Понятие системы поддержки принятия решений (сппр). характеристика и назначение

Введение

Современные системы поддержки принятия решения (СППР) представляют собой системы, максимально приспособленные к решению задач повседневной управленческой деятельности, являются инструментом, призванным оказать помощь лицам, принимающим решения (ЛПР). С помощью СППР может производится выбор решений некоторых неструктурированных и слабоструктурированных задач, в том числе и многокритериальных.

СППР, как правило, являются результатом мультидисциплинарного исследования, включающего теории баз данных , искусственного интеллекта , интерактивных компьютерных систем, методов имитационного моделирования.

Как справедливо отмечено в , «… с момента появления первых разработок по созданию СППР, не было дано четкого определения СППР…».

Ранние определения СППР (в начале 70-х годов прошлого века) отражали следующие три момента: (1) возможность оперировать с неструктурированными или слабоструктурированными задачами, в отличие от задач, с которыми имеет дело исследование операций ; (2) интерактивные автоматизированные (то есть реализованные на базе компьютера) системы; (3) разделение данных и моделей . Приведем определения СППР: СППР - совокупность процедур по обработке данных и суждений, помогающих руководителю в принятии решений, основанная на использовании моделей .

История создания СППР

До середины 60-х годов прошлого века создание больших информационных систем (ИС) было чрезвычайно дорогостоящим, поэтому первые ИС менеджмента (так называемые Management Information Systems - MIS) были созданы в эти годы лишь в достаточно больших компаниях. MIS предназначались для подготовки периодических структурированных отчетов для менеджеров.

• В конце 60-х годов появляется новый тип ИС - модель-ориентированные СППР (Model-oriented Decision Support Systems - DSS) или системы управленческих решений (Management Decision Systems - MDS).

По мнению первооткрывателей СППР Keen P. G. W., Scott Morton M. S. (1978), концепция поддержки решений была развита на основе «теоретических исследований в области принятия решений… и технических работ по созданию интерактивных компьютерных систем».

• В 1971 г. - опубликована книга Scott Morton‘а , в которой впервые были описаны результаты внедрения СППР, основанной на использовании математических моделей .

• 1974 г. - в работе дано определение ИС менеджмента - MIS (Management Information System): «MIS - это интегрированная человеко-машинная система обеспечения информацией, поддерживающая функции операций, менеджмента и принятия решений в организации. Системы используют компьютерную технику и программное обеспечение, модели управления и принятия решений, а также базу данных» .

• 1975 г. - J.D.C.Little в работе предложил критерии проектирования СППР в менеджменте.

• 1978 г. - опубликован учебник по СППР , в котором исчерпывающе описаны аспекты создания СППР: анализ, проектирование, внедрение, оценка и разработка.

• 1980 г. - опубликована диссертация S. Alter , в которой он дал основы классификации СППР.

• 1981 г. - Bonczek, Holsapple и Whinston в книге создали теоретические основы проектирования СППР. Они выделили 4 необходимых компонента, присущих всем СППР: 1) Языковая система (Language System - LS) - СППР может принимать все сообщения; 2) Система презентаций (Presentation System (PS)) (СППР может выдавать свои сообщения); 3) Система знаний (Knowledge System - KS) - все знания СППР сохраняет; 4) Система обработки задач (Problem-Processing System (PPS)) - программный «механизм», который пытается распознать и решить задачу во время работы СППР.

• 1981 г. - В книге R.Sprague и E.Carlson описали, каким образом на практике можно построить СППР. Тогда же была разработана информационная система руководителя (Executive Information System (EIS)) - компьютерная система, предназначенная для обеспечения текущей адекватной информации для поддержки принятия управленческих решений менеджером.

• Начиная с 1990-х, разрабатываются так называемые Data Warehouses - хранилища данных .

• В начале нового тысячелетия была создана СППР на основе Web.

• 27 октября 2005 года в Москве на Международной конференции «Информационные и телемедицинские технологии в охране здоровья» (ITTHC 2005), А. Пастухов (Россия) представил СППР нового класса - PSTM (Personal Information Systems of Top Managers). Основным отличием PSTM от существующих СППР является построение системы для конкретного лица, принимающее решение, с предварительной логико-аналитической обработкой информации в автоматическом режиме и выводом информации на один экран.

Классификации СППР

Для СППР отсутствует не только единое общепринятое определение, но и исчерпывающая классификация. Разные авторы предлагают разные классификации.

На уровне пользователя Haettenschwiler (1999) делит СППР на пассивные, активные и кооперативные СППР. Пассивной СППР называется система, которая помогает процессу принятия решения, но не может вынести предложение, какое решение принять. Активная СППР может сделать предложение, какое решение следует выбрать. Кооперативная позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения.

На концептуальном уровне Power (2003) отличает СППР, управляемые сообщениями (Communication-Driven DSS), СППР, управляемые данными (Data-Driven DSS), СППР, управляемые документами (Document-Driven DSS), СППР, управляемые знаниями (Knowledge-Driven DSS) и СППР, управляемые моделями (Model-Driven DSS). СППР, управляемые моделями, характеризуются в основном доступ и манипуляции с математическими моделями (статистическими, финансовыми, оптимизационными, имитационными). Отметим, что некоторые OLAP-системы, позволяющие осуществлять сложный анализ данных, могут быть отнесены к гибридным СППР, которые обеспечивают моделирование, поиск и обработку данных.

Управляемая сообщениями (Communication-Driven DSS) (ранее групповая СППР - GDSS) СППР поддерживает группу пользователей, работающих над выполнением общей задачи.

СППР, управляемые данными (Data-Driven DSS) или СППР, ориентированные на работу с данными (Data-oriented DSS) в основном ориентируются на доступ и манипуляции с данными. СППР, управляемые документами (Document-Driven DSS), управляют, осуществляют поиск и манипулируют неструктурированной информацией, заданной в различных форматах. Наконец, СППР, управляемые знаниями (Knowledge-Driven DSS) обеспечивают решение задач в виде фактов, правил, процедур.

На техническом уровне Power (1997) различает СППР всего предприятия и настольную СППР. СППР всего предприятия подключена к большим хранилищам информации и обслуживает многих менеджеров предприятия. Настольная СППР - это малая система, обслуживающая лишь один компьютер пользователя. Существуют и другие классификации (Alter , Holsapple и Whinston , Golden, Hevner и Power ). Отметим лишь, что превосходная для своего времени классификация Alter‘a, которая разбивала все СППР на 7 классов, в настоящее время несколько устарела.

В зависимости от данных, с которыми эти системы работают, СППР условно можно разделить на оперативные и стратегические. Оперативные СППР предназначены для немедленного реагирования на изменения текущей ситуации в управлении финансово-хозяйственными процессами компании. Стратегические СППР ориентированы на анализ значительных объемов разнородной информации, собираемых из различных источников. Важнейшей целью этих СППР является поиск наиболее рациональных вариантов развития бизнеса компании с учетом влияния различных факторов, таких как конъюнктура целевых для компании рынков, изменения финансовых рынков и рынков капиталов, изменения в законодательстве и др. СППР первого типа получили название Информационных Систем Руководства (Executive Information Systems, ИСР). По сути, они представляют собой конечные наборы отчетов, построенные на основании данных из транзакционной информационной системы предприятия, в идеале адекватно отражающей в режиме реального времени основные аспекты производственной и финансовой деятельности. Для ИСР характерны следующие основные черты:

• отчеты, как правило, базируются на стандартных для организации запросах; число последних относительно невелико;
• ИСР представляет отчеты в максимально удобном виде, включающем, наряду с таблицами, деловую графику, мультимедийные возможности и т. п. ;
• как правило, ИСР ориентированы на конкретный вертикальный рынок, например финансы, маркетинг, управление ресурсами.

СППР второго типа предполагают достаточно глубокую проработку данных, специально преобразованных так, чтобы их было удобно использовать в ходе процесса принятия решений. Неотъемлемым компонентом СППР этого уровня являются правила принятия решений, которые на основе агрегированных данных дают возможность менеджерам компании обосновывать свои решения, использовать факторы устойчивого роста бизнеса компании и снижать риски. СППР второго типа в последнее время активно развиваются. Технологии этого типа строятся на принципах многомерного представления и анализа данных (

Архитектура СППР представляется разными авторами по-разному. Приведем пример. Marakas (1999) предложил обобщенную архитектуру, состоящую из 5 различных частей: (a) система управления данными (the data management system - DBMS), (b) система управления моделями (the model management system - MBMS), (c) машина знаний (the knowledge engine (KE)), (d) интерфейс пользователя (the user interface) и (e) пользователи (the user(s)).

Примечания

См. также

• Теория принятия решений

Ссылки

Литература

1. Ларичев О. И., Петровский А. В. Системы поддержки принятия решений. Современное состояние и перспективы их развития. // Итоги науки и техники. Сер. Техническая кибернетика. - Т.21. М.: ВИНИТИ, 1987, с. 131-164, http://www.raai.org/library/papers/Larichev/Larichev_Petrovsky_1987.pdf
2. Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии //Труды Крымской Академии наук. - Симферополь: СОНАТ, 2006. - С. 47-59, http://matmodelling.pbnet.ru/Statya_Saraev_Shcherbina.pdf
3. Alter S. L. Decision support systems: current practice and continuing challenges. Reading, Mass.: Addison-Wesley Pub., 1980.
4. Bonczek R.H., Holsapple C., Whinston A.B. Foundations of Decision Support Systems.- New York: Academic Press, 1981.
5. Davis G. Management Information Systems: Conceptual Foundations, Structure, and Development. - New York: McGraw-Hill, 1974.
6. Druzdzel M. J., Flynn R. R. Decision Support Systems. Encyclopedia of Library and Information Science. - A. Kent, Marcel Dekker, Inс., 1999.
7. Edwards J.S. Expert Systems in Management and Administration - Are they really different from Decision Support Systems? // European Journal of Operational Research, 1992. - Vol. 61. - pp. 114-121.
8. Eom H., Lee S. Decision Support Systems Applications Research: A Bibliography (1971-1988) // European Journal of Operational Research, 1990. - N 46. - pp. 333-342.
9. Finlay P. N. Introducing decision support systems. - Oxford, UK Cambridge, Mass., NCC Blackwell: Blackwell Publishers, 1994.
10. Ginzberg M.I., Stohr E.A. Decision Support Systems: Issues and Perspectives // Processes and Tools for Decision Support / ed. by H.G. Sol.. - Amsterdam: North-Holland Pub.Co, 1983.
11. Golden B., Hevner A., Power D.J. Decision Insight Systems: A Critical Evaluation // Computers and Operations Research, 1986. - v. 13. - N2/3. - p. 287-300.
12. Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungs-unterstutzung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft. Zurich: Hochschulverlag AG, 1999. - S. 189-208.
13. Holsapple C.W., Whinston A.B. Decision Support Systems: A Knowledge-based Approach. - Minneapolis: West Publishing Co., 1996.
14. Keen P.G.W. Decision support systems: a research perspective. Decision support systems: issues and challenges. G. Fick and R. H. Sprague. Oxford ; New York: Pergamon Press, 1980.
15. Keen P.G.W. Decision Support Systems: The next decades // Decision Support Systems, 1987. - v. 3. - pp. 253-265.
16. Keen P.G.W., Scott Morton M. S. Decision support systems: an organizational perspective. Reading, Mass.: Addison-Wesley Pub. Co., 1978.
17. Little I.D.C. Models and Managers: The Concept of a Decision Calculus // Management Science, 1970. - v. 16. - N 8.
18. Marakas G. M. Decision support systems in the twenty-first century. Upper Saddle River, N.J.: Prentice Hall, 1999.
19. Power D. J. «What is a DSS?» // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. - v. 1. - N3.
20. Power D. J. Web-based and model-driven decision support systems: concepts and issues. Americas Conference on Information Systems, Long Beach, California, 2000.
21. Power D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web, version 2.8, May 31, 2003.
22. Scott Morton M. S. Management Decision Systems: Computer-based Support for Decision Making. - Boston: Harvard University, 1971.
23. Sprague R. H., Carlson E. D. Building Effective Decision Support Systems. - Englewood Cliffs, NJ: Prentice-Hall, 1982.
24. Sprague R.H. A Framework for the Development of Decision Support Systems // MIS Quarterly, 1980. - v. 4. - pp. 1-26.
25. Thierauf R.J. Decision Support Systems for Effective Planing and Control. -Englewood Cliffs, N.J: Prentice Hall, Inc, 1982. - 536 p.

Wikimedia Foundation . 2010 .

Смотреть что такое "СППР" в других словарях:

СППР - Специализированное предприятие противопожарных работ ЗАО http://www.sppr.ru/​ Москва, организация СППР система поддержки принятия решений управление СППР светильник подвесной призматический ртутны … Словарь сокращений и аббревиатур

СППР РК - Союз промышленников, предпринимателей и работодателей Республики Коми организация, Республика Коми

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Подобные документы

Исследование технологического процесса по производству газобетона. Модель "как будет" процесса диагностирования состояния технологического процесса производства газобетона с учетом системы поддержки принятия решений. Прототипирование интерфейса СППР.

дипломная работа , добавлен 17.06.2017


Изучение назначения и основных задач, которые решает Project Expert - система поддержки принятия решений (СППР), предназначенная для менеджеров, проектирующих финансовую модель нового или действующего предприятия. Программные приложения, этапы работы.

реферат , добавлен 19.05.2010


Классификация информационных систем управления деятельностью предприятия. Анализ рынка и характеристика систем класса Business Intelligence. Классификация методов принятия решений, применяемых в СППР. Выбор платформы бизнес-интеллекта, критерии сравнения.

дипломная работа , добавлен 27.09.2016


Классификация систем поддержки принятия решений. Сравнительный анализ методик для оценки рисков розничного кредитования. Структура системы поддержки принятия решений, формирование начальной базы знаний. Проектирование базы данных информационной системы.

дипломная работа , добавлен 10.07.2017


Концепция систем поддержки принятия решений. Диапазон применения Analytica 2.0. Программное обеспечение количественного моделирования. Графический интерфейс для разработки модели. Основные способы моделирования. Диаграмма влияния и дерево решений.

контрольная работа , добавлен 08.09.2011


Разработка алгоритмического и программного обеспечения для решения задачи поддержки принятия решений о выпуске новой продукции. Математическое обеспечение задачи поддержки принятия решений о выпуске новой продукции, основные входные и выходные данные.

дипломная работа , добавлен 08.03.2011


Типы административных информационных систем: системы генерации отчетов, системы поддержки принятия решений, системы поддержки принятия стратегических решений. Сортировка и фильтрация списков в Microsoft Excel. Работа с базами данных в Microsoft Access.

контрольная работа , добавлен 19.11.2009

Введение

Зачем нужны СППР :

1. Сложность в принятии решений
2. Необходимость в точной оценке различных альтернатив
3. Необходимость предсказательного функционала
4. Необходимость мультипотокового входа (для принятия решения нужны выводы на основе данных, экспертные оценки, известные ограничения и т.п.)

С начала 80-х уже можно говорить о формировании подклассов СППР , таких как MIS (Management Information System), EIS (Executive Information System), GDSS (Group Decision Support Systems), ODSS (Organization Decision Support Systems) и др. По сути, эти системы представляли собой фреймворки, спососбные работать с данными на различных уровнях иерархии (от индивидуального до общеорганизационного), а внутрь можно было внедрить какую угодно логику. Примером может служить разработанная Texas Instruments для United Airlines система GADS (Gate Assignment Display System), которая поодерживала принятие решений в Field Operations - назначение гейтов, определение оптимального времени стоянки и т.п.

В конце 80-х появились ПСППР (Продвинутые - Advanced), которые позволяли осуществлять «what-if» анализ и использовали более продвинутый инструментарий для моделирования.

Наконец, с середины 90-х на свет стали появляться и ИСППР , в основе которых стали лежать инструменты статистики и машинного обучения, теории игр и прочего сложного моделирования.

Многообразие СППР

По области применения

• Бизнес и менеджмент (прайсинг, рабочая сила, продукты, стратегия и т.п.)
• Инжиниринг (дизайн продукта, контроль качества...)
• Финансы (кредитование и займы)
• Медицина (лекарства, виды лечения, диагностика)
• Окружающая среда

По соотношению данные\модели (методика Стивена Альтера)

• FDS (File Drawer Systems - системы предоставления доступа к нужным данным)
• DAS (Data Analysis Systems - системы для быстрого манипулирования данными)
• AIS (Analysis Information Systems - системы доступа к данным по типу необходимого решения)
• AFM(s) (Accounting & Financial models (systems) - системы рассчета финансовых последствий)
• RM(s) (Representation models (systems) - системы симуляции, AnyLogic как пример)
• OM(s) (Optimization models (systems) - системы, решающие задачи оптимизации)
• SM(s) (Suggestion models (systems) - системы построения логических выводов на основе правил)

По типу использумого инструментария

• Model Driven - в основе лежат классические модели (линейные модели, модели управления запасами, транспортные, финансовые и т.п.)
• Data Driven - на основе исторических данных
• Communication Driven - системы на оснвое группового принятия решений экспертами (системы фасилитации обмена мнениями и подсчета средних экспертных значений)
• Document Driven - по сути проиндексированное (часто - многомерное) хранилище документов
• Knowledge Driven - внезапно, на основе знаний. При чем знаний как экспертных, так и выводимых машинно

Я требую жалобную книгу! нормальную СППР

1. Качество
2. Организация
3. Ограничения
4. Модель

Отдельно отметим такие важные атрибуты, как масштабируемость (в ныне одном подходе agile никуда без этого), способность обрабатывать плохие данные, юзабилити и user-friendly interface, нетребовательность к ресурсам.

Архитектура и дизайн ИСППР

Действительно, СППР вполне можно разделить на 4 больших слоя:

1. Интерфейс
2. Моделирование
3. Data Mining
4. Data collection

На схеме ниже представляю мое видение архитектуры, с описанием функционала и примерами инструментов:

С архитектурой более или менее понятно, перейдем к дизайну и собственно построению СППР.

В прицнипе, тут нет никакого rocket science. При построении ИСППР необходимо придерживаться следующих шагов:

1. Анализ домена (собственно, где мы будем нашу ИСППР использовать)
2. Сбор данных
3. Анализ данных
4. Выбор моделей
5. Экспертный анализ\интерпретация моделей
6. Внедрение моделей
7. Оценка ИСППР
8. Внедрение ИСППР
9. Сбор обратной свзяи (на любом этапе , на самом деле)

Оценивать ИСППР можно двумя способами. Во-первых, по матрице атрибутов, которая представлена выше. Во-вторых, по критериальному чек-листу, который может быть любым и зависеть от вашей конкретной задачи. В качестве примера такого чек-листа я бы привел следующее:

Подчеркну, что это только ИМХО и вы можете сами сделать удобный для себя чек-лист.

А где тут машинное обучение и теория игр?

С одной стороны, есть классические домены, назовем их «тяжелыми», вроде управления цепями поставок, производства, запасов ТМЦ и проч. В тяжелых доменах наши с вами любимые алгоритмы могут привнести дополнительные инсайты для зарекомендовавших себя классических моделей. Пример: предиктивная аналитика по выходам из строя оборудования (машинное обучение) отлично сработается с каким-нибудь FMEA анализом (классика).

С другой стороны, в «легких» доменах, вроде клиентской аналитики, предсказании churn, выплаты кредитов - алгоритмы машинного обучения будут на первых ролях. А в скоринге, например, можно совмещать классику с NLP, когда решаем выдавать ли кредит на основе пакета документов (как раз-таки document driven СППР).

Классические алгоритмы машинного обучения

Поступаем очень просто:

Шаг 0. Определяем целевую переменную (ну, например, содержание оксида титана в готовой продукции)
Шаг 1. Определяемся с данными (выгружаем из SAP, Access и вообще ото всюду, куда дотянемся)
Шаг 2. Собираем фичи\генерим новые
Шаг 3. Рисуем процесс data flow и запускаем его в продакшн
Шаг 4. Выбираем и обучаем модельку, запускаем ее крутиться на сервере
Шаг 5. Определяем feature importances
Шаг 6. Определяемся со вводом новых данных. Пусть наш менеджер их вводит, например, руками.
Шаг 7. Пишем на коленке простой web-based интерфейс, куда менеджер вводит ручками значения важных фич, это крутится на серваке с моделькой, и в тот же интерфейс выплевываестя прогнозируемое качество продукции

Вуа-ля, ИСППР уровня детсад готова, можно пользоваться.

Подобные «простые» алгоритмы также использует IBM в своей СППР Tivoli, которая позволяет определять состояние своих супер-компьютеров (Watson в первую очередь): на основе логов выводится информация по перформансу Watson, прогнозируется доступность ресурсов, баланс cost vs profit, необходимость обслуживания и т.п.

Компания ABB предлагает своим клиентам DSS800 для анализа работы электродвигателей той же ABB на бумагоделательной линии.

Финская Vaisala , производитель сенсоров для минтранса Финляндии использует ИСППР для предсказания того, в какие периоды необходимо применять анти-обледенитель на дорогах во избежания ДТП.

Опять-таки финская Foredata предлагает ИСППР для HR, которая помогает принимать решения по годности кандидата на позицию еще на этапе отбора резюме.

В аэропорту Дубай в грузовом терминале работает СППР, которая определяет подозрительность груза. Под капотом алгоритмы на основе сопровидительных документов и вводимых сотрудниками таможни данных выделяют подозрительные грузы: фичами при этом являются страна происхождения, информация на упаковке, конкретная информация в полях декларации и т.п.

Тысячи их!

Обычные нейронные сети

Некоторые примеры можно найти в ВПК, например в американской TACDSS (Tactical Air Combat Decision Support System). Там внутри крутятся нейронки и эволюционные алгоритмы, помогающие в определении свой-чужой, в оценке вероятности попадания при залпе в данный конкретный момент и прочие задачки.

В немного более реальном мире можно рассмотреть такой пример: в сегменте B2B необходимо определить, выдавать ли кредит организации на основе пакета документов. Это в B2C вас оператор замучает вопросами по телефону, проставит значения фич у себя в системе и озвучит решение алгоритма, в B2B несколько посложнее.

ИСППР там может строиться так: потенциальный заемщик приносит заранее согласованный пакет документов в офис (ну или по email присылает сканы, с подписями и печатями, как положено), документы скармливаются в OCR, затем передаются в NLP-алгоритм, который дальше уже делит слова на фичи и скармливает их в NN. Клиента просят попить кофе (в лучшем случае), или вот где карту оформляли туда и идите прийти после обеда, за это время как раз все и обсчитается и выведет на экран девочке-операционисту зеленый или красный смайлик. Ну или желтый, если вроде ок, но нужно больше справок богу справок.

Подобными алгоритмами пользуются также в МИД: анкета на визу + прочие справки анализируются прямо в посольстве \ консульстве, после чего сотруднику на экране высвечивается один из 3 смайликов: зеленый (визу выдать), желтый (есть вопросы), красный (соискатель в стоп-листе). Если вы когда-нибудь получали визу в США, то то решение, которое озвучивает вам сотрудник консульства - это именно результат работы алгоритма в совокупности с правилами, а никак не его личное субъективное мнение о вас:)

В тяжелых доменах известны также СППР на основе нейронок, определяющие места накопления буфера на производственных линиях (см, напимер, Tsadiras AK, Papadopoulos CT, O’Kelly MEJ (2013) An artificial neural network based decision support system for solving the buffer allocation problem in reliable production lines. Comput Ind Eng 66(4):1150–1162 ), Общие Нечеткие Нейронные Сети на основе мин-макса (GFMMNN) для кластеризации потребителей воды (Arsene CTC, Gabrys B, Al-Dabass D (2012) Decision support system for water distribution systems based on neural networks and graphs theory for leakage detection. Expert Syst Appl 39(18):13214–13224 ) и другие.

Вообще стоит отметить, что NN как нельзя лучше подходят для принятия решений в условиях неопределенности, т.е. условиях, в которых и живет реальный бизнес. Алгоритмы кластеризации также хорошо вписались.

Байесовские сети

Динамические данные обновляются во времени, соответственно, паттерн работы модели будет такой: обучение-решение-обучение , что в общем похоже на работу врача: примерно определить диагноз, прокапать лекарство, посмотреть за реакцией. Таким образом, мы постоянно пребываем в состоянии неопределенности, подействует лечение или нет. И состояние пациента меняется динамически. Т.е. нам надо построить динамическую СППР, причем еще и knowledge driven.

В таких случаях нам отлично помогут Динамические Байесовские Сети (ДБС) - обобщение моделей на основе фильтров Калмана и Скрытой Марковской Модели.

Разделим данные по пациенту на статические и динамические.

Если бы мы строили статическую байесовскую сетку, то нашей задачей было бы посчитать следующую вероятность:

Где - узел нашей сетки (вершина графа, по сути), т.е. значение каждой переменной (пол, возраст....), а С - предсказываемый класс (болезнь).

Статическая сетка выглядит так:

Но это не айс. Состояние пациента меняется, время идет, надо решать, как же его лечить.

Вот для этого и применим ДБС.

Сначала, в день приема пацитента, строим статическую сетку (как на картинке выше). Потом, в каждый день i строим сетку на основе динамически меняющихся данных:

Соответственно, совокупная модель примет следующий вид:

Таким, образом, результат мы расчитаем по следующей формуле:

Где T - совокупное время госпитализации, N - количество переменных на каждом из шагов ДБС.

Внедрить эту модель в СППР необходимо несколько иначе - скорее тут надо идти от обратного, сначала эту модель зафиксировать, а потом строить интерфейс вокруг . Т.е., по сути, мы сделали хард модель, внутри которой динамические элементы.

Теория игр

Допустим, на рынке существует олигополия (малое количество соперников), есть определенный лидер и это (увы) не наша компания. Нам необходимо помочь менеджменту принять решение об объемах выпускаемой нами продукции: если мы будем выпускать продукцию в объеме , а наш соперник - , уйдем мы в минус или нет? Для упрощения возьмем частный случай олигополии - дуополию (2 игрока). Пока вы думаете, RandomForest тут или CatBoost, я вам предложу использовать классику - равновесие Штакельберга. В этой модели поведение фирм описывается динамической игрой с полной совершенной информацией, при этом особенностью игры является наличие лидирующей фирмы, которая первой устанавливает объём выпуска товаров, а остальные фирмы ориентируются в своих расчетах на неё.
Для решения нашей задачи нам надо всего-то посчитать такое , при котором решится задача оптимизации следующего вида:

Для ее решения (сюрприз-сюрприз!) надо лишь приравнять первую производную по к нулю.

При этом для такой модели нам понадобится знать только предложение на рынке и стоимость за товар от нашего конкурента, после чего построить модель и сравнить получившееся q с тем, которое хочет выкинуть на рынок наш менеджмент. Согласитесь, несколько проще и быстрее, чем пилить NN.

Для таких моделей и СППР на их основе подойдет и Excel. Конечно, если вводимые данные надо посчитать, то нужно что-то посложнее, но не сильно. Тот же Power BI справится.

Искать победителя в битве ML vs ToG бессмысленно. Слишком разные подходы к решению задачи, со своими плюсами и минусами.

Что дальше?

В недавнем интервью Джуда Перл, создатель тех самых байесовских сетей, высказал любопытное мнение. Если слегка перефразировать, то

«все, чем сейчас занимаются эксперты в машинном обучении, это подгонка кривой под данные. Подгонка нетривиальная, сложная и муторная, но все-таки подгонка.»

Скорее всего, вангую, через лет 10 мы перестанем жестко хардкодить модели, и начнем вместо этого повсеместно обучать компьютеры в создаваемых симулируемых средах. Наверное, по этому пути и пойдет реализация ИСППР - по пути AI и прочих скайнетов и WAPR"ов.

Если же посмотреть на более близкую перспективу, то будущее ИСППР за гибкостью решений. Ни один из предложенных способов (классические модели, машинное обучение, DL, теория игр) не универсален с точки зрения эффективности для всех задач. В хорошей СППР должны сочетаться все эти инструменты + RPA, при этом разные модули должны использоваться под разные задачи и иметь разные интерфейсы вывода для разных пользователей. Этакий коктейль, смешанный, но ни в коем случае не взболтанный.

Литература

1. Merkert, Mueller, Hubl , A Survey of the Application of Machine Learning in Decision Support Systems, University of Hoffenhaim 2015
2. Tariq, Rafi ,Intelligent Decision Support Systems- A Framework, India, 2011
3. Sanzhez i Marre, Gibert , Evolution of Decision Support Systems, University of Catalunya, 2012
4. Ltifi, Trabelsi, Ayed, Alimi , Dynamic Decision Support System Based on Bayesian Networks, University of Sfax, National School of Engineers (ENIS), 2012

Секция «Информационно-экономические системы»

УДК 658.5.011

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

А. А. Стародубцев Научный руководитель - Д. В. Тихоненко

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева

Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

E-mail: [email protected]

Описано, зачем нужны системы поддержки принятия решений, чем они могут быть полезны и их классификация.

Ключевые слова: СППР, принятие решений, система поддержки.

DECISION SUPPORT SYSTEM

A. A. Starodubcev Scientific Supervisor - D. V. Tkhonenko

Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected]

The article explains why need a decision support system, than they can be useful and their classification.

Keywords: DSS, making decisions, support system.

Система поддержки принятия решений (СППР) - компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности.

СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

Система поддержки принятия решений предназначена для поддержки многокритериальных решений в сложной информационной среде. При этом под многокритериальностью понимается тот факт, что результаты принимаемых решений оцениваются не по одному, а по совокупности многих показателей (критериев) рассматриваемых одновременно. Информационная сложность определяется необходимостью учета большого объема данных, обработка которых без помощи современной вычислительной техники практически невыполнима. В этих условиях число возможных решений, как правило, весьма велико, и выбор наилучшего из них «на глаз», без всестороннего анализа может приводить к грубым ошибкам .

Система поддержки решений СППР решает две основные задачи. Во-первых, выбор наилучшего решения из множества возможных (оптимизация). Во-вторых, упорядочение возможных решений по предпочтительности (ранжирование).

В обеих задачах первым и наиболее принципиальным моментом является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться и сопоставляться возможные решения (будем называть их также альтернативами). Система СППР помогает пользователю сделать такой выбор .

Для анализа и выработок предложений в СППР используются разные методы. Это могут быть:

Информационный поиск;

Интеллектуальный анализ данных;

Поиск знаний в базах данных;

Рассуждение на основе прецедентов;

Имитационное моделирование;

Актуальные проблемы авиации и космонавтики - 2016. Том 2

Эволюционные вычисления и генетические алгоритмы;

Нейронные сети;

Ситуационный анализ;

Когнитивное моделирование и др.

Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР или ИСППР.

Система позволяет решать задачи оперативного и стратегического управления на основе учетных данных о деятельности компании.

Система поддержки принятия решений представляет собой комплекс программных инструментальных средств для анализа данных, моделирования, прогнозирования и принятия управленческих решений, состоящий из собственных разработок корпорации и приобретаемых программных продуктов (Oracle, IBM, Cognos).

Теоретические исследования в области разработки первых систем поддержки принятия решений проводились в технологическом институте Карнеги в конце 50-х начале 60-х годов XX века. Объединить теорию с практикой удалось специалистам из Массачусетского технологического института в 60-х годах. В середине и конце 80-х годов XX столетия стали появляться такие системы, как EIS, GDSS, ODSS. В 1987 году компания Texas Instruments разработала для United Airlines Gate Assignment Display System. Это позволило значительно снизить убытки от полетов и отрегулировать управление различными аэропортами, начиная от Международного аэропорта O"Hare в Чикаго и заканчивая Stapleton в Денвере, штат Колорадо. В 90-х годах сфера возможностей СППР расширялась благодаря внедрению хранилищ данных и инструментов OLAP. Появление новых технологий отчетности сделало СППР незаменимой в менеджменте .

Выделяют несколько больших групп СППР.

По взаимодействию с пользователем выделяют три вида СППР:

Пассивные помогают в процессе принятия решений, но не могут выдвинуть конкретного предложения;

Активные непосредственно участвуют в разработке правильного решения;

Кооперативные предполагают взаимодействие СППР с пользователем. Выдвинутое системой предложение пользователь может доработать, усовершенствовать, а затем отправить обратно в систему для проверки. После этого предложение вновь представляется пользователю, и так до тех пор, пока он не одобрит решение.

По способу поддержки различают:

Модельно-ориентированные СППР, используют в работе доступ к статистическим, финансовым или иным моделям;

СППР, основанные на коммуникациях, поддерживают работу двух и более пользователей, занимающихся общей задачей;

СППР, ориентированные на данные, имеют доступ к временным рядам организации. Они используют в работе не только внутренние, но и внешние данные;

СППР, ориентированные на документы, манипулируют неструктурированной информацией, заключенной в различных электронных форматах;

СППР, ориентированные на знания, предоставляют специализированные решения проблем, основанные на фактах.

По сфере использования выделяют:

Общесистемные

Настольные СППР.

Общесистемные работают с большими системами хранения данных (СХД) и применяются многими пользователями. Настольные являются небольшими системами и подходят для управления с персонального компьютера одного пользователя.

В структуре СППР фигурирует четыре основных компонента:

Информационные хранилища данных;

Средства и методы извлечения, обработки и загрузки данных (ETL);

Многомерная база данных и средства анализа OLAP;

Средства Data Mining.

Секция «Информационно-экономические системыi»

СППР позволяет облегчить работу руководителям предприятий и повысить ее эффективность. Они значительно ускоряют решение проблем в бизнесе. СППР способствуют налаживанию межличностного контакта. На их основе можно проводить обучение и подготовку кадров. Данные информационные системы позволяют повысить контроль над деятельностью организации. Наличие четко функционирующей СППР дает большие преимущества по сравнению с конкурирующими структурами. Благодаря предложениям, выдвигаемым СППР, открываются новые подходы к решению повседневных и нестандартных задач.

Использование системы позволяет найти ответы на множество вопросов, возникающих как и у генерального директора, так и у руководителя какого-либо отдела.

Процесс создания системы управленческой отчетности, анализа данных и поддержки принятия решений состоит из следующих этапов:

Анализ существующих на предприятии информационных потоков и процедур управления предприятием;

Выявление показателей, влияющих на финансово-экономическое состояние предприятия и отражающих эффективность ведения бизнеса (на основе данных из уже использующихся систем);

Выработка процедур, обеспечивающих получение управленческим персоналом необходимой информации в нужное время, в нужном месте и в нужном виде;

Настройка программных средств многомерного анализа;

Обучение персонала Заказчика работе с программными средствами многомерного анализа.

Итог - продуманные решения, опирающиеся на информационный фундамент, адекватные действия, квалифицированное исполнение и как результат успех всего предприятия.

1. Системы поддержки принятия решений, назначение и решаемые задачи [Электронный ресурс]. URL: http://referatz.ru/works/296331/ (дата обращения: 10.03.2016).

В результате изучения данной главы студент должен:

знать

• положения и теоретические основы информатизации поддержки принятия решений в сфере управления;
• современные представления о системах поддержки принятия решений;
• историю и тенденции развития систем поддержки принятия решений;

уметь

• обобщать и систематизировать современные концепции систем поддержки принятия решений;
• давать самостоятельную оценку информационных систем, поддерживающих современные методы и модели принятия решений;

владеть

• классификацией систем поддержки принятия решений;
• навыком выделения уникальных особенностей системы поддержки принятия решений, отличающих ее от других информационных систем.

Определение и основные характеристики систем поддержки принятия решений

Системы поддержки принятия решений представляют собой класс информационных систем, в рамках которых опыт и неформализованные знания лица, принимающего решение, сочетаются с применением математического аппарата. Благодаря этому свойству такие системы могут быть с успехом использованы при решении неструктурированных задач.

Согласно классификации Г. Саймона все задачи принятия решений можно подразделить на следующие категории:

• полностью структурированные, когда ЛПР известны все элементы задачи и взаимосвязи между ними. Такие решения носят рутинный, повторяющийся характер, поэтому их можно полностью автоматизировать и свести роль ЛПР в принятии таких решений практически к нулю;
• слабоструктурированные, или смешанные, содержащие как качественные, гак и количественные элементы, о которых менеджер имеет неполное представление, поскольку знает лишь часть элементов и связей между ними;
• неструктурированные , содержащие описание основных элементов, признаков и характеристик, количественные зависимости между которыми не известны.

Следует отметить, что в практике работы руководителя встречается относительно немного полностью структурированных или совершенно неструктурированных задач. При этом большинство управленческих задач могут быть классифицированы как слабоструктурированные.

В СППР активно используются субъективные предпочтения ЛПР, от которых зависит окончательное принятие решения. Такой подход дает менеджеру возможность использовать свои знания и опыт. Кроме того, ответственность ЛПР за принятые решения резко усиливает его мотивацию и побуждает к тщательному анализу информации. Таким образом, «субъективное» - не всегда плохо, а «объективное» - не всегда достижимо.

Существующие в настоящее время СППР, как правило, являются результатом мультидисциплинарных исследований, охватывающих такие области, как проектирование баз и хранилищ данных, искусственный интеллект, интерактивные компьютерные системы, методы имитационного моделирования.

В работах Г. Саймона, посвященных теории поддержки принятия решений, содержится следующий набор из шести утверждений. Первые три из них сформулированы в ставшей классической книге Administrative behavior 1

• если информация, хранящаяся в компьютере, доступна тогда, когда это необходимо для принятия решения, то это может повысить рациональность принятия решений;
• специализация функций принятия решений в значительной степени зависит от формирования надлежащих каналов связи с центрами решений;
• когда необходимость в каком-либо конкретном знании возникает неоднократно, организация может предвидеть эту необходимость и, предоставляя человеку, обладающему этими знаниями, преимущество в принятии решений, добиться принятия более эффективного решения.

Три перечисленных утверждения особенно важны, если время, отведенное на принятие решения, ограничено.

В статье Applying information technology to organization design сформулированы еще три утверждения :

• для постиндустриального общества основной проблемой является не организация эффективного производства, а организация эффективного процесса принятия решений, т.е. обработки информации. Повышение эффективности принятия решений всегда будет важным фактором;
• с точки зрения обработки информации разделение труда означает разложение общей системы принятия решений на относительно независимые подсистемы, каждая из которых может быть спроектирована на основе минимального взаимодействия с другими;
• ключ к успешной разработке информационных систем заключается в согласовании технологий и внимания к пользователям. Дополнительный компонент для обработки информации, человек или машина, может повысить производительность системы, если будут выполнены следующие три условия:
• - компонент приносит больше результатов, чем требует вложений, экономит время и не требует дополнительного внимания;
• - компонент включает как активные, так и пассивные элементы. При этом активные элементы автоматически выбирают и фильтруют информацию;
• - компонент включает в себя аналитические и искусственные модели, которые способны решать задачи, оценивать и принимать решения.

Таким образом, автоматизированная поддержка принятия решений полезна и необходима в тех случаях, когда есть потребность в предоставлении релевантной, качественной информации лицам, принимающим решения, тогда, когда они в этой информации нуждаются.

С момента появления первых разработок в области систем поддержки принятия решений определение СППР непрерывно совершенствуется 1 .

Ранние определения СППР (предложенные в начале 1970-х гг.) отражали следующие три момента: 1) возможность оперировать с неструктурированными или слабоструктурированными задачами (в отличие от задач, с которыми имеет дело исследование операций); 2) интерактивные автоматизированные (т.е. реализованные на базе компьютера) системы; 3) разделение данных и моделей.

Приведем некоторые определения СППР:

• совокупность процедур обработки данных и суждений, помогающих руководителю в принятии решений, основанных на использовании моделей ;
• интерактивные автоматизированные системы, помогающие лицу, принимающему решения, использовать данные и модели для решения слабоструктурированных проблем ;
• система, которая обеспечивает пользователям доступ к данным и (или) моделям таким образом, что пользователи могут принимать более обоснованные решения .

Сформулировать общепринятое определение СППР трудно. Это объясняется тем, что ее конструкция существенно зависит от вида задач, для решения которых она разрабатывается, видов данных, возможностей программного обеспечения, а также от пользователей системы.

Тем не менее можно выделить некоторые общепризнанные элементы и характеристики СППР. Прежде всего, СППР - это интерактивная автоматизированная система, которая помогает ЛИР использовать данные и модели для принятия решений. Система должна обладать возможностью работать с интерактивными запросами, при этом язык формирования запросов должен быть достаточно простым для изучения.

Согласно Е. Тюрбану 1 СППР обладают следующими четырьмя основными характеристиками:

• они используют как данные, так и модели;
• они предназначены для помощи менеджерам в принятии решений для слабоструктурированных и неструктурированных задач;
• они поддерживают, но не заменяют выработку решений менеджерами;
• их цель состоит в повышении эффективности принимаемых решений.

Также Е. Тюрбан предложил список характеристик «идеальной»

СППР - она:

• оперирует слабоструктурированными задачами;
• предназначена для ЛПР различных уровней;
• может быть адаптирована для группового и индивидуального использования;
• поддерживает как взаимозависимые, так и последовательные решения;
• поддерживает три фазы процесса решения: интеллектуальную часть, проектирование и выбор;
• поддерживает различные методы решения, что может быть полезно при решении задачи группой ЛПР;
• является гибкой и адаптируется к изменениям как внутренней среды организации, так и ее окружения;
• проста в использовании и модификации;
• повышает эффективность процесса принятия решений;
• позволяет человеку управлять процессом принятия решений с помощью компьютера, а не наоборот;
• поддерживает эволюционное использование и легко адаптируется к изменяющимся требованиям;
• может быть легко построена, если может быть сформулирована логика конструкции СППР;
• поддерживает моделирование;
• позволяет использовать знания.

СППР состоит из двух основных подсистем - лица, принимающего решения, и информационной системы (ИС). Функция ЛПР как компонента СППР состоит не только в вводе данных, но и в принятии решений - на основе своих знаний и интуиции .

Данные есть результат наблюдения за физическим объектом или явлением: например, ежедневным объемом производства, ежедневным объемом продаж или уровнем запасов продукта. База данных есть совокупность взаимосвязанных файлов. Системы управления базами данных представляют собой компьютерные программы, связанные с управлением большим количеством данных в физическом хранилище, а также с созданием и обновлением запросов к базам данных. СУБД могут представлять собой как «стороннее» программное обеспечение, так и быть встроенными в СППР.

Математические модели обычно встроены в СППР, а пользователи могут создавать, редактировать, обновлять или удалять модели. Современные СППР представляют пользователю довольно широкий выбор режимов работы: на основе интерфейсных меню, языка команд, вопросов и ответов, а также взаимодействие на основе форм, систем распознавания речи и графического пользовательского интерфейса. В частности, графический пользовательский интерфейс {graphic users interface) предусматривает использование иконок, кнопок, выпадающих меню и панелей. В последние годы эти элементы стали наиболее распространенным способом общения пользователей с информационными системами.

Простейшая архитектура СППР представлена на рис. 3.1, а ее место в комплексной информационной системе предприятия - на рис. 3.2.

Рис. 3.1.

Рис. 3.2.

СППР отличаются от других управленческих информационных систем тем, что они направлены на повышение эффективности решений, а не на облегчение процесса принятия решений.

Модель принятия решений человеком предусматривает три этапа - разведку, разработку и выбор. При этом термин «поддержка» подразумевает довольно много различных действий и задач, выполняемых на каждом из перечисленных этапов.

На стадии разведки роль ЛПР заключается в определении проблемы, которую необходимо решить. Делается это на основе исходных данных, полученных и проанализированных системой обработки транзакций или управленческой информационной системой.

Рис. 3.3.

Существующие обзоры СППР показывают, что все большее число систем становится стратегическими инструментами, необходимыми для существования и устойчивого развития организаций 1 . Дальнейшие исследования должны принимать во внимание, что СППР из необязательного программного обеспечения становятся жизненно необходимыми для бизнеса. Следовательно, индивидуальные различия, стили поведения, личные, демографические иные пользовательские характеристики могут стать критическими факторами успеха. Смещение фокуса исследований применения СППР с пользовательских проблем на задачи, а также на организационные и внешние факторы является необходимым для отражения действительности.

Оценка эффективности применения СППР связана с анализом затрат и выгод, получаемых от их внедрения. Уникальность данных систем состоит в том, что, хотя они обеспечивают значительную экономию средств и рост прибыли предприятия, оценка эффективности их применения представляется весьма проблематичной. Поэтому исследователи используют анализ последствий принимаемых решений, изменений в процессе принятия решений, концептуальных изменений в видении проблемы руководством, изменений в процедурах, а также анализ затрат и выгод, изменений в обслуживании, а также управленческие оценки системы .

Сегодня СППР нашли широкое применение как в коммерческих, так и в некоммерческих организациях. В то же время есть две области, в которых они используются не столь часто - международный бизнес и учет/аудит .

Особенности и основы построения компонентов СППР обеспечивают реализацию таких важных свойств построения информационных систем, как интерактивность, интегрированность, мощность, доступность, гибкость, надежность, робастность, управляемость.

Интерактивность СППР означает, что система реагирует на различные действия, посредством которых человек влияет на вычислительный процесс, в частности, в диалоговом режиме. Человек и система обмениваются информацией в темпе, который сравним со скоростью обработки информации человеком. Однако практика показывает, что лишь немногие руководители хотят и умеют вести прямой диалог с компьютером: многие предпочитают взаимодействие с системой через посредника или в режиме косвенного доступа, с возможностью пакетной обработки данных. Вместе с тем свойство интерактивности необходимо для исследования новых проблем и ситуаций при адаптивном проектировании прикладных СППР.

Интегрированность СППР - это совместимость составляющих системы управления данными и средств общения с пользователями в процессе поддержки принятия решений.

Мощность означает способность системы отвечать на существенные вопросы.

Доступность - это способность обеспечить предоставление ответов на запросы пользователя в нужной форме и в нужное время.

Гибкость характеризует возможность системы адаптироваться к изменениям потребностей и ситуаций.

Надежность означает способность системы выполнять требуемые функции в течение длительного периода.

Робастность - это способность системы восстанавливаться в случае возникновения ошибочных ситуаций как внешнего, так и внутреннего происхождения. Хотя между надежностью и робастностью существует определенная связь, это две разные характеристики: система, которая никогда не восстанавливается в случае возникновения ошибочных ситуаций, может быть надежной, не будучи робастной. Однако система с высоким уровнем робастности, которая может восстанавливаться и продолжать работу во многих ошибочных ситуациях, может быть отнесена к ненадежным, поскольку она может не обладать способностью выполнять необходимые процедуры.

Управляемость означает, что пользователь может контролировать действия системы, вмешиваясь в ход решения задачи.

Современные компьютерные системы поддержки принятия решений:

• предоставляют руководителю помощь в процессе принятия решений и обеспечивают поддержку во всем диапазоне структурированных, полу- структурированных и неструктурированных задач;
• поддерживают и делают более обоснованными соображения и оценки руководителя, но не заменяют и не отменяют их (контроль остается за человеком). Благодаря удобному интерфейсу пользователь чувствует себя комфортно и не боится работать с системой;
• повышают эффективность принимаемых решений. В отличие от административных информационных систем, в которых акцент делается на максимальную производительность аналитического процесса, в СППР значительно более весомыми являются эффективность процесса принятия решений и самих решений;
• интегрируют модели и аналитические методы с доступом к данным и выборкой данных. Для оказания помощи в принятии решений активизируются одна или несколько моделей (математических, статистических, имитационных, количественных, качественных или комбинированных). Содержание баз и хранилищ данных охватывает историю текущих и предшествующих операций, а также информацию внутреннего характера и информацию о среде;
• просты в использовании даже для лиц, которые не имеют богатого опыта работы с компьютером. Системы являются «дружественными» для пользователей, не требуют глубоких знаний в области вычислительной техники и обеспечивают простую навигацию, диалоговую документацию, встроенные средства обучения и другие атрибуты программных интерфейсных систем;
• построены по принципу интерактивного решения задач. Пользователь имеет возможность поддерживать диалог с СППР в непрерывном режиме, не ограничиваясь вводом отдельных команд с последующим ожиданием результатов;
• ориентированы на гибкость и адаптивность к изменениям как во внешней среде, так и в подходах к решению задач, которые выбирает пользователь;
• не навязывают пользователю какой-либо определенный процесс принятия решений. Пользователь имеет ряд возможностей и может выбирать их в форме и последовательности, которые соответствуют стилю «воображаемых моделей» его познавательной деятельности.