سه شنبه 29 خرداد 1397 | Tuesday 19 th of June 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
فصل هفتم- جمع بندی و نتیجه گیری

 

سیستم­های پشتیبان تصمیم­گیری ، گرفتاری­ها و امیدواری­ها

هربرت سایمون، با یک مقدمه، جایگاه سیستم­های تصمیم­گیری درسازمانها را به خوبی تبیین می­کند. وی می­گوید: "کارکرد اصلی هر سازمانی انجام اقدامات هدفمند است ، مثلا یک شرکت برای دستیابی به سود سرمایه­گذاری می­کند و یک سازمان نظامی برای نابودی دشمن حمله می­کند. اقدامات داخلی یک سازمان ازجمله طراحی خود سازمان همه در راستای این است که اقدامات خارجی با موفقیت بیشتری انجام شود و استفاده از سیستم­های پشتیبان تصمیم­گیری چنین اقدامی به شمار می­اید". این تعبیر، اثربخشی سیستم­های پشتیبان تصمیم­گیری را میزان مفید بودن انها در موفقیت سازمان به شمار می­اورد. امروز مدیران و کارشناسانی وجود دارند که بنابه تجربیات خوداعتقاد چندانی به سیستم­های پشتیبان تصمیم­گیری ندارند. پروفسور براون در این خصوص چنین اظهارنظر می­کند: "سیستم­های پشتیبان تصمیم­گیری هنوز در مراحل ابتدایی هستند، یک دلیل این امر این است که محققان بیش از مفیدبودن، جذب جاذبه های علمی کارشده­اند". دلایل دیگری هم برای این عدم کارایی وجود دارد که برخی از انها به مدل­های ما بازمی­­گردد. هنوز مدل­های ریاضی قادر نیستند تا همه ابعاد موثر در تصمیم­گیری را در روابط معمول خود لحاظ کنند. یکی از مهمترین این ابعاد نقش عوامل انسانی است .

-  نقش انسانها؛ در مدل­های تصمیم­گیری،  اقدامات، موردتوجه قرار دارد بدون اینکه اقدام­کننده  و خصوصیات وی بتواند در الگو جای گیرد. انسانها به صورت فردی وگروهی هوشمند هستند و الزاما رفتار    مورد انتظار در الگوهای کامپیوتری را دنبال نمی­کنند. تمایلات، خصوصیات، ویژگی­ها و تعهد انسانها نسبت به موضوع ازجمله اموری هستند که هرچند درعمل تعیین کننده­اند ولی نمی­توانند به سادگی در فضای الگوهای ریاضی وارد شوند. رنه جورنا[1] و وان وزل[2]،  محققان دانشگاه گرونینگن[3] هلند در این خصوص می­گویند: "اگرچه ساختارها مهم هستند ولی کار انگاه اغاز می­شود که یک انسان انجام ان را ارزشمند و یا سوداور بداند و یا توسط عوامل داخلی یا خارجی انگیزه­مند شده باشد". این گرایشها سبب می­شود تا اطلاعات در عبور از لایه­های سازمانی تغییر حالت دهد و تصمیم­گیری و اجرای ان را با مشکلات جدی مواجه سازد. پروفسور براون در این خصوص یکی از تجربیات خود را نقل کرده است. ما درخصوص انسانها با یک عقلگرایی محدود[4]، روبرو هستیم، حتی در مواقعی عکس العمل انها غیرعقلانی است واین واقعیتها با الگوهایی که براساس عقلگرایی طراحی شده­اند، سازگاری ندارد.

-  مرزهای الگو؛ هر الگویی برای محدوده مشخصی تعریف می­شود. مرزهای سازمانی و مرزهای زمانی از مهمترین محدوده­های تهیه یک مدل هستند. به همان میزان که تهیه یک الگوی بدون مرز امکان ناپذیر است، تاثیر عوامل خارج از مرز نیز، انکارناپذیر است. مدل سازی الزاما با ساده­سازی همراه است و عوامل ساده شده می­توانند در دنیای واقعی تفاوت زیادی را مابین نتایج موردانتظار و نتایج واقعی ایجاد کنند. برخی از این مرزها ثابت نیستند و در طول اعتبار تصمیم، تغییر وضعیت می­دهند. اینها هریک در جای خود می­تواند کاهش کارایی روشهای مبتنی بر مدل­های محدود را سبب شوند.

- اعتبار الگو؛ کریس هیل[5] فرایند سیاستگذاری را به دو بخش تقسیم می­کند: اول فهم اینکه دنیا چگونه کار می­کند و سپس اینکه درمورد ان چه باید بکنیم . درک مدل­ساز، از انچه در دنیای واقعی جریان دارد یکی از محدودیتهای اصلی الگوهای تصمیم­گیری و یکی از سرچشمه­های اصلی کاهش اثربخشی سیستم­های پشتیبان تصمیم­گیری است . هرچند ذهن انسان نیز در چارچوب استعاره­های عمومی و شخصی تصمیم می­گیرد،  ولی ماهیت پیچیده و پویای چارچوبهای ذهنی انسان، هیچگاه اجازه نمی­دهد تا الگوی کاملی از ان را در         سیستم­های کامپیوتری داشته باشیم .

-  اطلاعات ورودی؛ شایستگی و کفایت نتیجه فرایند تصمیم­گیری نهایتا در سقف شایستگی و کفایت اطلاعات و داده­های موردنیاز برای ان خواهد بود. تامین این اطلاعات امری پرهزینه است، هزینه زمانی و مالی،  و معمولا بجز برای مسائل استراتژیک مانند احداث سد، دفن زباله­های اتمی و یا جابجایی یک پایتخت درتصمیم­گیریهای روزمره مدیران مقرون به صرفه نیست. انچه در فرایند واقعی تصمیم­گیری ذهنی انجام        می­شود مکانیسم پیچیده­ای است که طی ان خلاء اطلاعاتی با شواهد وقرائن، متغیرهای احتمالی، استعاره و تجارب شخصی پر می­شود. هنوز سیستم­های پشتیبان تصمیم­گیری، بخصوص انهایی که برپایه سیستم­های کمی و مدلهای ریاضی قراردارند، فاقد چنین مهارتی هستند. امروزه سیستم های پشتیبان تصمیم گیری در مسائل ساده و یا نسبتا پیچیده­ای که صرف هزینه­های زمانی و مالی قابل توجیه است، از یک کارایی نسبی برخوردارند ولیکن درخصوص مسائل پیچیده، هنوز پاسخ موثری ارائه نکرده­اند.

ولی شرایط امروز نمی­تواند مبنایی برای قضاوت فردا باشد. تکنولوژی تصمیم­گیری هر روز با قابلیتها و امکانات بیشتری حمایت می­شود. پیشرفت روزافزون قابلیتهای سخت افزاری و نرم افزاری نقش عمده ای را در این حمایتها ایفا می­کنند. امروز پردازشگرهای موازی امکان طراحی موتورهای استنتاج موازی و بسیار سریع را فراهم ساخته است، پیشرفت علوم پایه در زمینه­های ریاضیات، احتمالات و کامپیوتر ویافته­های جدید انسان درخصوص مکانیسم­های ادراکی تصمیم­گیری انسان هر روز الگوریتم­های جدیدی را برای تجزیه وتحلیل ریسک، بهینه­سازی و مدلسازی دراختیار می­گذارد. ابداع رویکردهای جدید در بکارگیری سیستم­های هوشمند، تکیه سیستم­های پشتیبان تصمیم­گیری را به الگوهای ساختاریافته، یعنی نقطه ضعف اصلی سیستم­های پشتیبان تصمیم­گیری، کاهش می­دهد. امروز سیستم­های یادگیرنده، قادرند تا الگو و قواعدتصمیم­گیری را در ارتباط با محیط طراحی کنند و در تشابه با ذهن انسان رفته رفته ان را درعمل بهبود و توسعه بخشند. این روندها اینده بهتری را برای فردای این تکنولوژی نوید می­دهد. حال اگر سوال شود ایا روزی کامپیوترها خواهند توانست برمبنای الگوهای متکامل­تر و روش­های پیچیده­تر، تصمیمات به مراتب بهتری را بگیرند، پاسخ با امیدواری زیادی مثبت است و اگر سوال شود که ایا در ان زمان کار مدیریت ساده­تر و اثربخش­تر از امروز خواهد بود باید در اظهار امیدواری قدری تامل کرد. هر روز سازمانها پیچیده­تر می­شوند. محیط رقابتی­تر و کسب وکار مبهم­تر می­شود. به تدریج مرزهای ارامش­دهنده امروز درهم می­ریزد و تصمیم­گیری را با حیطه بیکرانه عوامل       تاثیر­گذار مواجه می­سازد. تجارب گذشته بشر نیز نشان می­دهد که پیشرفت تکنولوژی همواره نقش بشر را درمدیریت هستی تغییر داده است ولی مشکل است این دگرگونیها،  با ساده­ترشدن متناظر دانسته شود. این موضوع که انسان قادر باشد موجودات هوشمندی را درجهان مصنوعات خود بیافریند اگرچه از دستاوردهای علمی امروز دور است ولی در راس ارمانهای بشر جای دارد. محققان دانشگاه وریج[6] بروکسل با همکاری ازمایشگاه ملی مکزیک موفق شده­اند تا برمبنای روش یادگیری هبین[7] سیستمی یکپارچه را بر روی شبکه جهانی با عملکرد مشابه مغز انسان طراحی کنند. این سیستم که به اینترنت جهانی قدرت یادگیری می­بخشد با نام        مغزجهانی[8]  نامگذاری شده است. ایا مجموعه دانش بشری را می­توان به صورت یکپارچه و با الگوی مشابه مغز انسان در پشتیبانی از یک سیستم تصمیم گیری هوشمندبه کارگرفت ؟

یقینا بسیاری از اینها در اینده امکان­پذیر است ، ولی امروز سیستم های DSS، تنها درمسائلی که اهمیت انها هزینه سنگین تامین ساختار و اطلاعات کافی را توجیه کند،کارایی دارد. مشکل الگوی ریاضی ناکافی نیز هنوز برجای خود باقی است. سیستم­های خبره اگرچه این مشکل را تا اندازه ای مرتفع ساخته­اند، ولی انها نیز درحل مسائل پیچیده مدیریتی با مشکلاتی مواجه هستند. سیستم­های خبره در مقایسه با سیستم­های DSS، برای مسائل نیمه­ساخت­یافته، از توانایی بیشتری برخوردارند، ولی درمورد مسائل بی­ساختار، انها نیز بسیاری ازتواناییهای خود را از دست می­دهند. این واقعیتها دلیل ناکارایی سیستم­های پشتیبان  تصمیم­گیری در امور روزمره مدیریتی را اشکار می­سازد زیرا مدیران ارشد نوعا بامسائل بی­ساختار مواجه هستند، جایی که تکنولوژی تصمیم­گیری امروز نمی تواند کمک چندانی به انان بکند. ذهن انسان در مواجهه با تصمیمات بی­ساختار به نحو اعجاب­اوری ان را به یک سری اجزاء قابل ساختار تبدیل می­کند و با روشهای ساده کننده­ای پاسخ راضی­کننده، به جای         بهینه­کننده انها را می یابد. این مکانیسم، محیط بسیار پیچیده مسائل بی­ساختار را به مجموعه­ای از الگوهایی ساده شده تبدیل می­کند. اگر تکنولوژی تصمیم­گیری قادر شود روش اثر بخشی  برای این کار پیدا کند انگاه      می­تواند کمک موثری در تصمیم­گیری روزانه مدیران به شمار اید. تا ان زمان می­بایستی در کمک­گیری ازکامپیوتر، به حل مسائل ساختاریافته و نیمه ساختاریافته قناعت کرد. مسائلی که علی­رغم اهمیت بسیار زیاد، حجم اندکی از فضای تصمیم­گیری مدیران را به خود اختصاص می­دهند. این یافته، شیوه مناسبی را برای بکارگیری سیستم­های پشتیبان تصمیم­گیری پیشنهاد می­کند: مسائل مهم و ساختاریافته را به کامپیوتر واگذار و برای مسائل روزمره بی­ساختار به مهارتهای ذهنی انسان تکیه کنید. این تقسیم کار تا زمانی که کامپیوترها به نوعی بصیرت، درحل مسائل دست یابند معتبر باقی خواهند ماند.اینده­ای که در زندگی مصنوعی  به انتظار انسان ایستاده است.

در این پایان­نامه، با مفهوم سیستم­های پشتیبان تصمیم­گیری، اشنا شدیم. و روش­های به کار رفته در این سیستم­ها را بیان کردیم. همچنین به عنوان یک نمونه، کاربرد این سیستم­ها را در صنعت پزشکی بررسی کردیم. استفاده از IDSSبرای پشتیبان تصمیم­گیری، در صنعت پزشکی بسیار مهم است چراکه به پزشکان و پرستاران اجازه می­دهد که اطلاعات را سریعتر جمع­اوری کرده و انها را به روش­های مختلفی پردازش کنند بطوریکه با تشخیص بیماری و گرفتن تصمیم مناسب برای درمان، به کیفیت تصمیم­گیری در روند درمان کمک کند. این سیستم­ها می­توانند در موارد مختلفی از جمله ، ذخیره و بازیابی پرونده­های پزشکی و بازیابی مفاهیم کلیدی در پزشکی ، بررسی داده­های بلادرنگ جمع­اوری شده از نمایشگرها ، انالیز اشعه X،انالیز سابقه بیمار برای پیشنهاد تشخیص بیماری ،انالیز سابقه خانوادگی بیمار ، و بسیاری موارد دیگر موثر باشند.

ارائه این کاربرد به درک بهتر استفاده از سیستم­های پشتیبان تصمیم کمک می­کند. در این نمونه، به توصیف روش­های مناسب، در قسمت­های مختلف سیستم تشخیص و درمان بیماری پرداختیم. و مزایای هر کدام از  روش­ها را بیان نمودیم. استفاده از این سیستم پزشکی هوشمند، به دلیل توانایی جمع­اوری منابع علمی معتبر و استفاده از ان­ها، به بهبود کیفیت تصمیم­گیری پزشکان کمک خواهد کرد. بررسی روش­های مفید، در موارد اورژانسی که  تشخیص سریع بیماری و ارائه درمان مناسب  در یک زمان محدود مورد نیاز باشد، به توسعه وپیشبرد، سیستم­های پشتیبان تصمیم­گیری کمک خواهد کرد.     

 

 

 

 

 

 

 

 

 

 



[1]R.JORNA

[2]V.WEZEL

[3]GRONINGEN

[4]BoundedRationality

[5]C.HILL

[6]VRIJE

[7]HEBBIAN

[8]GLOBAL BRAIN

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26