Documente Academic
Documente Profesional
Documente Cultură
Arhitectura SSD
De-a lungul timpului, specialiştii au propus diverse arhitecturi ale sistemelor support
pentru decizie. Totuşi, în toate modelele de arhitecturi se regăsesc, sub diverse denumiri,
compomenta de management a datelor, componenta de management a modelelor şi
componenta de interfaţă cu utilizatorul. Aceste componente constituie nucleul SSD-
urilor şi de cele mai multe ori una dintre ele este componentă predominantă. Alte
componente care sunt incluse în arhitectura unui SSD, formând înpreună arhitectura
generală a acestuia sunt: componenta de management al bazei de cunoştinţe,
componenta de comunicaţie, componenta hardware şi sistemul de operare,
instrumentele software pentru utilizatori şi pentru administratorii SSD-ului.
1
decizional (managerul) prin elemente de inteligenţă artificială;
2
Trebuie să se identifice, de asemenea, proprietarul
acestor baze de date, modul cum se realizează
securitatea datelor şi cum se asigură acurateţea datelor
2. Sistemul de modele include nu numai modelele
utilizate ci şi informaţii despre sursele de date utilizate,
modul lor de procesare, responsabilii cu întreţinerea
modelelor şi modul de acces la modele.
3. Instrumentele software pentru utilizatori ce le asigură
accesul la bazele de date şi la modele şi instrumentele
software pentru administratori ce permit gestiunea
bazelor de date şi a modelelor;
4. Platformele hardware şi sistemele de operare pe
care se instalează bazele de date şi modelele.
5. Facilităţile de comunicare şi de reţea necesare pentru
a conecta platformele hardware (conectare la unul sau
mai multe servere şi baze de date, comunicare intra şi
inter-organizaţională
1999 Hättenschwiler 1. utilizatorii cu diferite roluri sau funcţii în procesul
(Hättenschwiler, decizional,
2002)
2. contextul deciziei specific şi definibil,
3
3. motorul de cunoştinţe,
4. interfaţa cu utilizatorul
5. utilizatorul.
2001 Holsapple şi 1. sistem de limbaj (LS),
Whinston
2. sistem de prezentare (PS),
4
şi utilităţii pentru utilizator în executarea activităţilor.
Datele sunt urmele lăsate de anumite stări, situaţii, activităţi, judecăţi, opinii,
procese de calcul care pot fi reprezentate sub forma unor numere, şiruri de caractere,
grafice, imagini în vederea colectării, memorării şi prelucrării ulterioare. Luate
ca atare, datele nu au în mod necesar o semnificaţie care să poată servi unei
activităţi decizionale. (Filip, 2007)
Informaţiile sunt date care au fost prelucrate şi organizate, ceea ce le-a conferit
semnificaţie şi valoare în contextul unor situaţii decizionale putând fi utilizate în
rezolvarea problemelor decizionale.
Datele sunt folosite fie direct pentru informarea utilizatorului fie constituie intrări
ale modelelor implementate în cadrul sistemului.
Datele provin din diferite surse (interne sau externe organizaţiei) şi pot fi
stocate în baze şi depozite de date (având reprezentări cantitative în general – numerice).
Informaţiile au cu precădere un caracter calitativ şi se regăsesc în documente
electronice stocate fie în interiorul organizaţiei fie în afara acesteia în diferite locuri,
accesibile gratuit sau contracost. (figura 6).
5
Figura 6. Componenta de management al datelor
(adaptare după Turban şi Aronson, 2001 şi Ref1.Istudor)
Pentru un SSD calitatea datelor afectează calitatea deciziei finale care va fi luată
de către decidentul care-l foloseşte.
6
Datele de foarte bună calitate determină probleme legate de resursele financiare
mari necesare pentru achiziţia lor.
Din punct de vedere al SSD, criteriile de calitate care trebuiesc avute în vedere
sunt:
- valabilitatea (corectitudine, acurateţe, certitudinea, credibilitatea);
- utilitatea (relevanţa, importanţa, semnificaţia, prospeţimea);
- calitatea reprezentării (claritatea, consistenţa, conciziunea).
Baza de date
7
care popularea unei astfel de baze ar putea necesita foarte mult efort.
În cazul în care construirea bazei de date se face odată cu construirea SSD, s-ar
putea obţine un rezultat mult mai bun, evitându-se efortul compatibilizării celor două,
acestea fiind deja proiectate compatibile (Airinei, 2006).
Un sistem suport pentru decizii poate include una sau mai multe baze de
date. Principalele funcţii ale componentei de gestiune a datelor sunt:
- crearea bazei de date – organizarea şi structurarea datelor (structura bazei de
date);
- popularizarea bazei de date – adăugarea de înregistrări;
- actualizarea bazei date – adăugarea, ştergerea, modificarea înregistrărilor,
adăugarea sau ştergerea de atribute (câmpuri), restructurarea bazei de date
prin definirea de noi legături între tabele pentru optimizarea accesului la date;
- definirea accesului la date a utilizatorilor (asigurarea confidenţialităţii
datelor pentru diferite categorii de utilizatori) – definirea drepturilor de acces;
Din punct de vedere al utilizatorului şi al SSD, componenta de gestiune a
datelor trebuie să asigure două funcţii importante: interogarea bazei de date şi
extragerea datelor din baza de date (Airinei, 2006).
Filip (2004), prezenta caracteristicile principale “dezirabile” ale unui sistem
de gestiune a datelor:
- generalitatea utilizabilităţii datelor (independenţa logică a acestora faţă de
programele informatice care le partajează şi independenţa fizică a acestora faţă
de suporturile de memorare);
- reducerea redondanţelor şi evitarea inconsistenţei datelor;
- flexibilitatea – posibilitatea de a realiza un acces rapid la o aceeaşi dată în
mai multe moduri posibile şi pentru scopuri diferite;
- posibilitatea de aplicare a unor măsuri de standardizare, de reglementare a
accesului autorizat şi de asigurare a integrităţii datelor.
Depozitul de date
8
decizional dintr-o organizaţie şi optimizate pentru interogări on-line rapide şi pentru
agregări complexe (Muntean,2003).
În 1995, Bill Inmon definea depozitul de date ca fiind “o colecţie de date orientată
pe subiect, integrată, dependentă de timp şi nevolatilă, destinată pentru a susţine
procesul decizional dintr-o organizaţie”.
Din această definiţie derivă caracteristicile esenţiale ale unui depozit de date:
Rolul unui depozit de date este de a oferi o imagine coerentă asupra datelor
9
relative la activitatea unei organizaţii şi a contextului în care acesta acţionează.
10
modificări de la ultima extragere din sistemele sursă. Această metodă este
eficientă din punct de vedere al volumului de date ce se vehiculează pe
reţea, dar necesită aplicaţii complexe care să gestioneze schimbările
intervenite.
11
Facilitatile oferite de componenta de management al modelelor sunt următoarele:
- stocarea modelelor;
- utilizarea modelelor deja existente;
- facilitati de acces si de regasire a modelelor;
- facilitati de mentabilitate a modelelor existente cu posibilitati de pastrare a
solutiilor;
- construirea unor modele noi pe baza celor existente;
- flexibilitate, care consta în trecerea rapida de la o abordare la alta;
- consistenta care da posibilitatea ca acelasi model si aceleasi date sa fie accesate de
mai multi utilizatori.
Cerinţele acestei componente sunt:
- asigurarea comunicarii si schimbul de date dintre modele în momentul în care
sunt utilizate într-un anume context,
- asigurarea analizei si interpretarii rezultatelor obtinute în urma utilizarii unui
model standard.
12
- predictive (simulare);
- prescriptive (optimizare).
13
Figura 6. Componenta de management al modelelor
Procesorul de modele:
integrarea modelelor - presupune combinarea operaţiilor de la mai multe
modele
executarea modelelor - este un proces controlat al rularii modelului curent
14
acceptarea şi interpretarea instrucţiunilor de modelare provenite de la
interfaţa cu utilizatorul..
Dacă întrebările tipice referitoare la date sunt “cine?”, “ce?”, “unde?” şi “când?”,
întrebările specifice cunoştinţelor sunt “cum?” şi “de ce?”.
Cunoştinţe explicite – care pot fi transpuse într-un limbaj formal, pot fi înregistrate
şi pot fi transmise de la un individ la altul;
15
În funcţie de scop şi mod de utilizare, cunoştinţele se împart în [5]:
Sa ştii de ce (Know-why) – acestea trec dincolo de stadiul “să ştii cum”. Aceste
cunoştinţe le permit indivizilor să facă un pas înainte faţă de “a şti cum” şi să
folosească cunoştinţele, având totodată abilitatea de a se confrunta cu situaţii
necunoscute
Pentru capturarea cunoştinţelor tacite de la indivizi sau grupuri se pot folosi trei abordări.
În multe cazuri, aceste abordări pot fi combinate [10]:
Învaţă din observaţii – observarea este un instrument important care poate oferi o
mulţime de informaţii. Observarea în linişte este cea mai bună metodă de a surprinde
anumite caracteristici spontane ale unui proces sau ale unei proceduri.
16
Mai sunt şi alte tehnici care pot fi folosite pentru obţinerea cunoştinţelor tacite de la
indivizi şi grupuri, printre care [10, 11]:
Chestionarele sau sondajele – atunci când trebuie intervievati mulţi oameni, primul
pas îl reprezintă elaborarea unui chestionar, urmată de interviurile individuale.
Chestionarul poate să conţină întrebări închise şi/sau deschise. Întrebările deschise
sunt cele mai bune pentru a obţine multe informaţii, întrucât nu limitează
respondentul la alegerea unuia dintre răspunsurile predefinite, cum este cazul
întrebărilor închise.
Brainstorming sau sesiunile ad-hoc – acestea sunt sesiuni care nu durează mai mult
de 30 de minute şi în care se împărtăşesc idei într-o atmosferă deschisă,
stimulatoare. Aceste sesiuni pot să aibă loc în timpul întâlnirilor faţă în faţă, sau se
pot desfăşura prin intermediul mijloacelor IT, în e-mail, teleconferinţe sau camere
de chat.
17
activelor de cunoştinţe ale firmei. După aceea, informaţiile adunate din interviuri
sunt sintetizate într-o formă mai uşor de citit, accesat şi înţeles. În această formă,
istorioara este scrisă, validată şi publicată, pentru a o disemina. Astfel, istorioara
devine parte din memoria organizaţiei. O istorioară cu tâlc este aşadar relatarea a
succeselor şi eşecurilor, pentru a surprinde cele mai bune practici şi lecţiile învăţate.
Participarea – învăţarea din ceea ce faci sau trainingul la locul de muncă reprezintă
surse nepreţuite pentru obţinerea cunoştinţelor şi pentru creşterea experienţei. Este o
formă de învăţare experimentală, deductivă, prin care se înţelege sensul diferitelor
întâmplări care apar şi se stabileşte o legătură cauzală între acţiuni şi rezultate.
Ucenicia, trainingurile şi mentoringul sunt modalităti prin care persoanele cu
experienţă transmit cunoştinţe către novici, neiniţiaţi.
Analiza sarcinilor – este o metodă care presupune analiza fiecărei sarcini pe care o
realizează un expert şi caracterizarea acestor sarcini din perspectiva cunoştinţelor şi
abilităţilor necesare, frecvenţei, dificultăţii, suprapunerea cu alte sarcini. De
asemenea, se analizează care sunt consecinţele în cazul apariţiei unor erori şi cum
este percepută sarcina respectivă de expertul care o realizează (rutină, aşteptată cu
nerăbdare sau cu teamă). Această analiză se poate face prin observare (în tăcere)
sau prin interviu direct cu expertul în cauză.
18
cognitive, arborii decizionali, nomenclatorul cunoştinţelor şi analiza sarcinilor [10]:
Arborii decizionali – apar de regulă sub forma unei diagrame de flux, care alternează
ramurile indicând impactul diferitelor decizii. Un arbore decizional poate reprezenta
multe “reguli”, iar atunci când se merge logic pe o ramură, se evită regulile care nu
sunt relevante pentru situaţia în cauză. (5).
Baza de cunoștințe este folosita pentru stocarea tuturor tuturor cunoştiinţelor (fapte,
reguli, metode de rezolvare etc.) specifice domeniului de aplicație, preluate de la
experții umani sau din alte surse
19
Cele mai cunoscute metode de reprezentare a cunoştinţelor sunt:
logica predicatelor
reguli de producţie
programe conventionale
Logica predicatelor
20
reală (obiecte şi relaţii între ele), care pot fi exploatate prin strategii ghidate eficiente de
căutare şi care ar reflecta mai bine modul în care oamenii percep şi simt.
Reguli de producţie
În mod tipic, o bază de cunoştinţe va consta dintr-o multime mare de reguli. În mod logic,
regulile pot fi grupate în diferite baze de reguli. O reţea de cunoştinţe reprezentând o
mulţime de reguli ar trebui completată cu conexiunile potrivite în interiorul nodurilor
reţelei. De aici, desenarea reţelei de cunoştinţe îi dă inginerului oportunitatea de a verifica
baza de cunoştinţe pentru posibile inconsistenţe sau redundanţe.
Obiectele sunt forme foarte puternice de reprezentare a faptelor în sisteme expert. Sunt
foarte potrivite pentru reprezentarea cunoştinţelor declarative, care descriu entităţi fizice
şi relaţii semantice. Orice activitate inginerească este centrată în jurul unui artefact sau al
unei facilităţi, iar informaţii detaliate despre artefacte sunt necesare pentru a lua decizii în
legatură cu aceasta. Diferite atribute ale artefactului pot fi folosite la diferite stadii de
rezolvare ale unei probleme, cum ar fi planificarea, analiza, detalierea, construcţia etc. De
aici, este potrivit să se folosească obiectele cu atribute încapsulate pentru a avea o
reprezentare mai structurată a faptelor în context, în timpul execuţiei sistemului expert.
De asemenea, regulile ar trebui să fie capabile să interacţioneze cu obiectele.
21
viaţa reală, o combinţie de reguli şi structuri este necesară pentru a reprezenta domeniul
de cunoştinţe.
Programe convenţionale
Cele mai multe shell-uri de dezvoltare ale sistemelor expert furnizează facilităţi de
reprezentare a cunoştinţelor în trei forme: vizual, prin reguli, structuri şi funcţii în limbaje
procedurale. Reprezentarea cunoştinţelor sub forma logicii cu predicate este forma
naturală în Prolog, unul dintre limbajele specializate în Inteligenţa artificială. Prolog
oferă reprezentarea folosind logica predicatelor cu inferenţe backtracking, ceea ce este
inadecvat pentru dezvoltarea sistemelor expert de mare anvergură pentru aplicaţii
practice. [20]
22
cunoştinţelor ai cărei actori principali sunt expertul şi cogniticianul (inginerul de
cunoştinţe). Ciclu iterativ (figura 7) constă în colectarea datelor de expertiză şi
definirea modelului conceptual verificat şi validat de expert (Mc Graw şi Herbison-
Briggs, 1989).
23
recunoaşterea scrisului de mână şi înţelegerea limbajului natural, fie pornesc de la o
bază de date de exemple. În cea de-a doua situaţie, modul de achiziţie este numit
învăţare şi are drept scop să imite procesul natural de învăţare al omului. Există două
abordări - abordarea simbolică numită şi învăţarea simbolică automată, care îşi
propune să achiziţioneze în mod automat cunoştinţele şi o abordare conexionistă
bazată pe reţele neuronale.
Motor de deducţie
CUNOŞTIINŢE DECLARATIVE
Fapte
Cunoştinţe de domeniu
Vocabular
Constrângeri
OPERATIONALE
Euristici
Exemple de soluții
META-CUNOAȘTERE
Sens comun
Meta-norme
învățare
sarcini generice
Bază de cunoştinţe
24