Upload
armen-lahmann
View
111
Download
0
Embed Size (px)
Citation preview
Konzeption und Realisierung von DSS
Britta Tietjen
Hauptseminar Systemwissenschaft
Inhalt
• Einführung- Charakterisierung eines DSS
• Problemlösungsprozess
• Komponenten eines DSS die Modell/Methodenkomponente
- Aufgabe eines Modells- Modelltypen- Modelbase Management System
Gotaas-Larsen Shipping Coop.
Einführung: Charakterisierung eines DSS
Potentiale einer DSS-Unterstützung für den Problemlösungsprozess
1. Phase: Problemidentifikation
Frühzeitige Erkennung des Problems
2. Phase: Problemanalyse und -formulierung
Versorgung mit problemrelevanten Informationen
Erkennung der Problemursachen
3. Phase: Entwicklung von Lösungsmöglichkeiten
Optimierung der Lösung des Problems
4. Phase: Bewertung, Vergleich und Auswahl
Sensitivitäts- und Risikoanalysen
Komponenten eines DSS
Komponenten eines DSS - am Beispiel des Shipping-DSS
Modell- / Methodenkomponente
Aufgabe eines Modells/einer Methode in einem DSS
– Erkenntnis neuer Informationen– Erklärung und Demonstration– Variation und/oder Optimierung– Projektierung und Planung– Steuerung und Überwachung
Welche Modelle und Methoden sollen in die Modellbank integriert werden?
Was hat der Anwender bisher benutzt?
Analyse des Aufgaben- und Entscheidungsbereiches des Problemlösers
Analyse der individuellen Vorgehensweise
zunächst nur kleine Modell-/Methodenbank
Gewährleistung der Erweiterbarkeit
Modelltypen Modell-/Methodenkomponente
Modelltypen
1) Optimierung bei wenigen Lösungsmöglichkeiten
- Auflistung möglicher Alternativen- Benennung der Wahrscheinlichkeiten von evtl. eintretenden Effekten
Entscheidungsbäume, Entscheidungstabellen
Modelltypen
2) Optimierung durch Algorithmus
- schrittweise Verbesserung der zu optimierenden Größe bis die beste Lösung gefunden ist- Beispiel: Schneeräumen in Montreal- Charakteristika der Probleme:
- limitierte Ressourcen, Verbrauch der Ressourcen- viele mögliche Lösungen- jedes/r Produkt/Service trägt zur Zielerreichung
bei- zusätzliche Nebenbedingungen
Modelltypen
3) Optimierung analytische Gleichung
- Analytisches Lösen einer Gleichung führt zur optimalen Lösung
- Charakteristika der Problemesehr einfach
Modelltypen
4) Simulation
- Versuch, die Realität zu imitieren- Variablen werden auf ihren Einfluss auf den Output überprüft- kein Optimierungsverfahren (Verbesserung der Lösungdurch den Vergleich vieler Simulationsläufe) - Charakteristika der Probleme:sehr komplexstochastische Formulierungen möglich
Modelltypen
4) Simulation
-Vorteile:- What-If-Analysen möglich- Große Zeitersparnis- Prozess-bestimmende Variablen werden gefunden
- Nachteile:- Optimale Lösung wird nicht gefunden- Modellkonstruktion sehr aufwendig- Modell meist nicht übertragbar
Modelltypen
5) Heuristik
- Finden einer ausreichend guten Lösung anhand von Regeln
- Beispiel: Milchtransporte in Indien- Charakteristika der Probleme:
- keine exakten Inputdaten, nur limitierte Datenmengen
- sehr komplexe Situation- kein exakter Algorithmus vorhanden oder aber nur
in großer Zeit rechenbar
Modelltypen
5) Heuristik- Vorteile:
- einfach zu verstehen, daher auch einfach anzuwenden- kreative Problemlösungen möglich- oft werden mehrere brauchbare Lösungen erzielt- z.T. sind keine Rechner zur Lösung erforderlich
- Einschränkungen:- eine optimale Lösung ist nicht garantiert- oft zu viele Ausnahmeregeln - Wechselwirkungen können nur schwierig berücksichtigt
werden
Modelbase Management System
- Verwaltung und Bereitstellung von Modellen- Bisher nicht als Tool erhältlich- Charakteristika
- Organisation und Administration der Elemente durch zentrale Instanz
- Steuerung und Überwachung der Berechnungen- Flexibilität- Feedback über den Stand des Problemlöseprozesses- Reduktion von Redundanz (Nutzung gleicher Methoden)- Konsistenz der Modelle
Zusammenfassung
• Charakterisierung eines DSS• Problemlösungsprozess• Komponenten eines DSS• Modellkomponente
- Aufgabe eines Modell in einem DSS - Welche Modelle sollten integriert werden - Modelltypen - Modelbase Management System
Danke schön