیتا تبدیل شوندو اطمینان حاصل شود که فرمت داده اصلی تغییر نکرده است.
•بررسی کامل بودن: بررسی کامل بودن اطمینان می‌دهد که خلاصه‌ها صحیح هستند واینکه همه ارزشهای مورد نیازبرای خلاصه سازی را شامل می‌شود.
•بررسی انطباق: بررسی انطباق اطمینان می‌دهد که خلاصه داده‌ها در ballpark است به این دلیل است که در طی تجزیه و تحلیل گزارش دهی و ارتباط سازی داده‌ها ارزش گزارش شده و ارزش قبلی با هم برابر هستند تغییرات ناگهانی می‌تواند نشانه تغییر اساسی در تجارت،خطاهای تحلیل یا داده نادرست باشد.
•بررسی سلسله ای: بررسی سلسله‌ای یک بازگشت رو به عقب به منبع داده از طریق تبدیلهای گوناگون است.

دستیابی و یکپارچه سازی داده‌ها
یک تصمیم گیر نیاز به دستیابی به منابع داده دارد که باید بررسی شوند قبل از انبار و مرکز داده و نرم افزار هوش تجاری ایجاد دسترسی به منابع داده،یک فرایند کاری اصلی بود حتی با ابزارهای مدرن مدیریت که بر پایه وب هستند تشخیص اینکه چه داده‌هایی باید برای تصمیم گیرنده فراهم شوند یک کار مهم است که نیاز به متخصصان پایگاه داده دارد زمانی که انبار داده بزرگ می‌شود کار یکپاچه سازی داده‌ها سخت تر می‌شودکه برای وزارت امنیت داخلی مهم است به ضمیمه 7,5 نگاه کنیدکه چطورDHSدر حال کار روی داده‌های یک شرکت عظیم و پروژه یکپارچه سازی کاربردی است نیاز به ادامه تحلیل تجاری وجود دارد علاوه بر داده‌های تاریخی،ویرایش شده و تلفیق شده کاربران تجاری نیاز به دستیابی به داده‌های بدون ساختار وزمان واقعی دارند به علاوه،هر چیزی باید با محتوای انبار داده موجود تلفیق شود دستیابی از طریقPDA وباایجاد گفتگودر حال رایج شدن است.
فاکس در سال 2003 مدلهای اطلاعاتی فعال برای تبدیل اطلاعات در ایجاد یک سیستم گسترده را توصیف می‌کنداین مدلها زمانی مد نظر هستند که سفارش ایجاد شده کاربرد با هزینه بالا دارد انها باید شامل اختلافات معنایی و ترکیبی بین الگوها باشد که مخصوصا زمانی مهم است که ادغام اتفاق می‌افتد و کاربردهای موازی باید یکپارچه شوند منابع داده می‌تواند شکلهای متفاوتی باشد:جداول پایگاه داده مرتبط، اسنادXML، پیامهای تغییرات داده الکترونیک،مواردثبت شده و ....
درخواست‌های فروشنده نرم افزار مستقل مانند برنامه ریزی منابع شرکت،نرم افزار مدیریت رابطه مشتری،ونرم افزار خانگی الگوهای ورودی و خروجی خود را تعریف می‌کنند.
اغلب الگوهای مختلف اطلاعات مشابه را متفاوت نگه می‌دارند مدل اطلاعاتی،مرکزی است وبیان کننده یک دید با معناوطبیعی از شرکت است کاربرد موردی توصیف می‌کند که چطور یک شرکت ساختاری را برای یکپارچه کردن اطلاعات از منابع مجزا ایجاد می‌کند .

DSS در فعالیت 7،5

یکپارچگی داده‌های مربوط به امنیت داخلی

"استیو کوپر"دستیار ویژه رئیس جمهور و مسئول وزارتخانه امنیت داخلی امریکا،مسئول تعیین کاربرد و انواع داده‌ها است که می‌تواند به تامین نیاز سازمان،جابجایی به محل امن،وضعیت چارچوب کار،تلفیق شبکه‌های مجزا و استانداردهای 22نهاد فدرالی با 170000 کارمند که برای شکل گیری DHS ادغام شد. این کار تا میانه سال 2005 تکمیل شد . مشکل واقعی این است که نهادهای فدرالی به طور خودکار عمل می‌کنند و سیستمهای IT آنها برای همکاری با هم طراحی نشده‌اند مخصوصا اینکه DHS نیاز به ارتباط بین انبار‌های داده دارد.
DHSیکی از پیچیده‌ترین پروژه‌های انتقال و جمع آوری داده‌ها در دولت‌های فدرالی دارد چالش جابجایی اطلاعات از سیستم‌های قانونی یا درون نهادها،باید در همه نهادها مدنظر باشد پیچیده بودن موضوع ناشی از سرعت قدیمی شدن کاربردها و پایگاه داده در دولت است بهبود یکپارچگی داده در سطوح ایالتی،محلی و فدرال در دست اقدام است دولت در حال استفاده از ابزاری از جهان متحد است مشکلات مهمی ایجاد می‌شود زیرا هر نهاد تعریف خودش را از قوانین تجاری دارد که بیان کننده این است که چطور داده‌ها توصیف،جمع اوری وقابل دسترسی می‌شوند مقداری از داده‌ها بدون ساختار ند و در پایگاه داده مرتبط قرار ندارند و به اسانی دستکاری و تحلیل نمی‌شوند . کاربردهای اقتصادی در این یکپارچه سازی استفاده می‌شوند .
حجم عظیم این کار با تکنولوژی انبارگردانی داده‌ها انجام می‌شود انفورماتیک و فروشندگان نرم افزار راه حلهایی برای یکپارچه کردن داده‌ها ایجاد کرده‌اند که سازمان را قادر به ترکیب سیستمهای مجزا می‌کند تا اطلاعات در سازمان قابلیت دسترسی بیشتری داشته باشند چنین نرم افزاری برای چنین پروژه‌ای با این مقیاس بزرگ،ایده آل است.
این ایده‌ای است برای تصمیم گیری و ایجاد ساختار شرکت برای نهادهای ایالتی و فدرال که درگیر امنیت داخلی هستند این ساختار به موفقیت دفاع داخلی کمک می‌کند اولین قدم در جابجایی داده،تعیین همه کاربردها و اطلاعات در حال استفاده است قدم بعدی تعیین موارد استفاده و بدون استفاده است هنگامی که یک سازمان می‌داند چه داده‌ها و کاربردهایی را باید حفظ کند فرایند مشکل جابجایی داده‌ها شروع می‌شود اولا لازم است که یک بدنه اصلی در داده‌ها تعیین و ساخته شود چالش اصلی دیگر در میدان انتقال داده امنیت است مخصوصا هنگامی که داده‌ها و کاربردها چند دهه قدیمی شوند امنیت داخلی دارای مولفه حمایتی فراساختاری وهمچنین تحلیلگر اطلاعات است این ضمیمه 8,5 فرایندهای بازیابی، تبدیل و بارگذاری راتوصیف می‌کند.
می تواند تنها چالش مشکل برای DHS باشد امنیتداخلی علاوه بر ایجاد کوه عظیمی از اطلاعات جمعآوری شده ازمنابع مجزا مجبور است که اطلاعات در اختیار کسا نی که روی آن کار می‌کنند قرار دهد در حالی که بسیاری از آنها خارج دولت فدرالی هستند حتی گاهی دولت مرکزی تشخیص می‌دهد که عیوب داده ممکن است DHS را آزار دهد جابجایی اطلاعات به جایی که نیاز است کاری که روی آن باید انجام شود حساس و مشکل است بیش از 650000مامور اجرای قانون محلی و ایالتی در یک فضای اطلاعاتی مجازی کار می‌کنند و دور از دسترسی تروریست‌ها لیست‌هایی را به وزارتخانه برای ماموران کنسول گری فراهم می‌کنند بر طبق گزارش "رادمن" آمریکا هنوز یک آمریکا نا آماده در خطرات است نیروی کار عدم به اشتراک گذاشتن اطلاعات به عنوان یک مشکل بحرانی که باید به آن توجه شود می‌داند هنگامی که نوبت مبارزه با تروریسم می‌شود ماموران پلیس به طور موثر عمل می‌کنند .
نهاد پروژه‌های تحقیقاتی پیشرفته مربوط به امور دفاعی،240میلیارد دلار روی پروژه‌های ترکیبی مربوط به آگاهی‌های اطلاعاتی هزینه کرد که صرف ایجاد راههایی برای تعامل با پایگاه‌های داده‌ای قانونی جهانی شد اگر چه آنها پایگاه داده‌ای مرکزی و منفرد بودند.

که اصول اولیه برای یکپارچه کردن داده‌ها هستند را

بسیاری از پروژه‌های یکپارچه سازی دارای سیستم‌های گسترده‌ای هستند در ضمیمه 9,5 لیستی از کارهاییکه باید در چنین پروژه‌هایی انجام شود یا نشود را ارائه می‌دهیم جزئیات و تاثیرات را در "اوراویک" سال2003 و همچنین فصل 6ببینید ..
یکپارچه سازی داده‌ها از پایگاه‌های داده‌ای گوناگون و منابع مجزای دیگر،مشکل است اما هنگامی که به درستی انجام نشود می‌تواند در سیستم‌های گسترده‌ای مانند ERP،،CRM وپروژه‌های زنجیره‌ای منجر به فاجعه شود .
ضمیمه 10,5 برای موضوعات مرتبط با مرتب سازی داده‌ها که قسمتی از یکپارچه سازی داده‌ها است ببینید.
همچنین "داسو"و"جانسون"(2003)و "مادسون"(2003) توضیح می‌دهد که چطور ساختار تحویل دادن به موقع به یک شرکت اجازه می‌دهد که به آسانی تقاضا‌ها را با توجه به اصل تکرارپذیری یکپارچه کند و برای اجرای تغییر انعطاف پذیر هم بماند. نویسندگان زیر در موضوعات یکپارچه سازی داده،مدلها،روشها و راه حلها بحث کرده اند: بالن و کالوانس ودولین واریکسون و فاکس و هلند و ...

یکپارچه سازی داده‌ها از طریق XML
XMLدر حال تبدیل شدن به زبان استاندارد برای یکپارچه سازی داده و پایگاه داده است؟ تا سال 2004 مقداری از 40درصد تراکنش‌های اقتصادی الکترونیک با سرور XMLانجام شد که با توجه به 16درصد سال 2002می توان گفت که XMLموجب انقلابی در مبادله داده‌های الکترونیک شده است ایجاد کنندگان سیستم‌ها باید مراقب باشند زیرا XML نمی‌تواند بر منطق ضعیف تجاری غلبه کند اگر فرایندهای تجاری بد باشند هیچ روش یکپارچه سازی،آنهارا بهبود نمی‌دهد اگرچه XMLیک راه عالی برای مبادله داده‌ها از طریق کاربردها و سازمان‌ها است موضوع حساس این است که آیا می‌تواند به عنوان فرمت پایگاه داده‌ها به خوبی عمل کند.
XMLیک عدم تطابق در رابطه با پایگاه داده مرتبط است :کار می‌کند اما به سختی باقی می‌ماند مشکلاتی در اجرا مخصوصا در جستجو بین پایگاه داده وجود دارد.
ایکس ام ال (XML) (سیستمی است که برای تصحیح ساختار متن استفاده می‌شود) از فضای بسیار زیادی استفاده می‌کند. با این حال هنوز موتورهای اطلاعاتی بومی ایکس ام ال موجود هستند، برای اطلاعات بیشتر به 2000Dejesus () مراجعه کنید.

DSS در فوکوس 8،5

ETLچیست؟
برنامه‌های بازیابی،تبدیل و بارگذاری کاربری مورد نیازواجرای همه فرایندها و،اطلاعات را از سیستم‌های منابع بازیابی و به عملیات‌ها اجزای داده تغییر می‌کند فرمت رایج تبدیل و در منبع داده‌ای هدف (مانندبرنامه ریزی،مدیریت خطا،حسابرسی مانند انبارداده بارگذاری می‌کند ابزار وآمار).
ETLداده‌ها را بین منبع و هدف جابجا می‌ETLبرای انبار داری و یکپارچه سازی داده کند وهنگام این جابجایی، ومبادله متا دیتا با‌ها فوق العاده مهم است.


DSS در فوکوس 9،5

بایدها و نباید‌ها لازم هنگام اجرا یک پروژه سرمایه گذاری ویکپارچه سازی عظیم

آنچه باید انجام داد :
1- جهانی فکر کنید و محلی عمل کنید. جسورانه طرح ریزی کنید، و بطور فزاینده عمل کنید.
2- اجزای یکپارچه چهارچوب پروژه را مشخص و تعریف کنید.
3- روی اهداف تجاری تمرکز کنید که دارای هزینه‌های بالا و پیچیدگی‌های فنی کمتری هستند.
4- با سیستم سرمایه گذاری به فنابدی برنامه استراتژیکی و راهبردی خودتان برخورد کنید.
5-برای پیشرفت خود خط مشی اتخاذ کنید که دارای الگو بوده و بتوان چند بار از آن استفاده کرد.
6-از نمونه اصلی به عنوان مولدی برای ارزیابی پروژه خود استفاده کنید.
7-یکپارچگی و مجتمع سازی را در بخش‌های مختلف چکیده پروژه رعایت کنید.
8-منطق تقاضا را در شالوده سرمایه گذاری بنا کنید.

9-مسئولیت پروژه خود را به بالاترین حد 5- فرض کنید که طرح‌های فرآیند شرکت واگذار کنید و انجام مذاکره را فراموش موجود برای یکپارچگی این فرآیند کافی نکنید. خواهد بود: در صورتی که این طرح‌ها یکسان
10-برای ثبت و ذخیره پیام‌ها برنامه ریزی نیستند.
کنید تا بتواند حسابرسی‌ها و وصول‌ها را به 6-برای تغییر فرآیندهای تجاری خود به عنوان نحو احسن پی گیری کنید. بخشی از اجرای درخواست سرمایه گذاری برنامه ریزی کنید.
آنچه نباید انجام داد: 7-قصور کنید که تمام دانش مربوطه در پروژه
1-به جای ارزیابی فن تجارت در فن آوری تیمی شما موجود می‌باشد.
اطلاعات به انتقاد از فن تجارت در طرح 8-متمرکز کردن کالاهای تجاری بخش سرمایه سرمایه گذاری بپردازید. گذاری به عنوان قسمتی از اجزای درخواست 2-برای یک دوره بیش از آنچه نیاز دارید سرمایه گذاری کنترل اوضاع را از شما سلب
خرید کنید. کند.
3-برای یک ذخیره داده،طرح برنامه سرمایه 9-سرکشی در تقاضاهای موجود
گذاری را جایگزین کنید. 10-استفاده از شیوه‌های موقتی و غیر رسمی
4-تمرکز بر روی یکپارچگی پروژه، بر پایه و تکنیک‌های طراحی پیام.
پیام رسانی و دقت در زمان مگر آنکه این امر کاملا اجباری باشد.
نرم افزار مجتمع سازی داده‌ها
طراحان نرم افزار مدیریت و ذخیره داده‌ها و مدارک برای انتقال داده‌ها از مبدا به مقصد به طور چشمگیری از سیستم ایکس ام ال استفاده می‌کنند. برای مثال: شرکت نرم افزاری کپتیو(Coptive) آرتی اس‌ای آمریکا (Rtse) شرکت محصولات تصویری کوفکس(Kofax) و شرکت نرم افزاری تاور(Tower) همگی برای انتقال مدارک به وب، اینترنت و برنامه‌های کاربردی مخابره‌ای از سیستم ایکس ام ال استفاده می‌کنند.
شرکت رزیتانت (Rossetta net) سازنده سیستم‌های ایکس ام ال به تازگی پیشنویس استاندارد بی تو بی (B2B) را ارائه داده است که به موجب آن بهره وری زنجیره‌ی ذخیره‌ی داده‌ها افزایش می‌یابد. شرکت بیزتاک (2000Biz talk) از ایکس ام ال به منظور کمک به شرکت‌هایی که درصدد مدیریت داده‌ها، تعادل آسان اطلاعات با شرکای تجاری خود و پرداخت هزینه‌های کمتر هستند، کمک می‌کند‌ای دی تی (ADT) (ابزار اطلاعاتی سابق) ابزاری برای انتقال داده‌ها از کامپیوتر است و بین تغیرات به وجود آمده و داده‌ها و برنامه‌های کاربردی ارتباط برقرار می‌کند. این نرم افزار به شرکت‌ها امکان را می‌دهد که بتوانند اطلاعات مورد نیازشان را از بیش از 30 منبع استخراج کرده و آن را انتقال دهند. این منابع شامل پایگاه اطلاعات مربوط به فایل‌های آی ام اس (IMS) و، وی اس‌ای ام(VSAM) و برنامه‌های کاربردی می‌باشد.
سپس این داده‌ها در پایگاه داده‌ها و یا انبار داده‌ها بارگذاری می‌شوند. شرکت واران لیستی از ابزارهای نرم افزاری تهیه کرده است که از سیستم ایکس ام ال برای استخراج و انتقال داده‌ها استفاده می‌کند.

DSS در فوکوس 3,1
مرتب کردن داده‌های ذخیره شده

در تمامی سازمان‌ها همیشه مقداری داده‌های افزونه، داده‌های غلط، داده‌های گم شده و داده‌هایی با کد‌های غلط وجود دارد که محتملا در سیستم‌هایی با ارتباطات محدود انبار شده اند.
این مشکل مشابه مشکل اتاق زیر شیروانی است که برای بسیاری از صاحبخانه‌ها امری آشنا و ملموس می‌باشد. مکانی که همواره پر از اشیایی چون جعبه‌های لباس‌های فصلی، وسایل تزئینی شب کریسمس،آلبوم‌های خانوادگی و دیگر اشیای مهم انبار شده است . به زودی شاهد خواهیم بود که بهم ریختگی و انباشته شدن این همه وسایل کنترل امور را از دست ما خارج خواهد کرد. این مساله امری است که به دفعات در شرکت‌ها رخ داده است واحد‌های اداری چند منظوره، طرح‌های تولیدی و بخش‌های تسهیلاتی دیگری که عهده دار اداره امور عرضه و تقاضای داده برای ارایه دهندگان منابع انسانی و سایر وظایف می‌باشد آمیزه‌ای از داده‌های مختلف تبدیل به انبوهی از اطلاعات ذخیره نشده و نا منطبق می‌شود. در این شرایط یکپارچگی و مجتمع سازی داده‌ها سیار سخت خواهد شد.
مرتب کردن داده‌ها :
پیش از مرتب کردن داده‌ها، بخش فن آوری اطلاعات باید طرحی را برای یافتن و جمع آوری تمامی داده‌ها و نیز اداره‌ی آنها ارائه دهد. توصیه‌ی متخصصان به شرح زیر می‌باشد:
1-نوع اطلاعات ذخیره شده را تعیین کنید.
برای انجام این کار یک هیئت نقشه برداری داده‌های تشکیل دهید.
2-از نرم افزارهای نقشه برداری استفاده کنید که قادر باشند داده‌های مورد نیاز را از بسیاری منابع شامل برنامه‌های کاربردی ـ فایل‌های شخصی، مدارک مربوط به سیستم اچ تی ام ال، منابع بی برنامه و سیستم‌های سرمایه گذاری جمع آوری کنند. چند مرکز اطلاعاتی وجود دارند که چنین نرم افزارهایی را توسعه می‌دهد.
3-کار خود را با پروژه‌های به صرفه شروع کنید. اولین پروژه یکپارچه و مجتمع سازه شده‌ای را که انتخاب می‌کنید باید متعلق به یک واحد تجاری باشد، پر سود باشد. در این صورت شما با معامله‌ای سودمند مواجه خواهید شد.
فرآیندی از نقشه برداری، مرتبت کردن و جمع آوری داده‌ها بوجود آورید. شرکت‌ها موظف هستند که به طور مستمر اطلاعات را بخش‌های مختلف استخراج و ذخیره کنند.



4,5 سرویس‌های پایگاه داده‌های مربوط به امور بازرگانی و اینترنتی
داده‌های بیرونی از منابع مختلف به سازمان‌ها منتقل می‌شوند. برخی از این داده‌ها طی همکاری با شرکای تجاری از پایگاه‌های معین منتقل می‌شوند.(مدیریت زنجیره‌ای ذخیره اطلاعات به واسطه همکاری به بخش 7 و 8 همین کتاب مراجعه کنید). اینترنت یک مرکز اطلاعاتی عظیم است.
-شبکه‌ی اینترنتی : دسترسی به هزاران پایگاه داده‌ای در سرتاسر دنیا از طریق اینترنت میسر می‌شود. یک کاربر اینترنتی می‌تواند به صفحات فروشندگان،مشتریان، و رقبا دسترسی پیدا کند به مشاهده و برداشت اطلاعات بپردازد و یا به انتقال یافته‌ها بپردازد. اینترنت مرکز ذخیره داده‌های بیرونی برای استفاده برای مواقع ضروری می‌باشد.
بانک داده‌های تجاری و بازرگانی: یک پایگاه اطلاعاتی بازرگانی اینترنتی این امکان را به شما می‌دهد که به پایگاه داده‌های مربوط دسترسی پیدا کنید. این سرویس قادر است داده‌های بیرونی را به موقع و با هزینه‌های مناسب به سیم ام ام اس منتقل کند . برای مثال داده‌های جی آی اس باید دائماً تصحیح و به روز شده، در دسترس عموم قرار گیرد. در حال حاضر چندین هزار سرویس اطلاعاتی در حال فعالیت هستند که بسیاری از آنها از طریق اینترنت مورد استفاده‌ی عموم قرار می‌گیرند. جدول 3,5 لیستی از سرویس‌های اطلاعاتی فعال را در اختیار شما قرار می‌دهد.
-جمع آوری داده‌ها ممکن است – از چندین منبع خارجی کاری پیچیده باشد. محصولات شرکت‌های مربوط مانند شرکت اراسل (oracle)، آی بی ام و سای بیس قادرند به این اطلاعات را از منابع خارجی دریافت کرده و آن را به صورت قابل استفاده در مکان‌های مناسب قرار داده تا در مواقع ضروری مورد استفاده قرار بگیرند. ازآنجایی که بسیاری از منابع مربوط به داده‌های بیرونی برروی شبکه‌های وب موجود می‌باشند. بهتر است S برای جمع آوری و تفسیر داده‌های بیرونی از عامل‌های اطلاعاتی هوشمند استفاده کنیم.
-پلیتیر، پیر، و هوانگ سیستم چند عاملی را معرفی کردند. که برای بازیابی داده‌های هوشمند از منابع تعمینی فایل‌های نامتجاین، مورد استفاده قرار می‌گیرند. این سیستم‌ها از عامل‌های نرم افزاری استفاده می‌کنند و برای مجتمع سازی داده‌ها کارایی دارند برای دریافت اطلاعات بیشتر بی لو یو ات ال 2000 مراجعه کنید.
سرویس‌های پایگاه داده‌های تجاری بازرگانی (بانک داده‌ها )
سایت کمپیوسرو با آدرس اینترنتی و منبع آن. شبکه‌های ارتباطی کامپیوتر شخصی بانک‌های داده‌های آماری ( داده‌های در رابطه با تجارت و آمار بازارهای مالی) و نیز بانک‌های اطلاعاتی مربوط به فهرست کتب ( اطلاعاتی در رابطه با اخبار، منابع، کتابخانه‌ها و دایره المعارف‌های الکترونیکی) را ایجاد کرده اند.
سایت کمپیوسرو بزرگترین سرویس‌های اطلاعاتی برای استفاده‌ی کاربران کامپیوتر شخصی می‌باشند.
-سایت کمیواستت . این سایت داده‌های مربوط به آمار مالی ده‌ها شرکت را در اختیار کاربران قرار می‌دهد، منابع ثبت شده‌ی اطلاعاتی ایجاد بانک داده‌های آماری در رابطه با کشاورزی، بانکداری، خرید کالا، آمارنگاری، اقتصاد، انرژی، سرمایه گذاری، بیمه، تجارت بین الملی فولاد و صنعت حمل و نقل، می‌پردازد .
-اقتصاددان‌های شرکت‌های نرم افزاری تعدادی از این بانک‌های داده‌ای را ذخیره می‌کنند. سایت استاندارد و فقر نیز یکی از این منابع به شمار می‌رود که به ارائه‌ی سرویس‌هایی که زیر نظر بانک مرکزی داده‌های ایالات متحده می‌باشند، می‌پردازد.
-سرویس اطلاعاتی داوجنز بانک ملی داده‌های آماری را در رابطه با بازارهای بورس و سایر بازارهای مالی و فعالیت‌های مربوط به آن و نیز آمارهای مالی مربوط به کلیه‌ی شرکت‌هایی که در مبادلات بورس امریکا و نیویورک فعالیت دارند و نیز هزارات شرکت منتخب دیگر را در اختیار کاربران قرار می‌دهد.
-اخبار مربوط به این سایت در روزنامه وال استریت بارن و سرویس خبری داو جنز قابل دریافت است.

سیستم‌های اطلاعاتی لاک هید بزرگترین مرکز اطلاعات کتاب شناسی به شمار می‌رود. سیستم گویای این مرکز خلاصه اطلاعات و چکیده‌ای از هزاران بانک اطلاعاتی مربوط به کشاورزی، تجارت، اقتصاد، آموزش، انرژی، مهندسی، محیط زیست، زیر سازی، انتشار اخبار، دولت، تجارت بین المللی، ثبت اختراعات، داروسازی، دانش و دانش اجتماعی ارائه می‌دهد اطلاعات این سیستم بر پایه‌ی پژوهش‌های اقتصادی شرکت‌های مختلف به از جمله شرکت‌های تجاری و آژانس‌های دولتی می‌باشد.
مرکز داده‌های مید، این سرویس بانک داده‌ها، دو بانک بزرگ کتاب شناسی را به کاربران خود معرفی می‌کند . یکی از آنها بانک داده‌های لکسیس است که به ارائه‌ی مقالات واطاعات قانونی و حقوقی می‌پردازد. و دیگری بانک داده‌های نکسیس می‌باشد یک پایگاه اطلاعاتی کتاب شناسی کامل که شامل روزنامه، مجلات و نامه‌های خبری، سرویس‌های خبری، مدارک دولتی و غیره می‌باشد را به کاربران ارائه می‌دهد. این پایگاه داده‌ای شامل متن کامل و نیز خلاصه‌های روزنامه‌ی نیویورک تایمز و 29 جلد دایره المعارف انگلیسی می‌باشد. این پایگاه همچنین دارای بانک داده‌های هوشمند بازاریابی و تبلیغات و نیز سیستم پژوهش حسابداری ملی اتوماتیک می‌باشد.

سیستم‌ها و پایگاه داده‌ای شرکت‌ها و شبکه‌های جهانی
توسعه در سیستم‌های مدیریت مدارک و سیستم‌های مدیریت ظرفیت به میزان استفاده‌ی کارمندان و مشتریان از جستجوگرهای اینترنتی برای دسترسی به اطلاعات به روز بستگی دارد. مسائل دشوار در سیستم‌های شبکه جهانی دشوار تر می‌شوند ( به گیت 2002 و رایزا 2003 مراجعه کنید)
تصحیح و به روز رسانی مدارک، اطلاعات و سایر موارد از اهمیت ویژه‌ای برخوردار است در غیر اینصورت این داده‌ها فاقد ارزش و اعتبار خواهند بود. محاسبات دقیق مخصوصاً در رابطه با سیستم‌های مدیریت توسعه و مدیریت گنجایش از اهمیت بسیاری برخوردار است . مدیران شرکت‌ها امیدوارند که سیستم‌های دی ام اس و سی ام اس بتوانند مدارک و اطلاعاتی را که در رابطه با وضعیت سازمان‌های مربوطه می‌باشد .
در هر دقیقه تصحیح و به روز رسانی کنند. ( به گیت، 2002، رادن و آ 2002و 2003 ب مراجعه شود) دسترسی سریع به چنین اطلاعات به روزی نشان دهنده‌ی پیچیدگی‌های موجود در طراحی و توسعه‌ی انبار داده‌ها و ابزارهای در دسترس آن می‌باشد. ( برای توضیحات بیشتر به بخش 12/5 مراجعه کنید) شبکه‌های توسعه یافته‌ی دیگر شامل نرم افزار
پایلت همراه با نرم افزار بلوسل و سیستم‌های پشتیبانی گروهی می‌باشند که از طریق برنامه‌های کامپیوتری و سیستم‌های مدیریت پایگاه داده‌ای به طور مستقیم به تهیه‌ی داده‌هایی می‌پردازند که جستجوگرهای شبکه جهانی قادر به دریافت و نشان دادن آن از طریق اینترنت باشد.

مرکز انتشارات اینترنتی پایلت یک سازمان مستقل تولید شبکه‌های جهانی محسوب می‌شود . سه شرکت بزرگ فروشنده‌ی سیستم‌های مدیریت پایگاه داده‌ها مربوطه – اراکل و مایکروسافت و آی بی ام که دارای محصولات اصلی پایگاه داده‌های هستند. بین خدمات رسان و مراجع و برنامه‌های اینترنتی که داده‌های غنی چند رسانه‌ای و جدید را ثبت کنند هماهنگی ایجاد می‌کنند.
از این رو دیگر شرکت‌ها نیز در این زمینه فعالیت می‌کنند. طراحان شرکت اوراکل قادر به ساخت برنامه‌های گرافیکی خدمات رسان و مراجع در کو پی ال / اس کی وال و اجرای برنامه زبانی اس کی وال و کوبال و سی پلاس پلاس می‌باشند. ابزارهای دیگر به تهیه تسهیلات جستجوگرهای شبکه‌ی جهانی ایجاد شبکه‌های چند رسانه ای، نوشتن متن‌های محتوا و مراحل برنامه‌ای اُ ال‌ای پی می‌پردازند.
استراتژی شبکه مایکروسافت حمایت از هوش تجاری شبکه جهانی می‌باشد.
عرضه کنندگان داده‌ها به وب سایت‌ها و مجتمع سازی پایگاه داده‌ها شامل این مراکز می‌باشند.
اسپایدر تکنولوژی،‌هارت سافت ویر، شرکت نکست سافت ویر، شرکت نت آبجکتس، شرکت اُُراکل، و وان ویو، این عرضه کنندگان، تکنولوژی شبکه جهانی را با منافع و سیستم‌های پایگاه اطلاعات پیوند می‌دهند.
استفاده از شبکه جهانی بر محاسبات در شکل ابزار گروهی (فصل 7) و سیستم داده‌های سرمایه گذاری (فصل8) سیستم مدیریت دانش ( فصل9) سیستم‌های مدیریت مدارک و کلیه‌ی موارد مربوط به طراحی شامل سایر سیستم‌های اطلاعاتی سرمایه گذاری مانند: سیستم‌های‌ای آر پی با طراحی منابع سرمایه گذاری‌ای آر ام با مکانیسم سرعت مبادله اس سی ام با انجمن پزشکی کامپیوتر می‌پردازد.

5,5سیستم‌های مدیریت پایگاه داده‌ها در سیستم‌های پشتیبانی تصمیم گیری/ هوش تجاری
پیچیدگی اغلب پایگاه‌های داده‌ای گروهی و پایگاه‌های داده‌های مستقل ام ام اس در مقیاس بزرگ باعث می‌شود سیستم‌های عامل کامپیوترهای معیار برای وجه اشتراک بین کاربران و پایگاه‌های اطلاعاتی ناکافی باشند. سیستم مدیریتی پایگاه داده‌ها با دادن امکان مجتمع سازی هر چه بیشتر داده‌ها، ساختار فایلی پیچیده، مبادله و بازیابی سریع، حفظ هر چه بیشتر امنیت داده‌ها سیستم عامل معیار را تکمیل می‌کند .
سیستم‌های مدیریتی پایگاه داده‌ها برنامه‌ی نرم افزاری است که برای افزودن اطلاعات به پایگاه داده‌ها، بروز رسانی،حذف بهره وری،ذخیره و بازیابی اطلاعات مورد استفاده قرار می‌گیرند.
سیستم مدیریت پایگاه داده‌ها که با یک زبان طراحی ترکیب می‌شود نوعی سیستم توسعه یافته است که برای ایجاد سیستم‌های پشتیبانی تصمیم گیری و سایر سیستم‌های پشتیبانی مدیریت استفاده می‌شود.
سیستم مدیریت پایگاه داده‌ها برای کنترل داده‌ها در مقیاس‌های بزرگ کاربرد دارد.
داده‌ها اغلب از پایگاه‌های داده‌ها استخراج شده و به منظور بهره وری و تحلیل بیشتر داده‌ها در طرح‌های آماری، مالی و ریاضی قرار داده می‌شوند. سیستم پیچیده دی دی اس نیز این وظیفه را بر عهده دارد.
وظیفه اصلی سیستم‌های مدیریتی پایگاه داده‌ها، مدیریت داده‌ها می‌باشد. منظور از مدیریت داده‌ها ایجاد، حذف، تغییر و نمایش داده‌ها است. سیستم‌های مدیریت پایگاه داده‌ها به کاربران این امکان را می‌دهند که علاوه بر انتشار داده‌ها در رابطه با داده‌ها نیز سوال‌های خود را مطرح کنند. ( برای کسب اطلاعات بیشتر به راما کرش نان، و گیرگ،2000 مراجعه کنید). یک مدیریت پایگاه داده‌ها موفق همراه با بازیابی داده‌ها می‌تواند برای شرکت‌ها سودهای کلانی را به همراه داشته باشد. همانگونه که در ضمیمه 11,5 اجرای سیستم دی دی اس توضیح دادیم.
متاسفانه دررابطه با نقش سیستم مدیریت داده‌ها و صفحات گسترده برخی مشکلات و پیچیدگی‌ها وجود دارد. زیرا قابلیت‌های این سیستم مشابه قابلیت‌های موجود در صفحات گسترده‌ی مجتمع سازی شده چون برنامه‌ی اکسل می‌باشد و این امر کاربران سیستم مدیریتی پایگاه داده‌ها را قادر می‌سازد که کار صفحات گسترده‌ی سیستم دی دی اس را به سادگی با سیستم مدیریت پایگاه داده‌ها انجام دهند.
بسیاری از برنامه‌های صفحات گسترده مجموعه‌ای از قابلیت‌های اولیه و مقدماتی سیستم‌های مدیریت پایگاه داده‌ها را به کاربران ارائه می‌دهند. اگر چه چنین مجموعه‌ای در برخی موارد می‌تواند ارزشمند باشد اما در موارد دیگر می‌تواند منجر به طولانی شدن فرآیند پردازش داده‌ها و نتایجی نه چندان مفید شود. افزایش تسهیلات به این سیستم‌ها به اندازه‌ی کافی قاطعانه نیست و اغلب بسیار دردسر ساز و دشوار است و در پایان، باید اضافه کرد که ممکن است حافظه این کامپیوترها اندازه صفحات گسترده‌ی کاربران را محدود کند. سیستم مدیریت پایگاه داده‌ها، برای برخی برنامه‌های کاربردی با چندین پایگاه اطلاعاتی همکاری کرده و بیش از صفحات گسترده قادر به پردازش داده‌ها می‌باشد.
برای استفاده از برنامه سیستم پشتیبانی تصمیم گیری دی اس اس لازم است که هم با مدل‌ها و هم داده‌ها کار کنید. بنابر این استفاده از تنها یک ابزار مجتمع سازی مانند برنامه اکسل کارآمد نخواهد با این وجود برقراری ارتباط بین سیستم مدیریتی پایگاه داده‌ها و صفحات گسترده فرآیندی بسیار ساده است که مبادله‌ی داده‌ها را بین برنامه‌های مستقل و کارآمد تسهیل می‌کند. مدل شبکه‌های جهانی وب و ابزارهای پایگاه داده‌ها به منظور همکاری با یکدیگر طراحی شده‌اند ( فُرِِر 2001)
برنامه‌های سیستم پشتیبانی تصمیم گیری یا دی اس اس در مقیاس‌های متوسط و کوچک سیستم مدیریت پایگاه داده‌های پیشرفته و یا صفحات گسترده‌ی مجتمع سازی شده را ایجاد می‌کنند. سیستم دی اس اس را یک سیستم ساده‌ی مدیریت پایگاه داده‌ها و یک برنامه‌ی صفحه گسترده نیز می‌تواند ایجاد کند.
سومین راه برای ایجاد برنامه دی اس اس استفاده از یک مولد مجتمع سازی شده‌ی دی اس اس می‌باشد.
معامله سه میلیارد دلاری شبکه‌های محلی شرکت اویل ضمیمه 11,5
بازیابی و مدیریت کارآمد داده‌ها تا چه میزان اهمیت دارد؟ شرتک اویل موفق به عقد یک قرارداد سه میلیارد دلاری، برای زیرسازی فناوری اطلاعات خود شده است .در این قرارداد ده ساله شرکت اویل موظف است قطعات یدکی موتورهای هواپیمای رل ریس را توزیع کند.
یکی از دلایل موفقیت شرکت اویل قابلیت این شرکت برای ارائه‌ی سرویس‌های پیشرفته می‌باشد مانند پیش بینی در میزان فروش کالا . این شرکت به تازگی از سیستم‌های طراحی منابع سرمایه گذاری‌ای آر پی . مدیریت زنجیره‌ای ذخیره‌ی داده‌ها، مدیریت روابط با مشتری و برنامه‌های کاربردی تجارت اینترنتی اطلاعات دریافت می‌کند. تا بواسطه‌ی آن بتواند دسترسی به فهرست قطعات هواپیمایی و کشتی‌های خود را تسهیل کند 0 هزینه‌ی برخی از آنها 30 تا 40 میلیون دلار برآورد می‌شود.
انتظار می‌رود که این سیستم با کاستن هزینه‌های مربوط به فهرست‌های از دست رفته خود به تنهایی، هزینه‌های این پروژه را عهده دار شود. دسترسی به موقع و سریع به اطلاعات عملی رقابتی است که منجر به بالارفتن بازدهی می‌شود.


6,5ساختارها و سازمان‌های پایگاه داده‌ها
چندین ساختار منطقی می‌تواند رابطه‌ی بین اسناد و اطلاعات شخصی ذخیره شده را در یک پایگاه داده‌ها شرح دهد. ( به کرنک و 2002، منینو 2001 و مک فادن 2002 و پست 2002 و وری کاردی 2003 مراجعه کنید.) سیستم‌های مدیریت پایگاه داده‌ها نیز به گونه‌ای طراحی شده‌اند که از چنین ساختارهایی برای انجام وظایف خود بهره بگیرند.
این ساختار رایج شامل: ساختار رابطه‌ای سلسله‌ای و شبکه‌ای می‌شود که در جدول 1,5 نشان داده شده است.

پایگاه داده‌های رابطه‌ای
در سیستم پایگاه داده‌های دی اس اس، ساختار رابطه‌ای به صورت مسطح یا جدول به نمایش در می‌آید. این ساختار کاربران را قادر می‌سازد که داده‌ها را در جداول دو بعدی ( شیوه‌ای که در میان مردم نیاز رایج است، مشاهده نمایند. ساختار رابطه‌ای سیستم مدیریت پایگاه داده امکان دسترسی بکاربران را به طرح درخواست خود چند برابر می‌کند. بنابر این یک فایل داده‌ای شامل تعدادی ستون در قسمت پایین صفحه می‌باشد. هر ستون بخشی جداگانه و مستقل محسوب می‌شود. داده‌های ردیف شده در یک صفحه نشانگر داده‌های شخصی است که در چندین بخش طراحی و تنظیم گردیده است. طراحی صفحات گسترده نیز به همین ترتیب می‌باشد. چند فایل داده‌ای را می‌توان توسط یک بخش مشترک داده که در آن دو یا چند فایل وجود دارد به یکدیگر مربوط نمود. نام این بخش‌های مشترک باید با دیکته‌ی درست آن نوشته شود و اندازه و نوع این بخش‌ها باید یکسان و مشابه با یکدیگر باشد. ( بایت‌های کاملاً یکسان) برای مثال در جدول 1,5 بخش داده‌های مربوط به نام مشتری هم در فایل مشتری و هم در فایل کاربردی موجود است و این ویژگی نشان می‌دهد که این دو فایل به همر مربوط هستند. عدد مربوط به حاصل بخش داده‌ها را می‌توان در فایل حاصل و نیز فایل کاربردی مشاهده نمود. به واسطه‌ی این ارتباط مشترک این سه فایل با یکدیگر مرتبط شده و پایگاه داده‌های رابطه‌ای را ایجاد می‌کنند.
مزیت پایگاه داده‌های رابطه‌ای شامل سهولت در آگاهی مصرف کننده، سهولت در گسترش و تغییر داده‌ها، دسترسی نسبی از داده‌ها که بهنگام طراحی و گسترش اولیه‌ی پایگاه داده‌ها از میزان معین بیشتر نشود. این ساختار میزان بیشتری از اطلاعات و دسترسی کارآمد به آن را فراهم می‌سازد. بسیاری از انبارهای داده‌ها به وسیله‌ی ساختار رابطه‌ای سازمان دهی می‌شوند.

پایگاه داده‌های سلسله‌ای
در مدل سلسله ای، داده‌ها از بالا به پایین مرتب می‌شوند و بین داده‌ها رابطه‌ای منطقی برقرار می‌شود. این مدل شبیه به مدل درختی و یا نمودارهای سازمانی می‌باشد . این مدل به طور عمده در پردازش معاملاتی که نتایج آنها فهم و حیاتی باشد کاربرد دارد.

پایگاه داده‌های شبکه
ساختار پایگاه داده‌های شبکه ای، امکان برقراری ارتباطات پیچیده‌ای چون اتصال جانبی بین داده‌های مرتبط را افزایش می‌دهد. نام دیگر این ساختار مدل کداسیل می‌باشد .این ساختار قادر است فضای ذخیره سازی را به واسطه‌ی اشتراک برخی از داده‌ها حفظ کند. برای مثال در شکل 1,5 سبز و قهوه‌ای T.L ,S.L را به اشتراک گذارده اند.
پایگا ه داده‌های مقصود گرا
برنامه‌های کاربردی و جامع سرویس‌های ماهواره‌ای موبایل یا ام اس اس، مانند برنامه‌هایی که شامل ساخت کامپیوترهای مجتمع سازی شده می‌باشند. نیازمند دسترسی به داده‌های پیچده‌ای که شامل عکس‌ها و ارتباطات گسترده هستند
می باشند. و چنین شرایطی نمی‌توان داده‌ها را براساس ساختار سلسله ای، شبکه‌ای و حتی ساختار رابطه‌ای که عمداً در شیوه‌ی الفبای عددی کاربرد دارد سازمان دهی کرد. برای ایجاد و دسترسی به پایگاه داده‌های رابطه‌ای ممکن است حتی سیستم اس کی وال نیز کارآمد نباشد برای اجرای چنین برنامه‌هایی باید از یک نمودار گرافیکی ( مانند شیوه‌ای که در سیستم مقصود گرا اعمال می‌شود) استفاده کرد. مدیریت داده‌های مقصود گرا بر پایه‌ی اصول برنامه نویسی مقصود گرا می‌باشد ( برای جزئیات بیشتر به فصل شبکه جهانی، همچنین به مور و بریت 2001 مراجعه کنید). سیستم پایگاه داده‌های مقصود گرا به ترکیب ویژگی‌هایی زبان برنامه نویسی مقصود گرا ( مانند برنامه‌ی وریتو و یو ام ال ) با مکانیسم دسترسی و ذخیره‌ی اطلاعات می‌پردازد. ابزارهای مقصود گرا به طور مستقیم بر پایگاه داده‌ها تمرکز می‌کنند. سیستم مدیریت پایگاه داده‌های مقصود گرا با اُ اُ دی بی ام اس . این امکان را میدهد که داده‌ها به شکلی قابل فهم تحلیل شوند و برارتباط طبیعی بین داده‌ها تاکید دارد. یک چکیده برای ایجاد سلسله مراتب و خلاصه کردن اهداف استفاده می‌شود و به طراحان پایگاه داده‌ها امکان می‌دهد که داده‌ها و رمزهای متداول را در یک هدف واحد ذخیره کنند. سیستم مدیریت داده‌های مقصود گرا، داده‌ها را به صورت اهداف تعریف کرده و با ساختارهای مربوط به آنها خلاصه می‌کند.
این سیستم از یک سلسله گروه‌ها و زیر گروه‌های مربوط به داده‌ها استفاد