Title: Sistemas Inteligentes de Apoyo a la Toma de Decisiones (IDSS)
1Sistemas Inteligentes de Apoyo a la Toma de
Decisiones (IDSS)
- Dr. Jorge Adalberto Navarro
2Introducción
- Supongamos que los 50,000 años de historia humana
se dividen en 800 vidas de aproximadamente 62
años cada una
3Introducción
- Las primeras 650 se pasaron en las
cavernasSolo en las últimas 70 nos hemos podido
comunicar (con la escritura)Solo en las últimas
7 las masas tuvieron acceso a los elementos de la
cultura
4Introducción
- Solo en las últimas 3 se han publicado
periódicosSolo en las últimas 2 se ha utilizado
un motor eléctrico - Y la abrumadora mayoría de los bienes que se
utilizan hoy fueron concebidos en esta última
vida (la de orden 800) - La esperanza de vida en 20 años en esta última
vida.
5Introducción
- QUÉ ES LO QUE HAY DETRÁS DE ESTE VERTIGINOSO
DESARROLLO?CUÁL ES EL SUSTENTO DE ESTA
REVOLUCIÓN?
6Introducción
- DESARROLLO EN LAS TECNOLOGÍAS DE LA INFORMACIÓN
- AUMENTO DE LA CALIDAD DE LAS DECISIONES
7Evolución
MIS
DSS
IDSS
- Inteligencia Artificial
- 50s Origen
- 80s Estancamiento
- 90s Resurgimiento
- Sistemas de Información
- 60s MIS
- 80s DSS
- 90s Consolidación
8MIS
Un Sistemas de Información Gerencial es un
conjunto de elementos que interactúan entre sí
con el fin de apoyar las actividades de una
organización Los MIS apoyan la toma de
decisiones cuando los requerimientos de
información pueden ser identificados de
antemano. Son decisiones estructuradas y
repetitivas
9DSS
Sistema computacional que obtiene y conjunta
información de fuentes variadas, ayuda en la
organización y análisis de la información, y
facilita su evaluación sobre la base de modelos
específicos. Permite al tomador de decisiones
(DM) acceder a cualquier información que
considere relevante.
10DSS
El término lo acuñaron Gorry y Scott Morton en
1989, en el artículo Aframework for Management
Information Systems
11- SISTEMAS INTELIGENTES DE APOYO A LA DECISIÓN
(IDSS)
12Origen
DSS IA A inicios de los 80s, el premio Nobel
Herbert A. Simon sugirió la integración de las
Ciencias Administrativas, Investigación de
Operaciones y la Inteligencia Artificial 1992
artículo de Michael Goul Henderson y Jason
Nichols Tonge The emergence of artificial
intelligence as a reference discipline for
decision support systems
13- El campo de interés de un IDSS es la eficacia de
la toma de decisiones. Así, mientras que un MIS
contribuye a que una organización "haga
correctamente las cosas", un DSS ayuda a los
administradores a "hacer las cosas correctas, y
un IDSS a hacerlas respetando las preferencias
del decisor
14- El estudio de los IDSS no es únicamente sobre
computadoras sino también sobre la gente. Su
propósito no es decidir, sino ayudar al DM
durante la decisión. Por eso, cuando estudiamos
IDSS estamos estudiando gente, decisiones, y cómo
la gente toma decisiones.
15- Los IDSS son diseñados para apoyar en todas las
etapas del proceso de toma de decisiones
16Etapas en la Toma de Decisiones
- Identificar la Necesidad de Tomar una Decisión.
- Enumeración de las Alternativas.
- Evaluación de las Alternativas.
- Selección
- Implementación
- Evaluación de los Resultados
17Tipos de Problemas de Decisión
- Identificar mejor Alternativa.
- Ordenar las acciones.
- Asignar cada miembro del conjunto a una categoría
predeterminada (clasificación). - Asignar cada miembro del conjunto a una categoría
no predeterminada (clusterización).
18Por qué es difícil decidir bien?
- Por la falta de estructura del problemaPor las
limitaciones cognitivas del DMpara identificar y
valorar el conjunto de alternativas. - Por la dificultad de separar la
informaciónrelevante de la que no lo es. - Por la presencia de incertidumbre y ladificultad
de la mente humana en manejarla.
19Clasificación de los Problemas
- Por su nivel de Estructuración
- Estructurados versus No Estructurados
- Problemas Programados versus No Programados
- Decisiones
Decisiones - Estructuradas No Estructuradas
-
Decisiones Semiestructuradas
20Características Principales de los IDSS
- Problemas semi-estructurados.
- Aumentar efectividad, más que aumentar
eficiencia. - Obtiene datos de fuentes variadas.
- Contiene modelos del proceso de decisión,
transformando las enormes cantidades de datos en
información relevante.
21Características Principales de los IDSS
- Ofrece mecanismos flexibles para recuperar y
analizar datos. - Provee una interfaz extremadamente amigable.
- Da posibilidades para generar y analizar otras
opciones. - Permite el análisis what if
22Características Principales de los IDSS
- Apoya al DM, no lo suplanta
- Está bajo el control del DM
- Facilita el aprendizaje del DM sobre el problema
de decisión que enfrenta
23Componentes Típicos de un IDSS
- 1. Sistema de administración de datos2. Sistema
de administración de modelos4. Motor de
conocimiento 3. Interfaz de usuario4. Usuario
24Sistema de Administración de Datos
- Tipos de Datos
- - Operación (Externos)
- Compras, Ventas, Proveedores, Competencia, etc.
- - Organización (Internos)
- Recursos, Infraestructura, Personal, etc.
- - Decisión
- Cambio de proveedor, Aumento de sueldo, etc.
- Preferencia (reglas de inferencia, comparaciones,
etc.) - Nota todos los datos son producto de una
decisión y se deben relacionar con al menos una
de las decisiones que se incluyen en el IDSS. - Se debe identificar la relación Dato-Decisión
25Sistema de Administración de Modelos
- Contiene Todos los Modelos que Describen los
Datos - Gráficos
- Analíticos
- Cada modelo debe estar relacionado con al menos
una Decisión.
26Motor de Conocimiento
- Contiene Todos los Modelos de Decisión (con y
sin incorporación de preferencias) - Optimización
- Ordenamiento
- Clasificación
- Clusterización
- Cada decisión debe contener al menos un modelo
de cada tipo.
27Interfaz del Usuario
- Debe adaptarse a cada Decisor y cada Decisión.
- En ocasiones se requiere definir un lenguaje de
interacción.
28Usuario
- Componente Fundamental del Sistema
- Se pueden definir varios decisores
29Inteligencia Artificial
Áreas de Interés Problemas Estructurados
Complejos Problemas No Estructurados
30Inteligencia Artificial
Áreas de Interés Problemas Estructurados
Complejos Problemas No Estructurados
31Representación de Preferencias
- Problema
- Cómo recolectar información de las preferencias
del Decisor? - Decisiones Previas (Minería de Datos).
- Solicitarle Información Preferencial
Simplificada. - Objetivo encontrar los modelos de preferencia.
32Lógica Difusa
- Problemas de la Lógica Clásica
- Presupone Conocimiento Exacto
- Precisión de Conceptos Lingüísticos (Montón,
Grande, Alto, Mucho,etc.)
33Lógica Difusa
- Lógica Difusa
- Generalización de la versión clásica (discreta)
- Modelo de información vaga, imprecisa.
- Implementación del principio de incompatibilidad
Conforme la complejidad de un sistema aumenta,
nuestra capacidad para ser precisos y construir
instrucciones sobre su comportamiento disminuye
hasta el umbral más allá del cual, la precisión y
el significado son características excluyentes.
34Retos
- Modelación de Preferencias en Grupo
- Minimizar la Información Preferencial Requerida
al Decisor - Desarrollar una Lógica Difusa Preferencial
- Incorporar los Principios Difusos en los Modelos
35G r a c i a s