ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΙΟΙΚΗΣΗ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ιδάσκων: ρ. Ι. Χαραλαµπίδης
Περιεχόµενα (1/2) Έννοια και Χαρακτηριστικά των Συστηµάτων Ανάλυση Χαρακτηριστικών των Συστηµάτων Πεδία της Θεωρίας Συστηµάτων Ταξινόµηση Συστηµάτων (1/2) Ταξινόµηση Συστηµάτων (2/2) Μοντέλα Συστηµάτων Λήψη Αποφάσεων για τη ιοίκηση των ΠΣ ιαµόρφωση Μοντέλου Συστήµατος Η Επιχειρησιακή Έρευνα (ΕΕ) στη λήψη αποφάσεων Φάσεις λήψης αποφάσεων Ζητήµατα στη λήψη αποφάσεων Ζητήµατα στη λήψη αποφάσεων - Είδη αποφάσεων Ζητήµατα στη λήψη αποφάσεων - Είδη µοντέλων
Περιεχόµενα (2/2) Ειδικές Περιπτώσεις Λήψης Απόφασης Λήψη απόφασης σε Οργανισµούς Εργαλεία της ΕΕ - Τεχνικές Επίλυσης Προβληµάτων Συστήµατα Υποστήριξης Αποφάσεων - Κλασσικά Συστήµατα Συστήµατα Υποστήριξης Αποφάσεων - Έµπειρα Συστήµατα Κατηγορίες Συστηµάτων Υποστήριξης Αποφάσεων Ανάπτυξη Συστηµάτων Υποστήριξης Αποφάσεων Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (Παράδειγµα) ένδρα Αποφάσεων (Παράδειγµα)
Έννοια και Χαρακτηριστικά των Συστηµάτων Ως σύστηµα ορίζεται ένα οργανωµένο σύνολο στοιχείων που συσχετίζονται λειτουργικά για την επίτευξη κάποιων κοινών σκοπών. Τα βασικά χαρακτηριστικά των συστηµάτων είναι : Σκοπός Περιβάλλον Πόροι Στοιχεία ιοίκηση
Ανάλυση Χαρακτηριστικών των Συστηµάτων Σκοπός Περιβάλλον Πόροι Στοιχεία ιοίκηση
Πεδία της Θεωρίας Συστηµάτων Γενική Θεωρία Συστηµάτων Ειδικές Θεωρίες Συστηµάτων Ανάλυση Συστηµάτων Εφαρµογές Συστηµάτων
Ταξινόµηση Συστηµάτων (1/2) Φυσικά - Τεχνητά Ανοικτά - Κλειστά Ευσταθή - Ασταθή Προσαρµοζόµενα - Άκαµπτα
Ταξινόµηση Συστηµάτων (2/2) Κατανεµηµένα Γραµµικά - Μη γραµµικά Συνεχή - Ασυνεχή «Σκληρά» -«Μαλακά» Καλά ορισµένα - Ασαφή Συνεχή - ιακριτού χρόνου
Μοντέλα Συστηµάτων Εικονικά Αναλογικά - Στατικά - υναµικά Συµβολικά (Μαθηµατικά) - Στατικά / υναµικά - Προσδιοριστικά (deterministic) / Πιθανολογικά (probabilistic) - Περιγραφικά (discriptive) / εοντολογικά (prescriptive)
Λήψη αποφάσεων για τη διοίκηση των ΠΣ Η λήψη αποφάσεων στη διοίκηση παραγωγικών συστηµάτων περιλαµβάνει : - Αναγνώριση της κατάστασης που απαιτεί απόφαση σχετικά µε κάποια δράση - ιαµόρφωση εναλλακτικών σχεδίων δράσης - Αξιολόγηση των σχεδίων βάσει κριτηρίων - Επιλογή του βέλτιστου (βάσει των κριτηρίων) σχεδίου - Εφαρµογή του σχεδίου
ιαµόρφωση µοντέλου συστήµατος Ηδιαµόρφωση µοντέλου συστήµατος περιλαµβάνει : - Προσδιορισµό των ελεγχόµενων µεταβλητών του συστήµατος (π.χ. αριθµό εργαζοµένων, ύψος παραγωγής, επίπεδο αποθεµάτων, κ.λπ.) - Προσδιορισµό σταθερών χαρακτηριστικών (π.χ. ανάλωση πόρων, κέρδος ανά µονάδα προϊόντος, κ.λπ.) - Προσδιορισµό σχέσεων µεταξύ µεταβλητών και σταθερών του συστήµατος - Προσδιορισµό µιας αντικειµενικής συνάρτησης (objective function)
Η Επιχειρησιακή Έρευνα (ΕΕ) στη λήψη αποφάσεων «Επιχειρησιακή Έρευνα είναι η εφαρµογή της σύγχρονης επιστήµης σε πολύπλοκα προβλήµατα που ανακύπτουν κατά τη διεύθυνση και διοίκηση µεγάλων συστηµάτων που αποτελούνται από ανθρώπους, µηχανές, υλικά και κεφάλαια, στη βιοµηχανία, στις κυβερνητικές υπηρεσίες και την άµυνα. Η µέθοδος που τη χαρακτηρίζει είναι η ανάπτυξη επιστηµονικού µοντέλου για το σύστηµα πουµελετάται, που περιλαµβάνει µετρήσεις τυχαίων παραγόντων, µε το οποιο προβλέπονται και συγκρίνονται τα αποτελέσµατα εναλλακτικών αποφάσεων, στρατηγικών και ελέγχων. Ο σκοπός της είναι να βοηθήσει τη διοίκηση να καθορίσει την πολιτική και τις ενέργειες της επιστηµονικά (κατά το βέλτιστο τρόπο)». Βρετανική Εταιρεία Επιχειρησιακών Ερευνών
Φάσεις λήψης αποφάσεων Intelligence ( Μοντέλο του Simon ) Design Choise
Ζητήµατα στη λήψη αποφάσεων * Βεβαιότητα : υνατότητα επιλογής της βέλτιστης λύσης µέσα από ένα σύνολο εναλλακτικών επιλογών * Αβεβαιότητα : Αδυναµία εφαρµογής κριτηρίων βελτιστοποίησης Καθορισµός πιθανότητας κάθε εναλλακτικής επιλογής Παράδειγµα: Εναλλακτικές Επιλογές Επιλογή 1 Επιλογή 2 Πιθανότητα x Κέρδος = Αναµενόµενο Κέρδος 0.01 x 10.000 = 100 0.50 x 400 = 200
Ζητήµατα στη λήψη αποφάσεων - Είδη αποφάσεων * Προγραµµατιζόµενες: Η διαδικασία λήψης απόφασης µπορεί να αυτοµατοποιηθεί * Μη Προγραµµατιζόµενες: Τµήµα του προβλήµατος αυτοµατοποιείται και η λύση προκύπτει ως έξοδος του συστήµατος Γιαταυπόλοιπατµήµατα απαιτείται ανθρώπινη παρέµβαση
Ζητήµατα στη λήψη αποφάσεων - Είδη µοντέλων * Κλασσικά Οικονοµικά Μοντέλα Βεβαιότητα Στόχος : Μεγιστοποίηση κέρδους * * Στρατηγικά Μοντέλα Αβεβαιότητα Στόχος : Μεταβάλλεται Μοντέλα Ανθρώπινης Συµπεριφοράς ιαρκής επανεξέταση των εναλλακτικών και της προτεινόµενης λύσης, ακόµη και µετά τη λήψη απόφασης Απροθυµία µεταβολής της απόφασης µετά το πέρας της διαδικασίας λήψης και ανακοίνωσής της
Ειδικές Περιπτώσεις Λήψης Απόφασης * * Υποκειµενικότητα στη λήψη απόφασης Λήψη απόφασης υπό καθεστώς πίεσης
Λήψη απόφασης σε Οργανισµούς * * * Ποικιλία διαφορετικών απόψεων Αποφυγή αβεβαιότητας Αναζήτηση βασισµένη στο πρόβληµα Αιτίες προβλήµατος Πρόβληµα Συµπτώµατα Εναλλακτικές Λύσεις * Επανακαθορισµός στόχων
Εργαλεία της ΕΕ - Τεχνικές Επίλυσης Προβληµάτων (1/2) - Μαθηµατικός Προγραµµατισµός Γραµµικός Προγραµµατισµός Ακέραιος Προγραµµατισµός υναµικός Προγραµµατισµός Τετραγωνικός Προγραµµατισµός Στοχαστικός Προγραµµατισµός - Μήτρα αποφάσεων - έντρα αποφάσεων
Εργαλεία της ΕΕ - Τεχνικές Επίλυσης Προβληµάτων (2/2) - Προσοµοίωση - Θεωρία Παιγνίων - Θεωρία ικτύων - Στατιστικές Μέθοδοι Θεωρία αναµονής ειγµατοληψία Ανάλυση ιασποράς Πιθανότητας Ανάλυση Συσχέτισης Έλεγχος Υπόθεσης
Συστήµατα Υποστήριξης Αποφάσεων - Κλασσικά Συστήµατα Βάση εδοµένων Βάση Μοντέλων Κεντρικό Σύστηµα Συντονισµού Χρήστης
Συστήµατα Υποστήριξης Αποφάσεων - Έµπειρα Συστήµατα Εµπειρία Βάση Γνώσης Μηχανή Λογικής Ανάλυσης Βάση Μοντέλων Χρήστης
Κατηγορίες Συστηµάτων Υποστήριξης Αποφάσεων - Συστήµατα File Drawer - Συστήµατα Ανάλυσης εδοµένων - Συστήµατα Ανάλυσης Πληροφορίας - Λογιστικά Μοντέλα - Μοντέλα Αναπαράστασης (Προσοµοίωση) - Μοντέλα Υπόδειξης - Μοντέλα Βελτιστοποίησης
Ανάπτυξη Συστηµάτων Υποστήριξης Αποφάσεων - Χειρογραφικά (manually) - Μηχανογραφικά Όταν Τα δεδοµένα είναι πολύπλοκα Απαιτούνται πολλές επαναλήψεις της µεθόδου µέχρι την επίτευξη ικανοποιητικής λύσης Απαιτείται συχνή επανα-ανάλυση Μέθοδοι Κλασσικές (ανάλυση απαιτήσεων, σχεδίαση, ανάπτυξη, επικύρωση) Επαναληπτική ανάπτυξη, πρωτοτυποποίηση, κ.λπ.
Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (Γ.Π.) Ο Γραµµικός Προγραµµατισµός (Linear Programming - LP) χρησιµοποιείται για την επίλυση προβληµάτων που αφορούν την ανάθεση πεπερασµένων πόρων σε ανταγωνιστικές απαιτήσεις, κατά τρόπο βέλτιστο. Μοντέλο Γ.Π. : Βελτιστοποίηση της Ζ=C 1 X 1 +C 2 X 2 +... +C n X n (Αντικειµενική Συνάρτηση) Με ικανοποίηση των περιορισµών: a 11 X 1 +a 12 X 2 +... +a 1n X n b 1 a 21 X 1 +a 22 X 2 +... +a 2n X n b 2 a m1 X 1 +a m2 X 2 +... +a mn X n b m
Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (παράδειγµα) Το Πρόβληµα του ιαιτολογίου Θεωρούµε το πρόβληµα ενός οικογενειάρχη που επιθυµεί να προγραµµατίσει την εβδοµαδιαία αγορά σε τρόφιµα. Το κατάστηµα τροφίµων διαθέτει ποικιλία n τροφών κάθε µία απ τις οποίες περιέχει τουλάχιστον ένα από m θρεπτικά συστατικά Έστω: a ij = το ποσοστό του i συστατικού στην τροφή j i= 1,,m, j= 1,,n r i = η εβδοµαδιαία ανάγκη σε συστατικό τύπου i i= 1,,m x j = η εβδοµαδιαία κατανάλωση τροφής τύπου j j= 1,,n c j = το µοναδιαίο κόστος της τροφής τύπου j j= 1,,n Ηεβδοµαδιαία κατανάλωση τροφής j αντιπροσωπεύεται από το διάνυσµα x j 0 Η ικανοποίηση των διατροφολογικών απαιτήσεων αντιπροσωπεύεται από το διάνυσµα Αx r Τo συνολικό κόστος αγοράς τροφίµων αντιπροσωπεύεται από το διάνυσµα c x
Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (παράδειγµα) Το Πρόβληµα του ιαιτολογίου Εάν θελήσουµε, λοιπόν, να βρούµε τον οικονοµικότερο συνδυασµό τροφών που να εξασφαλίζει ταυτόχρονα διαιτολογική πληρότητα, χρειάζεται να θεωρήσουµε τοεξής µοντέλο Γραµµικού Προγραµµατισµού: min c x Αx r x j 0
Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (παράδειγµα) Η µορφή του µοντέλου που καταστρώθηκε για το πρόβληµα του ιαιτολογίου min c x Αx r x j 0 ονοµάζεται κανονική (canonical form) Η µορφή ενός µοντέλου Γραµµικού Προγραµµατισµού : min c x Αx = b x j 0 ονοµάζεται τυπική (standard form) Οι δύο παραπάνω µορφές είναι ισοδύναµες
Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (παράδειγµα) Τµήµα 1 2 3 4 Απαιτούµενος χρόνος κατασκευής (h) DW 501 DW 502 50 70 66 33 45 - - 30 Μοντέλο Γ.Π. Τµήµα 1 2 3 4 Τύπος DW 501 DW 502 Μέγιστος Χρόνος Λειτουργίας 2000 1800 1500 1500 Κέρδος Επιχείρησης 9000 7500 50 X 1 + 70 X 2 2000 66 X 1 + 33 X 2 1800 45 X 1 1500 30 X 2 1500 max Z = 9000X 1 + 7500X 2
Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (παράδειγµα) Τµήµα Μηχανή Ι Μηχανή ΙΙ Μηχανή ΙΙΙ Απαιτούµενος χρόνος κατασκευής (h) Προϊόν Α Προϊόν Β 4 6 2 6 1 Μοντέλο Γ.Π. Τµήµα Μηχανή Ι Μηχανή ΙΙ Μηχανή ΙΙΙ Τύπος Προϊόν Α Προϊόν Β Μέγιστος Χρόνος Λειτουργίας 120 72 10 Κέρδος Επιχείρησης 2 4 4 X 1 + 6 X 2 120 2 X 1 + 6 X 2 72 X 2 10 max Z = 2X 1 + 4X 2
Εργαλεία της ΕΕ - Γραµµικός Προγραµµατισµός (παράδειγµα) Χ 2 20 4X 1 +6X 2 = 120 16 2X 1 +4X 2 = 64 2X 1 +4X 2 = 32 Γραµµές Αντικειµενικής Συνάρτησης 4 X 1 + 6 X 2 120 2 X 1 + 6 X 2 72 X 2 10 12 (Α) (Β) X2 = 10 max Z = 2X 1 + 4X 2 8 4 (E) (C) Βέλτιστη Λύση 2X1+6X2 = 72 (D) 4 8 12 16 20 24 28 32 36 Χ 1
Εργαλεία της ΕΕ - Γ. Π. στο Microsoft EXCEL
Εργαλεία της ΕΕ - Γ. Π. στο Microsoft EXCEL
Εργαλεία της ΕΕ - ένδρα Αποφάσεων - παράδειγµα Επιλογή Επενδυτικής Στρατηγικής Εναλλακτικές Επενδύσεις Α.1 : Επένδυση σε Μετοχικά Κεφάλαια Α.2 : Επένδυση σε Βιοµηχανικές Μετοχές Α.3 : Επένδυση σε Κρατικά Οµόλογα Εξέλιξη Εθνικής οικονοµίας Ανάπτυξη Στασιµότητα Ύφεση 0.40 0.35 0.25 Απόδοση Επένδυσης ανα Περίπτωση Εναλλακτικές Επενδύσεις Εξέλιξη Εθνικής Οικονοµίας Ανάπτυξη Στασιµότητα Ύφεση Α.1 20 Α.2 10 Α.3 4 1 6 4-6 0 4
Εργαλεία της ΕΕ - ένδρα Αποφάσεων - Θεώρηµα Bayes ΠΤΚ (a i ) = Σ (Κ ij ) (P j ) j ΠΤΚ (a i ) Κ ij P j : Προσδοκιτή τιµή κέρδουςτηςδράσηςα i : KέρδοςδράσηςΑ i για j κατάσταση οικονοµίας : Πιθανότητα εµφάνισης j κατάστασης οικονοµίας
Εργαλεία της ΕΕ - ένδρα Αποφάσεων - παράδειγµα ΠΤΚ (a i ) = Σ (Κ ij ) (P j ) j Ανάπτυξη (0,40) Στασιµότητα (0,35) Ύφεση (0,25) 20 1 20 x 0.40 + 1 x 0.35 + (-6)x 0.25 = 6.85-6 Σηµείο Απόφασης Α.1 Α.3 Α.2 Ανάπτυξη (0,40) Στασιµότητα (0,35) Ύφεση (0,25) 10 0 6 10 x 0.40 + 6 x 0.35 + 0 x 0.25 = 6.1 Ανάπτυξη (0,40) Στασιµότητα (0,35) Ύφεση (0,25) 4 4 4 4 x 0.40 + 4 x 0.35 + 4 x 0.25 = 4