Döntéstámogató rendszerek

Tartalom

ELŐSZÓ 13
1. DÖNTÉSELMÉLETI ALAPFOGALMAK 21
1.1. Probléma, problémamegoldás 22
1.2. Problématér 24
1.3. Döntések - optimális és kielégítő döntések 27
1.4. Modellek - normatív és leíró döntési modellek 28
1.5. Problémakategóriák 29
1.5.1. Az állapottér-reprezentáció 29
1.5.2. A problémakategóriák jellemzése 32
1.5.3. A racionális döntéshozatal kritériumai 33
1.6. A döntések környezete - a gazdaságtan alapelvei 34
1.7. Az ember mint információfeldolgozó entitás 36
1.8. Az emberi agy funkciómegosztása 39
1.9. Az emberi tudás és a modellalkotás szintjei 42
1.10. A döntések lehetséges osztályozásai 45
Összefoglalás 49
Ellenőrző kérdések 49
2. DÖNTÉSHOZATAL ÉS DÖNTÉSTÁMOGATÁS 51
2.1. A vezetői tevékenység és az információrendszerek 51
2.2. A döntéstámogató rendszerek kialakulása és jellemzése 54
2.2.1. A döntéstámogató rendszerek kialakulása 54
2.2.2. A döntéstámogató rendszerek jellemzése 59
2.3. A döntési folyamat fázisai 63
2.3.1. Az előkészítés fázisa 63
2.3.2. A tervezés fázisa 65
2.3.3. A választás fázisa 68
2.3.4. A megvalósítás fázisa 71
2.4. A döntési folyamat számítógépes támogatása 72
2.5. Döntéstámogató rendszerek (DTR) 73
2.5.1. A döntéstámogató rendszerek jellemzése 74
2.5.2. A döntéstámogató rendszerek komponensei 75
2.5.2.1. Az adatkezelő alrendszer 76
2.5.2.2. A modellkezelő alrendszer 76
2.5.2.3. A tudásmenedzsment alrendszer 78
2.5.2.4. A kommunikációs alrendszer 78
2.5.2.5. A felhasználók 79
2.5.3. A döntéstámogató rendszerek osztályozásai 80
2.6. Csoporttámogató rendszerek 81
2.6.1. A csoportmunka 82
2.6.2. A csoportmunka számítógépes támogatása 83
2.6.3. A csoportos döntéshozatal számítógépes támogatása 84
2.6.4. A GroupSystems for Windows csoportos döntéstámogató rendszer 88
Összefoglalás 89
Ellenőrző kérdések 90
3. DÖNTÉSI MODELLEK ÉS TECHNIKÁK 91
3.1. Bevezető gondolatok, fogalmak 91
3.1.1. Motiváló példa - párválasztás 91
3.1.2. Példa - utazóügynök probléma 92
3.1.3. Példa - kártyás feladat 93
3.2. A döntési problématér modellje 95
3.3. Döntési táblák 97
3.3.1. Döntési tábla - pesszimista döntéshozó (MaxMin) 98
3.3.2. Döntési tábla - optimista döntéshozó (MaxMax) 98
3.3.3. Döntési tábla - mérsékelten optimista (pesszimista) döntéshozó (Hurwitz-kritérium) 100
3.4. Lineáris és egészértékű programozás 102
3.4.1. Lineáris programozás 102
3.4.2. Egészértékű programozás, heurisztika 105
3.5. Optimális várható érték, döntési fa 107
3.6. Többperiódusos modellek 110
3.7. Többperiódusos döntési fa 115
Összefoglalás 120
Ellenőrző kérdések 120
4. ÜZLETI INTELLIGENCIA 122
4.1. Az üzleti intelligencia fogalma, háttere 122
4.2. Adatminőség, adatgyűjtés - problémák és kihívások 127
4.3. Adattárház, adatpiac 130
4.3.1. Az adattárházak és az üzleti intelligencia rendszerek kialakulásához vezető tényezők 130
4.3.1.1. Gazdasági tényezők 130
4.3.1.2. Üzleti hajtóerők 131
4.3.2. Az adattárház és jellemzői 131
4.3.3. Az adatpiac 133
4.3.4. Az adattárházak tervezése és kialakítása 135
4.3.4.1. Adatforrások, az adattárház operatív környezete 135
4.3.4.2. Az adatok elérése, az adatmennyiség kezelése és az idő szerepe 136
4.3.4.3. A folyamatmodell és az adattárház adatmodell 137
4.3.4.4. Csillagséma 139
4.3.5. A felhasználói csoportok 141
4.3.6. A jól működő adattárház kritériumai 142
4.3.7. Adattárházak kockázatai 143
4.3.8. Fontosabb adattárház-megoldások 144
4.4. Felsővezetői információrendszerek és OLAP 145
4.4.1. Felsővezetői információrendszerek 145
4.4.2. Rockart-Treacy-féle felsővezetői információrendszer (EIS) 146
4.4.3. A felsővezetői információrendszerek átalakulása 147
4.4.4. A felsővezetői információrendszertől az OLAP-ig 148
4.4.5. Az OLAP-rendszerek alapelvei 149
4.4.6. MOLAP-, ROLAP- és HOLAP-architektúrák 151
4.4.7. Adatvizualizáció 152
4.4.8. Stratégiai teljesítménymenedzsment megoldások 153
4.5. Adatbányászat 154
4.5.1. Az adatbányászat folyamata 156
4.5.2. Az adatbányászat felhasználási területei 159
4.5.3. Adatbányászati eszközök 164
4.6. Tudásmenedzsment és alkalmazása az üzleti intelligencia területén 165
4.6.1. Tudásmenedzsment: alapfogalmak, elméletek 166
4.6.2. A tudásmenedzsment és a szervezeti memória 168
4.6.3. A szervezeti tudás létrehozásának folyamata 170
4.6.4. Tudásmenedzsment-rendszerek 173
4.7. Szemantikus web, ontológia 174
4.7.1. Az ontológia 174
4.7.2. Az ontológia jelentése a mesterséges intelligenciában 175
4.7.3. A szemantikus web kutatási irányzat és az ontológiák 178
4.8. Esettanulmány - a PSZV üzleti intelligencia projektje 182
4.8.1. A vállalat bemutatása 182
4.8.2. A jelenlegi helyzet 183
4.8.3. Szükségesség és cél 184
4.8.4. Igények és előkészítés 185
4.8.5. Nehézségek, kockázatok, buktatók 187
Összefoglalás 189
Ellenőrző kérdések 189
5. SZAKÉRTŐI DÖNTÉSEK TÁMOGATÁSA, SZAKÉRTŐ RENDSZEREK 191
5.1. A mesterségesintelligencia-kutatásokról 192
5.2. Az ismeretalapú és a szakértőrendszer-technológiáról 194
5.2.1. Ismeretalapú rendszerek 196
5.2.2. Szakértő rendszerek 198
5.2.3. Korai szakértőrendszer-projektek 199
5.2.4. Az ismeretalapú technológia forradalmasító hatása 201
5.2.5. Mi működik és mi nem? 202
5.3. Keresési stratégiák 203
5.3.1. A keresési stratégiák osztályozása 204
5.3.2. A visszalépéses keresési stratégia 205
5.3.3. A mélységi és a szélességi keresés 206
5.3.4. További keresési stratégiák 207
5.4. Ismeretreprezentáció 209
5.4.1. Az ismeretreprezentációs módszerek osztályozási szempontjai 210
5.4.2. Az ismeretreprezentációs módszerek szokásos osztályozása 211
5.4.3. A szabályalapú reprezentáció 212
5.4.3.1. Célvezérelt következtetés 215
5.4.3.2. Adatvezérelt következtetés 218
5.4.3.3. A szabályalapú rendszerek értékelése 221
5.4.4. Asszociatív vagy szemantikus hálók 222
5.4.5. A keretalapú reprezentáció 223
5.5. Bizonytalanságkezelés 225
5.5.1. A bizonytalanságkezelés módszereinek osztályozása 226
5.5.2. A Bayes-modell 228
5.5.3. A heurisztikus bizonytalanságkezelés M.1-modellje 230
5.6. Az ismeretalapú technológia jellegzetességei 232
5.6.1. Az ismeretalapú rendszerek szerkezete és főbb funkciói 233
5.6.2. Adatbázis, ismeretbázis 235
5.6.3. A szakértő rendszerek generációi 236
5.6.4. Az ismeretalapú és a szakértőrendszer-technológia jellemzése 238
5.6.5. Az ismeretalapú és a szakértő rendszerek értékelése 240
5.7. Alaptechnikák, problématípusok 243
5.7.1. Szabályalapú technikák 243
5.7.1.1. A célvezérelt szabályalapú technika jellemzése 244
5.7.1.2. Az adatvezérelt szabályalapú technika jellemzése 245
5.7.1.3. Szabályalapú eszközök 246
5.7.2. Keretalapú technikák 247
5.7.2.1. A keretalapú technika jellemzése 247
5.7.2.2. Hibrid keretalapú rendszerek értékelése 248
5.7.2.3. Hibrid keretalapú eszközök 248
5.7.3. Ismeretalapú rendszerek problématípusai 249
5.8. Ismeretszerzés 253
5.8.1. A szakértő rendszerek fejlesztése, a tudásmérnöki munka 254
5.8.2. Az ismeretszerzés meghatározása és jellemzése 256
5.8.3. A szakértőkről 257
5.8.4. Az ismeretszerzés módszereinek osztályozása 259
5.8.5. Az ismeretszerzés közvetlen módszerei 260
Összefoglalás 263
Ellenőrző kérdések 263
6. INTELLIGENS TECHNIKÁK A DÖNTÉSTÁMOGATÁSBAN 265
6.1. A tanulás, a gépi tanulás alapmódszerei 266
6.1.1. Felügyelt tanulás 267
6.1.2. Nemfelügyelt tanulás 269
6.1.3. A gépi tanulás intelligens módszerei, rendszerei 270
6.2. Induktív rendszerek 271
6.2.1. Az induktív következtetés 272
6.2.2. Az ID3 algoritmus 273
6.2.3. Az ID3 algoritmus működését illusztráló példa 275
6.2.4. Szabályok tanulása 277
6.2.5. Az induktív következtetés értékelése 278
6.2.6. Induktív eszközök és alkalmazások 278
6.3. Esetalapú rendszerek 279
6.3.1. Az esetek 280
6.3.2. Az esetalapú rendszerek végrehajtási ciklusa 281
6.3.3. Az esetkönyvtár indexeléséről 283
6.3.4. Az esetalapú rendszerek értékelése 283
6.3.5. Esetalapú alkalmazások 285
6.3.6. Esetalapú eszközök 286
6.4. Neuronhálózatok 287
6.4.1. A természetes (biológiai) és a mesterséges neuron 288
6.4.2. Egy mesterséges neuronhálózat felépítése 290
6.4.3. A neuronhálózat elemei és jeltovábbítása 292
6.4.4. Jellegzetes topológiai viszonyok 294
6.4.4.1. Ingerlés és gátlás 294
6.4.4.2. Kapcsolódási erősség 294
6.4.4.3. Kapcsolati sémák 294
6.4.4.4. A rétegek konfigurációja 294
6.4.5. Információ ábrázolása a neuronhálózatokban 295
6.4.5.1. Mintatípusok 295
6.4.5.2. Memóriatípusok 295
6.4.5.3. Leképezési mechanizmusok 296
6.4.5.4. Kiolvasás 296
6.4.6. Információ bevitele a neuronhálózatokba 296
6.4.7. Néhány konkrét neuronhálózati paradigma 298
6.4.7.1. Perceptron 298
6.4.7.2. Kohonen-térkép 299
6.4.7.3. Back-Propagation 300
6.4.8. A neuronhálózatok értékelése 301
6.4.9. A neuronhálózatok alkalmazásai 302
6.4.10. Neuronhálózati eszközök 302
6.5. Genetikus algoritmusok 303
6.5.1. A Vektor játék 303
6.5.2. A genetikus algoritmusok működése 305
6.5.3. A genetikus algoritmusok értékelése 307
6.5.4. A genetikus algoritmusok alkalmazásai 307
6.5.5. A genetikus algoritmusok eszközeiről 308
6.5.6. Demonstrációk 308
6.6. Fuzzy-rendszerek 309
6.6.1. Fuzzy-halmazok, fuzzy-logika 309
6.6.2. Példa fuzzy szabályozó rendszerre 313
6.6.3. Fuzzy-rendszer, fuzzy-következtetés 316
6.6.4. A bizonytalanságkezelő modellek összehasonlítása 317
6.6.5. A fuzzy-rendszerek értékelése 318
6.6.6. Fuzzy-alkalmazások 319
6.6.7. Fuzzy-eszközök 320
Összefoglalás 321
Ellenőrző kérdések 321
UTÓSZÓ
A döntéstámogató rendszerek fejlődésének irányai 323
FÜGGELÉK
F1. A csoportos döntéshozatal elvi problémái 327
F2. Példa a cél- és az adatvezérelt következtetésre 333
F3. Szakértő rendszerek - rövid hazai körkép 341
F4. Logikai nyelvek, logikai programozás 345
F5. A Prolog nyelv 348
F6. A leíró logikák 353
F7. Példa a Bayes-modell alkalmazására 357
F8. A CommonKADS módszertan 360
F9. A leggyakrabban használt aktivációs függvények 365
F10. A Perceptron, a Kohonen-térkép és a Back-Propagation paradigma 367
KIS ANGOL-MAGYAR SZAKSZÓTÁR 373
IRODALOMJEGYZÉK 385
NÉV- ÉS TÁRGYMUTATÓ 393

Témakörök