Survey
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
Sistemas de Suporte a Decisão Roberta Pontes [email protected] UFPE - Centro de Informática Programa de Doutorado em Informática Prof. Jacques Robin 1 Plano de Aula 1. Introdução 2. Tomada de Decisão, Modelagem e Suporte 3. Componentes de um Decision Support System -DSS 4. Data Warehousing - DW 5. Data Mining 6. DSS Inteligentes 7. DW com Agentes Inteligentes 2 1 Introdução Em 1970: Decision Support Systems - DSS - SI projetados para auxiliar gerentes em fazer escolhas No início dos anos 80: Executive Information Systems - EIS 3 1 Introdução EIS (continuação): – os primeiros não tinham capacidade analíticas – acabou sendo usada por “sêniores” para encontrar problemas • DSS são usadas por pessoas de apoio para solucionar problemas Embora úteis DSS e EIS os BD usados trabalhavam com dados transacionais – não havia uma considerações sobre presente, passado para se prevê o futuro início dos anos 90, datawarehouse e OLAP iniciaram a expansão dos domínios do DSS – De DSS Pessoal para Organizacional 4 1 Introdução Com o crescente desenvolvimento de sistemas distribuídos – acesso a dados de múltiplas localizações – colaboração e comunicação via web Ferramentas DSS atuais familiarizadas com padrões da web – flexibilidade, eficiência e uso – migração de sistemas para desktop Pode-se obter a integração crescente de vários SI – melhores decisões - muitas informações 5 1.1 Suporte Computadorizado a Tomada de Decisão Management Support Systems (MSS) Coleção de tecnologias computadorizadas Objectivos – suportar trabalho gerencial – suportar tomadas de decisão 6 1.2 Porquê Suporte de Decisões Computadorizado? Competição Facilidade de uso por usuários-finais Facilidade de análise - dados especiais ( data warehouse) 2 maiores tecnologias – DSS (suportam decisões de gerentes e de analistas) – EIS (ajudam grandes executivos na identificação de problemas e oportunidades) Suporte a decisões é baseado numa diversidade de dados internos e externos Aplicações DSS separadas de Sistemas de processamento de transações (TPS), e usam dados transacionais. DSS usam infinidade de modelos estatísticos e outros 7 Todas as atividades gerenciais giram em torno o suporte a decisão O gerente é o tomador de decisão Tomar decisão é uma arte (de puro talento) Estilos individuais são usados, não métodos científicos sistemáticos Decisões devem ser rápidas – Evitar abordagem de gerenciamento “TentivaErro” 8 1.4 Outros Sistemas de Suporte Management Support Systems (MSS) Decision Support Systems (DSS) Group Support Systems (GSS), including Group DSS (GDSS) Executive Information Systems (EIS) Expert Systems (ES) Artificial Neural Networks (ANN) Hybrid Support Systems Cutting Edge Intelligent Systems (Genetic Algorithms, Fuzzy Logic, Intelligent Agents, ...) 9 1.5 Arquitetura Clássica para Suporte a Decisão [Simon 71, [Anthony 65] TIPO Tipo de Decisão Controle Operacional Estruturado Contas a receber DE Controle Gerencial Análise de orçamento, Previsões de Pequeno Prazo, relatórios pessoais Scheduling da produção Avaliação de crédito Controle de inventário Preparação de orçamento, layout de fábrica CONTROLE Planejamento Estratégico Gerenciamento Financeiro, Investimentos Sistemas de distribuição Semi-estruturado Construir uma nova fábrica Fusões e aquisições, planejamento de novos produtos Planejamento de certificação de qualidade “QA” Desestruturado Seleção de uma capa Negociação, Planejamento de P & para uma revista, recrutamento de um D, desenvolvimento de Compra de um software executivo, compra novas tecnologias, aprovação de um de HW, “lobbing” empréstimo Tecnologia de Suporte Geranciamento de DSS, EIS, ES EIS, ES, Neural Necessária Sistema de Inform. networks Tecnologia de Suporte Necessária Gerenciamento de sistemas de informática Processamento de transações DSS DSS, ES Neural Networks Arquitetura para Suporte a Decisão 10 1.5.1 Natureza de Decisões em Ambientes de Suporte a Decisão • Arquitetura proposta por [Gorry and Scott Morton 71]+ [Simmon 77] + [Anthony 65] Decisões Altamente Estruturadas Decisões Altamente desestruturadas Estratégico Tático Operacional Semi-estruturadas 11 Simon: Três fases do processo de Tomada de Decisão Compreensão -busca por condições solicitadas nas decisões Projeto--projetos, desenvolvimentos, e possíveis análises das ações Escolha--seleção de uma ação das disponíveis 12 Problemas Desestruturados, normalmente, são resolvidos com o julgamento humano Problemas semi-estruturados necessitam de ambos rotinas automáticas de solução e julgamento humano Um Sistema de Suporte a Decisão , além de fornecer soluções pode auxiliar gerentes a entender probemas Meta do DSS: Aumentar a eficácia da Tomada de Decisão 13 1.5.2 Suporte a Computador para Decisões Estruturadas Suportadas desde 1960 São de natureza repetitiva possuem alto nível de estruturação podem ser abstraídas, analisadas e classificadas em protótipos Solucionadas por modelos ou fórmulas quantitativas Método conhecido como: – Management Science (MS) ou – Operations Research (OR) 14 1.6 Conceitos de (DSS) Scott Morton [1971] [Gory and Scott Morton 71] - sistema interativo baseadocomputador, que ajudam tomadores de decisão na utilização de modelos e dados para solucionar problemas não estruturados Keen and Scott Morton [1978] Keen and Scott Morton 78] - DSS acoplam recursos intelectuais individuais com capacidades do computador para melhorar a qualidade de decisões DSS: Expressão livre de contexto, i.é. – Significados diferentes para pessoas diferentes – Não sendo aceita uma definição universal 15 O que é um DSS? Usado algumas vezes como um termo guarda-chuva – todo e qualquer sistema computadorizado usado no suporte a tomada de decisões numa organização Definição de Trabalho: • Sistema de Informação Baseado em Computador- CBIS • interativo, flexível e adaptável, • que suporta soluções de gerenciamento • de problemas não-estruturados • e provê tomada de decisão. 16 1.6.1 Características e Capacidades do DSS Projetado para suportar problemas gerenciais complexos que outras técnicas computadorizadas não suportam é orientado a usuário, usa dados e modelo fornece suporte para níveis gerenciais e executivos suporta todas as fases do processo de tomada de decisão Suporta vários estilos/processos para tomada de decisão são adaptativos no tempo 17 1.6.1 Características e Capacidades do DSS Tentam melhorar a eficácia da tomada de decisão – (exata, tempo mínimo e qualidade) o tomador de decisão tem o controle completo sobre todos os passos do processo TD na resolução do problema fornece acesso a diferentes tipos de dados ... 18 1.6.2 Por qûe usar DSS? Os benefícios são [Udo and Guimarães 94]: • alta qualidade nas decisões • melhoria na comunicação • redução de custo • aumento de produtividade • economia de tempo • melhoria da satisfação de clientes e empregados. 19 1.7 Group Support Systems (GSS) Várias formas de trabalho em grupo: – – – – Groupware Electronic meeting systems Collaborative systems Group Decision Support Systems (GDSS) 20 1.8 Executive Information (Support) Systems (EIS, ESS) Usado estritamente por executivos ! – Fornece uma visão organizacional – Satisfaz as necessidades de informções a executivos e a outros gerentes – Fornece uma interface de uso fácil (usuário seduzido) – Interface customizada aos estilos individuais de decisão – Possibilita o controle e acompanhamento rápido e efetivo – Fornece acesso rápido a informações escondidas (Drill Down) – Filtra, extrai e acompanha dados e informações 21 críticos 2. Tomada de Decisão, Modelagem e Suporte Um exemplo problema O papel do SI em uma organização O Processo de Modelagem Decison Making versus Problem Solving 22 2.1 Um exemplo de Problema Como investir $ 1.000,000,00 ? 23 2.1.1 Aspectos Típicos de uma Decisão Decisões podem ser tomadas em grupo Possivelmente com objetivos contraditórios Existem centenas de alternativas resultados podem ocorrer no futuro atitudes envolvem risco existem cenários “What- If” método “tentativa-erro” podem resultar em perdas experimentos reais só podem ser feitos uma vez mudanças no ambiente podem ocorrer continuamente 24 2.3 Tomada de Decisão versus Problem Solving Segundo Simon o Processo de Tomada de Decisão é composto de 4 fases: 1. Compreensão 2. Projeto 3. Escolha 4. Implementação Def. Livro: Decision making e Problem Solving podem sinônimos Def. Jacques Robin: DM - fase 1 25 2.4 O Processo de Modelagem Modelos – – – – Maior componente do DSS Permitem simular a realidade É uma representação ou abstração simplificada da realidade Realidade é muito complexa, difícil de ser copiada Benefícios – – – – – – Economia de Tempo Facilidade de manipulação Baixo custo nas construções, execuções Podem modelar riscos e incertezas Simulação visual, ... 26 Processo de Modelagem de Suporte a Decisão Fase Compreensão •Examina a realidade Suposições realidade Simplificações Validação do modelo •Identifica e define problema Declarações do problema Fase do Projeto Formula um modelo Seta critérios de escolha e Verificação de Solução proposta Sucesso Implementação Solução Fracasso Solução busca por alternativas Alternativas Fase da Escolha Solução para o modelo Seleção da melhor alternativas Plano para Implement. 27 2.5 Como Decisões são Suportadas As diversas tecnologias que auxiliam o processo de modelagem nas suas diferentes fases: Compreensão: DSS, ES, MIS, Data Mining, OLAP, EIS GDSS Projeto e Escolha: DSS, ES, GDSS, Management Science Implementação: DSS, ES, GDSS 28 3. Componentes de um DSS Data management subsystem: Model management subsystem Knowlwdge management subsystem User interface subsystem O Usuário é considerado parte do sistema 29 3.1 Visão Esquemática do DSS Other Computer-Bases systems Data Manag Mod. Manag Knowledge Manag. User Interface Manager (User) O usuário é considerado parte do sistema 30 3.1.1 Data managent subsystem inclui o banco de dados que contém dados relevantes a resolução do problema conhecido como DBMS é composto de – – – – DSS database Database management system Data directory Query facility 31 Fontes internas de dados Fontes de dados externas Finanças, Marketing, Produção, ... Extraçao BD-DSS ou DW Facilidade consultas SGBD Dados pessoais User Interface Manag. Mod. Knowledge Diretório de dados A Estrutura do Data Management Subsystem manag. 32 3.1.2 Model managment subsystem Pacote de software que inclui: Model base management – contém rotinas estatísticas, de finanças, marketing ... – 4 categorias: estratégico, tático, operacional e blocos de contrução de modelos Modeling language Model directory Model execution, integration, and comand processor 33 3.1.2 .1 Model Base - Estratégico Usados para suportar planejamentos estratégicos gerenciamentos de alto nível, de longo prazo gerenciamentos de objetivos corporativos Ex: – análise de impacto ambiental – fusões, novas aquisições 34 3.1.2 .2 Model Base - Tático Usados para suportar gerenciamentos de nível médio. Usados para auxiliar no controle e recursos da organização Ex de decisões: – planejamentos de necessidades para o trabalho – determinação de layouts, de orçamentos 35 3.1.2 .3 Model Base - Operacional Usados para suportar atividades do trabalho do dia-a-dia Ex de decisões: – squeduling da produção – controle de inventário, – controle de qualidade... 36 Modelo Base Diretório do Modelo Gerenciamento do Modelo Base Modelo de execução, integração Gerenciamentos de dados, de interface e de conhecimento 37 A Estrutura do Model Management System 3.1.3 Knowledge managent subsystem Fornecem expertise para auxiliar na resolução de problemas não estruturados ou semi-estruturados 38 Subsistemas de gerenciamento conhecimento, do modelo e do banco de dados Sistema User Interface Management Processador de Linguagem Natural Entradas/Saídas Terminal Impressoras, Plotters Usuário Estrutura do User Interface System 39 Knowledge Management Classificação Silverman[95] knowledge-based aids (decisões endereçadas pela matemática) intelligent decision modeling system (ajuda aos usuários a construir, aplicar e gerenciar bibliotecas ) decision analytic expert systems (métodos de incerteza) DSS Inteligente ou DSS/ES ou KB-DSS 40 3.1.4 User interface subsystem Permite a comunicação entre usuários e Subsistema de gerenciamento do modelo inclui hardware, software, interações homem-máquina, acessabilidade, ... Spraque e Watson [96] - componente mais importante Whitten e Bentley [97] - consideram ser o próprio sistema 41 3.1.4.1 Capacidade do User interface subsystem Fornece interface gráfica apresenta diferentes formatos e saída para dados capacidades de ajuda, de diagnóstico, rotinas de sugestões... Armazena entrada e saída de dados fornece treinamentos captura, armazena e realiza análise de diálogos entre usuários... 42 3.2 Classificação dos DSS Halsapple and Winhston’s Classification [96] – Text-oriented DSS – Database-oriented DSS – Spreadsheet-oriented DSS – Solver-oriented DSS – Rule-oriented DSS – Compound DSS 43 4. Data Warehousing É muito apropriado para organizações onde: – dados armazenados em sistemas diferentes – existem várias bases de dados diferentes – o mesmo dado é apresentado de formas diferentes em vários sistemas – dados são difíceis de decifrar - formato muito técnico 44 4.1 Característica de Data Warehousing Dados organizados por assunto Integração de dados (Ex: sexo) Variante no tempo - dados históricos 5-10 anos para indicar tendências, fazer comparações, previsões. Banco de dados read-only 45 4.2 OLTP versus OLAP On-Line Transaction Processing – processamento operacional ou de missão crítica On-Line Analytical Processing – processamento informacional ou de suporte a decisão – usado por especialistas – usados pelos usuários finais em DSS e EIS – trabalha com dados volumosos – trabalha com data warehouse 46 4.2.2 Funções de um DW coleta e armazenamento de dados de várias bases de dados, armazenamento de dados resumidos, fornecimento de respostas à consultas OLAP, fornecimento de cópia estável dos dados para consultas de suporte a decisão. 47 4.2.3 Arquitetura de um DW Sof. Cons. & atual DW C&A c &a Data mart Data mart Software de Integração Data extractor BD legados Data extractor BD legados Data extractor Sistema de Arquivos 48 A Multidimensionalidade Planilhas são tabelas de 2 dimensões Em DSS cruzamentos são necessários Multimensionalidade permite o tomador de decisão organizar informações com 3 ou mais dimensões Exemplo de um modelo multidimencional no slide seguinte 49 FatosVenda Produto ChaveProduto Nome Tipo Ocasião VidaÚtil Estação PreçoArranjo DateAvailableFrom DateAvailableTo Descrição ChaveTempo ChaveCliente ChaveProduto ChaveCanal PreçoCheio Desconto Comissão RedeProcedência Canal ChaveCanal Tipo; Nome Matriz; Região Localização: Cidade, Estado, País; AnoContrato Tempo Cliente ChaveCliente PrimeiroNome ÚltimoNome FaturaEndereço FaturaCidade FaturaOutraEstado FaturaPaís Idade Gênero MantalStatus RendaFamiliar 50 Arquitetura para desenvolvimento de DSS Dados Operacional DSS engine Ambiente de Desenvolvimento DW Aplicações Descktop Metadado 51 Dado Operacional; Sistemas OLAP DW: fundação da Aplicação DSS Metadado:serve para identificar conteúdos e localizações de dados no warehouse. É uma ponte entre o DW e o DSS DSS engine: transforma requisitos de dados em consultas SQL para serem enviadas ao DW e resultados de consultas para serem enviadas ao analista DSS Ambiente de desenvolvimento: conjunto de ferramentas O-O para construção da aplicação * 52 5. Data Mining É a descoberta de conhecimento dentro em banco de dados É freqüentemente ligada com DW fornece “insights” para gerenciar oportunidades e problemas potenciais ( ou existentes) 53 5.1 Intelligent Data Mining - IDM descobre informações dentro de DW que não são revelados através de consulta ou relatórios [Edelstein 96] descobre padrões de dados e fazem inferências entre eles – estes padrões podem ser usados para auxiliar a tomada de decisão 54 5.1.1 Principais Ferramentas de IDM Case-based reasoning – a idéia é adaptar soluções que já foram usadas para solucionar novos problemas • Ex.:abordagem usada para reconhecer padrões Neural computting – usada para reconhecer padrões ao examinar dados históricos [Trippi and Turban 96] Inteliggent Agents – Uma das mais promissoras abordagens para recuperação de informação de Banco de Dados 55 5.2 Banco de Dados Inteligente e Data Mining O desenvolvimento de DSS exige acesso a banco de dados um objetivo crítico é tornar um banco de dados inteligente de modo que usuários possam encontrar sozinhos suas informações Solução: Unir as facilidade de Banco de Dados com as de IA – Pode gerenciar dados, knowledge e objetos – Ex.: INGRES Intelligent Database • Friday + 1 (working day ) = Monday 56 6. DSS Inteligentes Tomadores de decisão são primariamente “knowledge workers” – devem usar conhecimento nas decisões – Knowledge-based-system tentam fornecer além do conhecimento o “expertise” – o expertise irá ajudar tomadores de decisão inexperientes para melhor planejar e analisar recursos 57 6.1 Exemplos de DSS Inteligentes Active(Symbiotic) DSS [Manheim 89] – é aplicado para as seguintes tarefas:[Mili 90]: • entender o domínio (terminologia, parâmetro, interações) => fornece explicações • formular problemas => fazer suposições, decidir o que fazer e o que não fazer • narrar um problema a ser resolvido => DSS junto com prolem-solver pode aconselhar que procedimentos usar, que soluções técnicas seguir • interpretar resultados • interpretar, mostrar resultados e decisões 58 6.1 Exemplos de DSS Inteligentes Self-evolving DSS [Liang and Jones 87] – é uma abordagem para projeto de DSS que poderia ir se adaptando automaticamente com a evolução de seus usuários – necessita das seguintes capacidades • menu dinâmico adaptado ao tipo de usuário • interface de usuário dinâmica com saídas diferentes • sistema de gerenciamento de modelo da base inteligente 59 6.2 DSS Multimídia Há uma forte tendência de se incluir tipos de dados multimídia diretamente em DSS e ES como suporte aos seus bancos de dados [Fluckiger 96], [Fong 96], [Ng Tye 95] – para recuperar, armazenar e manipular dados – exemplo: Nabisco K-Vision (GINESYS Corp.) ES windows-based Existem muitas capacidades multimídia na internet/intranets para envio de dados Futuro: mais multimídia em DSS 60 6.3 DSS com Realidade Virtual Muitas aplicações atuais podem ser usadas por tomadores de decisão diretamente – Validação de um desenvolvimento de um Boing [Hedberg 96] – Na VOLVO testar carros virtuais em acidentes virtuais Tomadores de decisão poderiam ter uma melhor visão de suas decisões 61 6.4 Desafios dos DSS [Sprague and Watson 96] Arquitetura integrada – usando uma interface comum ( “for windows”) um Information worker pode ver todo o mundo de informações que existem. Conectividade – Information workers devem estar ligados a web para acessar informações . O desenvolvimento de novos DSS desenvolvidos deverm ser “web-enable”. Ex. Group DSS Dados documentados – DSS com capacidade de manusear dados mal estruturados Mais inteligência 62 7. DW com Agentes Inteligentes Todo ambiente de DW enfrenta o obstáculo da sobrecarga de informações. – Os agentes inteligentes fornecem ferramentas para vencer estes obstáculos Soluções com AI em um ambiente de DW maximizam o investimento e possibilitam soluções de BI de forma nunca tentada. AI representam um importante papel neste cenário Problema : Tamanho e Tempo 63 7. Exemplos de Aplicações DW com AI Mobilidade: – acesso do comprador-fornecedor – disponibilizar seus dw para serem seus agentes Técnicas de ajuntamento de informação (gathering) – data mining incorporado com AI – ADM podem trabalhar offline para encontrar padrões escondidos e reportá-los ao usuário do sistema OLAP 64 7. Exemplos de Aplicações DW com AI Transferência/compartilhamento de conhecimento entre agentes – Capacidade dos agentes colaborarem na resolução de problemas – Ex: atualização de um DATA MART • Problema : Tamanho e tempo • agentes de “scheduling”de carga (objetivo: maximizar o desempenho. Usa tempos históricos de carga, prioridades, fila) • agente de monitoramento (objetivo: monitorar fontes de dados disponíveis para carga e reportar ao agente de scheduling de carga) 65 8. Conclusões Mais inteligência – Embutir:ES, Intelligent Software Agents, Neural Network e outras tecnologias de IA nos novos DSS – Ex: métodos de data mining baseados em IA podem descobrir relacionamentos que podem ser usados por modelos de DSS para predizer previsão de vendas de um novo produto Arquitetura de AI podem ajudar a superar o muro da sobrecarga de informação, combinando interfaces fáceis de usar, feedbacks imediados e capacidades de monitoramento autônomo. A combinação de agentes inteligentes com OLAP é o grande “tchan”em datawarehousing 66