Структура системы поддержки принятия решений

Структура системы поддержки принятия решений

Что такое система поддержки принятия решений, и зачем она нужна?

В литературе выделяется множество различных определений системы поддержки принятия решений (СППР). Если описать наиболее простыми словами, то СППР – это компьютерный комплекс, используемый в процессе принятия решений.

Скептики замечают, что никто не принимает решения лучше, чем опытные руководители, которые много лет проработали в проблемной области и изучили все нюансы. Трудно поспорить с этим аргументом. Действительно, мировой опыт внедрения компьютерных программ и комплексов на протяжении последнего десятилетия показал, что компьютерные программы – не панацея, и ни какая программа не может заменить опытного руководителя.

Тем не менее, ряд решений требует большой осведомлённости о состоянии компании, анализа накопленной статистики, в решении этой задачи на помощь и приходят компьютерные программы, в том числе СППР. Система не призвана заменить руководителя, а служит инструментом принятия более обоснованных и эффективных решений.

Часто руководители сами не отдают себе отчёт, что в том или ином виде они постоянно сталкиваются с СППР. Например, если мы посмотрим на технико-экономическое обоснование любого проекта, то наверняка мы столкнемся с документами Excel, эти документы задают компьютерные модели, результаты которых используются при принятии решений.

Структура СППР

Типовая СППР состоит из: модели, среды экспериментов, базы данных, интерфейса пользователя.

Давайте рассмотрим компоненты СППР более подробно. Модель – это формальное описание системы. При этом система может быть совершенно разной природы: экономической, технологической, социальной и т.д.

В процессе разработки в модель привносятся определённые данные:

  • технико-технологические (длины трубопроводов, скорость перекачки сырья, время освоения месторождения и т.д.);
  • экономические (текущие цены на нефть, стоимость строительства километра трубопровода, стоимость транспортировки и т.д.);
  • социальные (инертность потребителей, лояльность партнёров, ротация кадров и т.д.).

Кроме того, часто модель опирается на накопленную статистику. Например, для прогнозирования цены, используется аппроксимация исторических данных. Обычно модель использует собственную базу данных или подключается к корпоративной.

Модель является основой СППР, но пользователей интересуют результаты экспериментов с моделью. Среда экспериментов – это набор инструментов для экспериментирования с моделью. Широко используются следующие типы экспериментов:

  • «Что если?» - эксперимент позволяет запускать модель с различными параметрами;
  • «Оптимизация» - эксперимент, позволяющий находить оптимальные параметры модели, при которых максимизируется или минимизируется целевая функция (с учетом заданных ограничений);
  • «Анализ чувствительности» - эксперимент, использующийся для оценки влияния одного из параметров модели на результаты моделирования;
  • «Метод Монте-Карло» - эксперимент, позволяющий оценить результаты стохастических моделей. При этом каждая из величин на выходе модели представлена в виде математического ожидания и среднеквадратичного отклонения.

Кроме того СППР включает интерфейс пользователя – компьютерную оболочку, которая позволяет запускать вычислительные эксперименты с моделью и просматривать их результаты.

Какие бывают модели?

Какие модели применяются в повседневной управленческой деятельности? При ближайшем рассмотрении сразу же в голову приходят модели в Excel. Действительно, Excel позволил массово применять математику в бизнесе. Никогда ещё не было так просто рассчитать товарный запас на складе или подвести баланс предприятия. Excel – это современное средство поддержки аналитического моделирования.

При аналитическом моделировании процессы функционирования исследуемой системы записываются в виде уравнений и логических соотношений. Анализ модели при этом сводится к их аналитическому решению. Плюсы и минусы применения аналитических моделей показаны на рисунке.

Преимущества и недостатки аналитических моделей

По оценкам экспертов использование чисто аналитических методов при моделировании реальных систем сталкивается с серьезными трудностями: классические математические модели, допускающие аналитическое решение, в большинстве случаев к реальным задачам неприменимы.

Это объясняется тем, что корректность искомых ответов напрямую зависит от учета специфики динамических систем:

  1. Бизнес имеет инерцию. Завтрашние результаты зависят не только от сегодняшнего состояния, но и от всей предшествующей траектории.
  2. Завтрашние результаты также зависят от сегодняшних решений и от внешних факторов.
  3. Большинство этих зависимостей образуют петли обратной связи, которые в свою очередь порождают неподвластную интуиции и здравому смыслу нелинейность.

В этом случае на помощь и приходит другой класс моделей – имитационные. При имитационном моделировании структура моделируемой системы (ее подсистемы и связи) непосредственно представлена структурой модели. А процесс функционирования подсистем, выраженный в виде правил и уравнений, связывающих переменные, имитируется на компьютере. Преимущества и недостатки использования имитационных моделей показаны на рисунке.

Преимущества и недостатки применения имитационных моделей