Sistemas de Soporte de Decisiones (DSS) y Sistemas Inteligentes - PowerPoint PPT Presentation

About This Presentation
Title:

Sistemas de Soporte de Decisiones (DSS) y Sistemas Inteligentes

Description:

Sistemas de Soporte de Decisiones (DSS) y Sistemas Inteligentes UNIVERSIDAD DE GRANADA UNIVERSIDAD TECNOL GICA METROPOLITANA DOCTORADO EN COMPUTACI N Y SISTEMAS ... – PowerPoint PPT presentation

Number of Views:357
Avg rating:3.0/5.0
Slides: 50
Provided by: SantiagoZ
Category:

less

Transcript and Presenter's Notes

Title: Sistemas de Soporte de Decisiones (DSS) y Sistemas Inteligentes


1
Sistemas 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

2
REFLEXIÓN
  • 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.

3
TEMARIO
PARTE I CURSOS DEL DOCTORADO
PARTE I CURSOS DEL DOCTORADO PARTE II
INVESTIGACION TUTELADA
4
PARTE 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

5
PARTE 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

6
PARTE 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.

7
PARTE 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

8
PARTE II
INVESTIGACION TUTELADA
9
Sistemas de Apoyo a las Decisiones (DSS)
CAPITULO 1 ESTADO DEL ARTE
10
Que 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
11
Que 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
12
SOLUCIONESKnowledge Discovery Data (KDD) y
Decision Support Systems (DSS)
13
Proceso de Descubrimiento del Conocimento en
Bases de Datos
 
                                                 

14
Sistemas 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

15
Decision Support Systems DSS
Visión de un
DSS
16
Executive 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
18
Sistemas de Información Geográficos (GIS)
  • Es un sistema computacional para la captura,
    almacén, verificación, integración, manipulación,
    y despliegue de datos usando mapas digitalizados.

19
Sistemas basados en IA
  • Sistemas Expertos

Experto
Experticia
Usuarios
Recomendaciones
Consultas
Sistema Experto
20
Arquitectura 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
22
Sistemas de Apoyo a las Decisiones (DSS)
CAPITULO 2 APLICACIONES 2.1. MEDIO AMBIENTE
2.2. PLANIFICACION TERRITORIAL
23
2.1. AirWare (DSS for Urban Air Quality Assesment
and Management)
24
2.2. DSS para la Produccion Ganadera de la
Provincia de Rio Negro, Argentina
25
Sistemas de Apoyo a las Decisiones (DSS)
CAPITULO 3 SITUACION ACTUAL CONTAMINACION
EN LA CIUDAD DE SANTIAGO SANTIAGO
LIMPIO SANTIAGO CONTAMINADO
26
Red MACAM
Lo Barnechea
Pudahuel
Santiago (Interior Parque Ohiggins)
Cerrillos
CO Monóxido de Carbono. SO2 Dióxido de
Azufre. NO Óxido de Nitrógeno. MP10
Material Particulado.
27
Red 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.

28
Gestión actual de la contaminación
 
Red MACAM
Datos día X
Datos Posibles
Modelo Cassmassi
Decisión
Alerta Día X 1
29
Modelo 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.

30
Modelo 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

31
Modelo Predictivo de J. Cassmassi (cont.)
  • Índices de Contaminación

32
Fallas del modelo- baja confiabilidad- nula
actualización- reduccionista- decisiones-
costos errores
Modelo Predictivo de J. Cassmassi (cont.)
33
Propuesta
34
WEKA
  • 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.

35
WEKA
Visualización de los datos
Ventana con los algoritmos
Imágenes Software WEKA
Ventana cuando se ejecuta por primera vez
36
PROTOTIPO
  • Visualización

Ejecutar
37
Prototipo DSS
38
Prototipo DSS
39
Prototipo DSS
       
40
Prototipo DSS
41
Prototipo DSS
42
Prototipo DSS
43
Prototipo DSS
44
Prototipo DSS
45
Prototipo DSS
46
Prototipo DSS
47
CONCLUSIONES
  • Contaminación afecta salud, ecosistema, economía
  • Gran parte es generada por PM10
  • Ubicación geográfica cuenca de Santiago
  • Red MACAM
  • Modelo Cassmassi

48
CONCLUSIONES
  • Polinomio matematico
  • Errores
  • Soluciones alternativas
  • Aporte de los DSS
  • Minería de Datos
  • Mejores decisiones

49
Bibliografia
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.
Write a Comment
User Comments (0)
About PowerShow.com