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 ]

 

9.2.2. Технології експертних систем у системах підтримки прийняття рішень

Як уже зазначалося, підґрунтям для розроблення та функціонування орієнтованих на знання СППР є технологія експертних систем та засоби добування знань. Відомо, що основна концепція експертних систем (ЕС) базується на припущенні, що знання експерта можуть бути записані в комп’ютерній пам’яті і потім застосовані іншими, коли з’являється в цьому потреба. Оскільки з проблематики побудови та використання експертних систем є достатня кількість літературних джерел, у тому числі й україномовних, то є резон розглянути цей тип інформаційних систем у контексті створення орієнтованих на знання СППР, зокрема, дати відповідь на запитання:
  • Що таке технологія експертних систем?
  • Яке співвідношення між технологіями ЕС і СППР?
  • Чи є експертна система різновидом СППР?

Для отримання відповіді на ці запитання потрібно охарактеризувати експертні системи з погляду підтримки створення рішень, проаналізувати схему функціонування експертних систем з виділенням модулів, однакових (спільних) з орієнтованими на знання СППР, і на цій підставі дійти необхідних висновків.

Загальна характеристика
експертних систем

Потреба в тому, щоб явно подавати людські знання, є центральним питанням за розроблення експертних систем. Основані на знаннях (інтелектуальні) інформаційні системи або експертні комп’ютерні системи мають здатність показати вражаючу, а інколи приголомшуючу продуктивність щодо розв’язання проблем у порівнянні з людиною, що не є експертом. Вони роблять це за допомогою використання обширних баз знань, поєднаних зі спеціалізованим евристичним доведенням. Цей підхід привів до розроблення систем, які мають низку переваг, зокрема:

  • у деяких типах проблем, як наприклад, у діагностиці дефектів, терапії, селекції, вони можуть розв’язати низку проблем інколи краще, ніж людина;
  • вони можуть надати організаціям можливість краще управляти важливими ресурсами менеджменту, професійних знань і досвідом, забезпечуючи їх нагромадження та зберігання, централі­зовану підтримку і зручний розподіл;
  • вони можуть відповідати на прості запитання і пояснювати, те, як вони розв’язують проблеми. Дуже часто пояснення того, як був досягнутий розв’язок, набагато важливіше, ніж сам розв’язок.

Однак експертні системи нині мають багато обмежень і недоліків. З погляду підтримки створення рішень головний їх недолік полягає в тому, що вони не забезпечують підтримку рішень, оскільки сама експертна система створює рішення, відтворюючи логіку людини-експерта. ОПР може приймати або не приймати дані рішення залежно від поточної ситуації і діючих факторів, не урахованих експертною системою. На відміну від цього, СППР допомагає ОПР створювати рішення. Звідси випливає, що експертна система не є додатком систем підтримки прийняття рішень.
Перерахуємо деякі інші обмеження та недоліки експертних систем:

  • експертні системи, зазвичай, працюють тільки у вузько визначених проблемних доменах, їхній рівень розуміння середовища, в якому вони функціонують, є деякою мірою поверхневим;
  • ці системи до тепер не володіють здатністю «здорового глузду», як інструментальні засоби вони, зазвичай, не здатні обмірковувати проблему багатьма способами або на різних рівнях. Вони не знають, що їм невідомо про що-небудь, котре доречне стосовно проблеми;
  • експертні системи не можуть самі навчатися;
  • успішні експертні системи можуть привести до реальних змін у методиці людини щодо виконання своїх завдань. Це може потребувати суттєвих організаційних і технологічних змін, які можуть стати на перешкоді повного успіху системи, навіть якщо вона досконала в технічному відношенні.

Незважаючи на ці обмеження, багато корпорацій розробили додатки експертних систем як експериментальних, так і діючих.

Компоненти технології експертних
систем, які застосовуються в орієнтованих
на знання СППР

На рис. 9.3 наведена схема функціонування експертної системи. Модель експертної системи, як видно з рисунка, складається з чотирьох головних частин:

  • інтерфейсу користувача, що дає можливість користувачеві взаємодіяти з експертною системою;
  • бази знань, яка містить нагромаджені знання щодо роз­в’язування специфічної проблеми;
  • машини логічного висновку (inference engine), яка забезпечує здатність міркування та інтерпретує зміст баз знань;
  • механізму (середовища) розроблення (development engine), який використовують експерт та інженер зі знань для створення експертної системи.

Охарактеризуємо стисло ці компоненти експертної системи.

ІНТЕРФЕЙС КОРИСТУВАЧА. Інтерфейс користувача дає змогу менеджеру вводити інструкції (команди) та інформацію (зображені на рис. 9.3 суцільною стрілкою)в експертну систему і отримувати відповідні розв’язки чи пояснення (пунктирна стрілка). Інструкції уточнюють параметри, які уможливлюють експертній системі здійснювати процес міркування. Інформація подається у вигляді значень, які присвоюються конкретним змінним. Інтерфейс користувача надає механізми введення інформації в експертну систему і виведення з неї. БАЗИ ЗНАНЬ. Бази знань містять як факти, що описують проблемну галузь, так і способи подання знань, які описують те, як підбираються факти для певної логічної послідовності. Термін проблемний домен (problem domain) використовується для описування проблемної галузі.


Рис. 9.3. Схема функціонування експертної системи
Інструкції і інформація
Розв’язки і пояснення
Знання
Поширеною методикою подання знань є використання правил. Пра­вило описує, як діяти у заданій ситуації. Воно складається з двох час­тин: умови (condition), яка може або не може бути істиною і дії (action), якавиконується тоді, коли умова істинна. Прикладом правила є:
ЯКЩО ЕКОНОМІЧНИЙ ІНДЕКС > 1.20 І СЕЗОННИЙ ІНДЕКС > 1.30, ТО ПЕРСПЕКТИВА ЗБУТУ = «ВІДМІННА»
Усі правила, які містяться в експертній системі, називаються набором правил (rule set). Кількість правил може змінюватися від дюжини для простої експертної системи до 500, 1000 або навіть 10 000 для складних ЕС.
МЕХАНІЗМ ВИСНОВКУ. Механізм або машина висновку є частиною експертної системи, яка виконує доведення (здійснює міркування) за допомогою використання змісту баз знань у специфічній послідовності (прямій, зворотній, змішаній). Ці послідовності будуть розглянуті окремо.
МЕХАНІЗМ РОЗРОБЛЕННЯ. Четвертою головною частиною експертної системи є механізм (середовище) розроблення, який використовується для створення експертної системи. Коли механізм висновку складається з правил, то цей процес призначений для побудови множини правил. Використовуються два основні підходи до створення ЕС: мови програмування і оболонки експертної системи (expert system shell).
Оболонки ЕС забезпечили доступність засобів штучного інтелекту фірмам, які не мають необхідних ресурсів, щоб розробити свої системи, використовуючи мови програмування. У галузі бізнесу вони є найпоширенішим способом створення експертних систем на основі знань.
9.2.3. Методи оброблення правил
в орієнтованих на правила СППР

Використання машин логічного висновку з правилами є найпоширенішим середовищем розроблення орієнтованих на знання СППР. Правила легкі для розуміння і пояснень, коли знання зберігаються у вигляді правил. З погляду розробника модифікація і супровід баз знань здійснюються просто, можна легко об’єднувати також імовірні знання з правилами. Однак є певна кількість основних обмежень щодо використання цього підходу для розроблення СППР, зокрема, комплексні знання важко подавати з використанням правил. Розробники орієнтованих на знання СППР, зазвичай, використовують середовище розроблення, яке ґрунтується на правилах, але ці правила застосовуються не для всіх додатків (прикладом може бути розглянута раніше СППР PLEXSYS). Розглянемо докладніше методи реалізації механізму логічних висновків — невід’ємної частини СППР, що ґрунтується на правилах.
Протягом консультації механізм висновків досліджує правила баз знань по одному, і, коли умова правила правильна, то специфічна дія приймається. У термінології експертних систем вважається, що правило активізується (fired — запалюється) тоді, коли дія (акція) приймається. Для дослідження правил використовують два головні методи механізму висновку: пряме доведення (forward reasoning) або пряма про­дукція і зворотне доведення (reverse reasoning) або зворотна продукція.
Пряме доведення
У прямому доведенні (міркуванні вперед), яке ще називається прямим формуванням ланцюжка (forward chaining), правила досліджуються одне за одним у певному порядку. Цей порядок міг би бути послідовністю, в якій правила були введені в низку правил, або це могло б бути деякою іншою послідовністю, яка описується користувачем.
Оскільки досліджується кожне правило, то система намагається оцінити: істинна умова чи хибна. Коли умова істинна, то відповідне правило активізується, і далі досліджується наступне. Коли умова хибна, то правило не активізується, але також досліджується наступне правило. Може бути, що якесь правило за такого процесу не можна оцінити, як істинне або хибне. Умова може містити одну або більше змінних з невідомими значеннями.
У такому разі вважають, що умова правила невідома. Коли умова правила невідома, то воно не активізується, і досліджується наступне правило. Процес доведення є ітеративним.
Процедура, за якої досліджується правило за правилом, продовжується до тих пір, поки один прогін не буде завершений через усю низку правил. Зазвичай, потрібно виконати кілька прогонів, щоб присвоїти певне значення змінній мети. Можливо, інформація, потрібна для оцінювання одного правила, виробляється за допомогою наявного правила, яке досліджуватиметься згодом. Наприклад, після того, як одинадцяте правило активізоване, п’яте правило може оцінюватися в наступному прогоні. Прогони продовжуються, поки можлива активізація правил. Коли більше правил не може бути активізовано, процес доведення припиняється.
Таблиця 9.1
МАТРИЦЯ ПРАВИЛ ОРІЄНТОВАНОЇ НА ПРАВИЛА СППР



правила

Опис правила

Початкова умова,
введена користувачем

1

ЯКЩО A ТОДІ B

A — істинне

2

ЯКЩО С ТОДІ D

С — хибне

3

ЯКЩО M ТОДІ E

--------

4

ЯКЩО K ТОДІ F

--------

5

ЯКЩО G ТОДІ H

G — істинне

6

ЯКЩО I ТОДІ J

I — хибне

7

ЯКЩО (B або D) ТОДІ K

--------

8

ЯКЩО E ТОДІ L

--------

9

ЯКЩО {(F і H) або J} ТОДІ M

--------

10

ЯКЩО (K і L) ТОДІ N

--------

11

ЯКЩО M ТОДІ O

--------

12

ЯКЩО (N або O) ТОДІ P

P — змінна мети,
яку потрібно визначити

Покажемо механізм прямого дослідження на прикладі. Нехай задано ряд із 12 правил, наведений у табл. 9.1 [100]. Рис. 9.4 ілюструє процес прямого доведення. Прямокутниками зображені правила, усередині яких наведено їх зміст. Зліва зверху прямокутників написані номери правил згідно з табл. 9.1. Справа внизу в прямокутниках символом і позначена істинність правила, а символом х — хибність. Лінії зі стрілками, що з’єднують правила, показують логічну залежність між ними. Наприклад, правило 4 може бути активізоване, як тільки буде активізоване правило 7.

Рис. 9.4. Схема процесу прямого доведення
Деякі умови містять тільки одну змінну, а інші — дві, а то й три умови (правило 9). Коли мають місце багатократні змінні-умови, то вони можуть бути з’єднані сполучниками «і» (операція кон’юнкції, позначена на рис. 9.7 символом U) чи «або» (диз’юнкція — U). У правилі 7, якщо виконується умова B або D, то правило активізується. У правилі 10 обидві умови K і L мають виконуватися, тобто бути істинними, для того, щоб правило було активізованим.
Правило 12 визначає передбачену змінну P, яка є цільовою змінною. Ми допускатимемо, що менеджер надає значення для змінних-умов: A, C, G, I у правилах 1, 2, 5 і 6 перед оцінюванням решти правил механізмом висновків. Менеджер присвоює значення «істинності» для змінної A правила 1, значення «хибності» для змінної C у правилі 2, значення «істинності» для змінної G у правилі 5 та значення «хибності» для змінної I у правилі 6.
На рис. 9.4 різними контурами прямокутників позначені прогони, протягом яких правила можуть бути оцінені як істинні або хибні. У цьому прикладі всі правила активізуються протягом трьох прогонів. На четвертому проході правила не активізуються й доведення зупиняється.
Як тільки правило 12 було активізовано, значення, яке присвоюється змінній мети P, стає результатом розв’язку задачі, наприклад прогнозом обсягу збуту. Якщо система була неспроможною до активізації правила 12, то це означає, що для розв’я­зування задачі недостатньо інформації. У нашому прикладі правило 12 було активізоване як на другому, так і на третьому прогонах. Умова M була визначена як «істинна» на другому проході, а умови K і L були визначені як «істинні» на третьому проході.
Незважаючи на те, що результат був отриманий на другому прогоні, процес пошуку розв’язку слід продовжувати, оскільки наступні активізації могли б удосконалити розв’язок.
Зворотне доведення
У зворотному доведенні (reverse reasoning), що також називається зворотним формуванням ланцюжка (backward chaining), механізм висновків вибирає правило і допускає при цьому, що проблема розв’язана. Використаємо те саме правило, що і на попередньому рисунку. Активізація правила 12 є розв’язком проблеми, оскільки воно присвоює значення змінній мети P, тобто вважається, що наслідок P є істинним. Потрібно, рухаючись у зворотному напрямку, довести, що є підстави для такого твердження. Як уже зазначалося, за зворотного доведення ліва частина того правила, що розглядається, зіставляється з правою частиною наступного у зворотному ланцюжку правила. Висновок P буде істинним, якщо буде істинним принаймні одна із умов лівої частини правила 12, тобто N або O. Зіставляючи ці умови з правими частинами решти правил, можна переконатися в тому, що істинність умови N може бути оцінена правилом 10, а O — правилом 11. Тобто механізм висновків має спершу оцінити пра­вила 10 або 11. Ці правила стають підпроблемами (subproblems) правила 12, як показано на рис. 9.5. Механізм висновків потім вибирає одну із підпроблем, щоб оцінити її, і вона стає новою проблемою.
Перший логічний маршрут. Нехай правило 10 стає проблемою. Механізм висновків потім визначає, що перед тим, як може бути оцінене правило 10, необхідно оцінити правила 7 і 8. Отже, правила 7 і 8 стають підпроблемами правила 10. Механізм виснов­ків продовжує поділяти проблему на підпроблеми у такий же спосіб, розшукуючи правила, які можуть бути оцінені.
Перші п’ять проблем, які визначені, показані на рис. 9.5. Номери кроків показані в кружальцях, а пунктирні стрілки вказують на послідовність, в якій правила слід досліджувати. Оскільки правило 1 оцінюється як істинне (задано менеджером), то можна оцінити правило 7, визначивши його як істинне, без дослідження правила 2. У разі істинності змінної K правило 10 можна дослідити повторно. Однак, оскільки за правилом 10 мають бути одночасно істинними умови K і L, стає необхідним оцінити пов’язане з ним правило 8. Щоб оцінити правило 8, необхідно оцінити правило 3. Це є безвихідна ситуація (ліві частини двох правил однакові), оскільки умова (змінна M) правила 3 залежить від наслідку правила 9.
У цій ситуації механізм висновку переадресовує аналіз іншій підпроблемі правила 12 — правилу 11 (яке також містить умову M).

Рис. 9.5. Зворотне доведення: перший ланцюжок
із п’яти проблем, які потрібно ідентифікувати
Наступний логічний маршрут. На рис. 9.6 зображено процес доведення, яким система, що ґрунтується на правилах, намагається оцінити правило 11. Правило 9 стає проблемою; воно може бути оцінене, використовуючи наслідки правил 4 і 5. Оскільки правила 4 і 5 початково визначені як істинні, то правило 9 може бути оцінене як істинне без дослідження правила 6.

Рис. 9.6. Зворотне доведення: другий ланцюг
із чотирьох проблем, які потрібно ідентифікувати
Як тільки правило 9 буде активізоване, може бути також активізоване правило 11. Це дає змогу вважати істинною цільову змінну P, оскільки правило 12 активізується, як тільки стає істинним або правило 10, або правило 11.
Доведення від супротивного швидше, ніж пряме доведення через те, що в ньому немає необхідності розглядати всі правила,
і не здійснюються багатократні переходи через множину правил. Разом з тим недоліком такого підходу є те, що механізм зворотного висновку може пропустити ефективніший спосіб розв’язання проблеми. Доведення від супротивного доцільніше, коли:

  • є кілька цільових змінних;
  • є багато правил;
  • усі або більшість правил немає необхідності досліджувати в процесі досягнення розв’язку.

Як уже зазначалося, деякі програми механізму висновків розроблені так, щоб можна було застосовувати пряме чи зворотне доведення, або комбінувати їх. Користувач може вибирати один із цих варіантів для використання.

9.2.4. Зіставлення технологій
експертних систем і СППР

Між компонентами експертних систем і систем підтрим­ки прийняття рішення є певна відповідність, котру можна подати
у вигляді таблиці (табл. 9.2). Така аналогія привела до того, що серед фахівців у галузі штучного інтелекту й інформаційних систем мають місце різні думки стосовно співвідношення СППР і ЕС. Думки відносно поєднання технологій СППР і штучного інтелекту у вигляді експертних систем можна згрупувати так:

  • Експертні системи — зручна основа для розроблення СППР. Інакше кажучи, наявну експертну систему в деякій прикладній галузі можна доповнити відповідними засобами, щоб у результаті цього отримати завершену систему підтримки прийняття рішень.
  • Експертні системи уже самі являють собою різновид СППР, зокрема, орієнтовану на знання СППР.
  • Експертні системи — це окремий новий додаток до стандартної архітектури СППР, тобто до елементів СППР добавляється новий.
  • Експертні системи та інші елементи штучного інтелекту (зокрема, ті, що ґрунтуються на знаннях) можуть і мають вбудовуватися в інтерфейс користувача, базу даних і базу моделей.

Таблиця 9.2
ПОДІБНІСТЬ МОДУЛІВ СППР І ЕС


Модулі СППР

Компоненти ЕС

Модуль управління

Інтерфейс пояснень

Модуль зберігання даних

База знань

Модуль операцій над даними

Модуль збору знань

Модуль побудови моделей

Модуль збору знань і механізм висновків

Не можна на даний момент стверджувати, що якась із цих альтернативних думок є домінуючою. Проте найобґрунтованішою позицією стосовно цього питання, на нашу думку, є та, що модулі експертних систем можуть і мають використовуватися всередині додатків систем підтримки прийняття рішень і у виконавчих інфор­маційних системах за відповідних обставин [88]. Модулі нада-
дуть можливість працювати з абстрактнішими, не цифровими фактами й відношеннями, мають різко удосконалити ефективність і доступність таких, орієнтованих на знання, систем. У багатьох випадках такі системи уможливлять пояснення того, як саме СППР виконують завдання або щонайменше посилання на деякий корисний рівень надійності, з яким вони обмірковують висновки.
Оцінювання можливостей застосування
експертних систем у СППР і ВІС

Першим важливим кроком для компаній, заінтересованих у застосуванні ШІ або методів експертних систем до додатків СППР або ВІС є визначення можливості використання підходу експертних систем. Є широкий спектр проблем, яких може стосуватися ця технологія. Для конкретних типів проблем експертні системи забезпечують методологію максимально швидкого програмування, яка надає програмістам можливість розв’язувати бізнес-проблеми, можли­во, в 25—30 разів швидше, ніж у разі застосування інших підходів. Характеристики проблем, котрі можна розв’язувати за допомогою технології експертних систем, можуть бути згруповані так:

  • проблема потребує експертизи для її розв’язування. Тобто необхідно вияснити, чи взагалі проблема може бути розв’язана і чи може бути ідентифіковане джерело експертизи;
  • складність проблеми є такою, що потребує для її розв’язання роботи експерта від декількох хвилин до кількох годин. Проблеми, які виходять за межі цього інтервалу, ймовірно, є або тривіальними, або їх неможливо розв’язати, застосовуючи цю технологію;
  • проблема, передусім, має бути когнитивною (пізнавальною). Тобто вона потребує для розв’язування скоріше логічних висновків і дедукції, ніж артистичних, механічних або інших видів майстерності;
  • розвиток майстерності потребує наявності шаблонів для навчання новачків. Це є важливим для демонстрування того, що експертиза може бути пояснена і що експерти мають деякі засоби за її розроблення;
  • проблема не потребує «здорового глузду» від експертної системи безпосередньо. Ще ніхто точно не знає, як запрограмувати та застосовувати «здоровий глузд» у комп’ютерних програмах. Цей результат, можливо, буде досягнутий у поточному столітті;
  • мають бути забезпечені розуміння, ентузіазм та підтримка з боку вищого рівня управління.

Додатки СППР і експертні системи продовжують розвиватися одночасно. Часто вважають, що планування на ранній стадії й аналіз інвестицій, управління потребами користувачів і проблема перспективної діагностики, забезпечувані засобами орієнтованих на знання СППР, матимуть суттєвий вплив на можливість успіху за реалізації загальних цілей і досягнення конкурентоспроможності корпорацій.
Фактори успіху для здійснення
інтелектуальної підтримки управління

Оскільки інтелектуальні технології стають прийнятними інструментальними засобами для СППР і ВІС, доцільно розглянути чинники, які визначають успіх орієнтованих на знання систем, разом з тими чинниками, які забезпечують успіх будь-якої системи, що використовується окремими фахівцями.
Зручність використання. Твердження щодо цієї властивості систем може здатися очевидним, але трудність досягнення справ­жньої, довгострокової зручності використання часто недооцінюється всіма сторонами до початку процесу їх упровадження. Фактично, зручність використання систем окремими професіоналами тільки недавно стала виявленою метою процесу розроблення програмного забезпечення, а інструментальні засоби й методології для його розроблення ще не враховують цю потребу.
Зв’язність. Наскільки інтелектуальні методи мають успіх в адміністраторів стосовно доступу до широких і різних джерел даних, настільки система стає активним фактором у підтримці логічно випливаючих рішень і настільки вона має забезпечувати зв’язність джерел даних і тих точок, де рішення слід переглядати або здійснювати.
Сумісність. Оскільки інтелектуальні (основані на знаннях) технології збільшують показники потужності СППР і ВІС та змінюють їх здатність від пасивної до активної підтримки творців рішень, то компанії безумовно прийдуть до того, щоб створювати їх скоріше як одну систему чи як окрему частину процесів розроблення та прийняття рішень, ніж як корисні доповнення до них. Однак для того, щоб це могло відбутися в широких масштабах, потужність таких систем має бути сумісною з тим, що може називатися електро-паперовою екологією корпорації.
Легкий супровід. Супровід, нарощування і модифікування програмного забезпечення відповідно до змін вимог користувачів є «Ахіллесовою п’ятою» всього програмного забезпечення, а СППР і ВІС не є в цьому плані винятком. Довготермінова корисність СППР і ВІС значною мірою залежить від здатності компанії реагувати на ці запити. Ефективні системи мають створюватися відповідно до цієї вимоги дуже раціонально, використовуючи інструментальні засоби, які уможливлюють користувачам (хоча б за допомогою комп’ю­терно грамотного асистента) змінювати відповідно інтерфейс системи, а також функціональні можливості без допомоги впроваджу­ючих осіб або формально визначеної технічної групи підтримки.
Додаткова вартість. Оскільки технології, що ґрунтуються на знаннях, реалізують свій потенціал у СППР і ВІС, то стає очевид­ним, що здатність використовувати цей чинник для підвищення ефективності створення рішень суттєво відрізнить перемагаючі компанії від інших конкуруючих учасників.
Машини правил
Одним із напрямів розвитку орієнтованих на правила СППР, що набули останнім часом певного розвитку і поширення,
є так звані машини правил (Rule-Machines), як середовище для розроб­лення та тестування бізнес-правил, що являють собою кодифіковану політику та практику прийняття рішень в організаціях, використовувані з метою отримання переваг у конкуруючому бізнесовому середовищі. Найвідомішими з машин правил є Visual Rule Studio™ і Business Rule Studio. Оскільки докладний розгляд програмних продуктів, що називаються машинами правил, виходить за межі завдань даного видання, зацікавлені читачі зможуть знайти більше інформації про це на Web-сайті RuleMachines.

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.
© 2007-2017 BPK Group.