docPropozycja algorytmizacji hybrydowej metody optymalizacji funkcji
download 
Reklamacja Transkrypt
Propozycja algorytmizacji hybrydowej metody optymalizacji funkcji
Michał Twardochleb PROBLEMY WDRAŻANIA INFORMATYCZNYCH ROZWIĄZAŃ DLA ZARZĄDZANIA ORGANIZACJĄ Politechnika Szczecińska, Wydział Informatyki, Katedra Organizacji i Zarządzania Artykuł porusza problematykę projektowania i wdrażania systemów i aplikacji wspomagających działania kadry menadżerskiej w przedsiębiorstwach. Wymienia przykładowe trudności mogące pojawić się pojawić się na kolejnych etapach tworzenia wymienianych produktów i wskazuje źródła ich powstania. Wstęp Istotą dobrego zarządzania jest szybkie podejmowanie właściwych decyzji. Rozwijając tę tautologię mamy do czynienia z problemem wielowymiarowym: z jednej strony kluczowym czynnikiem jest czas, z drugiej zaś ocena efektywności działań decydenta, do którego należy wybór najbardziej korzystnego wariantu kierunku dalszego funkcjonowania zarządzanego obiektu (w szczególności – przedsiębiorstwa). Współczesne decyzje podejmowane są w oparciu o ogromną ilość informacji opisujących stany zarówno otoczenia zewnętrznego jak i wewnętrznych zależności. Decyzja musi być poparta racjonalnymi przesłankami, zaś do lamusa odchodzą postacie menedżerów polegających wyłącznie na swojej intuicji, czy wyczuciu w prowadzeniu interesów. Do skutecznej analizy coraz większej ilości danych mających wpływ na podjęcie decyzji niezbędne jest szerokie wykorzystanie zaawansowanych technik informacyjnych. Współczesny decydent oczekuje wsparcia technologicznego, poszukuje rozwiązań, które będą w stanie wspomóc go w procesie podejmowania decyzji. W zależności od poziomu zarządzania stopień skomplikowania decyzji rośnie, a wraz z nim rosną konsekwencje błędu dla całości przedsiębiorstwa. Równolegle wzrasta stopień zaawansowania narzędzi informatycznych mających wspomagać menedżera na kolejnych etapach zarządzania. Na szczeblu zarządzania operacyjnego głównym celem systemu informatycznego będzie zbieranie danych i ich czytelne raportowanie, zatem odnosi się on głównie do wnętrza przedsiębiorstwa i zachodzących w nim procesów (przeważnie ilościowych). Na poziomie taktycznym niezbędne będzie dokonywanie dodatkowych kalkulacji, przy czym następuje tu już znacznie szersze odniesienie do otoczenia, w którym funkcjonuje przedsiębiorstwo. Ma to umożliwić ocenę stanu przedsiębiorstwa oraz pozwolić na postawienie dlań pewnej prognozy na podstawie danych z przeszłości. Istotą zarządzania w horyzoncie PDF created with pdfFactory Pro trial version www.pdffactory.com strategicznym jest podejmowanie długofalowych decyzji mających wpływ na całościowe funkcjonowanie przedsiębiorstwa, zatem istotą systemu wspierającego menedżera najwyższego szczebla powinna być możliwość generowania wielu dopuszczalnych wariantów działania wraz z projekcją ich konsekwencji, w celu umożliwienia wyboru najkorzystniejszego z nich. Znaczącym problemem pojawiającym się przy projektowaniu systemów dla szczebla zarządzania strategicznego jest konieczność ustrukturalizowania problemu. Sytuacja dobrze ustrukturalizowana posiada jasno sprecyzowany cel działania oraz drogę dojścia do niego w formie jednoznacznego algorytmu, przy czym wszystkie parametry opisane są w formie ilościowej. W przypadku, gdy proces decyzyjny opiera się nie na jasnych przesłankach, lecz na intuicji, lub występują wzajemnie sprzeczne kryteria wyboru, mamy do czynienia z sytuacją źle ustrukturalizowaną1. Podejmowanie tak różnorodnych decyzji stawia wysokie wymagania systemom decyzyjnym dedykowanym zarządzaniu strategicznemu. Ocenia się2, że dla skutecznego ich wdrożenia wymagane jest precyzyjne zidentyfikowanie potrzeb informacyjnych decydentów, szczegółowe zdefiniowanie korzyści dla przedsiębiorstwa oraz wysoka elastyczność struktury systemu, pozwalająca na dokonywanie przyszłych zmian i adaptacji odpowiadającym dynamice obiektu jakim jest przedsiębiorstwo Należy zwrócić uwagę na fakt, że ze względu na ogromną ilość zmiennych decyzyjnych należy znaleźć rozsądny kompromis pomiędzy dokładnością znalezionego rozwiązania, a czasem niezbędnym na podjęcie decyzji. W związku z tym, na potrzeby przedsiębiorstwa nie jest koniecznym otrzymanie wyniku stricte optymalnego, lecz „zadowalającego” – w zadaniach ilościowych jego wartość powinna wynosić co najmniej 90% wartości optymalnej3. Problemy budowy modelu komputerowego przedsiębiorstwa Wspomaganie decyzji dotyczącej zarządzania przedsiębiorstwem wymaga zamodelowania jego struktury. Jedną z koncepcji modelowania przedsiębiorstwa jest schemat abstrakcja – konkretyzacja – weryfikacja4 przedstawiony na rysunku 1. Etap abstrakcji jest kluczowym z punktu widzenia kolejnych. Z uwagi na fakt modelowania obiektu realnego w systemie komputerowym, który ze swej natury musi być dyskretny, pierwszym pojawiającym się problemem jest jakość odwzorowania świata rzeczywistego w „świecie” wirtualnym. Mając na uwadze kompromis pomiędzy dokładnością odwzorowania, a szybkością działania projektowanego systemu należy wyeliminować informacje mające najmniejszy wpływ na modelowany obiekt, pozostawiając te najistotniejsze. Przedsiębiorstwo jako system ekonomiczny charakteryzuje się bardzo dużą złożonością, która znacznie utrudnia zidentyfikowanie zachodzących wewnątrz niego związków przyczynowo-skutkowych, ponadto występują w nim liczne sprzężenia zwrotne pomiędzy poszczególnymi elementami 1 Klein M., Tixier V.: SCARABEE: A Data and Model Bank for Financial Engineering and Research, 1971 2 Bidgoli H.: Modern Information Systems for Managers, 1997 3 Turban E., Aronson E. J.: Decision Support Systems and Intelligent Systems, 1997 4 Radosiński E.: Systemy informatyczne w dynamicznej analizie decyzyjnej, 2001 PDF created with pdfFactory Pro trial version www.pdffactory.com wewnętrznej struktury, oraz elementy nie dające opisać się w kategoriach ilościowych, lecz wyłącznie jakościowych, bądź takie, które nie dają się precyzyjnie zdefiniować. Sformułowanie celu poznawczego ABSTRAKCJA Modele ogólne Model werbalny Model graficzny Model matematyczny KONKRETYZACJA Modele szczegółowe Werbalizacja (model werbalny) Grafizacja (model graficzny) Matematyzacja (model matematyczny) Komputeryzacja (model komputerowy) WERYFIKACJA WDROŻENIE Rysunek 1. Schemat koncepcji modelowania przedsiębiorstwa Źródło: Radosiński E. : Systemy informatyczne w dynamicznej analizie decyzyjnej, 2001 PDF created with pdfFactory Pro trial version www.pdffactory.com Konieczne jest zatem przejście od modelu werbalnego opisującego funkcjonowanie przedsiębiorstwa, poprzez model graficzny charakteryzujący zależności pomiędzy poszczególnymi elementami do modelu matematycznego – odwzorowującego te wzajemne związki za pomocą symboliki formalnej w celu dalszego przekształcenia ich w relacje matematyczne. W efekcie otrzymamy ogólne modele przedstawiające prawidłowości zachodzące wewnątrz opisywanego systemu. Z uwagi na zbytnie ich uproszczenie kolejnym etapem będzie konkretyzacja, a więc przejście do oraz to niższych etapów abstrakcji poprzez uszczegółowienie opisywanych zależności. Konkretyzacja zatem polegać ma na uwzględnianiu coraz bardziej szczegółowych elementów charakterystycznych dla konkretnego, rozpatrywanego przypadku modelowanej organizacji. Efektem tego etapu będzie model w postaci operacyjnej umożliwiający bezpośrednie eksperymenty symulacyjne, który dopiero teraz będzie mógł być poddany procesowi weryfikacji. Istotą weryfikacji jest ocena, czy otrzymany model odpowiada rzeczywistości, tj. czy wnioski poczynione przy obserwacji jego zachowania będą zbieżne z zachowaniami rzeczywistego przedsiębiorstwa będącego jego wzorcem. Niestety, nie istnieje jedna uniwersalna metoda naukowa, która umożliwiałaby jednoznaczne zweryfikowanie modelu5 Wydaje się, że u podstaw weryfikacji leży zasada „ustawicznego krytycyzmu” czyli takich działań, które mają na celu nie tyle potwierdzenie słuszności poczynionych założeń, co wykrycie niekonsekwencji, czy wręcz błędnego funkcjonowania zbudowanego modelu. Seria wyłącznie pozytywnych wyników testów kontrolnych może świadczyć bowiem zarówno o poprawności modelu, jak i o ułomności samej procedury jego weryfikacji6. Ma to znaczenie zwłaszcza w przypadku, gdy nadmienione procedury przeprowadzane są przez samego twórcę modelu. Spotyka się stwierdzenia, że „żadna ilość prawdziwych zdań doświadczenia nie może uzasadnić twierdzenia, że uniwersalna teoria jest prawdziwa”7, Natomiast otrzymanie negatywnego wyniku testów weryfikacyjnych niejako wymusza odnalezienie źródła ujawnionej sprzeczności poprzez ponowne zweryfikowanie, czy wręcz przebudowanie założeń modelu obiektu. Z drugiej jednak strony otrzymanie negatywnych wyników weryfikacji może być spowodowane przez poczynienie podczas modelowania założeń o nieweryfikowalnym, czy też niemierzalnym charakterze. Zwraca uwagę fakt, że przedsiębiorstwa funkcjonują w niezwykle dynamicznie zmieniającym się środowisku zewnętrznym, którego charakterystyka stawia pod znakiem zapytania możliwość postawienia w wielu momentach założenia o stałości pewnych czynników. W praktyce uniemożliwia to zastosowanie klauzuli ceteris paribus będącej podstawą wielu teoretycznych rozważań z dziedziny nauk ekonomicznych. Pomimo tych wątpliwości jednak, należy z całą stanowczością stwierdzić, że dopiero odpowiednio silne procedury weryfikacyjne mogą świadczyć o naukowości stworzonego modelu, w przeciwnym bowiem razie jego wartość poznawcza jest znikoma. Próba wdrożenia systemu informatycznego ma zatem sens wyłącznie po skutecznym przeprowadzeniu odpowiednio twardej procedury weryfikacji założeń poczynionych w procesie jego modelowania. 5 Landry, M., Oral M.: In Search of a Valid View of Model Validation for Operations Research, 1993 Radosiński E., op. cit. 7 Popper K. Realism and the Aim of Science: From the PostScript to the Logic of Scientific Discovery, 2001 6 PDF created with pdfFactory Pro trial version www.pdffactory.com Założenia narzędzi wspomagania procesu decyzyjnego Model przedsiębiorstwa sam w sobie pełni funkcję głównie opisową, czy też może posłużyć jako narzędzie do analizy pewnych zależności zachodzących wewnątrz opisywanego obiektu. Nowoczesny menadżer oczekuje jednak narzędzia mającego usprawnić, czy wspomóc jego proces decyzyjny. Funkcję tę może pełnić odpowiednio zaprojektowany system ekspertowy. W zależności od struktury może on pełnić funkcję monitorującą (obserwacja i analiza przebiegu zaplanowanych działań), planistycznoprojektową (budowa scenariuszy, opracowanie planów działania) lub konsultacyjną (propozycja alternatywnych dróg dojścia do celu ze wskazaniem pozytywnych i negatywnych aspektów każdej z nich). Prawidłowo zrealizowany system ekspertowy oprócz funkcji doradczej powinien być wyposażony w przejrzyste mechanizmy objaśniające. Decydent wymaga bowiem obiektywnego uzasadnienia dla wyboru takiej, a nie innej decyzji, musi ona być poparta jasnymi przesłankami. Klasyczna metodologia wyróżnia dwa odmienne sposoby realizacji struktury procesu wnioskowania: - RBR (Rule Based Reasoning) – wnioskowanie regułowe - CBR (Case Based Reasoning) – wnioskowanie przez przypadki Wnioskowanie regułowe opiera się na implikacjach typu Jeśli…, to…na podstawie których tworzone są grafy struktury wnioskowania. W tym wypadku wnioskowanie ma charakter przyczynowo-skutkowy, co w praktyce okazuje się niezbyt efektywne w zastosowaniu dla dziedzin o dużej zmienności, z uwagi na wymaganą w tym przypadku odpowiednią elastyczność procesu decyzyjnego. Alternatywą jest podejście CBR – wnioskowania przez przypadki, którego założenie opiera się na analizie zdarzeń występujących w przeszłości i odniesieniu ich poprzez dopasowanie do zadanego problemu. W tym wypadku wybierane jest rozwiązanie które dało pozytywny wynik dla podobnej sytuacji zapisanej w bazie przypadków. Oczywiście jeśli proponowane rozwiązane jest skuteczne to wraz z nową sytuacją problemowa powinno zostać dodane do bazy przypadków. Obecnie coraz częściej obserwuje się podejście łączące te dwie odmienny metody wnioskowania w hybrydy wykorzystujące oba mechanizmy. Systemy ekspertowe są szeroko stosowane tam gdzie mogą one usprawnić proces decyzyjny, zwłaszcza w sytuacjach wymagających dużego automatyzmu działania (opierającego się w dużej mierze na analizie znacznej liczby zmiennych) takich jak: ocena sprawozdań finansowych, zarządzanie zasobami gotówkowymi przedsiębiorstwa, ocena zdolności kredytowej klientów banków, prognozowanie upadłości. Wspomaganie procesu decyzyjnego zimną kalkulacją maszyny eliminuje niedogodności związane z czynnikiem ludzkim takie jak niedyspozycja pracownika, uprzedzenia czy preferencje osobiste (np. rasowe, religijne), empatię. Zwraca uwagę jednak fakt, że największe sukcesy obserwuje się wyłącznie dla stosunkowo prostych decyzji, w stosunkowo nieodległym horyzoncie czasowym. W przypadku decyzji bardziej złożonych niejednokrotnie okazuje się, że zastosowanie systemu ekspertowego nie spowodowało zadowalającej efektywności ekonomicznej – często nakłady poniesione na zbudowanie programu okazały się niewspółmiernie wysokie w stosunku do spodziewanych korzyści8. Winą tych niepowodzeń można obarczać 8 Radosiński E., op. cit. PDF created with pdfFactory Pro trial version www.pdffactory.com występującą niechęć użytkowników tych systemów do wprowadzonych zmian („lepsze jest wrogiem dobrego”) oraz nadmierną ufność projektantów w skuteczność wnioskowania opartego na stosunkowo prostych mechanizmach. Optymalizacja struktury przedsiębiorstwa Typowe systemy ekspertowe prezentują podejście naśladujące proces podejmowania decyzji zachodzący w umyśle ludzkim. Z drugiej strony pożądanym narzędziem dla menadżera mogą być aplikacje, których idea działania sprowadza się do próby optymalizacji struktury przedsiębiorstwa, poprzez operowanie na jego modelu. Mając na uwadze, że poprawnie skonstruowany, kompletny model przedsiębiorstwa zawiera wszystkie mające wpływ na jego funkcjonowanie zależności, można pokusić się o próbę sprawdzenia reakcji modelu na wprowadzane zmiany w jego strukturze. Manipulacja na modelu organizacji niesie za sobą jednak szereg problemów. Wynikają one z dużej ilości wzajemnych sprzężeń zwrotnych pomiędzy elementami tego typu obiektu. Poruszenie jednego „węzła” w tej sieci wzajemnych powiązań o ograniczonej elastyczności będzie skutkowało przemieszczeniem szeregu innych połączonych z nim węzłów. Przykładowo zmniejszenie zatrudnienia będzie skutkowało w pierwszym rzędzie zwiększeniem usług obcych, ale również zmodyfikuje szereg innych elementów struktury przedsiębiorstwa, lub w konsekwencji umożliwi dokonanie zmiany dotychczas niedopuszczalnej (np. zmniejszenie powierzchni biurowej, co z kolei powinno obniżyć czynsze, itd.) Z uwagi na fakt, że wiele tych zmian ma charakter często niedeterministyczny, bądź ich konsekwencje charakteryzują się stosunkowo dużą inercja, podczas analizy tego typu modyfikacji struktury modelu stosowanie typowych metod analitycznych wydaje się bardzo utrudnione, jeśli nie niewykonalne. Często bowiem niemożliwe będzie obliczenie wartości poszczególnych zmiennych opisujących stan przedsiębiorstwa za pomocą typowych przekształceń funkcyjnych.9 Wydaje się natomiast, że stosunkowo łatwą do implementacji metodą, w przypadku optymalizacji struktury modelu przedsiębiorstwa powinny być metody modelowania statystycznego wsparte prostymi metodami poszukiwania kierunkowego. Hybryda tych dwóch odmiennych klas metod powinna zapewnić z jednej strony możliwość zgrubnego przebadania przestrzeni dopuszczalnych stanów przedsiębiorstwa poprzez losowe próbkowanie, a w drugim etapie próbować optymalizować otoczenia stanów, które zostały wybrane do dalszej analizy poprzez niewielkie modyfikacje (o zmniejszającym się kroku) wybranych zmiennych decyzyjnych. Za stosowanie wspomnianych metod przemawia również fakt stosunkowo łatwego wprowadzania modyfikacji ze względu na występowanie ograniczeń i „defektów” dziedziny badanego problemu optymalizacji (nieciągłość, nieróżniczkowalność, ograniczenia liniowe lub nieliniowe typu równościowego , bądź nierównościowego itd.) 10 9 Twardochleb M.: Metody modelowania statystycznego a optymalizacja funkcji wielu zmiennych z ograniczeniami, 2002 10 Twardochleb M.: Praktyczne problemy stosowania metod hybrydowych w rozwiązywaniu zadań optymalizacji funkcji o dużej liczbie zmiennych, 2003 PDF created with pdfFactory Pro trial version www.pdffactory.com Podsumowanie Niniejszy artykuł poruszył zagadnienia rzeczywistych problemów pojawiających się przy projektowaniu systemów czy aplikacji mających za zadanie wspomaganie działań nowoczesnego menedżera. Pomimo znacznego rozwoju technologii informacyjnej zagadnienia te w wielu przypadkach nie doczekały się skutecznych, czy w pełni zadowalających rozwiązań. Nierzadko okazało się , że opracowanie tego typu produktów nie zadowoliło w pełni zleceniodawców bądź to ze względu na trudności związane ze sprawnym wdrożeniem i przekonaniem do nowych rozwiązań użytkowników, bądź z uwagi na niższą od oczekiwanej elastyczność, czy uniwersalność w porównaniu do umiejętności charakteryzujących ludzki umysł. Wydaje się jednak, że wraz ze wzrostem zaawansowania procedur wnioskujących oraz z ciągłym upowszechnieniem się technologii informacyjnych w życiu codziennym oraz ich coraz większą „przyjazność” dalsze wdrażanie nowoczesnych systemów informatycznych, przy ciągłym usprawnianiu ich struktury wewnętrznej, mechanizmów wnioskujących jak i interfejsu użytkownika będzie nieuniknione w najbliższych latach. Należy jednak pamiętać, że nawet najszybszy komputer wyposażony w nowoczesne oprogramowanie pozostanie wyłącznie maszyną do przetwarzania liczb i będzie w stanie jedynie wspomagać w rozwiązywaniu problemów schematycznych. Domeną ludzkiego umysłu pozostanie jeszcze długo kreatywność, faktyczne podejmowanie decyzji i umiejętność opracowania długofalowych wizji, których realizację komputery mogą tylko ułatwić. Literatura 1. 2. 3. 4. 5. 6. 7. 8. 9. Białynicki-Birula I. : Modelowanie rzeczywistości, Prószyński i S-ka, Warszawa, 2002 Bidgoli H.: Modern Information Systems for Managers, Academic Press, London, 1997 Klein M., Tixier V.: SCARABEE: A Data and Model Bank for Financial Engineering and Research, IFIP Congress, North-Holland, 1971 Landry, M., Oral M.: In Search of a Valid View of Model Validation for Operations Research, European Journal of Operational Research, Vol.66, No.2, 1993 Penrose R.: Nowy umysł cesarza. O komputerach, umyśle i prawach fizyki , Wydawnictwo Naukowe PWN, Warszawa, 1999 Popper K. Realism and the Aim of Science: From the PostScript to the Logic of Scientific Discovery, Routledge, New York, 2001 Radosiński E. : Systemy informatyczne w dynamicznej analizie decyzyjnej, Wydawnictwo Naukowe PWN, Warszawa – Wrocław, 2001 Samuelson P. A., Nordhaus W. D. : Ekonomia, Wydawnictwo Naukowe PWN, Warszawa, 1999 Turban E., Aronson E. J.: Decision Support Systems and Intelligent Systems, Prentice Hall PTR, Upper Saddle River NJ, 1997 PDF created with pdfFactory Pro trial version www.pdffactory.com 10. 11. Twardochleb M. : Praktyczne problemy stosowania metod hybrydowych w rozwiązywaniu zadań optymalizacji funkcji o dużej liczbie zmiennych, VIII Naukowa Sesja Informatyki, Politechnika Szczecińska, 2003 Twardochleb M. : Metody modelowania statystycznego a optymalizacja funkcji wielu zmiennych z ograniczeniami, VII Naukowa Sesja Informatyki, Politechnika Szczecińska, 2002 PDF created with pdfFactory Pro trial version www.pdffactory.com
