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