лучшие книги по экономике
Главная страница

Главная

Замовити роботу

Последние поступления

Форум

Создай свою тему

Карта сайта

Обратная связь

Статьи партнёров


Замовити роботу
Книги по
алфавиту

Б
В
Г
Д
Е
Ж
З
И
К
Л
М
Н
О

системи підтримки прийняття рішень

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]

 

6.3.3. Приклади орієнтованих на моделі СППР

6.3.3.1. СППР Analytica 2.0

Загальне описання системи
Орієнтована на моделі СППР Analytica 2.0 розроблена компанією «Lumina Decision Systems» . Ця СППР є спадкоємницею СППР Demos. Вона розроблена на основі десятирічних досліджень інструментальних засобів моделювання, аналізу невизначеності й користувацького інтерфейсу, які проводилися в університеті Carnegie-Mellon і компанії «Decision Lumina Systems».
Analytica 2.0 можна визначити як програмне забезпечення кількісного моделювання, як використання графічного інтерфейсу для розроблення моделі. Її можливості включають аналіз сценаріїв, діаграми впливу, багатовимірне моделювання (dimensional Modeling) і аналіз ризику. Система забезпечує прозорість і потужність бізнес-моделюванню. Вона значно перевищує можливості, що надаються користувачам звичайними електронними таблицями, фактично це графічно-орієнтований інструментальний засіб для створення, аналізу і поєднання кількісних бізнес-моделей. Вона надає легкі та швидкі можливості завдяки:

  • використанню зручного графічного інтерфейсу на основі діаграм впливу для поєднання моделей у загальній структурі;
  • засобам масштабування моделі, щоб впоратися з багатовимірністю проблем реального світу, використовуючи масиви бізнес-інформації (Intelligent Arrays);
  • управлінню ризиком і невизначеністю завдяки ефективному моделюванню за методом Монте-Карло;
  • швидкого і легкого розгортання створення моделей в Інтернеті за допомогою інструментального засобу Analytica Decision Engine®;
  • імпорту і експорту даних з використанням механізму OLE (або ODBC у версії для корпорацій — Enterprise Analytica).

Через те, що Analytica використовує графічний інтерфейс і малу кількість стандартних діаграмних символів, її легко вивчати та використовувати. Головний менеджер або група менеджерів можуть визначити концепцію проблеми, а її якісні аспекти можуть бути відображені без застосування формул. Моделі Analytica можна також легко і швидко модернізовувати, підтримувати та розширювати. Масиви бізнес-інформації уможливлюють встановлення часової послідовності моделей, виходячи з того, що час є виміром. Через те, що діаграми Analytica самодокументуються, моделі легко перевіряти чи контролювати. Для цього не потрібна зовнішня документація, щоб використовувати моделі разом з іншими.
Діапазон застосування Analytica 2.0
Analytica 2.0 широко використовується для створення й дослідження моделей у різних галузях, включаючи: бізнес і фінанси; аеропростір; консалтинг; електронну комерцію; охорону здоров’я; енергетику і навколишнє середовище; розроблення нових видів продукції; захист; науково-технічні дослідження і розроблення; виробництво; телекомунікації; вищу освіту та ін. Користувачами СППР Analytica 2.0 є більше 25 великих корпорацій, зокрема Боінг (Boeing), General Motors, Motorola, Microsoft, Xerox та ін. Серед консалтингових користувачів системи можна назвати Anderson Consulting, Booz-Allen & Hamilton, Deloitte & Touche, Ernst & Young, McKinsey & Co., PriceWaterhouseCoopers, Strategic Decisions Group, SAIC. Серед академічних вузів, що використовують цю систему, є такі провідні університети США і Англії як UC Berkeley, Cambridge, Carnegie-Mellon, Harvard, Stanford.
Analytica допомагає розв’язувати складні проблеми в багатьох функціональних галузях, включаючи: оцінювання проектів; фінансове моделювання; підтримку і аналіз рішень; аналіз, управління й послаблення ризику; прогнозування; аналіз ринку; ймовірнісну імітацію; сценарії «а що…, коли…?»; аналіз «витрати/
вигоди»; економічний аналіз та ін.
Основні засоби моделювання в Analytica 2.0
Забезпечувані функції. Analytica 2.0 забезпечує користувача загальними мовами моделювання, а також словником понад 150 операторів і функцій, включаючи: стандартні математичні функції; фінансовий аналіз; тригонометрію; створення і трансформацію багатовимірних масивів; матричні оператори; інтегральне і диференціальне числення; текстову послідовність операторів; розподіли ймовірностей; статистичний аналіз; криві згладжування та регресію (див. рис. 6.9); аналіз чутливості та невизначеності; організацію сортування та індексування; функції
ODBC.
Бібліотеки функцій подані у вигляді діаграм, за допомогою яких користувач може отримати опис кожної функції. Наприклад, на рис. 6.10 зображені типи статистичних функцій, де користувач, натиснувши на відповідний блок, розкрив описання се-реднього квадратичного відхилення.
Користувач може додавати нові функції в модель із пропонованого набору або складати власні функції. Визначені користувачем функції можуть бути написані та зберігатися в бібліотеках, окремо від моделей і багаторазово використовуватися в інших моделях за викликом користувача.

Рис. 6.9. Analytica 2.0: приклад дослідження регресій

Рис. 6.10. Analytica 2.0: типи статистичних функцій
Діаграми впливу. Діаграми впливу послужили основою для розроблення СППР Analytica 2.0, забезпечивши інтуїтивне, візу-альне відображення структури моделі, яке не доступне в електронній таблиці. Вони використовуються для концептуалізації
якісної структури проблеми перед розробленням математичних моделей, а також щоб знайти чітку відмінність між розв’язками (змінними, які можна контролювати), випадковими змінними (ймовірними величинами, які не можна контролювати) і цілями (критеріями, які потрібно оптимізувати); для передавання розроб­люваної моделі до інших без загромадження їх числами і фор-
мулами.
Діаграма впливу — це проста візуальна репрезентація проблеми вибору. Вона забезпечує інтуїтивний шлях до ідентифікації і відображення істотних елементів, включаючи рішення, невизначеності, цілі, і як вони взаємозумовлені. Зображена на рис. 6.7 проста діаграма впливу показує, як рішення про бюджет маркетингу та ціни продукту впливають на очікування щодо обсягу і частки ринку. Це, у свою чергу, впливає на витрати та дохід, від чого залежить величина загального прибутку. Менеджер продукту, віце-президенти з маркетингу та ринкові аналітики можуть працювати разом, щоб створити таку діаграму з метою поліпшення загальнодоступного розуміння ключових моментів. Діаграма забезпечує високоякісну кваліфіковану проекцію ситуації, що потребує прийняття рішення,
з використанням якої аналітик будує деталізовану кількісну мо-
дель.
Як порівняти діаграми впливу з деревом рішень? Дерева рішень є іншим загальним способом зображення проблеми, що потребує розв’язання. Вони показують множину альтернатив для кожного рішення і випадкові змінні як гілки, що виходять з кожного вузла.
Діаграма впливу і дерево рішень відбивають різні види інформації (рис. 6.11). Діаграма впливу відображає залежність між змінними очевидніше, ніж дерево розв’язання. Дерево розв’язання детальніше показує можливі маршрути або сценарії, як послідовність гілок зліва направо. Але ця деталізованість потребує більшої ціни: по-перше, ви маєте розглядати всі змінні як дискретні (що зменшує кількість альтернатив), навіть якщо вони насправді неперервні. По-друге, кількість вершин у дереві розв’язання зростає експонентно зі зростанням кількості рішень і випадкових змінних. Потрібна була б 121 вершина для того, щоб показати дерево розв’язання, яке відповідає простій діаграмі впливу аналізу ринку (рис. 6.7). Діаграма впливу є набагато компактнішим зображенням.


Рис. 6.11. Analytica 2.0: діаграма впливу
і відповідне дерево рішень
За допомогою програмного забезпечення Analytica 2.0 можна створити діаграму впливу, просто вибираючи нові вузли, розміщуючи їх та стрілки між ними. Analytica розширює стандартну систему позначень діаграми впливу додатковими типами вузлів задля забезпечення більшої потужності й гнучкості та для того, щоб розв’язувати складніші реальні проблеми, ніж ті, які можуть бути оброблені традиційними інструментальними засобами.
Єрархічні діаграми. Можна побудувати складну модель як єрархію модулів, кожний з яких містить власну діаграму впливу (рис. 6.12). Єрархічні діаграми в програмі Analytica допомагають:

  • реорганізувати складну модель в ієрархію зрозумілих і простих модулів;
  • побудувати велику модель, як комбінацію модулів, що розробляються різними людьми;
  • показувати єрархію у вигляді схеми, що розкривається.


Рис. 6.12. Analytica 2.0: приклад єрархічної діаграми
Масиви бізнес-інформації (Intelligent Arrays). На відміну від стандартних електронних таблиць, Analytica дає змогу легко створювати і змінювати багатовимірні моделі. Для цього потрібно вибрати найзначущіші проекції в таблицях (рис. 6.13) або їхні відповідні графіки за допомогою зміни розміщення рядків, стовпців і інших вимірів. Можна написати прості вирази над багатовимірними значеннями, наприклад, додавання, збільшуючи їх елемент за елементом, або підсумовуючи за заданими одиницями вимірювання розмірності. За необхідності можна переглянути величину і кількість вимірів, розширюючи або спрощуючи їх, щоб знайти найкращий рівень деталізації.

Рис. 6.13. Analytica 2.0: приклад масиву
бізнес-інформації (Intelligent Array)
Аналіз ризику і невизначеності. Боротися з невизначеністю можна шляхом зведення її до прийняття рішень за умов ризику, використовуючи ймовірності подій. Analytica допомагає:

  • виражати невизначеність щодо будь-якої змінної, обравши її розподіл імовірностей, використовуючи графічне вікно перегляду (рис. 6.14);
  • виражати невпевненість через модель, застосовуючи різні методи створення вибірки, наприклад, Латинський гіперкуб чи Монте-Карло;
  • відображати ймовірні результати у статистичному вигляді (стандартні статистичні показники, функції щільності ймовірностей тощо).


Рис. 6.14. Analytica 2.0: вибір розподілу ймовірностей
Зосередження на важливих питаннях. Розуміння того, які припущення і невизначеності дійсно впливають на кінцевий результат, є ключем до успішного моделювання й аналізу. СППР Analytica була створена саме з цією метою і вона забезпечує ефективні методи для проведення аналізу чутливості й невпевненості. Для цього вона дає змогу:

  • досліджувати і розширювати діаграму ефектів зміни одного або кількох входів понад заданим діапазоном;
  • відшукати нелінійні залежності та взаємодії за допомогою графічного зображення поведінки моделі, варіюючи значення одного або кількох вхідних параметрів;
  • проводити аналіз важливості, щоб порівняти вклади кожного сумнівного входу на значення змінної, використовуючи впорядковану кореляцію;
  • візуально досліджувати співвідношення між сумнівними змінними за допомогою діаграм розсіювання.

На рис. 6.15 як ілюстрація зображено вплив різних чинни-
ків на результатний показник — теперішню чисту вартість (NPV).

Рис. 6.15. Analytica 2.0: візуальне визначення
впливу різних чинників на результатну змінну (NPV)
Інтегрована документація. Кожній змінній відповідає певна картка, яка містить її описання, одиницю вимірювання, визначення змінної, а також списки вхідних та вихідних даних. Картка змінної генерується автоматично. Ці картки разом з єрархічною діаграмою впливу забезпечують чітке гіпертекстове документування моделі, яке дає змогу:

  • контактувати щодо моделі з рецензентами без вимоги будь-якої зовнішньої документації;
  • використовувати модель разом з колегами для спільного моделювання.

На рис. 6.16 — 6.20 зображені моделі, створені засобами Analytica 2.0., для розв’язання важливих бізнесових та інших проблем.

Рис. 6.16. Analytica 2.0: фінансовий аналіз
бізнесових можливостей

Рис. 6.17. Analytica 2.0: діаграми моделі ринку

Рис. 6.18. Діаграма планування, складання
розкладу і управління проектом

Рис. 6.19. Analytica 2.0: модель ціноутворення

Рис. 6.20. Analytica 2.0:
приклад моделі реінжинірингу
6.3.3.2. СППР Expert Choice
Загальний опис системи
Орієнтована на моделі СППР «Expert Choice» розроблена однойменною американською корпорацією «Expert Choice, Inc.» (http://expertchoice.com/). На відміну від системи Analytica 2.0, яка орієнтована на застосування діаграм впливу, Expert Choice базується на одному з добре відомих методів прийняття рішень AHP (Analytic Hierarchy Process) — аналітичному єрархіч­ному процесі, тобто на багатокритеріальному єрархічному під-
ході до підтримки прийняття рішень. Expert Choice допомагає творцям рішень організовувати пов’язану з проблемою комплекс­ну інформацію в єрархічну модель, яка складається з мети, мож­ливих сценаріїв, критеріїв і альтернатив. Важливість критеріїв, переваги альтернатив і ймовірності сценаріїв оцінюються за допомогою застосування методу попарних порівнянь (pairwise comparisons).
Expert Choice забезпечує наскрізну методологію планування, яка дає змогу прояснити мету, забезпечити консенсус і синтезувати управлінський та операційний досвід, щоб отримати кращі, швидші та захищеніші рішення. Зображена на рис. 6.21 головна панель інструментів дає відчутне уявлення про засоби, котрі надаються в розпорядження користувачів, а в процесі функціонування системи можуть появлятися інші можливості. На рис. 6.22 наведено приклад побудови аналітичного єрархічного процесу визначення ринкової стратегії для корпорації «Боінг», яку консультував доктор Сааті.

Рис. 6.21. Expert Choice 2000: панель інструментів
(загальний вигляд та пояснення)
Ця орієнтована на моделі СППР забезпечує такі можли-
вості:

  • полегшує визначення і описання мети (цілей);
  • полегшує ідентифікацію всього рангу альтернативних роз-в’язків;
  • оцінює ключові співвідношення (компроміси) між цілями та альтернативами;
  • дає змогу отримати готове рішення, яке повністю зрозуміле та підтримується групою розроблювачів проблеми.


Рис. 6.22. Expert Choice 2000: приклад побудови
аналітичного ієрархічного процесу для визначення
ринкової стратегії корпорації «Боінг»
Expert Choice є дуже популярним засобом підтримки прийняття рішень через те, що він адаптується до користувацького стилю прийняття рішень і ситуації завдяки гнучкому інтерфейсу структурування моделі. Можна вибирати: чи будувати модель зверху донизу, починаючи з допомоги щодо отримання глибокого розуміння цілей рішення, що має прийматися, чи використовувати висхідний підхід, щоб впливати на експертну оцінку, використовуючи Expert Choice для складання переліку доказів «за» і «проти» вибраних альтернатив, і потім застосовувати технологію Expert Choice для того, щоб можна було легко перетворювати ці докази у визначену кількісну мету.
Expert Choice функціонує за допомогою проведення творців рішень через серію попарних порівнянь, щоб отримати пріоритети для цілей і параметрів. Система уможливлює об’єднання будь-яких типів кількісних і якісних експлуатаційних показників у процесі прийняття рішення. Утиліти перетворення даних можуть трансформувати експлуатаційні характеристики альтернатив у пріоритети. Expert Choice дає змогу об’єднати і синтезувати міркування будь-якої кількості осіб, що приймають рішення, чи їх груп, щоб забезпечити повний спектр різного сприйняття проблеми. Система має п’ять діаграм чутливості («Що…, якщо…?»), які динамічно тестують сценарії, для з’ясування того, як зміна ваги одного з критеріїв впливає на результат вибору. Функції складання звітів та ведення коментарів дають змогу документувати результати, використовуючи для підтримки будь-яку кількісну або якісну зовнішню інформацію.
Автор методу аналітичного єрархічного процесу доктор Сааті і професор Ернест Форман з університету Джорджа Вашінгтона 1983 року об’єднали свої зусилля з метою створення пакета комп’ютерних програм — «Expert Choice», який базується саме на цьому методі. «Expert Choice» — це інтуїтивна, основана на графічному інтерфейсі, та структурована у зручний для користувача спосіб СППР. Вона може бути цінною й корисною як для досвідчених користувачів, так і для новачків.
Головні кроки процесу підтримки
прийняття рішення в «Expert Choice»

1) Структурування моделі за допомогою методу перетягувань з місця на місце — «перемістити і залишити»
Визначення структури моделі в Expert Choice є вільною, інтерактивною технологією для створення моделі, яка стимулює потік думок і допомагає особам, що приймають рішення, організувати цілі їх вибору в кластери за темами. Цей процес є легким завдяки застосуванню методу «перемістити і залишити» (Drag-and-Drop). Для структурування застосовується два підходи: низхідний і висхідний.
Низхідне (зверху донизу) структурування — це проведення індивідуальних або групових мозкових штурмів, визначення низок (кластерів) цілей з використанням діаграм та проекційного обладнання для комп’ютеризованих презентацій. Кластери цілей і підцілей утворюють єрархію рішень, яка використовується у процесі визначення пріоритетів і оцінювання альтернатив.
За висхідного (знизу вгору) структурування особи, що приймають рішення, починають зі складання списку множини можливих альтернатив та доказів на їх користь чи проти. Докази «за» і «проти» трансформують у цілі та кластеризують для формування єрархії загального рішення.
Створена у такий спосіб модель зображена на рис. 6.22. У лівому вікні екрана показана верхня частина єрархії рішення. Наприклад, першому рівню єрархії — «ринковій стратегії Боінга» відповідають два критерії другого рівня — «привабливість ринку» і «конкурентоспроможність» (другий вузол на рисунку не зображений). Для першого рівня таблиця попарних порівнянь матиме розмір 2 ? 2 (рис. 6.23 — таблиця внизу). Кожному з цих критеріїв відповідають чотири підкритерії, що розміщені на третьому рівні (таблиця порівнянь розміром 4 ? 4, всього таблиць — дві, приклад зображений на рис. 6.24). У свою чергу, кожному підкритерію відповідають на четвертому рівні три альтернативи рішень (таблиця порівнянь розміром 3 ? 3, всього таблиць — 4, приклад на рис. 6.25).

Рис. 6.23. Expert Choice 2000: вербальний
метод попарних оцінювань вузлів єрархії

Рис. 6.24. Expert Choice 2000: цифровий метод
попарних оцінювань вузлів єрархії

Рис. 6.25. Expert Choice 2000: графічний
метод попарних оцінювань вузлів єрархії
2) Встановлення пріоритетів цілей шляхом попарних порівнянь
«Expert Choice» здійснює попарні порівняння (Pairwise Comparisons), щоб визначити пріоритети для цілей і альтернатив. Групові оцінки можуть бути введені, використовуючи радіохвилі чи через Інтернет. Є три види попарних порівнянь:
Вербальний (усний): особи, що приймають рішення, порівнюють цілі за їх відносними важливостями та альтернативи за їх відносними перевагами, використовуючи такі якісні оцінки: «однакова» (немає переваг), «помірна», «сильна», «дуже сильна» та «екстремальна» переваги (рис. 6.23).
Цифровий: використовується числова шкала з дев’яти по-
зицій, щоб визначити відносну важливість змінних рішення
(рис. 6.24).
Графічний: оцінки створюються шляхом зіставлення відносних довжин двох відрізків (верхнього і нижнього). Відрізки показують, наскільки один елемент важливіший щодо іншого (рис. 6.25).
Особи, що приймають рішення, заповнюють відповідну матрицю оцінками, отриманими від попарних порівнянь, а система «Expert Choice» визначає пріоритети цілей. Якщо в процесі попарних оцінювань беруть участь кілька учасників, то середнє геометричне значення результатів оцінювань у подальшому враховується як загальна оцінка групи експертів.
3) Оцінювання альтернатив
Як тільки визначено пріоритети цілей, «Expert Choice» забезпечує кілька способів для оцінювання альтернатив.
1. За допомогою використання одного з трьох режимів попарних порівнянь, які щойно описані, щоб оцінити альтернативи стосовно їх відповідності кожній меті.
2. За допомогою використання другого засобу «Expert Choice» — Data Grid — масиву даних (рис. 6.26) для створення однієї з наступних систем числення для визначення пріоритетів кожної альтернативи. Масив даних використовується для оцінювання альтернатив, беручи до уваги дані, якщо вони доступні, або вербальні рейтинги інтенсивності у тому разі, коли немає достовірних даних. Expert Choice синтезує пріоритети цілей, дані та рейтинги для визначення загальної переваги альтернатив.


Рис. 6.26. Expert Choice 2000: фрагмент сітки даних
Рейтинги визначаються тоді, коли ОПР хоче встановити якісні переваги альтернатив, використовуючи такі міри інтенсивності як, наприклад, «чудово», «дуже добре», «добре», «задовільно» і «погано». Такий підхід часто застосовується у разі суб’єктивного експертного оцінювання або тоді, коли немає достовірних даних.
Коли є дані про альтернативи, то застосовуються такі методи:
1. Крокова функція, якаподібна до методу рейтингу тим, що її суть полягає також у встановленні інтенсивностей пріоритетів. Однак крокова функція перетворює дані про альтернативи у від­повідну інтенсивність за рейтингом для кожної альтернативи.
2. Криві вигідності перетворюють дані про альтернативи у пріоритети. Тоді як крокова функція складається з дискретних кроків, метод кривої корисності — безперервний (приклад кривої вигідності, створений засобами Expert Choice, зображено на рис. 6.27.). Функція кривої корисності використовується для трансфомації неопрацьованих даних в інформацію щодо пріори­тетів. Як уже зазначалося, крива може бути лінійною, опуклою чи увігнутою.

Рис. 6.27. Expert Choice 2000: функція вигідності
3. Безпосередній метод використовується для прямого введення пріоритетів. Коли немає даних про ціль, то програма пропонує можливість створити цифрову шкалу рейтингів, яка точно відповідає вербальному рейтингу. Заінтерисовані сторони вводять свої оцінки після кожного попарного порівняння для подальшого обговорення та встановлення того, наскільки важлива кожна підціль щодо загальної мети прийняття рішення.
4) Аналіз чутливості
Після оброблення міркувань про відносну важливість цілей, підцілей та альтернатив, потужні діаграми чутливості «Expert Choice» дають можливість тестувати чутливість рішень до змін у пріоритетах. Сценарії «Що…, якщо…?» особливо корисні для нарад-інструктажів менеджерів.
«Expert Choice» розроблена для аналізу, синтезу й обґрунтування складних рішень і оцінок з метою її використання індивідуально або в групах. Різні версії СППР розроблені для задоволення специфічних потреб користувачів.
6.3.3.3. Стислий виклад деяких
інших орієнтованих на моделі СППР

Коротко розглянемо деякі інші приклади орієнтованих на моделі СППР.
Орієнтовані на моделі СППР
авіатранспортної індустрії США

Авіалінії використовують інструментальні засоби підтримки прийняття рішень для проектування маршрутів польотів і зниженням витрат. Вигоди замовників СППР зумовлені зменшенням або контролюванням витрат, оцінюванням коливань цін, зменшенням тривалостей польотів за рахунок скорочення довжин ліній до аеропортів призначень і затримок. Також авіалінії використовують СППР для зменшення обсягів своїх місцевих запасів.
American Airlines (Американські авіалінії). Одним з використовуваних типів СППР у даній авіалінії є Yield Management System (система управління доходами). Ця орієнтована на моделі СППР допомагає розв’язувати проблеми, що належать до нелінійних, стохастичних, змішаних цілочисельних задач математичного програмування. Для її застосування необхідні дані щодо, наприклад, пасажирського попиту, компенсацій (анулювань) та інші оцінки стосовно поведінки пасажирів. Ця СППР потребує врахування приблизно 250 мільйонів змінних для розроблення рішення, щоб розв’язати масштабну задачу управління доходами системи. American Airlines розробила модель, яка зводить велику проблему до трьох набагато менших субпроблем, які можна ефективно розв’язати.
Система управління доходами American Airlines називається «DINAMO» (Dynamic Inventory and Maintenance Optimizer — оптимізатор динамічних запасів і супроводу). Її створення було повністю завершене 1988 року. З того часу суттєво підвищена продуктив­ність системи за допомогою автоматизування ідентифікації
критичних польотів (які потребують ручного керування) і збільшення гнучкості ціноутворення за рахунок знижок (дисконтування). Протягом 1988—1990 років продуктивність кожного аналітика завдяки використанню «DINAMO» збільшилась більш як на 30 %. Взагалі управління доходами за даний період уможливило їх збільшення обсягом понад $1,4 мільярда. American Airlines також використовує СППР для складання розкладів польотів.
United Airlines (Сполучені авіалінії). Сполучені авіалінії розробили System Operations Advisor (SOA) (системний радник операцій) — систему підтримки прийняття рішень у реальному режимі часу у своєму центрі управління операціями, щоб підвищити ефективність операційних рішень. Корпорація «United Airlines» створила дану СППР у серпні 1992 року. З жовтня 1993 до березня 1994 року цей додаток СППР дав змогу зберегти більш ніж 27 000 хвилин потенційних затримок, що виразилося в $540 000 заощаджень тільки за рахунок зменшення витрат на затримки,
а кількість затримок польотів скоротилася на 50 %.
United Airlines також використовує СППР календарного планування екіпажів, СППР системного планування і СППР керування обслуговуванням клієнтів. СППР календарного планування екіпажів у United Airlines за оцінками експертів дає змогу щорічно зберігати близько $12 мільйонів за рахунок економії часу членів екіпажів і близько $4 мільйонів за рахунок зменшення витрат на готелі.
СППР DPL
Орієнтовану на моделі СППР DPL (Decision Programming Language) розробила корпорація «Applied Decision Analysis, Inc.», дочірнє підприємство «PricewaterhouseCoopers» . Цей пакет дає змогу здійснювати побудову як дерев рішень, так і діаграм вливу. Розроблено три його версії: стандартна, розширена (advanced) і удосконалена (developer).
СППР Ithink і Stella
СППР Ithink і Stella розроблені корпорацією «High Performance Systems, Inc.» . Програма підтримки рішень Ithink полегшує створення візуальних імітаційних (динамічних) моделей для бізнесу, а Stella — для освіти.

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]


ВНИМАНИЕ! Содержимое сайта предназначено исключительно для ознакомления, без целей коммерческого использования. Все права принадлежат их законным правообладателям. Любое использование возможно лишь с согласия законных правообладателей. Администрация сайта не несет ответственности за возможный вред и/или убытки, возникшие или полученные в связи с использованием содержимого сайта.
© 2007-2019 BPK Group.