ΧΑΡΑ Κ. ΚΩΣΤΑΚΗ ΜΕΘΟΔΟΙ ΕΙΣΑΓΩΓΗΣ ΚΑΙ ΕΠΙΔΡΑΣΗ ΤΩΝ ΝΕΩΝ ΤΕΧΝΟΛΟΓΙΩΝ ΚΑΙ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΕ ΜΟΝΑΔΕΣ ΥΓΕΙΑΣ

Transcript

1 ΧΑΡΑ Κ. ΚΩΣΤΑΚΗ ΜΕΘΟΔΟΙ ΕΙΣΑΓΩΓΗΣ ΚΑΙ ΕΠΙΔΡΑΣΗ ΤΩΝ ΝΕΩΝ ΤΕΧΝΟΛΟΓΙΩΝ ΚΑΙ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΕ ΜΟΝΑΔΕΣ ΥΓΕΙΑΣ ΔΙΔΑΚΤΟΡΙΚΗ ΔΙΑΤΡΙΒΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΑΣ 2007

2

3 ΠΕΡΙΛΗΨΗ Η διατριβή αναφέρεται στην ανάπτυξη μίας Μεθοδολογίας Ενοποίησης Εργαλείων Διοίκησης (Μ.Ε.Δ.Δ.) για την επίλυση προβλημάτων που παρουσιάζονται στον τομέα της υγείας, τα οποία αναφέρονται αφενός στη χωροθέτηση μονάδων υγείας και αφετέρου στην οργάνωση και διαχείρισή τους. Η καινοτομία της διατριβής αυτής είναι ότι αντιμετωπίζει τα προβλήματα αυτά σαν προβλήματα της μορφής αιτία-κατάστασηαντιμετώπιση, δηλαδή προτείνει την ανάλυση των αιτιών (για παράδειγμα ανάλυση παραγόντων κινδύνου για τη δημιουργία Οξέος Στεφανιαίου Συνδρόμου) που οδηγούν σε μία κατάσταση (Οξύ Στεφανιαίο Σύνδρομο) και μετά χρησιμοποιεί αυτή την ανάλυση για την αντιμετώπιση των καταστάσεων (χωροθέτηση, οργάνωση και διαχείριση μονάδων καρδιαγγειακών νοσημάτων). Η Μ.Ε.Ε.Δ. βασίζεται στην ενοποίηση μεθόδων από τα πεδία της Επιχειρηματικής Νοημοσύνης (Business Intelligence), της Επιχειρησιακής Έρευνας και της Κοστολόγησης, με σκοπό αρχικά την εξαγωγή κανόνων για την εύρεση αιτιών που δημιουργούν μία κατάσταση, στη συνέχεια την αντιμετώπιση αυτής της κατάστασης με βάση τους εξορυγχθέντες κανόνες και τέλος την οργάνωση των λειτουργικών μονάδων που δημιουργήθηκαν για την αντιμετώπιση της κατάστασης. Αρχικά, χρησιμοποιούνται τρεις μέθοδοι του επιστημονικού πεδίου Εξόρυξης από Δεδομένα (data mining): οι κανόνες συσχέτισης (association rules), ταξινόμησης (classification rules) και ομαδοποίησης (clustering rules) ως τεχνικές εύρεσης ισχυρών κανόνων, δηλαδή αιτιών που δημιουργούν την κατάσταση. Στη συνέχεια, χρησιμοποιείται η ανάλυση χωροθέτησης (location analysis) από το πεδίο της επιχειρησιακής έρευνας, προκειμένου να χωροθετηθούν λειτουργικές μονάδες. Η τεχνική της προσομοίωσης (simulation) εφαρμόζεται, προκειμένου να εξετάσει σενάρια σχετικά με τη δομή και τους απαιτούμενους πόρους των μονάδων. Κατόπιν, η τεχνική της 1

4 κοστολόγησης με βάση τις δραστηριότητες (Activity-based costing) χρησιμοποιείται για την κοστολόγηση των υπηρεσιών της μονάδας, ενώ η μέθοδος OLAP (On-line analytical processing) εφαρμόζεται για την παρακολούθηση της λειτουργίας της μονάδας και για τη λήψη στρατηγικών αποφάσεων και διορθωτικών μέτρων. Η εργασία αυτή προτείνει την οργάνωση των μεθόδων που αναφέρθηκαν με μία συγκεκριμένη ροή, ώστε κανείς να οδηγείται σε μία ολοκληρωμένη λύση τέτοιων πολύπλοκων προβλημάτων. 2

5 ΕΥΧΑΡΙΣΤΙΕΣ Κατ αρχάς θα ήθελα να ευχαριστήσω τον καθηγητή μου, κ. Βουτσινά Βασίλειο, Επίκουρο Καθηγητή του τμήματος Διοίκησης Επιχειρήσεων του Πανεπιστημίου της Πάτρας, τόσο για την υπόδειξη του θέματος, όσο και για την καθοδήγησή του καθ όλη τη διάρκεια της εκπονήσεως της διατριβής αυτής. Θα ήθελα επίσης να εκφράσω τις θερμές ευχαριστίες μου στον κ. Παναγιωτάκο Δημοσθένη, Λέκτορα του τμήματος Επιστήμης Διαιτολογίας και Διατροφολογίας του Χαροκόπειου Πανεπιστήμιου για την πολύτιμη και ουσιαστική βοήθειά του σε επιδημιολογικά θέματα. Τέλος, εκτιμάται ιδιαίτερα η συμβολή της τριμελούς επιτροπής που αποτελείται από τους κ.κ. Βουτσινά Βασίλη, Επίκουρο Καθηγητή, Γιαννίκο Ιωάννη, Επίκουρο Καθηγητή και Ζαχαράτο Γεράσιμο, Καθηγητή του τμήματος Διοίκησης Επιχειρήσεων, της διατριβής αυτής. 3

6

7 ΠΕΡΙΕΧΟΜΕΝΑ ΕΙΣΑΓΩΓΗ...11 ΟΡΓΑΝΩΣΗ ΤΗΣ ΔΙΑΤΡΙΒΗΣ...15 ΜΕΡΟΣ Ι: ΘΕΩΡΗΤΙΚΟ ΥΠΟΒΑΘΡΟ ΚΕΦΑΛΑΙΟ 1: ΟΙ ΤΕΧΝΙΚΕΣ ΕΞΟΡΥΞΗΣ ΑΠΟ ΔΕΔΟΜΕΝΑ ΓΕΝΙΚΑ ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ ΓΕΝΙΚΑ ΠΑΡΟΥΣΙΑΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΣΥΣΧΕΤΙΣΗΣ ΑΛΓΟΡΙΘΜΟΙ ΣΥΣΧΕΤΙΣΗΣ ΔΙΑΔΟΧΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΠΑΡΑΛΛΗΛΟΙ ΑΛΓΟΡΙΘΜΟΙ ΠΟΣΟΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΓΕΝΙΚΕΥΜΕΝΟΙ ΑΛΓΟΡΙΘΜΟΙ ΧΩΡΙΚΟΙ ΚΑΙ ΧΡΟΝΟΛΟΓΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΔΙΑΦΟΡΑ ΘΕΜΑΤΑ ΚΑΝΟΝΕΣ ΤΑΞΙΝΟΜΗΣΗΣ ΓΕΝΙΚΑ ΑΛΓΟΡΙΘΜΟΙ ΤΑΞΙΝΟΜΗΣΗΣ ΔΕΝΔΡΩΝ ΚΑΝΟΝΕΣ ΔΙΑΚΛΑΔΩΣΗΣ/ ΔΙΑΙΡΕΣΗΣ ΔΕΝΔΡΩΝ ΜΕΘΟΔΟΙ ΠΕΡΙΟΡΙΣΜΟΥ ΕΚΤΑΣΗΣ ΤΩΝ ΔΕΝΤΡΩΝ ΣΥΓΚΡΙΣΗ ΜΕ ΑΛΛΕΣ ΜΕΘΟΔΟΛΟΓΙΕΣ ΚΑΝΟΝΕΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΓΕΝΙΚΑ ΑΛΓΟΡΙΘΜΟΙ ΟΜΑΔΟΠΟΙΗΣΗΣ ΔΙΑΧΩΡΙΣΤΙΚΗ ΟΜΑΔΟΠΟΙΗΣΗ ΙΕΡΑΡΧΙΚΗ ΟΜΑΔΟΠΟΙΗΣΗ ΟΜΑΔΟΠΟΙΗΣΗ ΒΑΣΕΙ ΣΥΝΘΗΚΩΝ ΠΥΚΝΟΤΗΤΑΣ ΟΜΑΔΟΠΟΙΗΣΗ ΒΑΣΕΙ ΠΛΕΓΜΑΤΩΝ ΟΜΑΔΟΠΟΙΗΣΗ FUZZY ΟΜΑΔΟΠΟΙΗΣΗ ΒΑΣΕΙ ΚΑΤΑΝΟΜΩΝ GAUSSIAN ΔΙΑΦΟΡΑ ΘΕΜΑΤΑ

8 1.5 ΕΦΑΡΜΟΓΕΣ ΤΩΝ ΤΕΧΝΙΚΩΝ ΕΞΟΡΥΞΗΣ ΑΠΟ ΔΕΔΟΜΕΝΑ ΣΕ ΙΑΤΡΙΚΑ ΠΡΟΒΛΗΜΑΤΑ...76 ΚΕΦΑΛΑΙΟ 2: ΑΝΑΛΥΣΗ ΧΩΡΟΘΕΤΗΣΗΣ ΓΕΝΙΚΑ ΔΙΑΚΡΙΣΕΙΣ ΤΩΝ ΜΟΝΤΕΛΩΝ ΧΩΡΟΘΕΤΗΣΗΣ ΠΡΟΒΛΗΜΑΤΑ ΧΩΡΟΘΕΤΗΣΗΣ ΣΤΟ ΕΠΙΠΕΔΟ ΧΩΡΟΘΕΤΗΣΗ ΜΙΑΣ ΜΟΝΑΔΑΣ ΧΩΡΟΘΕΤΗΣΗ ΠΕΡΙΣΣΟΤΕΡΩΝ ΑΠΟ ΜΙΑΣ ΜΟΝΑΔΕΣ ΠΡΟΒΛΗΜΑΤΑ ΧΩΡΟΘΕΤΗΣΗΣ ΣΕ ΔΙΚΤΥΑ ΠΡΟΒΛΗΜΑΤΑ P-MEDIAN ΤΟ ΠΡΟΒΛΗΜΑ SPLP ΠΡΟΒΛΗΜΑΤΑ P-CENTER ΠΡΟΒΛΗΜΑΤΑ ΚΑΛΥΨΗΣ ΔΙΑΦΟΡΑ ΘΕΜΑΤΑ ΕΦΑΡΜΟΓΕΣ ΤΩΝ ΜΟΝΤΕΛΩΝ ΑΝΑΛΥΣΗΣ ΧΩΡΟΘΕΤΗΣΗΣ ΣΤΟΝ ΤΟΜΕΑ ΤΗΣ ΥΓΕΙΑΣ...97 ΚΕΦΑΛΑΙΟ 3: ΠΡΟΣΟΜΟΙΩΣΗ ΓΕΝΙΚΑ ΚΑΤΗΓΟΡΙΕΣ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΜΟΝΤΕΛΑ ΔΙΑΧΕΙΡΙΣΗΣ ΤΟΥ ΧΡΟΝΟΥ ΠΡΟΒΛΕΨΙΜΑ Η ΜΗ ΜΟΝΤΕΛΑ ΔΥΝΑΜΙΚΑ ΚΑΙ ΣΤΑΤΙΚΑ ΜΟΝΤΕΛΑ ΜΟΝΤΕΛΑ ΔΙΑΚΡΙΤΟΥ ΚΑΙ ΣΥΝΕΧΟΥΣ ΧΡΟΝΟΥ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΦΟΡΑ ΑΛΛΑ ΘΕΜΑΤΑ ΕΦΑΡΜΟΓΕΣ ΤΩΝ ΜΟΝΤΕΛΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ ΣΤΟΝ ΤΟΜΕΑ ΤΗΣ ΥΓΕΙΑΣ ΚΕΦΑΛΑΙΟ 4: ΚΟΣΤΟΛΟΓΗΣΗ ΜΕ ΒΑΣΗ ΤΙΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ ΓΕΝΙΚΑ ΜΕΘΟΔΟΛΟΓΙΑ ΚΟΣΤΟΛΟΓΗΣΗΣ ΜΕ ΒΑΣΗ ΤΙΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ ΜΕΘΟΔΟΙ ΕΚΤΙΜΗΣΗΣ ΟΔΗΓΩΝ ΚΟΣΤΟΥΣ ΔΙΑΦΟΡΑ ΘΕΜΑΤΑ ΕΦΑΡΜΟΓΕΣ ΤΩΝ ΤΕΧΝΙΚΩΝ ΚΟΣΤΟΛΟΓΗΣΗΣ ΜΕ ΒΑΣΗ ΤΙΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ ΣΕ ΙΑΤΡΙΚΑ ΠΡΟΒΛΗΜΑΤΑ

9 ΚΕΦΑΛΑΙΟ 5: ΕΝ ΠΑΡΟΔΩ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ (OLAP) ΓΕΝΙΚΑ ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΑΠΟΘΗΚΕΥΣΗΣ ΔΕΔΟΜΕΝΩΝ OLAP ΣΥΝΑΡΤΗΣΕΙΣ ΣΧΕΣΙΑΚΕΣ ΕΠΕΚΤΑΣΕΙΣ/ ΜΟΝΤΕΛΑ ΚΥΒΩΝ ΔΙΑΦΟΡΑ ΘΕΜΑΤΑ ΕΦΑΡΜΟΓΕΣ ΤΗΣ ΤΕΧΝΙΚΗΣ OLAP ΣΕ ΙΑΤΡΙΚΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕΡΟΣ ΙΙ: ΜΕΘΟΔΟΛΟΓΙΑ ΚΕΦΑΛΑΙΟ 6: ΕΦΑΡΜΟΓΗ ΤΩΝ ΚΑΝΟΝΩΝ ΣΥΣΧΕΤΙΣΗΣ ΓΕΝΙΚΑ ΔΕΙΓΜΑ ΠΛΗΘΥΣΜΟΥ ΠΟΥ ΧΡΗΣΙΜΟΠΟΙΗΘΗΚΕ ΓΙΑ ΤΗΝ ΕΦΑΡΜΟΓΗ ΑΠΟΤΕΛΕΣΜΑΤΑ MTHFR ΚΑΙ ΛΙΠΙΔΙΚΟ ΠΡΟΦΙΛ ΤΟΥ ΟΡΟΥ ΣΥΓΚΡΙΣΗ ΜΕ ΚΛΑΣΙΚΕΣ ΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟΔΟΥΣ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΕΙΣΦΟΡΑ ΤΟΥ ΣΤΑΔΙΟΥ 1- ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ ΣΤΗ ΜΕΘΟΔΟΛΟΓΙΑ ΚΕΦΑΛΑΙΟ 7: ΕΦΑΡΜΟΓΗ ΤΩΝ ΚΑΝΟΝΩΝ ΤΑΞΙΝΟΜΗΣΗΣ ΓΕΝΙΚΑ ΜΕΘΟΔΟΙ ΑΠΟΤΕΛΕΣΜΑΤΑ ΑΛΓΟΡΙΘΜΟΙ ΤΑΞΙΝΟΜΗΣΗΣ C 4.5 ΚΑΙ CL ΣΥΓΚΡΙΣΗ ΜΕ ΚΛΑΣΙΚΕΣ ΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟΔΟΥΣ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΕΙΣΦΟΡΑ ΤΟΥ ΣΤΑΔΙΟΥ 1- ΚΑΝΟΝΕΣ ΤΑΞΙΝΟΜΗΣΗΣ ΣΤΗ ΜΕΘΟΔΟΛΟΓΙΑ ΚΕΦΑΛΑΙΟ 8: ΕΦΑΡΜΟΓΗ ΤΩΝ ΚΑΝΟΝΩΝ ΟΜΑΔΟΠΟΙΗΣΗΣ ΓΕΝΙΚΑ ΚΑΝΟΝΕΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΣΥΝΕΙΣΦΟΡΑ ΤΟΥ ΣΤΑΔΙΟΥ 1-ΚΑΝΟΝΕΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΣΤΗ ΜΕΘΟΔΟΛΟΓΙΑ

10 ΚΕΦΑΛΑΙΟ 9:... ΕΦΑΡΜΟΓΗ ΤΗΣ ΑΝΑΛΥΣΗΣ ΧΩΡΟΘΕΤΗΣΗΣ (LOCATION ANALYSIS) ΓΕΝΙΚΑ ΑΝΑΛΥΣΗ ΧΩΡΟΘΕΤΗΣΗΣ ΣΥΝΕΙΣΦΟΡΑ ΤΟΥ ΣΤΑΔΙΟΥ 2 ΣΤΗ ΜΕΘΟΔΟΛΟΓΙΑ ΚΕΦΑΛΑΙΟ 10: ΕΦΑΡΜΟΓΗ ΤΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΓΕΝΙΚΑ ΤΟ ΜΟΝΤΕΛΟ ΑΠΟΤΕΛΕΣΜΑΤΑ ΤΟΥ ΜΟΝΤΕΛΟΥ ΠΡΟΣΟΜΟΙΩΣΗΣ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕΝΑΡΙΩΝ ΣΥΝΔΥΑΖΟΝΤΑΣ ΤΗΝ ΤΕΧΝΙΚΗ ΤΗΣ ΠΡΟΣΟΜΟΙΩΣΗΣ ΚΑΙ ΤΗΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΕΙΣΦΟΡΑ ΤΟΥ ΣΤΑΔΙΟΥ 3 ΣΤΗ ΜΕΘΟΔΟΛΟΓΙΑ ΚΕΦΑΛΑΙΟ 11: ΕΦΑΡΜΟΓΗ ΤΗΣ ΚΟΣΤΟΛΟΓΗΣΗΣ ΜΕ ΒΑΣΗ ΤΙΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ ΓΕΝΙΚΑ ΤΟ ΜΟΝΤΕΛΟ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΕΙΣΦΟΡΑ ΤΟΥ ΣΤΑΔΙΟΥ 4 ΣΤΗ ΜΕΘΟΔΟΛΟΓΙΑ ΚΕΦΑΛΑΙΟ 12: ΕΦΑΡΜΟΓΗ ΤΗΣ ΤΕΧΝΙΚΗΣ OLAP ΓΕΝΙΚΑ ΤΟ ΜΟΝΤΕΛΟ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΝΕΙΣΦΟΡΑ ΤΟΥ ΣΤΑΔΙΟΥ 5 ΣΤΗ ΜΕΘΟΔΟΛΟΓΙΑ ΜΕΡΟΣ ΙΙΙ: ΜΕΛΕΤΕΣ ΠΕΡΙΠΤΩΣΕΩΝ ΚΕΦΑΛΑΙΟ 13: ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ: ΧΩΡΟΘΕΤΗΣΗ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΜΟΝΑΔΩΝ ΚΑΡΔΙΑΓΓΕΙΑΚΩΝ ΝΟΣΗΜΑΤΩΝ/ ΚΕΝΤΡΩΝ ΚΑΡΔΙΑΚΗΣ ΑΠΟΚΑΤΑΣΤΑΣΗΣ ΓΕΝΙΚΑ ΣΤΑΔΙΟ 1 Ο : ΕΥΡΕΣΗ ΑΙΤΙΩΝ ΠΟΥ ΔΗΜΙΟΥΡΓΟΥΝ ΤΗΝ ΚΑΤΑΣΤΑΣΗ (ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ)

11 ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ ΚΑΝΟΝΕΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΚΑΝΟΝΕΣ ΤΑΞΙΝΟΜΗΣΗΣ ΣΤΑΔΙΟ 2 Ο : ΧΩΡΟΘΕΤΗΣΗ ΤΩΝ ΥΠΟ ΜΕΛΕΤΗ ΜΟΝΑΔΩΝ (LOCATION ANALYSIS) ΣΤΑΔΙΟ 3 Ο : ΕΞΕΤΑΣΗ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕΝΑΡΙΩΝ ΟΣΟΝ ΑΦΟΡΑ ΤΗ ΔΟΜΗ ΚΑΙ ΛΕΙΤΟΥΡΓΙΑ ΤΩΝ ΥΠΟ ΕΞΕΤΑΣΗ ΜΟΝΑΔΩΝ ΣΤΑΔΙΟ 4 Ο : ΟΡΓΑΝΩΣΗ ΤΗΣ ΜΟΝΑΔΑΣ, ΓΕΝΙΚΑ ΕΞΟΔΑ ΚΑΙ ΚΟΣΤΟΛΟΓΗΣΗ ΑΥΤΗΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΚΟΣΤΟΛΟΓΗΣΗΣ ΜΕ ΒΑΣΗ ΤΙΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ (ABC) ΣΤΑΔΙΟ 5 Ο : ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΛΕΙΤΟΥΡΓΙΑΣ ΤΗΣ ΜΟΝΑΔΑΣ..278 ΚΕΦΑΛΑΙΟ 14: ΜΕΛΕΤΕΣ ΠΕΡΙΠΤΩΣΕΩΝ ΓΕΝΙΚΑ ΧΩΡΟΘΕΤΗΣΗ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΑΣΤΥΝΟΜΙΚΩΝ ΤΜΗΜΑΤΩΝ ΧΩΡΟΘΕΤΗΣΗ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΝΥΚΤΕΡΙΝΩΝ ΛΥΚΕΙΩΝ ΧΩΡΟΘΕΤΗΣΗ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΠΥΡΟΣΒΕΣΤΙΚΩΝ ΚΡΟΥΝΩΝ ΧΩΡΟΘΕΤΗΣΗ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΕΟΔΟΜΙΚΩΝ ΓΡΑΦΕΙΩΝ ΧΩΡΟΘΕΤΗΣΗ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΤΟΥΡΙΣΤΙΚΗΣ ΑΣΤΥΝΟΜΙΑΣ ΧΩΡΟΘΕΤΗΣΗ, ΟΡΓΑΝΩΣΗ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗ ΣΥΣΤΗΜΑΤΩΝ ΕΦΟΔΙΑΣΜΟΥ (LOGISTICS) ΣΥΜΠΕΡΑΣΜΑΤΑ ΚΑΙ ΠΡΟΤΑΣΕΙΣ ΓΙΑ ΜΕΛΛΟΝΤΙΚΗ ΕΡΕΥΝΑ ΔΙΕΘΝΗΣ ΒΙΒΛΙΟΓΡΑΦΙΑ ΕΛΛΗΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

12

13 ΕΙΣΑΓΩΓΗ Η μεθοδολογία που προτείνεται στην παρούσα διατριβή έχει ως σκοπό την επίλυση προβλημάτων που παρουσιάζονται στη διοίκηση Μονάδων Υγείας. Θεωρούμε ως Μονάδα Υγείας ένα υγειονομικό κέντρο που εξειδικεύεται σε έναν ιατρικό τομέα και εστιάζεται στην παροχή συγκεκριμένων υπηρεσιών στους ασθενείς. Οι υπηρεσίες αυτές συνδυάζονται μεταξύ τους και δημιουργούν το σύστημα ιατρικής περίθαλψης και προστασίας που προσφέρει η συγκεκριμένη Μονάδα Υγείας. Η προτεινόμενη μεθοδολογία βασίζεται στην ενοποίηση νέων τεχνολογιών που χρησιμοποιούνται ήδη στην διοικητική επιστήμη, με μία συγκεκριμένη ροή αποτελούμενη από πέντε στάδια, χρησιμοποιώντας τα αποτελέσματα κάθε σταδίου, και κυρίως του πρώτου, για την υλοποίηση των επόμενων σταδίων. Οι τεχνικές που παρουσιάζονται στη διατριβή αυτή και που συνδυαζόμενες αποτελούν τη Μεθοδολογία Ενοποίησης Εργαλείων Διοίκησης (Μ.Ε.Ε.Δ.) που προτείνεται, έχουν ευρέως εφαρμοσθεί σε πλήθος προβλημάτων, συμπεριλαμβανομένου του τομέα της Υγείας. Οι εφαρμογές των τεχνικών αυτών περιγράφονται αναλυτικά για κάθε τεχνική ξεχωριστά στα κεφάλαια 1 έως 5 της διατριβής. Η Μ.Ε.Ε.Δ. ενοποιεί τις τεχνικές αυτές με μία συγκεκριμένη ροή, βασιζόμενη στην αρχή, που προτείνεται στα πλαίσια αυτής της διδακτορικής διατριβής, ότι: τα περισσότερα προβλήματα διοίκησης που παρουσιάζονται στον τομέα της Υγείας είναι προβλήματα της μορφής αιτία-κατάσταση-αντιμετώπιση. Η αρχή αυτή μαζί με την μέθοδο σύνδεσης αιτιών-καταστάσεων αποτελούν, από όσο είμαστε σε θέση να γνωρίζουμε, την καινοτομία της Μ.Ε.Ε.Δ. Η Μ.Ε.Ε.Δ. λειτουργεί κατά στάδια ως εξής: 11

14 Στο πρώτο στάδιο, κάνει ακριβή πρόβλεψη της ζήτησης (δηλαδή προλαβαίνει την κατάσταση) για τις υγειονομικές μονάδες υπό εξέταση, αναλύοντας ιατρικά επιστημονικά δεδομένα με σύγχρονες τεχνικές. Χωροθετεί τις αντίστοιχες μονάδες, βάσει της πρόβλεψης της ζήτησης που προέρχεται από τα αποτελέσματα του σταδίου 1, χρησιμοποιώντας γεωγραφικά και δημογραφικά δεδομένα. Προγραμματίζει το ανθρώπινο δυναμικό και τις ανάγκες σε ιατρικό εξοπλισμό, βασιζόμενη στα αποτελέσματα των προηγούμενων σταδίων. Κοστολογεί τις χωροθετημένες μονάδες, με σκοπό την ανάπτυξη τιμολογιακής πολιτικής που βασίζεται σε σύγχρονες τεχνικές. Παρακολουθεί τη λειτουργία τους, με σκοπό τη λήψη διορθωτικών μέτρων και στρατηγικών αποφάσεων, όπου αυτό κρίνεται απαραίτητο. Έτσι, η Μ.Ε.Ε.Δ. που προτείνεται εφαρμόζεται και εισέρχεται σε όλα τα επίπεδα λειτουργίας μίας μονάδας υγείας, ξεκινώντας από το επιστημονικό, μέσω της εύρεσης αιτιών που οδηγούν σε μία κατάσταση, και στη συνέχεια χρησιμοποιεί την πληροφορία αυτή για την υλοποίηση των επόμενων σταδίων, όπου και επεμβαίνει στα υπόλοιπα επίπεδα, όπως φαίνεται στο Διάγραμμα 1. Το Διάγραμμα 1 δείχνει τις μεθόδους που χρησιμοποιούνται σε κάθε στάδιο της Μ.Ε.Ε.Δ. που προτείνεται, καθώς και τα επίπεδα λειτουργίας της μονάδας υγείας που η κάθε μέθοδος επεμβαίνει. Η Μ.Ε.Ε.Δ. στοχεύει στην επίλυση προβλημάτων διοίκησης κάθε μονάδας υγείας που χωροθετείται. Έτσι, η Μ.Ε.Ε.Δ. βρίσκει εφαρμογή στην εξωνοσοκομειακή περίθαλψη, ενώ επεμβαίνει στις ελλείψεις που υπάρχουν στις πρωτοβάθμιες υπηρεσίες υγείας. Συγκεκριμένα μπορεί να συμπληρώνει το υπάρχον Σύστημα Υγείας μέσω της 12

15 δημιουργίας λειτουργικά ανεξάρτητων από νοσοκομειακές μονάδες εξωτερικών ιατρείων με παροχή εξειδικευμένων υπηρεσιών, με σκοπό την αποσυμφόρηση των κλινικών και των εξωτερικών ιατρείων των μεγάλων νοσοκομείων, την παράλληλη αντιμετώπιση των προβλημάτων υγείας των πολιτών κοντά στην κατοικία τους και τη συγκρότηση ενός αποκεντρωμένου και ολοκληρωμένου Συστήματος Υγείας, βάσει της πραγματικής προβλεπόμενης ζήτησης για υπηρεσίες Υγείας. Επίπεδα Λειτουργίας/ Εξόρυξη Ανάλυση Προσομοίωση Κοστολόγηση OLAP Χρησιμοποιούμενες Δεδομένων Χωροθέτησης (Στάδιο 3) με βάση τις (Στάδιο 5) Τεχνικές (Στάδιο 1) (Στάδιο 2) δραστηριότητες (Στάδιο 4) Επιστημονικό Χ Λειτουργικό Χ Χ Χ Διοικητικό X Χ Χ Χ Διάγραμμα 1: Επίπεδα λειτουργίας μονάδας υγείας και εφαρμοζόμενη μεθοδολογία σε κάθε ένα από αυτά Στη διατριβή αυτή η Μ.Ε.Ε.Δ. εφαρμόσθηκε στην Καρδιολογία και συγκεκριμένα για τη χωροθέτηση, οργάνωση και διαχείριση Μονάδων Καρδιαγγειακών Νοσημάτων, καλύπτει όμως ένα ευρύ φάσμα ιατρικών εφαρμογών, δηλαδή μπορεί κατά τον ίδιο τρόπο να επεκταθεί και σε άλλες ιατρικές εφαρμογές. Στη διατριβή αυτή παρουσιάζονται επιπλέον κάποιες προεκτάσεις εφαρμογών της Μ.Ε.Ε.Δ. που προτείνεται πέραν από τον τομέα της Υγείας, όπως δημιουργία νυχτερινών λυκείων, πολεοδομικών γραφείων, συστημάτων εφοδιασμού κ.α. 13

16 Τέλος, αξίζει να σημειωθεί ότι η επιλογή αυτών των συγκεκριμένων μεθόδων για την ενοποίησή τους στη Μ.Ε.Ε.Δ. βασίζεται στο ερευνητικό ενδιαφέρον που παρουσιάζουν οι μέθοδοι αυτές. Υπάρχουν και άλλες τεχνικές διοίκησης, οι οποίες χρησιμοποιούνται από τις σύγχρονες επιχειρήσεις για τη λήψη αποφάσεων, όπως οι CRM, ERP, Document Management (DM) κλπ. Οι τεχνικές αυτές χρησιμοποιούνται κυρίως για εφαρμογές στη διοίκηση, ενώ η εφαρμογή τους στον τομέα της Υγείας δεν παρουσιάζει ιδιαίτερο ερευνητικό ενδιαφέρον. 14

17 ΟΡΓΑΝΩΣΗ ΤΗΣ ΔΙΑΤΡΙΒΗΣ Η διατριβή αυτή διαιρείται σε τρία μέρη με αντίστοιχα κεφάλαια για κάθε μέρος και οργανώνεται ως εξής: Το μέρος I αποτελεί το θεωρητικό μέρος και περιλαμβάνει τα κεφάλαια 1 έως 5, τα οποία είναι μία περιγραφή των μεθόδων που χρησιμοποιούνται στη Μ.Ε.Ε.Δ. Στο κεφάλαιο 1 περιγράφονται οι τρεις μέθοδοι εξόρυξης δεδομένων, δηλαδή η συσχέτιση, η ταξινόμηση και η ομαδοποίηση. Η περιγραφή αυτή περιλαμβάνει τόσο μία βασική παρουσίαση των προβλημάτων συσχέτισης, ταξινόμησης και ομαδοποίησης, όσο και διαίρεση των μεθόδων σε κατηγορίες, με την παρουσίαση των αντίστοιχων αλγορίθμων που εμφανίζονται στη βιβλιογραφία. Επίσης, το κεφάλαιο 1 περιλαμβάνει μία ομαδοποίηση των προβλημάτων στον τομέα της υγείας που έχουν προσεγγισθεί στην αντίστοιχη βιβλιογραφία με τις τρεις αυτές μεθόδους εξόρυξης από δεδομένα. Το κεφάλαιο 2 παρουσιάζει το πρόβλημα χωροθέτησης μονάδων και ανάλυσης χωροθέτησης, τις βασικές διακρίσεις των μοντέλων χωροθέτησης, καθώς και μία περιγραφή των βασικών προβλημάτων χωροθέτησης στο επίπεδο και τοποθέτησης σε δίκτυο. Το κεφάλαιο 2 περιλαμβάνει επίσης εφαρμογές των μοντέλων ανάλυσης χωροθέτησης στον τομέα της υγείας. Το κεφάλαιο 3 περιγράφει τη μέθοδο της προσομοίωσης, τις βασικές κατηγορίες των συστημάτων προσομοίωσης, τη μοντελοποίηση συστημάτων με προσομοίωση, καθώς και τις προσεγγίσεις που χρησιμοποιούνται για τη μοντελοποίηση των συστημάτων σε προγράμματα υπολογιστών. Το κεφάλαιο ολοκληρώνεται με την παρουσίαση διαφόρων θεμάτων, όπως την εφαρμογή της προσομοίωσης μέσω δικτύου, καθώς και με την κατηγοριοποίηση των εφαρμογών της προσομοίωσης διακριτού χρόνου στον τομέα της υγείας. Το κεφάλαιο 4 αφορά στην περιγραφή της μεθόδου κοστολόγησης με βάση τις δραστηριότητες. Παρουσιάζεται η μεθοδολογία της κοστολόγησης με βάση τις δραστηριότητες, καθώς και οι διάφορες μέθοδοι εκτίμησης των απαιτούμενων 15

18 παραμέτρων (π.χ. των οδηγών κόστους). Το κεφάλαιο ολοκληρώνεται με την περιγραφή διαφόρων θεμάτων, όπως συνδυασμό της μεθόδου ΑΒC με άλλες μεθόδους, όπως αυτή της προσομοίωσης, καθώς και μία ομαδοποίηση των εφαρμογών της κοστολόγησης με βάση τις δραστηριότητες στον τομέα της υγείας. Το κεφάλαιο 5 παρουσιάζει την τεχνική της εν παρόδω ανάλυσης δεδομένων (ΟLΑΡ). Περιγράφεται η ανάγκη για εφαρμογή της τεχνικής αυτής σε μεγάλες βάσεις δεδομένων, η αρχιτεκτονική αποθήκευσης δεδομένων στις εφαρμογές ΟLΑΡ, οι ΟLΑΡ συναρτήσεις που χρησιμοποιούνται για την ανάλυση και οπτικοποίηση των δεδομένων, καθώς και οι σχεσιακές επεκτάσεις και τα διάφορα μοντέλα κύβων, στα οποία υπολογίζονται οι συγκεντρώσεις. Το κεφάλαιο ολοκληρώνεται με την παρουσίαση διαφόρων θεμάτων, όπως μοντέλα για στατιστικές βάσεις δεδομένων, επεκτάσεις της SQL, κ.α., καθώς και με την ομαδοποίηση των εφαρμογών της τεχνικής ΟLΑΡ σε ιατρικά προβλήματα. Το μέρος II αφορά στη Μ.Ε.Ε.Δ. που προτείνεται στην παρούσα διατριβή και αποτελείται από εφαρμογές στα πλαίσια αυτής της διδακτορικής διατριβής όλων των μεθόδων που περιγράφηκαν στο πρώτο μέρος με σκοπό τη βελτίωσή τους και την ενοποίησή τους. Το δεύτερο μέρος απαρτίζεται από τα κεφάλαια 6 έως 12, κάθε ένα από τα οποία αντιστοιχεί σε εφαρμογή κάθε μίας από τις μεθόδους σε ιατρικά δεδομένα. Στο κεφάλαιο 6 παρουσιάζεται μία εφαρμογή των κανόνων συσχέτισης για την εκτίμηση των εξαρτήσεων μεταξύ των βιολογικών παραγόντων και των γονιδίων σε ανθρώπους. Σκοπός της συγκεκριμένης εφαρμογής είναι η εξέταση της επίδρασης μίας γονιδιακής μετάλλαξης στο λιπιδικό προφίλ υγιών ατόμων, μέσω της εξαγωγής κανόνων συσχέτισης. Τα αποτελέσματα από τη μελέτη αυτή συγκρίνονται με αντίστοιχα αποτελέσματα από άλλες μελέτες, στις οποίες έχουν χρησιμοποιηθεί κλασικές στατιστικές μέθοδοι. Το κεφάλαιο 7 αφορά μία εφαρμογή των κανόνων ταξινόμησης, προκειμένου να προβλεφθεί και να εκτιμηθεί η πιθανότητα εμφάνισης μίας χρόνιας ασθένειας (στεφανιαία νόσος). Σκοπός της μελέτης είναι η διερεύνηση της σχέσης μεταξύ του 16

19 καπνίσματος και άλλων ιατρικών καταστάσεων (π.χ. υπέρταση, διαβήτης κ. α.) και του κινδύνου ανάπτυξης μη θανατηφόρου Οξέος Στεφανιαίου Συνδρόμου. Στη συγκεκριμένη εφαρμογή χρησιμοποιήθηκαν δύο διαφορετικοί αλγόριθμοι ταξινόμησης, οι οποίοι και συγκρίθηκαν με τη μέθοδο της λογιστικής παλινδρόμησης ως προς τους εξαγχθέντες λόγους πιθανοτήτων και την ακρίβεια του μοντέλου. Το κεφάλαιο 8 αναφέρεται στην ανάλυση μίας βάσης δεδομένων με τη μέθοδο της ομαδοποίησης, προκειμένου να εξαχθούν ομάδες παραγόντων που οδηγούν σε στεφανιαία νόσο. Εξετάσθηκαν μία σειρά από παράγοντες, όπως παράγοντες τρόπου ζωής, βιοχημικοί δείκτες, διατροφικές συνήθειες κ.α. με σκοπό την εξαγωγή παραγόντων, οι οποίοι συνδυαστικά οδηγούν στην ανάπτυξη μη θανατηφόρου Οξέος Στεφανιαίου Συνδρόμου. Το κεφάλαιο 9 αναφέρεται σε μία εφαρμογή της ανάλυσης χωροθέτησης για την τοποθέτηση η διαβητολογικών κέντρων (μονάδες εξωτερικών ιατρείων) για την παρακολούθηση ενός συγκεκριμένου αριθμού διαβητικών ασθενών, με απώτερο σκοπό την αποσυμφόρηση των μεγάλων νοσοκομείων, αλλά και την καλύτερη εξυπηρέτηση των ασθενών με την ίδρυση μονάδων πλησιέστερα στον τόπο κατοικίας τους. Το κεφάλαιο 10 αφορά την εφαρμογή της μεθόδου της προσομοίωσης διακριτού χρόνου για την απεικόνιση του συστήματος επειγόντων περιστατικών ενός νοσοκομείου. Σκοπός του μοντέλου είναι η αποτελεσματικότερη χρήση των πόρων και η διατήρηση της αναμονής των ασθενών σε χαμηλά επίπεδα. Στη συνέχεια του κεφαλαίου, παρουσιάζεται ένας τρόπος, με τον οποίο αποτελέσματα της προσομοίωσης μπορούν να αναλυθούν με τη μέθοδο της ομαδοποίησης, για καλύτερη κατανόηση του συστήματος και για λήψη στρατηγικών αποφάσεων. Το κεφάλαιο 11 παρουσιάζει την εφαρμογή της κοστολόγησης με βάση τις δραστηριότητες. Σκοπός της συγκεκριμένης εφαρμογής είναι η ολοκλήρωση της μεθόδου κοστολόγησης με βάση τις δραστηριότητες με τις τεχνικές προσομοίωσης και κανόνων συσχέτισης. Συγκεκριμένα, παρουσιάζεται ένας τρόπος, με τον οποίο η προσομοίωση 17

20 τροφοδοτεί το σύστημα ΑΒC, ενώ οι κανόνες συσχέτισης βοηθούν στον υπολογισμό των οδηγών κόστους, σε περιπτώσεις που αυτοί είναι δύσκολο να εκτιμηθούν με τις γνωστές μεθόδους εκτίμησης οδηγών κόστους. Το κεφάλαιο 12 αφορά την εφαρμογή της τεχνικής ΟLΑΡ για την εκτίμηση του συνολικού κινδύνου ανάπτυξης οξέων στεφανιαίων συνδρόμων. Σκοπός της συγκεκριμένης εφαρμογής είναι η εξέταση προτύπων σε καρδιαγγειακούς παράγοντες κινδύνου από ένα μεγάλο δείγμα ασθενών και αντίστοιχων μαρτύρων. Το μέρος III αφορά ολοκληρωμένες μελέτες περιπτώσεων της Μ.Ε.Ε.Δ που προτείνεται και απαρτίζεται από τα κεφάλαια 13 και 14. Το κεφάλαιο 13 παρουσιάζει μία συγκεκριμένη και ολοκληρωμένη μελέτη περίπτωσης (τεχνικοοικονομική μελέτη) για την χωροθέτηση, οργάνωση και διαχείριση μονάδων καρδιαγγειακών νοσημάτων/ κέντρων καρδιακής αποκατάστασης. Η μελέτη ξεκινά με το στάδιο 1 της Μ.Ε.Ε.Δ., που είναι η πρόβλεψη της ζήτησης για αντίστοιχες μονάδες, το οποίο γίνεται με τις μεθόδους εξόρυξης από δεδομένα, δηλαδή τους κανόνες συσχέτισης, ταξινόμησης και ομαδοποίησης. Το στάδιο 2 αναφέρεται στη χωροθέτηση των αντίστοιχων μονάδων σε διαστάσεις (x, y), το οποίο γίνεται με την ανάλυση χωροθέτησης και προέρχεται από τα αποτελέσματα του σταδίου 1. Το τρίτο στάδιο αφορά τη μελέτη για τη δυναμικότητα της μονάδας (ανθρώπινο δυναμικό, μηχανήματα κ.α), το οποίο προέρχεται από τα δύο προηγούμενα στάδια (1 και 2). Το στάδιο αυτό μελετάται με τη μέθοδο της προσομοίωσης. Το τέταρτο στάδιο αναφέρεται στην κοστολόγηση της μονάδας, το οποίο γίνεται με τη μέθοδο κοστολόγησης με βάση τις δραστηριότητες, οι οποίες προκύπτουν από το προηγούμενο στάδιο (στάδιο 3) της προσομοίωσης. Τέλος, το πέμπτο στάδιο αφορά στην παρακολούθηση της λειτουργίας της μονάδας με τη μέθοδο ΟLΑΡ. Το κεφάλαιο 14 αναφέρεται αναλυτικά σε περιπτώσεις, στις οποίες μπορεί να επεκταθεί η Μ.Ε.Ε.Δ. εκτός από τον τομέα της υγείας, δηλαδή σε άλλα προβλήματα διοίκησης. 18

21 Η διατριβή ολοκληρώνεται με την παρουσίαση των βασικών συμπερασμάτων, καθώς και με τις προτάσεις για μελλοντική έρευνα. 19

22

23 ΜΕΡΟΣ Ι: ΘΕΩΡΗΤΙΚΟ ΥΠΟΒΑΘΡΟ

24

25 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα ΚΕΦΑΛΑΙΟ 1: ΟΙ ΤΕΧΝΙΚΕΣ ΕΞΟΡΥΞΗΣ ΑΠΟ ΔΕΔΟΜΕΝΑ 1.1 ΓΕΝΙΚΑ Οι τεχνικές εξόρυξης από δεδομένα αποτελούν ένα από τα σημαντικότερα εργαλεία ανάλυσης δεδομένων των τελευταίων δεκαετιών. Όλο και περισσότερο αναγνωρίζεται η συνεισφορά των διαφόρων τεχνικών αυτών στην ανάλυση μεγάλων βάσεων δεδομένων σε σχέση με τις κλασικές στατιστικές μεθόδους. Το βασικό πλεονέκτημα των τεχνικών αυτών σε σχέση με τις στατιστικές μεθόδους είναι ότι οι πρώτες μπορούν να αναγνωρίσουν σχέσεις μεταξύ μεταβλητών που δεν είναι γνωστές από την αρχή (a priori) σε ένα σύνολο δεδομένων ή ακόμη και να είναι γνωστές, μπορεί να συμβαίνουν μόνο σε ένα πολύ μικρό ποσοστό στο σύνολο αυτό. Αυτό σημαίνει ότι πρότυπα (patterns) που μπορεί να ενδιαφέρουν έναν αναλυτή μπορεί να μην αντιπροσωπεύουν συνολικές τάσεις των δεδομένων και έτσι δεν θα μπορούν να αποκαλυφθούν από ένα στατιστικό τεστ. Έτσι, ενώ τα στατιστικά τεστ απαιτούν έλεγχο στατιστικών υποθέσεων σε σχέση με έναν πληθυσμό, οι τεχνικές εξόρυξης από δεδομένα παρέχουν αυτόματα επιβεβαιωμένες σχέσεις με τη μορφή κανόνων σε μεγάλες βάσεις δεδομένων (Westphal, C. and Blaxton, T., 1998). Κατά συνέπεια, η αποτελεσματικότητα των κλασικών μεθόδων περιορίζεται από έναν μεγάλο αριθμό παραγόντων, όπως η ικανότητα του αναλυτή να θέσει τα καίρια ερωτήματα και να έχει άμεσα αποτελέσματα, η δυσκολία στη διαχείριση της πολυπλοκότητας των χαρακτηριστικών κ.ο.κ. (Moxon, B., 1996). Σε αντίθεση με αυτές τις μεθόδους, οι τεχνικές εξόρυξης από δεδομένα επιτρέπουν στο χρήστη να ανακαλύψει τις σημαντικές σχέσεις μέσα στα δεδομένα, χρησιμοποιώντας μεθοδολογίες ανεύρεσης γνώσης (knowledge discovery). Οι αλγόριθμοι των τεχνικών εξόρυξης από δεδομένα 23

26 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα μπορούν να επεξεργαστούν πολυδιάστατες σχέσεις μεταξύ των δεδομένων και να εξάγουν τους χρήσιμους και υπερέχοντες κανόνες. Πολλές από τις τεχνικές που χρησιμοποιούνται σήμερα ως τεχνικές εξόρυξης από δεδομένα υπάρχουν πολλά χρόνια, μέσα στα πλαίσια της επιστήμης της τεχνητής νοημοσύνης (artificial intelligence) και αναπτύχθηκαν στα τέλη της δεκαετίας του Παρ όλα αυτά, μόλις τα τελευταία χρόνια οι τεχνικές αυτές εφαρμόζονται σε μεγάλες βάσεις δεδομένων (Witten, I.H. and Frank, E., 2001). Παρ όλο που υπάρχουν διαφορές σε σχέση με τον ακριβή ορισμό των τεχνικών εξόρυξης από δεδομένα (Kamath, C., 2001), οι περισσότεροι επιστήμονες και αναλυτές συμφωνούν ότι οι τεχνικές εξόρυξης από δεδομένα είναι ένα πολυεπιστημονικό πεδίο γνώσης, το οποίο δανείζεται ιδέες από τα πεδία της επιστήμης της πληροφορικής, όπως την τεχνητή νοημοσύνη και την αναγνώριση προτύπων, τη στατιστική, τη μαθηματική βελτιστοποίηση κ.α. Σύμφωνα με έναν ευρέως αποδεκτό ορισμό, οι τεχνικές εξόρυξης από δεδομένα είναι μία διαδικασία, η οποία ασχολείται με την αναγνώριση προτύπων, σχέσεων, ανωμαλιών και στατιστικώς σημαντικών δομών σε δεδομένα (Fayyad et al., 1996). Τυπικά αναφέρεται σε περιπτώσεις, όπου τα δεδομένα είναι πάρα πολλά ή πολύ πολύπλοκα, έτσι ώστε αναλυτικές μέθοδοι με απλές ερωτήσεις (queries) ή απλά manual ανάλυση είναι πρακτικά άχρηστες. Οι τεχνικές εξόρυξης από δεδομένα περιλαμβάνουν δύο βασικά βήματα: την προεπεξεργασία δεδομένων και την αναγνώριση προτύπων στα δεδομένα αυτά. Κατά το στάδιο της προεπεξεργασίας των δεδομένων αναγνωρίζονται τα σχετικά με το πρόβλημα χαρακτηριστικά (attributes/ features). Το στάδιο αυτό μπορεί να περιλαμβάνει και διάφορα άλλα υποστάδια, όπως διαχείριση κενών τιμών στα πεδία, κανονικοποίηση των δεδομένων, μείωση δεδομένων κ.ο.κ. (Witten, I.H. and Frank, E., 2001). Το δεύτερο στάδιο περιλαμβάνει αναγνώριση προτύπων βάσει των χαρακτηριστικών που είχαν 24

27 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα αναγνωριστεί στο προηγούμενο στάδιο και την αξιολόγησή τους. Η αναγνώριση των προτύπων αυτών γίνεται αρχικά με την επιλογή της κατάλληλης μεθόδου εξόρυξης από δεδομένα και στη συνέχεια με τη χρήση αλγορίθμων εξόρυξης από δεδομένα. Παρ όλο που κατά τη διαδικασία εξόρυξης από δεδομένα δίνεται ιδιαίτερη έμφαση στο στάδιο της αναγνώρισης προτύπων, αξίζει να σημειωθεί ότι πολλοί έχουν αναγνωρίσει ότι το στάδιο της προεπεξεργασίας δεδομένων είναι αυτό που επηρεάζει περισσότερο την επιτυχία ή όχι της ανεύρεσης γνώσης από δεδομένα (Langley, P. and Simon, H.A., 1995), (Burl, M. et al., 1998). Πρέπει, επίσης, να σημειώσουμε ότι η διαδικασία των τεχνικών εξόρυξης από δεδομένα είναι επαναληπτική και συμμετοχική. Το αποτέλεσμα που προκύπτει από το κάθε στάδιο ή η επαναπληροφόρηση (feedback) από τους ειδικούς που λαμβάνουν μέρος σε αυτή τη διαδικασία μπορεί να οδηγήσει σε διάφορες αλλαγές στα επόμενα στάδια (παράδειγμα: Cantu-Paz, E. and Kamath, C., 2001). Οι σημαντικότερες τεχνικές εξόρυξης από δεδομένα, οι οποίες αναφέρονται ως τύποι γνώσης που εξάγονται αυτόματα με τη μορφή κανόνων είναι: 1. Οι κανόνες συσχέτισης 2. Οι κανόνες ταξινόμησης 3. Οι κανόνες ομαδοποίησης Στις παραγράφους του κεφαλαίου 1 που ακολουθούν θα παρουσιασθούν αναλυτικά οι τρεις αυτές τεχνικές εξόρυξης από δεδομένα. 25

28 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα 1.2 ΚΑΝΟΝΕΣ ΣΥΣΧΕΤΙΣΗΣ ΓΕΝΙΚΑ Οι κανόνες συσχέτισης (association rules) είναι μία από τις σημαντικότερες τεχνικές εξόρυξης από δεδομένα. Η κυριότερη εφαρμογή τους είναι η ανάλυση του καλαθιού της νοικοκυράς (market-basket analysis), όπου η αγορά ενός συνόλου προϊόντων (για παράδειγμα το περιεχόμενο ενός καλαθιού σούπερ-μάρκετ) αντιμετωπίζεται ως μία μεμονωμένη συναλλαγή. Σκοπός είναι η εύρεση τάσεων (αλληλεξαρτήσεων/ συσχετίσεων) μεταξύ ενός αριθμού συναλλαγών, οι οποίες στη συνέχεια μπορούν να αναλυθούν και μέσω αυτών να αναγνωρισθούν αγοραστικά πρότυπα, τα οποία στη συνέχεια θα χρησιμοποιηθούν ως πληροφορία (Witten, I.H. and Frank, E., 2001). Η έννοια των κανόνων συσχέτισης εισήχθη το 1993 (Agrawal, R. et al., 1993) και αναφερόταν στην εξαγωγή συσχετίσεων στα πεδία βάσεων δεδομένων. Έκτοτε, έχει τύχει ευρείας έρευνας και εφαρμογής. Ένας κανόνας συσχέτισης είναι μία έκφραση της μορφής Χ=>Υ, όπου Χ και Υ είναι σύνολα τιμών των πεδίων. Η σημασία ενός τέτοιου κανόνα είναι ότι οι περισσότερες εγγραφές της βάσης δεδομένων που περιέχουν το Χ, περιέχουν και το Υ. Σκοπός είναι η εύρεση συσχετίσεων μεταξύ των στηλών ενός συνόλου (πίνακα) δεδομένων. Η σημαντικότητα ενός κανόνα συσχέτισης καθορίζεται από το ποσοστό εφαρμογής του κανόνα στο σύνολο της βάσης δεδομένων. Ένας κλασικός κανόνας συσχέτισης είναι για παράδειγμα της μορφής: «Το 70% των καταναλωτών που αγοράζουν ψωμί, αγοράζουν και βούτυρο, όπως επίσης και στο 60% των αγορών έχουν αγορασθεί ψωμί και βούτυρο». Έτσι, κάθε κανόνας συσχέτισης έχει δύο μεταβλητές μέτρησης, την επιβεβαίωση (support) και την αξιοπιστία (confidence). Η αξιοπιστία μετράει ουσιαστικά την ισχύ του κανόνα, δηλαδή είναι το ποσοστό των συναλλαγών που περιέχουν το Υ επί του αριθμού των συναλλαγών που περιέχουν το Χ. Αντιπροσωπεύει, δηλαδή, τη δεσμευμένη 26

29 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα πιθανότητα του Υ δεδομένου του Χ. Η επιβεβαίωση αναφέρεται ουσιαστικά σε στατιστική σημαντικότητα και είναι το ποσοστό που εμφανίζονται το Χ και το Υ μαζί επί του συνόλου της βάσης δεδομένων (πόσο συχνά δηλαδή συμβαίνει το πρότυπο αυτό στη βάση δεδομένων). Το πρόβλημα εύρεσης κανόνων συσχέτισης αναφέρεται στην εύρεση εκείνων των κανόνων που έχουν μία καθορισμένη από το χρήστη ελάχιστη επιβεβαίωση και αξιοπιστία. Βασικά προβλήματα που αφορούν στην εύρεση κανόνων συσχέτισης αναφέρονται στην πολυπλοκότητα των αλγορίθμων και στη δυσκολία επιλογής των χρήσιμων κανόνων από το σύνολο των κανόνων που προκύπτουν (παράδειγμα: Hipp, J. et al., 2000). Το πρώτο πρόβλημα αναφέρεται στο γεγονός ότι ο αριθμός των κανόνων αυξάνεται εκθετικά με τον αριθμό των πεδίων. Οι σημερινοί αλγόριθμοι που εξάγουν κανόνες συσχέτισης μπορούν να μειώσουν αποτελεσματικά τον αριθμό αυτόν, βασισμένοι σε κατώφλια (thresholds), δηλαδή την επιβεβαίωση και την αξιοπιστία, για μέτρηση της ποιότητας των κανόνων. Το δεύτερο πρόβλημα αναφέρεται στο γεγονός ότι οι χρήσιμοι κανόνες που συνήθως προκύπτουν είναι μόνο ένα μικρό ποσοστό του συνόλου των κανόνων. Το πρόβλημα αυτό ερευνάται σε σχέση με την υποστήριξη προς το χρήστη (user support), όταν αναζητά κανόνες μέσα στους κανόνες που έχουν εξαχθεί (Klemettinen, M. et al., 1994), καθώς και με την ανάπτυξη επιπλέον μέτρων ποιότητας στους κανόνες (Brin, S. et al, 1997a), (Brin, S. t al., 1997b), (Silverstein, C. et al.,1998) ΠΑΡΟΥΣΙΑΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΣΥΣΧΕΤΙΣΗΣ Υποθέτουμε ότι Χ= {x 1,., x n } είναι ένα σύνολο από προϊόντα. Έστω D ένα σύνολο από αγορές, όπου κάθε αγορά Τ είναι μία λίστα από προϊόντα, όπου Τ Χ. Κάθε υποσύνολο από προϊόντα ΧUΧ ονομάζεται λίστα προϊόντων (itemset). Ο κανόνας συσχέτισης είναι μία έκφραση της μορφής Χ=>Υ, όπου Χ Χ, Υ Χ και Χ Υ= 0. Ο 27

30 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα κανόνας Χ=>Υ, σε ένα σύνολο από αγορές D, ισχύει με αξιοπιστία c, αν το c% των αγορών που ανήκουν στο D και περιέχουν το Χ, περιέχουν επίσης και το Υ. Ο κανόνας Χ=>Υ έχει επιβεβαίωση s, αν το s% των αγορών που ανήκουν στο D περιέχουν το ΧUY (Agrawal, R. and Srikant, R., 1994). Όπως γίνεται φανερό από όσα προαναφέρθηκαν, η αξιοπιστία προκύπτει από την επιβεβαίωση ως εξής: c(χ=> Υ)= s(χuy)/ s (X). Όπως ήδη αναφέρθηκε, ένα βασικό πρόβλημα στην εξαγωγή κανόνων συσχέτισης είναι ο τεράστιος αριθμός κανόνων που εξάγονται. Για την ακρίβεια, ο αριθμός των κανόνων αυξάνεται εκθετικά, καθώς το Χ αυξάνεται. Προκειμένου να μειωθεί ο αριθμός των κανόνων που εξάγονται, εισάγεται ο περιορισμός της ελάχιστης επιβεβαίωσης και της ελάχιστης αξιοπιστίας (misupp και minconf). Έτσι, το πρόβλημα εύρεσης κανόνων συσχέτισης μπορεί να διαιρεθεί στα δύο υπό-προβλήματα (Agrawal, R. and Srikant, R., 1994): (1) Εύρεση όλων των συνδυασμών των προϊόντων που έχουν επιβεβαίωση πάνω από την ελάχιστη επιβεβαίωση (η οποία καθορίζεται από το χρήστη). Όλοι αυτοί οι συνδυασμοί ονομάζονται μεγάλες λίστες από προϊόντα (large itemsets) και όλοι οι υπόλοιποι συνδυασμοί μικρές λίστες από προϊόντα (small itemsets). (2) Εξόρυξη κανόνων συσχέτισης, βασισμένη στις μεγάλες λίστες από προϊόντα, οι οποίες έχουν μεγαλύτερη αξιοπιστία από αυτήν που καθορίζει ο χρήστης. Η γνώση για τις τιμές της επιβεβαίωσης όλων των υπολιστών του Χ διασφαλίζεται μέσω της ιδιότητας της επιβεβαίωσης των προϊόντων: όλα τα υποσύνολα μίας μεγάλης λίστας από προϊόντα πρέπει να είναι και αυτά μεγάλες λίστες από προϊόντα (Agrawal, R. and Srikant, R., 1994). Έτσι, το πρόβλημα της εξόρυξης κανόνων συσχέτισης εντοπίζεται στην εύρεση των μεγάλων λιστών από προϊόντα, δεδομένης μίας ελάχιστης επιβεβαίωσης. 28

31 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα ΑΛΓΟΡΙΘΜΟΙ ΣΥΣΧΕΤΙΣΗΣ Οι αλγόριθμοι εξαγωγής κανόνων συσχέτισης μπορούν να χωρισθούν σε διάφορες κατηγορίες, ανάλογα με τον τύπο κανόνων που εξάγονται (κανονικούς-boolean, χωρικούς, γενικευμένους, ποιοτικούς κ.α.), την αρχιτεκτονική του επεξεργαστή που χρησιμοποιείται (διαδοχικοί, παράλληλοι), τον τρόπο δημιουργίας υποψήφιων λιστών (για παράδειγμα, μία δυναμική στρατηγική δημιουργεί τις λίστες κατά τη διάρκεια του σκαναρίσματος των δεδομένων, ενώ μία υβριδική τεχνική δημιουργεί κάποιες υποψήφιες λίστες πριν και κάποιες κατά τη διάρκεια), τη δομή των δεδομένων κ.α. Θα επικεντρωθούμε στους βασικότερους τύπους αλγορίθμων όπως αναλύονται παρακάτω ΔΙΑΔΟΧΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ (Sequential algorithms) Στους διαδοχικούς αλγορίθμους γίνεται η υπόθεση ότι οι λίστες προϊόντων εντοπίζονται και αποθηκεύονται σε λεξικογραφική σειρά, βασισμένη στο όνομα του προϊόντος. Αυτή η σειρά παρέχει έναν λογικό τρόπο, με τον οποίο τα προϊόντα και οι λίστες δημιουργούνται και μετρώνται. Οι διαδοχικοί αλγόριθμοι σχεδιάζονται να λειτουργούν με διαδοχικούς μηχανισμούς σε έναν κεντρικό επεξεργαστή. Σε αυτή την κατηγορία έχουν προταθεί πολλοί αλγόριθμοι, με αρχικό τον AIS (Agrawal, R. et al., 1993). Ο αλγόριθμος αυτός στόχευε στην εξαγωγή ποιοτικών κανόνων. Στον αλγόριθμο αυτό οι υποψήφιες λίστες δημιουργούνται και μετρώνται καθώς σκανάρεται η βάση δεδομένων. Μετά από την ανάγνωση μίας συναλλαγής, καθορίζεται ποια από τα προϊόντα που είχαν βρεθεί ως μεγάλες λίστες στην προηγούμενη επανάληψη περιλαμβάνονται στη συναλλαγή. Νέες υποψήφιες λίστες από προϊόντα δημιουργούνται με την επέκταση αυτών των μεγάλων λιστών με άλλα προϊόντα της συναλλαγής. Ο αλγόριθμος SETM (Houtsma, M. and Swami, A., 1993) προορίζεται για να υλοποιηθεί άμεσα στην SQL για υπολογισμούς μεγάλων λιστών. Όπως και ο AIS, έτσι και ο 29

32 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα αλγόριθμος αυτός δημιουργεί υποψήφιες λίστες βασισμένος σε συναλλαγές που διαβάζει από τη βάση δεδομένων. Για να χρησιμοποιήσει την SQL για δημιουργία υποψήφιων λιστών, ο αλγόριθμος διαχωρίζει τις υποψήφιες λίστες από το μέτρημα (counting). Ο βασικός αλγόριθμος Apriori (Agrawal, R. and Srikant, R., 1994) αναπτύχθηκε, προκειμένου να μειώσει τη δημιουργία τόσων πολλών υποψήφιων λιστών από προϊόντα (αυτό δηλαδή που έκαναν οι προηγούμενοι αλγόριθμοι), τα οποία τελικά μπορεί να ήταν μικρές λίστες. Η εύρεση των μεγάλων λιστών, όπως αναφέρθηκε και στην προηγούμενη ενότητα, βασίζεται στο ότι μία λίστα από προϊόντα είναι μεγάλη λίστα από προϊόντα, αν κάθε υποσύνολό της είναι μεγάλη λίστα από προϊόντα. Η εύρεση αυτή γίνεται κατόπιν πολλών επαναλήψεων στη βάση δεδομένων. Κατά την πρώτη επανάληψη, υπολογίζεται η επιβεβαίωση κάθε προϊόντος και υπολογίζεται ποια από αυτά είναι μεγάλες λίστες. Σε κάθε επόμενη επανάληψη, λαμβάνονται υπόψη μόνο οι μεγάλες λίστες από προϊόντα που είχαν βρεθεί στην προηγούμενη επανάληψη, χωρίς να λαμβάνονται υπόψη οι συναλλαγές. Από τις νέες λίστες δημιουργούνται νέες υποψήφιες μεγάλες λίστες. Κατόπιν μετράται η επιβεβαίωση των λιστών αυτών και καθορίζεται ποιες από αυτές είναι τελικά μεγάλες λίστες. Ο αλγόριθμος ξεκινάει πάλι, λαμβάνοντας υπόψη τις μεγάλες λίστες που καθορίστηκαν στην προηγούμενη επανάληψη. Αναλυτικά, τα βήματα του αλγορίθμου Apriori έχουν ως εξής: 1. Εύρεση των προϊόντων που έχουν επιβεβαίωση μεγαλύτερη από την ελάχιστη επιβεβαίωση, δηλαδή το σύνολο L 1 = μεγάλες λίστες από ένα προϊόν. 2. Από k=2 και όσο το L k-1 δεν είναι κενό: α) εύρεση του συνόλου C k των υποψηφίων μεγάλων λιστών από k προϊόντα με συνόλου βάση το L k-1 β) εύρεση της επιβεβαίωσης των υποψήφιων μεγάλων λιστών και δημιουργία 30

33 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα L k = μεγάλες λίστες από k προϊόντα. 3. Για κάθε στοιχείο των L 1..L n εύρεση εκείνων που έχουν αξιοπιστία μεγαλύτερη από την ελάχιστη αξιοπιστία. Στο πρώτο βήμα ο αλγόριθμος μετράει την επιβεβαίωση του κάθε προϊόντος ξεχωριστά, ώστε να σχηματιστούν οι μεγάλες λίστες μεγέθους ενός προϊόντος. Στο δεύτερο βήμα (που αποτελείται από δύο υποβήματα) μεγάλες λίστες από k-1 προϊόντα που βρέθηκαν στην προηγούμενη επανάληψη, χρησιμοποιούνται για να δημιουργηθούν οι υποψήφιες μεγάλες λίστες από k προϊόντα (C k ). Κατόπιν, υπολογίζεται η επιβεβαίωση των υποψηφίων μεγάλων λιστών από k προϊόντα. Το βήμα αυτό τερματίζεται, όταν δεν υπάρχουν υποψήφιες μεγάλες λίστες. Τέλος, στο τρίτο βήμα, υπολογίζεται η αξιοπιστία κάθε μεγάλης λίστας προϊόντων και εξάγονται κανόνες, από τους οποίους γίνονται αποδεκτοί εκείνοι που έχουν αξιοπιστία μεγαλύτερη από την ελάχιστη αξιοπιστία. Ο βασικός αλγόριθμος Apriori πλεονεκτεί έναντι των προαναφερθέντων, διότι μειώνει τη δημιουργία πολλών υποψηφίων λιστών από προϊόντα, είναι ο αλγόριθμος, στον οποίο στηρίζονται οι περισσότεροι αλγόριθμοι που έχουν αναπτυχθεί έκτοτε και αποτελεί ένα μεγάλο βήμα στην ανάπτυξη των κανόνων συσχέτισης (Cheung, D. W-L. et al, 1996). Μία παραλλαγή του βασικού αλγορίθμου Apriori είναι ο αλγόριθμος AprioriTID (Agrawal, R. and Srikant, R., 1994). Ένα ενδιαφέρον χαρακτηριστικό του αλγορίθμου αυτού είναι το γεγονός ότι δεν χρησιμοποιείται για υπολογισμό της επιβεβαίωσης των υποψήφιων μεγάλων λιστών η βάση δεδομένων D μετά την πρώτη επανάληψη. Άντ αυτού, χρησιμοποιείται μία κωδικοποίηση των υποψηφίων μεγάλων λιστών που είχε χρησιμοποιηθεί στην προηγούμενη επανάληψη. Σε επόμενες επαναλήψεις το μέγεθος της κωδικοποίησης αυτής μπορεί να γίνει πολύ μικρότερο από τον αριθμό των συναλλαγών στη βάση δεδομένων. 31

34 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα Μία επέκταση των Apriori και AprioriTID είναι ο αλγόριθμος AprioriHybrid (Agrawal, R. and Srikant, R., 1994), ο οποίος συνδυάζει τα καλύτερα χαρακτηριστικά και των δύο αλγορίθμων. Συγκεκριμένα, ενώ ο Apriori στις αρχικές επαναλήψεις δίνει γρηγορότερα αποτελέσματα, ο AprioriTID δίνει γρηγορότερα αποτελέσματα σε μεταγενέστερες επαναλήψεις. Έτσι, ο AprioriHybrid χρησιμοποιεί τον Apriori σε αρχικά στάδια και στη συνέχεια χρησιμοποιεί τον AprioriTID, όταν είναι πιθανό ότι η κωδικοποιημένη αρχική λίστα στο τέλος της επανάληψης θα χωράει στη μνήμη. Η αλλαγή αυτή από τον έναν αλγόριθμο στον άλλον, φυσικά, συμπεριλαμβάνει ένα κόστος. Μία άλλη παραλλαγή του αλγορίθμου Apriori είναι ο αλγόριθμος DIC (Dynamic itemset counting) (Brin, S. et al., 1997). O αλγόριθμος αυτός ομαλοποιεί τη διάκριση μεταξύ μετρήματος και δημιουργίας υποψηφίων λιστών. Κάθε φορά που μία υποψήφια λίστα φτάσει την ελάχιστη επιβεβαίωση (χωρίς να έχει «δει» όλες τις συναλλαγές), ο αλγόριθμος δημιουργεί νέες υποψήφιες λίστες βασισμένη σε αυτή. Ο αλγόριθμος PARTITION (Savesere, A. et al., 1995) χωρίζει τη βάση δεδομένων σε μικρά κομμάτια, έτσι ώστε να μπορούν να επεξεργάζονται ξεχωριστά και αποτελεσματικά, προκειμένου να βρεθούν οι μεγάλες λίστες. Οι μεγάλες αυτές λίστες στη συνέχεια συνδυάζονται, ώστε να δημιουργηθούν οι υποψήφιες μεγάλες λίστες. Ένα επιπλέον σκανάρισμα της βάσης χρειάζεται, για να επιβεβαιώσει ότι οι τοπικές μεγάλες λίστες από προϊόντα είναι επίσης και ολικές. Ο αλγόριθμος OCD (Off-line Candidate Determination) (Mannila, H. et al., 1994) βασίζεται στην ιδέα ότι μικρά δείγματα συνήθως επιτυγχάνουν να βρουν μεγάλες λίστες με μεγαλύτερη ευκολία. Ακολουθεί διαφορετική τεχνική από τον Apriori για τον καθορισμό των υποψήφιων λιστών. Χρησιμοποιεί όλη τη διαθέσιμη πληροφορία από προηγούμενες επαναλήψεις, προκειμένου να χωρίσει τις υποψήφιες λίστες μεταξύ των 32

35 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα επαναλήψεων, κρατώντας την επανάληψη όσο πιο απλή γίνεται. Με αυτό τον τρόπο απορρίπτει και υποψήφιες μικρές λίστες. Ο αλγόριθμος Sampling (Toivonen, H., 1996) μειώνει τις επαναλήψεις σε μία ή δύο. Ένα δείγμα αρχικά επιλέγεται από τη βάση δεδομένων, το οποίο μπορεί να χωρέσει στη βασική μνήμη. Στη συνέχεια, οι μεγάλες λίστες βρίσκονται από το δείγμα, χρησιμοποιώντας έναν βηματικό αλγόριθμο, όπως ο Apriori. O αλγόριθμος DHP (Direct Hashing and Pruning) (Park, J.S. et al., 1995a) είναι ιδιαίτερα αποτελεσματικός για την εύρεση υποψήφιων λιστών 2 προϊόντων. Τέλος, ο αλγόριθμος CARMA (Continuous Association Rule Mining Algorithm) (Hidber, C., 1999) εμφανίζει online τους κανόνες συσχέτισης και επιτρέπει στο χρήστη να αλλάξει την ελάχιστη επιβεβαίωση και αξιοπιστία σε κάθε συναλλαγή κατά τη διάρκεια της πρώτης επανάληψης ΠΑΡΑΛΛΗΛΟΙ ΑΛΓΟΡΙΘΜΟΙ (Parallel algorithms) Στην κατηγορία αυτή ανήκουν οι αλγόριθμοι που επικεντρώνονται στο πώς θα παραλληλιστεί η λειτουργία της εύρεσης μεγάλων λιστών από προϊόντα και σχεδιάζονται για λειτουργία με παράλληλο τρόπο σε πολυεπεξεργαστές. Για την εύρεση κανόνων παράλληλα, θα πρέπει να γίνουν κάποιες αλλαγές-αντικαταστάσεις, σχετικά με την χρησιμοποίηση της διαθέσιμης μνήμης, τους υπολογισμούς, την επικοινωνία, την πληροφορία που παρέχει το συγκεκριμένο πρόβλημα κ.α. Οι υπάρχοντες παράλληλοι αλγόριθμοι βασίζονται στο σειριακό αλγόριθμο Apriori. Τρεις γνωστοί αλγόριθμοι που ανήκουν σε αυτή την κατηγορία έχουν προταθεί στο (Agrawal, R. and Shafer, J.C., 1996). Ο αλγόριθμος CM (Count Distribution algorithm) επικεντρώνεται στην ελαχιστοποίηση της επικοινωνίας και χρησιμοποιεί μία βασική αρχή επιτρέποντας «μειωμένους παράλληλους υπολογισμούς σε μη χρησιμοποιούμενους επεξεργαστές, 33

36 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα προκειμένου να αποφευχθεί η επικοινωνία» (Agrawal, R. and Shafer, J.C., 1996). Έτσι, κάθε επεξεργαστής υπολογίζει ανεξάρτητα μεγάλες λίστες από προϊόντα και στη συνέχεια ανταλλάσσει την πληροφορία αυτή με τους υπόλοιπους επεξεργαστές, προκειμένου να εξαχθούν κανόνες ολικά. Ο αλγόριθμος DD (Data Distribution algorithm) επιχειρεί να αξιοποιήσει τη συνολική μνήμη του συστήματος πιο αποτελεσματικά. Κάθε επεξεργαστής υπολογίζει αμοιβαίως αποκλειόμενες υποψήφιες λίστες. Καθώς ο αριθμός των επεξεργαστών αυξάνεται, ένας μεγάλος αριθμός υποψήφιων λιστών μπορεί να μετρηθεί σε κάθε επανάληψη. Τέλος, ο αλγόριθμος Candidate Distribution χωρίζει τόσο τα δεδομένα, όσο και τις υποψήφιες λίστες, με τέτοιο τρόπο, ώστε κάθε επεξεργαστής να μπορεί να δουλεύει ανεξάρτητα. Ένας άλλος αλγόριθμος που ανήκει σε αυτή την κατηγορία είναι ο PDM (Parallel Data Mining) (Park, J.S. et al., 1995b), ο οποίος προσπαθεί να παραλληλίσει τον DHP (Park, J.S. et al., 1995a). Ο αλγόριθμος DMA (Distributed Mining Algorithm) (Cheung, D. W-L. et al., 1996) εξάγει κανόνες από κατανομημένες (distributed) βάσεις δεδομένων. Ο αλγόριθμος δημιουργεί έναν μικρό αριθμό υποψηφίων λιστών, βασισμένος σε τεχνικές περικοπής (pruning) και τεχνικές μείωσης επικοινωνίας μηνυμάτων (communication message reduction), και τελικά χρειάζεται μόνο Ο(n) μέγεθος μηνυμάτων για κάθε υποψήφια λίστα. Ο αλγόριθμος IDD (Intelligent Data Distribution) (Han, E-H. et al., 1997) αποτελεί μία βελτίωση του αλγορίθμου DD. Ο αλγόριθμος χρησιμοποιεί αποτελεσματικά τη μνήμη των παράλληλων υπολογιστών, υιοθετώντας ένα σχήμα διαχωρισμού υποψήφιων λιστών και χρησιμοποιεί αποτελεσματικούς μηχανισμούς επικοινωνίας για τη μεταφορά των δεδομένων μεταξύ των επεξεργαστών. Επίσης, ο αλγόριθμος HD (Hybrid Distribution) (Han, E-H. et al., 1997) χωρίζει δυναμικά τις υποψήφιες λίστες, προκειμένου να 34

37 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα διατηρήσει καλή ισορροπία κατά τη μεταφορά των δεδομένων. Τέλος, μπορεί να μετατραπεί στον αλγόριθμο CD σε μεταγενέστερες επαναλήψεις. Στο (Shintani, T. and Kitsuregawa, M., 1998) προτείνεται ένας αλγόριθμος για εξαγωγή κανόνων με ιεραρχική ταξινόμηση. Η διαθέσιμη μνήμη χρησιμοποιείται πλήρως, ανακαλύπτοντας υποψήφιες λίστες, οι οποίες μπορούν να επεξεργάζονται τοπικά χωρίς επικοινωνία μεταξύ των επεξεργαστών. Τέλος, ο αλγόριθμος SH (Harada, L. et al., 1998) δημιουργεί υποψήφιες λίστες ανεξάρτητα σε κάθε επεξεργαστή, καθώς σκανάρει τη βάση δεδομένων και όχι εκ των προτέρων από τις προηγούμενες μεγάλες λίστες, όπως ο σειριακός αλγόριθμος Apriori ΠΟΣΟΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ (Quantitative algorithms) Οι αλγόριθμοι που αναπτύχθηκαν στα αρχικά στάδια έρευνας της εξαγωγής κανόνων συσχέτισης ασχολούνταν με κατηγορικά δεδομένα. Στην περίπτωση που τα δεδομένα είναι τόσο κατηγορικά, όσο και ποσοτικά, χρησιμοποιούνται οι ποσοτικοί αλγόριθμοι συσχέτισης, οι οποίοι χωρίζουν τις ποσότητες σε διαστήματα (intervals). Ένα παράδειγμα ενός ποσοτικού κανόνα είναι: «Το 30% των παντρεμένων ανθρώπων ηλικίας μεταξύ 30 και 40 ετών, έχουν τουλάχιστον ένα αυτοκίνητο». Εάν ένα ποσοτικό πρόβλημα μπορεί να μετατραπεί σε πρόβλημα με Boolean κανόνες, τότε κάθε αλγόριθμος για την εύρεση κανονικών (Boolean) κανόνων συσχέτισης, μπορεί να χρησιμοποιηθεί για την εύρεση ποσοτικών κανόνων συσχέτισης (Srikant, R. and Agrawal, R., 1996), (Cengiz, I., 1997). Έτσι, οι τιμές των κατηγορικών μεταβλητών καταγράφονται από μία σειρά διαδοχικών ακέραιων αριθμών. Οι ποσοτικές μεταβλητές είτε χωρίζονται σε διαστήματα, όπου καταγράφονται σα διαδοχικοί ακέραιοι, έτσι ώστε να τηρείται η σειρά των διαστημάτων, είτε δεν χωρίζονται σε διαστήματα, οπότε οι τιμές 35

38 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα των μεταβλητών καταγράφονται σα διαδοχικοί ακέραιοι, έτσι ώστε να διατηρείται η σειρά των τιμών. Εάν τα διαστήματα είναι πολύ μικρά, μερικοί κανόνες μπορεί να μην έχουν ελάχιστη επιβεβαίωση. Από την άλλη μεριά, εάν τα διαστήματα είναι πολύ μεγάλα, τότε μερικοί κανόνες μπορεί να μην έχουν ελάχιστη αξιοπιστία. Το πρόβλημα αυτό μπορεί να λυθεί με δύο τρόπους: α. Συνδυάζοντας κοντινά διαστήματα/ τιμές. β. Εισάγοντας μία «μέγιστη επιβεβαίωση». Τα διαστήματα σταματούν να συνδυάζονται εάν η συνδυασμένη επιβεβαίωσή τους ξεπερνάει την τιμή αυτή (Srikant, R. and Agrawal, R., 1996) ΓΕΝΙΚΕΥΜΕΝΟΙ ΑΛΓΟΡΙΘΜΟΙ (Generalized algorithms) Οι γενικευμένοι αλγόριθμοι χρησιμοποιούν δεδομένα με ιεραρχική δομή για τη δημιουργία κανόνων συσχέτισης σε διαφορετικά επίπεδα της ιεραρχίας (Srikant, R. and Agrawal, R., 1995). Όταν οι κανόνες δημιουργούνται για προϊόντα σε υψηλότερο επίπεδο στην ιεραρχία, τόσο η επιβεβαίωση, όσο και η αξιοπιστία αυξάνονται. Ένας γενικευμένος κανόνας συσχέτισης είναι της μορφής Χ=>Υ και ορίζεται ακριβώς όπως ένας κανονικός κανόνας συσχέτισης, με τη διαφορά ότι κανένα προϊόν του Υ δεν μπορεί να προηγείται κανενός προϊόντος του Χ (Srikant, R. and Agrawal, R., 1995), δηλαδή να βρίσκεται σε υψηλότερο επίπεδο στην ιεραρχία. Το πρόβλημα της εύρεσης γενικευμένων κανόνων συσχέτισης αναφέρεται στη δημιουργία κανόνων για όλα τα επίπεδα. Επίσης, έχουν προταθεί διάφοροι παράλληλοι αλγόριθμοι για τη δημιουργία γενικευμένων κανόνων συσχέτισης (Shintani, T. and Kitsuregawa, M., 1998). Όταν εξάγονται κανόνες συσχέτισης κατά πλάτος (across) σε διαφορετικά επίπεδα στην ιεραρχία, τότε αυτοί ονομάζονται κανόνες συσχέτισης πολλαπλών επιπέδων (multiple- 36

39 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα level association rules) (Han, J. and Fu, Y., 1995). Σκοπός είναι η δημιουργία μεγάλων λιστών με μέθοδο από πάνω προς τα κάτω (top-down) στην ιεραρχία, χρησιμοποιώντας έναν αλγόριθμο σαν τον Apriori ΧΩΡΙΚΟΙ ΚΑΙ ΧΡΟΝΟΛΟΓΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ (Spatial and temporal algorithms) Οι χωρικοί αλγόριθμοι περιλαμβάνουν τοπικές πληροφορίες για ην αποθήκευση των δεδομένων. Αυτό μπορεί να είναι ζευγάρια της μορφής γεωγραφικό μήκος-γεωγραφικό πλάτος, ταχυδρομικοί κώδικες, διευθύνσεις ή άλλα γεωγραφικά δεδομένα. Η μεθοδολογία αυτή εξετάζει προβλήματα παρόμοια με αυτά των κλασικών κανόνων συσχέτισης, με τη διαφορά ότι συμπεριλαμβάνονται χωρικές λειτουργίες (για παράδειγμα «κοντά», «δίπλα σε» κλπ.) για την εξαγωγή κανόνων συσχέτισης. Ένας χωρικός κανόνας είναι της μορφής Χ=>Υ, όπου ή το Χ ή το Υ ή και τα δύο μπορεί να είναι χωρική μεταβλητή (Koperski, K. and Han, J., 1995). Ένας χωρικός κανόνας συσχέτισης μπορεί να είναι: «Ένα σχολείο, το οποίο βρίσκεται κοντά σε ένα πάρκο, βρίσκεται επίσης δίπλα σε ένα δημόσιο κτίριο». Οι χωρικοί αλγόριθμοι συσχέτισης μπορούν να φανούν ιδιαίτερα χρήσιμοι, όταν συνδυάζονται με Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ). Οι χρονολογικοί κανόνες συσχέτισης είναι παρόμοιοι με τους χωρικούς, με τη διαφορά ότι συμπεριλαμβάνουν και τον παράγοντα χρόνο. Οι χωρικοί-χρονικοί κανόνες συμπεριλαμβάνουν τόσο χρόνο (time), όσο και χώρο (space) ΔΙΑΦΟΡΑ ΘΕΜΑΤΑ Υπάρχουν διάφορες άλλες μεθοδολογίες που έχουν προταθεί σχετικά με την εξαγωγή κανόνων συσχέτισης και αναλύονται περιληπτικά. 37

40 Κεφάλαιο 1: Οι τεχνικές εξόρυξης από δεδομένα Οι κανόνες συσχέτισης έχουν γενικευθεί σε κανόνες εξάρτησης, οι οποίοι αναγνωρίζουν τη στατιστική εξάρτηση και σε περιπτώσεις παρουσίας και σε περιπτώσεις απουσίας προϊόντων σε λίστες (Silverstein, C. et al., 1998). Το μέτρο της σημαντικότητας της στατιστικής εξάρτισης γίνεται μέσω του κριτηρίου Χ 2 από την κλασική στατιστική. Ένας τέτοιος κανόνας είναι της μορφής: «Το 80% των ανθρώπων που δεν αγοράζουν καφέ, αγοράζουν τσάι». Επίσης, έχει παρατηρηθεί ότι η πολυπλοκότητα στην εύρεση κανόνων συσχέτισης δεν εξαρτάται μόνο από τον αριθμό των μεταβλητών, αλλά και από τον αριθμό των τιμών των μεταβλητών (Srikant, R. and Agrawal, R., 1996). Η πολυπλοκότητα αυτή μειώνεται με την ομαδοποίηση των τιμών σε διαστήματα. Έτσι, για παράδειγμα, η μεταβλητή ηλικία μπορεί να διαιρεθεί σε διαστήματα των 5 ετών, αντί να ληφθεί υπόψη κάθε τιμή. Η μεγιστοποίηση στην εξαγωγή κανόνων συσχέτισης είναι ένα άλλο θέμα που έχει εμφανιστεί στην αντίστοιχη βιβλιογραφία (Rastogi, R. and Shim, K., 1998). Η μεγιστοποίηση παρέχει έναν αποτελεσματικό τρόπο, προκειμένου να γίνει εστίαση στα πιο ενδιαφέροντα χαρακτηριστικά των μεταβλητών. Οι κανόνες συσχέτισης σε αυτή την περίπτωση μπορεί να περιλαμβάνουν απροσδιόριστες μεταβλητές. Το πρόβλημα που τίθεται είναι να προσδιοριστούν αυτές οι μεταβλητές, με τέτοιο τρόπο, ώστε είτε η επιβεβαίωση, είτε η αξιοπιστία να μεγιστοποιούνται. Πολλοί αλγόριθμοι έχουν προταθεί με σκοπό τη μείωση των μεγάλων λιστών που δημιουργούνται, βασισμένοι σε περιορισμούς στους κανόνες. Οι περιορισμοί αυτοί τίθενται μέσω της επιβεβαίωσης και της αξιοπιστίας και περιλαμβάνουν: α. Ενδιαφέροντες κανόνες, οι οποίοι περιλαμβάνουν εκείνους τους κανόνες που έχουν μεγαλύτερη επιβεβαίωση και αξιοπιστία σε σχέση με αυτή που θα υπήρχε, εάν οι μεταβλητές συνέβαιναν τυχαία (randomly) (Tsur, D. et al., 1998), (Srikant, R. et al., 1997). 38