Sistemas Inteligentes de Apoyo a la Toma de Decisiones (IDSS)

1
Sistemas Inteligentes de Apoyo a la Toma de
Decisiones (IDSS)

• Dr. Jorge Adalberto Navarro

2
Introducción

• Supongamos que los 50,000 años de historia humana
  se dividen en 800 vidas de aproximadamente 62
  años cada una

3
Introducción

• 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

4
Introducción

• 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.

5
Introducción

• QUÉ ES LO QUE HAY DETRÁS DE ESTE VERTIGINOSO
  DESARROLLO?CUÁL ES EL SUSTENTO DE ESTA
  REVOLUCIÓN?

6
Introducción

• DESARROLLO EN LAS TECNOLOGÍAS DE LA INFORMACIÓN
• AUMENTO DE LA CALIDAD DE LAS DECISIONES

7
Evolución
MIS
DSS
IDSS

• Inteligencia Artificial
• 50s Origen
• 80s Estancamiento
• 90s Resurgimiento

• Sistemas de Información
• 60s MIS
• 80s DSS
• 90s Consolidación

8
MIS
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
9
DSS
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.
10
DSS
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)

12
Origen
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

16
Etapas 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

17
Tipos 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).

18
Por 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.

19
Clasificación de los Problemas

• Por su nivel de Estructuración
• Estructurados versus No Estructurados
• Problemas Programados versus No Programados
• Decisiones
  Decisiones
• Estructuradas No Estructuradas

Decisiones Semiestructuradas
20
Características 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.

21
Características 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

22
Características 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

23
Componentes Típicos de un IDSS

• 1. Sistema de administración de datos2. Sistema
  de administración de modelos4. Motor de
  conocimiento 3. Interfaz de usuario4. Usuario

24
Sistema 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

25
Sistema de Administración de Modelos

• Contiene Todos los Modelos que Describen los
  Datos
• Gráficos
• Analíticos
• Cada modelo debe estar relacionado con al menos
  una Decisión.

26
Motor 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.

27
Interfaz del Usuario

• Debe adaptarse a cada Decisor y cada Decisión.
• En ocasiones se requiere definir un lenguaje de
  interacción.

28
Usuario

• Componente Fundamental del Sistema
• Se pueden definir varios decisores

29
Inteligencia Artificial
Áreas de Interés Problemas Estructurados
Complejos Problemas No Estructurados
30
Inteligencia Artificial
Áreas de Interés Problemas Estructurados
Complejos Problemas No Estructurados
31
Representación 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.

32
Lógica Difusa

• Problemas de la Lógica Clásica
• Presupone Conocimiento Exacto
• Precisión de Conceptos Lingüísticos (Montón,
  Grande, Alto, Mucho,etc.)

33
Lógica 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.

34
Retos

• Modelación de Preferencias en Grupo
• Minimizar la Información Preferencial Requerida
  al Decisor
• Desarrollar una Lógica Difusa Preferencial
• Incorporar los Principios Difusos en los Modelos

35
G r a c i a s

• Jorge Adalberto Navarro