Title: Sistemas de Soporte de Decisiones (DSS) y Sistemas Inteligentes
1Sistemas de Soporte de Decisiones (DSS) y
Sistemas Inteligentes
- UNIVERSIDAD DE GRANADA
- UNIVERSIDAD TECNOLÓGICA METROPOLITANA
- DOCTORADO EN COMPUTACIÓN Y SISTEMAS INTELIGENTES
- Sistemas Soporte a la Decisión Aplicación para
la Gestión de la Contaminación en la Ciudad de
Santiago de Chile - PROFESORES TUTORES
- DR. MIGUEL DEGADO CALVO-FLORES
- DR. DANIEL SANCHEZ FERNANDEZ
- ALUMNO
- SANTIAGO ZAPATA CACERES
2REFLEXIÓN
- Ackoff dijo en 1972 Creo que está terminado una
era cultural y tecnológica y empezando otra creo
que estamos en las primeras etapas de un profundo
cambio en nuestra concepción del mundo, un cambio
en nuestra manera de pensar acerca de él y un
cambio en la tecnología que desarrollamos con el
objeto de satisfacer nuestros propósitos, esta
nueva etapa Ackoff la llamo la Era de
Sistemas. - R. L. Ackoff Science and the Systems Age Beyond
I.E., O.R. and M.S.. Operations Research,
May-June 1973.
3TEMARIO
PARTE I CURSOS DEL DOCTORADO
PARTE I CURSOS DEL DOCTORADO PARTE II
INVESTIGACION TUTELADA
4PARTE I CURSOS DEL DOCTORADO
- 1. INTERNET Búsqueda de Recursos, WEB, WEB CT
- La Recuperación de Información Conceptos Básicos
y Terminología - Recursos de Información en Internet.
- Herramientas de Búsqueda en la Web
- WEB CT
- 2. Análisis de Datos Introducción al Data
warehousing y al Diseño de Experimentos en SPSS - Fundamentos teóricos
- Análisis practico y herramientas
- Diseño de experimentos con SPSS
5PARTE I CURSOS DEL DOCTORADO
- 3. Comercio Electrónico. Innovación y
Aplicaciones - E-commerce Nuevas tecnologías aplicadas al
comercio - Agentes Inteligentes
- Modelos de comercio electrónico
- Seguridad y Medios de Pago
- 4. Aprendizaje Automático Web Mining y
aplicaciones - a e-business
- Conceptos básicos en Aprendizaje Automático
- Técnicas Estadísticas de Clasificación
- Aprendizaje Basado en Instancias
- Arboles de Clasificacion
- Aprendizaje de Conjunto de Reglas
- Aprendizaje de Redes Bayesianas
- Técnicas de ajuste
6PARTE I CURSOS DEL DOCTORADO
- 5. Redes Neuronales y Sistemas Neurodifusos
- Análisis y Diseño Avanzado de RNA.
- Hibridación. Sistemas Neurodifusos
- Aplicaciones
- 6. Incertidumbre en Bases de Datos
- Representación de la Información imprecisa e
incierta en bases de datos. - Extracción de conocimiento en bases de datos
mediante técnicas de computación flexible. - Aplicaciones en informática médica.
7PARTE I CURSOS DEL DOCTORADO
- 7. Programación Avanzada Java y
- computación flexible con MATLAB
- Gramática y elementos básicos de Java. Sintaxis,
tipos, variables, operadores, construcción de
clases, instanciación, tratamiento de
excepciones, uso de clases fundamentales. - Diseño de la interfaz de usuario. AWT y Swing.
Estructura de componentes, descripción y uso de
las clases más importantes, gestión de eventos. - Programación con MatLab. Aplicaciones.
- Computación Flexible con MatLab
8PARTE II
INVESTIGACION TUTELADA
9Sistemas de Apoyo a las Decisiones (DSS)
CAPITULO 1 ESTADO DEL ARTE
10Que necesitan quienes toman Decisiones
Gerentes Directorio,Adm.Fin, Comercial, mandos
medios
Conocimiento
DW
Adm. operaciones Analistas Fin., OM, Marketing
Información
Sistema de análisis
Datos
Captura de datos OLTP, POS, ATMs, etc,...
Sistema de producción
11Que necesitan quienes toman Decisiones
Cuál será el volumen de ventas de pólizas XYZ
del próximo mes?
Conocimiento
Venta de pólizas XYZ del mes
Información
Datos
póliza XYZ de
12SOLUCIONESKnowledge Discovery Data (KDD) y
Decision Support Systems (DSS)
13Proceso de Descubrimiento del Conocimento en
Bases de Datos
14Sistemas de Soporte de Decisiones (Decision
Support Systems DSS)
- Def. 1, Scott Morton , 1970 Sistemas
interactivos basados en computadores que ayudan a
quienes toman decisiones en la utilización de
datos y modelos para resolver problemas no
estructurados . - Def. 2, Keen y Scott, 1978 Los DSS acoplan los
recursos intelectuales de los individuos con las
capacidades de las computadoras para mejorar la
calidad de las decisiones de quienes se enfrentan
a problemas semiestructurados
15Decision Support Systems DSS
Visión de un
DSS
16Executive Information Systems EIS
Visión de un EIS
17.
Sistemas de Soporte de Decisiones Grupales (
Group DSS GDSS)
Software de GDSS
Base de Datos
Base de Modelos
Procesador (hardware)
Facilitador
Operador
Pantalla Pública
Participantes
18Sistemas de Información Geográficos (GIS)
- Es un sistema computacional para la captura,
almacén, verificación, integración, manipulación,
y despliegue de datos usando mapas digitalizados.
19Sistemas basados en IA
Experto
Experticia
Usuarios
Recomendaciones
Consultas
Sistema Experto
20Arquitectura de un DSS
Componentes básicos de un D.S.S.
Base de Modelos
Base de Datos
SABD
SAM
SAD
Software
Decisor
Santiago
Orientados a los modelos
Orientados a los datos
Lan Chile
1.567,00
Orientados a la presentación
21.
Arquitectura de un DSS
SAM Administración de Modelos
y
4 x 2 y 40
Modelo de programación lineal Maximiza Z 8 x
7 y Sujeto a 4 x 2 y 40
3 x 4 y 48
3 x 4 y 48
x
8 x 7 y Z max.
SAD Estilos de presentación
22Sistemas de Apoyo a las Decisiones (DSS)
CAPITULO 2 APLICACIONES 2.1. MEDIO AMBIENTE
2.2. PLANIFICACION TERRITORIAL
232.1. AirWare (DSS for Urban Air Quality Assesment
and Management)
242.2. DSS para la Produccion Ganadera de la
Provincia de Rio Negro, Argentina
25Sistemas de Apoyo a las Decisiones (DSS)
CAPITULO 3 SITUACION ACTUAL CONTAMINACION
EN LA CIUDAD DE SANTIAGO SANTIAGO
LIMPIO SANTIAGO CONTAMINADO
26Red MACAM
Lo Barnechea
Pudahuel
Santiago (Interior Parque Ohiggins)
Cerrillos
CO Monóxido de Carbono. SO2 Dióxido de
Azufre. NO Óxido de Nitrógeno. MP10
Material Particulado.
27Red MACAM
- Red de Monitoreo Automático de Calidad de Aire y
Meteorología. - Puesto en marcha en 1988 con 5 estaciones de
medición. - Hoy en día consta con alrededor de 10 estaciones
de medición. - Las estaciones están conectadas en forma remota
con el SESMA y CONAMA.
28Gestión actual de la contaminación
Red MACAM
Datos día X
Datos Posibles
Modelo Cassmassi
Decisión
Alerta Día X 1
29Modelo Predictivo de J. Cassmassi
- El SESMA oficializó la primera aplicación de un
modelo de pronóstico de calidad de aire en la
ciudad de Santiago a partir de julio de 1998. - En al año 1999 CONAMA encargó un estudio para
mejorar la metodología de pronóstico de calidad
de aire en la Región Metropolitana, el resultado
fue el modelo Cassmassi. - Este modelo fue desarrollado a partir de
información de calidad de aire medida por la red
MACAM-2 y de la información meteorológica de
altura de la zona central del país.
30Modelo Predictivo de J. Cassmassi (cont.)
- Técnicas estadísticas de regresión múltiple
- Relaciona variables predictivas y a predecir
- La predicción requiere de
- variables meteorológicas observadas
- índices de condiciones meteorológicas observadas
y pronosticadas - concentraciones de contaminantes observadas
- índices de variaciones esperadas de emisiones
- Entrega el valor máximo de material particulado
respirable PM10 para el día siguiente
31Modelo Predictivo de J. Cassmassi (cont.)
32Fallas del modelo- baja confiabilidad- nula
actualización- reduccionista- decisiones-
costos errores
Modelo Predictivo de J. Cassmassi (cont.)
33Propuesta
34WEKA
- WEKA
- Significa Waikato Environment for Knowledge
Analysis. - Fue desarrollado en la Universidad de Waikato,
Nueva Zelanda en lenguaje JAVA y es de
distribución gratuita. - Implementa algoritmos de DATAMINING para procesar
los datos.
35WEKA
Visualización de los datos
Ventana con los algoritmos
Imágenes Software WEKA
Ventana cuando se ejecuta por primera vez
36PROTOTIPO
Ejecutar
37Prototipo DSS
38 Prototipo DSS
39Prototipo DSS
40Prototipo DSS
41Prototipo DSS
42Prototipo DSS
43Prototipo DSS
44Prototipo DSS
45Prototipo DSS
46Prototipo DSS
47CONCLUSIONES
- Contaminación afecta salud, ecosistema, economía
- Gran parte es generada por PM10
- Ubicación geográfica cuenca de Santiago
- Red MACAM
- Modelo Cassmassi
48CONCLUSIONES
- Polinomio matematico
- Errores
- Soluciones alternativas
- Aporte de los DSS
- Minería de Datos
- Mejores decisiones
49Bibliografia
Turban Efraim and Jay E. Aronson, Decision
Support Systems and Intelligent Systems , Fifth
Edition, John Wiley and Sons, 1999. George
Marakas, Decision Support Systems in the 21
Ceentury, Ed. Mc. Graw Hill, 2000.