Mô hình hóa và quản lý mô hình

Mô hình hóa và quản lý mô hình đã trở thành một phần không thể thiếu trong nhiều lĩnh vực, từ khoa học dữ liệu và trí tuệ nhân tạo cho đến kinh doanh và quản lý. Việc phân tích và hiểu rõ các quy luật, mối quan hệ và xu hướng trong dữ liệu là yếu tố quan trọng để đưa ra các quyết định chiến lược và tối ưu hóa hiệu suất. Trong thời đại kỹ thuật số, chúng ta được chứng kiến một sự gia tăng đáng kể về khối lượng dữ liệu được tạo ra và thu thập từ nhiều nguồn khác nhau. Điều này đặt ra thách thức lớn về cách xử lý và tận dụng tối đa thông tin có sẵn để đưa ra quyết định thông minh và tiên đoán các xu hướng tương lai. Đây là lý do vì sao mô hình hóa và quản lý mô hình trở thành một phần quan trọng trong quá trình phân tích dữ liệu và hỗ trợ quyết định. Trong tiểu luận này, chúng em sẽ tìm hiểu sâu hơn về mô hình hóa và quản lý mô hình trong ngữ cảnh của việc phân tích dữ liệu và quyết định thông minh. Vì còn nhiều hạn chế, đề tài nhóm xây dựng không tránh khỏi những thiếu sót. Rất mong được thầy và các bạn đóng góp ý kiến để đề tài nghiên cứu của chúng em được hoàn thiện hơn.

TRƯỜNG KIẾN TRÚC HÀ NỘI KHOA CÔNG NGHỆ THÔNG TIN ====***==== MƠ HÌNH HĨA VÀ QUẢN LÝ MƠ HÌNH TIỂU LUẬN MÔN HỌC HỆ TRỢ GIÚP QUYẾT ĐỊNH GIÁO VIÊN HƯỚNG DẪN: TS NGUYỄN ĐĂNG KHOA CÁC THÀNH VIÊN THỰC HIỆN: TRẦN THỊ ANH THƯ NGUYỄN QUANG HƯNG PHẠM THỊ PHƯƠNG Mục lục I.Mở đầu Lời mở đầu Lý chọn đề tài II Nội Dung Phân tích mơ hình DSS 1.1 Mơ hình DSS ………………………………………… ……… 1.2 Mơ hình tĩnh động…………………………………………… …….5 1.3 Xử lý chắn , không chắn nguy hiểm………………….… Tối ưu hóa mơ hình 2.1 Phân tích định vài chuyển đổi (bảng định hay đinh)………………………………………………………………… … 2.2 Tối ưu hóa thơng qua quy hoạch tốn học……………………… …… 2.3 Mơ phỏng……………………………………………………….…… 11 2.4 Lập trình heuristic………………………………………………… …14 2.5 Sơ đồ ảnh hưởng………………………………………………… … 16 2.6 Dự báo……………………………………………………………… 17 Đánh giá phân loại mơ hình 3.1 Mơ hình khơng định lượng……………………………………… ……21 3.2 Ngơn ngữ mơ hình bảng tính…………………………………… …21 3.3 Mơ hình hóa đa chiều…………………………………………… ……23 3.4 Bảng tính trực quan……………………………………………… … 25 3.5 Mơ hình hố tài kế hoạch………………………………….26 III Tổng kết Lời mở đầu Mơ hình hóa quản lý mơ hình trở thành phần khơng thể thiếu nhiều lĩnh vực, từ khoa học liệu trí tuệ nhân tạo kinh doanh quản lý Việc phân tích hiểu rõ quy luật, mối quan hệ xu hướng liệu yếu tố quan trọng để đưa định chiến lược tối ưu hóa hiệu suất Trong thời đại kỹ thuật số, chứng kiến gia tăng đáng kể khối lượng liệu tạo thu thập từ nhiều nguồn khác Điều đặt thách thức lớn cách xử lý tận dụng tối đa thông tin có sẵn để đưa định thơng minh tiên đoán xu hướng tương lai Đây lý mơ hình hóa quản lý mơ hình trở thành phần quan trọng trình phân tích liệu hỗ trợ định Trong tiểu luận này, chúng em tìm hiểu sâu mơ hình hóa quản lý mơ hình ngữ cảnh việc phân tích liệu định thơng minh Vì cịn nhiều hạn chế, đề tài nhóm xây dựng khơng tránh khỏi thiếu sót Rất mong thầy bạn đóng góp ý kiến để đề tài nghiên cứu chúng em hoàn thiện Trân trọng cảm ơn! Lý chọn đề tài Việc lựa chọn đề tài "Mơ hình hóa quản lý mơ hình hóa hệ thống hỗ trợ định (DSS)" đem lại nhiều lợi ích đáp ứng nhu cầu quan trọng việc đưa định hiệu Hệ thống hỗ trợ định (DSS) có vai trị quan trọng giúp người sử dụng đối phó với tình định phức tạp Mơ hình hóa quản lý mơ hình hóa DSS giúp hiểu rõ yếu tố quan trọng tương quan chúng, từ cải thiện định hiệu suất Sự linh hoạt khả tương tác mơ hình hóa quản lý mơ hình hóa DSS cho phép tạo mơ hình tùy chỉnh thay đổi dựa yêu cầu cụ thể Việc nghiên cứu áp dụng mơ hình hóa quản lý mơ hình hóa DSS cịn mang lại nhiều hội phát triển cơng nghệ đóng góp vào tiến lĩnh vực Tuy nhiên, việc đối mặt với thách thức tính phức tạp liệu tính tin cậy mơ hình u cầu trọng Tổng thể, việc tăng cường quy trình định đảm bảo tính xác thơng qua mơ hình hóa quản lý mơ hình hóa DSS lựa chọn quan trọng để nâng cao khả đưa định hiệu nhiều lĩnh vực II Nội dung Phân tích mơ hình DSS 1.1 Mơ hình DSS Mơ hình DSS (Decision Support System) khung làm việc cấu trúc sử dụng để thiết kế triển khai hệ thống hỗ trợ định Nó cung cấp phương pháp cấu trúc hệ thống để giúp người sử dụng trình định giải vấn đề Mơ hình DSS kết hợp thơng tin, cơng nghệ quy trình để hỗ trợ định mơi trường tương tác Nó cho phép người sử dụng tương tác với công cụ tài ngun để thu thập, tổ chức phân tích thơng tin, đánh giá tùy chọn đưa định thơng minh Mơ hình DSS thường bao gồm thành phần sau: Cơ sở liệu (Database): Đây nơi lưu trữ thông tin liệu liên quan đến vấn đề định Cơ sở liệu cung cấp nguồn liệu cho q trình phân tích đưa định Công cụ kỹ thuật phân tích (Analysis Tools and Techniques): Đây công cụ phương pháp sử dụng để phân tích thơng tin liệu mơ hình DSS Các cơng cụ kỹ thuật phân tích bao gồm biểu đồ, bảng tính, mơ hình tốn học, mơ phỏng, tối ưu hóa phương pháp khác Giao diện người dùng (User Interface): Đây phần mô hình DSS mà người sử dụng tương tác với hệ thống Giao diện người dùng cung cấp công cụ chức để nhập thông tin, hiển thị kết thực định Quy trình định (Decision Process): Đây bước quy trình thực để đưa định mô hình DSS Quy trình định bao gồm thu thập thơng tin, phân tích liệu, đánh giá tùy chọn đưa định Mơ hình DSS thiết kế để hỗ trợ người sử dụng việc xử lý thông tin phức tạp, tăng cường định thơng qua phân tích đưa tư vấn Nó áp dụng nhiều lĩnh vực ngành công nghiệp, Frazee chứng minh trường hợp mà DSS bao gồm nhiều mơ hình, số chuẩn số tự tạo, mà dùng chung để hỗ trợ việc định việc quảng bá cơng ty Nó chứng minh số mơ hình xây dựng gói phát triển phần mềm; số cần xây dựng; khác cần truy cập DSS cần thiết Các khía cạnh mơ hình cần xem xét sau: Sự phát biến Sự xác định biến khác quan trọng, chúng có mối quan hệ Tiên đốn Tiên đốn quan trọng việc xây dựng vận động mơ hình Mơ hình Sự giải hệ thống hỗ trợ bao gồm nhiều mơ hình Một số mơ hình cân chuẩn chúng xây dựng phần mềm phát triển DSS Những khác chuẩn khơng có giá trị hàm xây dựng Thay chúng phần mềm khơng có giá đỡ mà giao tiếp với DSS Những mơ hình khơng chuẩn cần xây dựng từ hỗn tạp Người xây dựng DSS thường phải đối mặt với vấn đề khó xử mà mơ hình bao gồm DSS Thì định phải làm để xây dựng chúng, sử dụng khác làm rồi, chỉnh sửa mơ hình có Tổng hợp loại mơ hình dùng DSS vào nhóm Nó liệt kê nhiều thể kỹ thuật loại biểu đạt số phần mà loại thảo luận chương Mỗi kỹ thuật xuất dạng mơ hình tĩnh động xây dựng giả định chắn, không chắn, nguy hiểm Để giải việc xây dựng mơ hình người ta dùng ngơn ngữ mơ hình Quản lí mơ hình Mơ hình, gần liệu, cần quản lí Việc quản lí làm với giúp đỡ phần mềm quản lí mơ hình sở Phạm trù Tối ưu hóa tốn với phương án Tối ưu hóa qua giải thuật Tối ưu hóa qua biểu thức giải tích Mơ Bất kỳ Các mơ hình khác Các mơ hình tiên đốn Q trình mục tiêu Tìm giải pháp tốt từ số phương án Tìm giải pháp tốt từ số lớn hay vơ hạn phương án q trình cải thiện bước Tìm giải pháp tốt bước cơng thức Tìm giải pháp đủ tốt hay tốt số phương án (đã kiểm tra) thực nghiệm Tìm giải pháp đủ tốt cách dùng quy tắc Giải tình “what-if” cách dùng cơng thức Tiên đốn tương lai cho kịch Kỹ thuật đại diện Bảng định, định Mơ hình quy hoạch tuyến tính, quy hoạch tốn học, mơ hình mạng lưới Một số mơ hình tồn kho Một vài loại mơ Quy hoạch bất kỳ, hệ chun gia Mơ hình tài chánh, hàng đợi Các mơ hình dự báo, phân tích Markov Bảng 1.1 Các phạm trù mơ hình 1.2 Mơ hình tĩnh động DSS tĩnh động Phân tích tĩnh Mơ hình tĩnh dẫn đế kết xuất nhanh đơn giản trạng thái Trong suốt kết xuất nhanh thứ xuất khoảng cách đơn lẻ, mà ngắn hay dài q trình Ví dụ, định làm hay mua sản phẩm tĩnh tự nhiên Sự tuyên bố quý hay năm thu nhập tĩnh để định đầu tư phần Trong phân tích tĩnh giả định ổn định Phân tích động Mơ hình động sử dụng để định giá kiện mà thay đổi theo thời gian Một ví dụ đơn giản nên dự án lợi tức năm, nơi mà liệu vào, giá cả, số lượng bị thay đổi hàng năm Mơ hình động phụ thuộc thời gian Ví dụ, để xác định lỗi nên mở siêu thị Nó cần xem xét thời gian ngày Điều có nhiều thay đổi số người đến siêu thị vào khác Mơ hình động quan trọng chúng xu hướng mẫu ngày Chúng trung bình đơn vị thời gian, chuyển dịch giá tri trung bình phân tích so sánh (ví dụ, lợi nhuận quý chống lại lợi nhuận quý năm trước) 1.3 Xử lí chắn, khơng chắn nguy hiểm Khi xây dựng mơ hình, loại xuất Sau số phát liên quan đến điều kiện: Mơ hình chắn Mọi người thích mơ hình chắn chúng dễ làm giải hiệu suất tối ưu Vấn đề đặc biệt vô hạn (hoặc rộng lớn) số lượng vấn đề giải khả thi Nhiều mơ hình tài xây dựng giả định chắn Không chắn Người quản lí cố gắng thử tránh khơng chắn nhiều Thay họ cố gắng giành nhiều thơng tin để vấn đề xử lí tính tốn nguy hiểm Nếu bạn khơng thể giành nhiều thông tin hơn, bạn phải xử lí vấn đề vấn đề khơng chắn Nguy hiểm Hầu hết định kinh doanh thực giả định nguy hiểm Nhiều kỹ thuật dùng để giải với phân tích nguy hiểm Tối ưu hóa mơ hình 2.1 Phân tích định vài chuyển đổi (bảng định hay đinh) Các tình định mà liên quan đến vài hạn chế thường khơng q lớn số thay đổi mô cách tiếp cận mà thay đổi liệt kê với khả chúng dự báo đóng góp cho việc đến đích, nhận thấy đóng góp, bảng hay đồ thị Thì, ước lượng diễn để chọn lựa thay đổi tốt Hai trường hợp phân biệt: đơn mục tiêu đa mục tiêu Tình đơn mục tiêu tiếp cận việc sử dụng bảng định định Đa mục tiêu (điều kiện) tiếp cận nhiều kỹ thuật (có thể mô tả sau) Bảng định Bảng định thuận lợi cho cách tổ chức thơng tin kiểu hệ thống Ví dụ: cơng ty đầu tư xem xét đầu tư thay thế: dây buộc, hàng tồn kho chứng vật gửi (CDs) Cơng ty thích mục tiêu sản lượng lớn đầu tư sau năm Nếu tương thích mục tiêu khác an tồn hay lưu lượng tiền mặt, vấn đề nên phân loại phân tích định đa điều kiện Sản lượng phụ thuộc vào tình hình kinh tế, mà phát triển cứng, tồn đọng, hay lạm phát Giới hạn sau sản lượng hàng năm cho chuyên gia: Nếu có phát triển đồng kinh tế, dây buộc chiếm sản lượng 12%; cổ phiếu 15% tiền gửi có thời hạn 6.5% Nếu tồn đọng chiếm ưu thế, dây buộc chiếm 6%; cổ phiếu 3% tiền gửi có kỳ hạn 6.5% Nếu lạm phát chiếm ưu thế, dây buộc chiếm 3%; cổ phiếu giá 2%; tiền gửi có kỳ hạn 6.5% Vấn đề chọn đầu tư linh hoạt Chú ý: đầu tư 50% dây buộc 50% cổ phiếu thay đổi khác, cộng vào thay đổi thú Ngược lại, thật công ty đối mặt với thay đổi khác Vấn đề đầu tư tổ chức bảng (xem bảng 5.2) Alternative Solid Growth Stagnation Inflation Bonds 12% 6% 3% Stocks 15% 3% -2% CDs 6.5% 6.5% 6.5% Bảng 2.1 Vấn đề đầu tư Bảng thể mơ hình tốn học bao gồm: biến định (thay đổi), biến khơng kiểm sốt (trạng thái kinh tế), biến kết (sản lượng dự án; số bên bảng) Hai trường hợp phân biệt: không chắn nguy hiểm Trong trường hợp không chắ, khả trạng thái tự nhiên Trong trường hợp nguy hiểm giả định biết khả mà trạng thái tự nhiên xuất Xử lí khơng chắn Theo phản ứng trực giác vài nhà quản lí khơng đưa định không chắn đến thay đổi kinh tế đánh giá Tuy nhiên, khơng có thơng tin cho việc đánh giá cho hội (hoặc khơng có thời gian để thu thập nhiều thơng tin), người dùng số nhiều hướng tiếp cận để nắm bắt phần khơng chắn Ví dụ, hướng tiếp cận tối ưu hóa bao gồm xem xét hậu tốt thay đổi lựa chọn tốt tốt (cố phiếu) Hướng tiếp cận yếm (bảo thủ) bao gồm xem xét hậu xấu xảy cho thay đổi lựa chọn tốt (CDs) Mỗi chi tiết hướng tiếp cận khác, xem Turban Meredith [1994] Tất hướng tiếp cận nắm bắt không chắn có thiếu hụt nghiêm trọng Vì vậy, mơ hình nên cố gắng thu thập thơng tin đầy đủ vấn đề xử lí dạng chắn gỉa định nguy hiểm Xử lí nguy hiểm Chúng ta giả định hội phát triển bền vững giới hạn 50% mà tồn đọng 30%, lạm phát 20% Trong trường hợp bảng định viết lại với thêm thông tin Phương pháp chung cho việc giải vấn đề phân tích nguy hiểm chọn thay đổi với giá trị mong đợi lớn Một giá trị mong đợi tính tốn nhiều quy tắc (hậu quả) khả riêng chúng cộng thêm chúng Ví dụ, cho dây buộc: 12(0.5)+6(0.3)+3(0.2)=8.4 (đầu tư cho dây buộc, cho trung bình trở lại 8.4%) Cây định Một thể thay đổi bảng định định Một định có thuận lợi: Thứ nhất, biểu đồ mối quan hệ vấn đề, thứ hai, giải tình phức tạp nhiều hình dạng nhỏ gọn (ví dụ, vấn đề đầu tư đa thời kỳ) Alterative Solid Growth 0.50 Stagnation 0.30 Inflation 0.20 Expected Value Bonds 12% 6% 3% 8.4%(maximum) Stocks 15% 3% -2% 8% CDs 6.5% 6.5% 6.5% 6.5% Bảng 2.2 Quyết định mức nguy hiểm giải Alteratives Yield Safety Liquidity Bonds 8.4% High High Stocks 8% Low High CDs 6.5% Very High High Bảng 2.3 Đa mục tiêu Các phương pháp khác xử lí nguy hiểm Nhiều phương pháp khác xử lí nguy hiểm thảo luận sách Đặc biệt: mô phỏng, tác nhân chắn, logic mờ Đa mục tiêu 10 Phân phối liên tục: Các kiện (hoặc biến) nhận giá trị liên tục Mô xác suất thực phương pháp gọi Monte Carlo  Mô thời gian phụ thuộc thời gian độc lập Thời gian độc lập đề cập đến tình mà ta khơng cần quan tâm thời gian xác kiện xảy ra.Ví dụ, biết nhu cầu cho sản phẩm 3dv ngày, khơng cần quan tâm ngày, người ta có nhu cầu dùng sản phẩm Hoặc số trường hợp, thời gian khơng yếu tố mô tất Mặt khác, vấn đề hàng đợi, điều quan trọng phải biết xác thời gian đến (để biết khách hàng phải chờ đợi hay khơng) Trong tình quan tâm đến thời gian phụ thuộc  Mô trực quan Việc hiển thị đồ họa kết máy tính phát triển thành công tương tác máy tính - người giải vấn đề Mơ thí nghiệm (Thống kê) Gồm bước gọi thủ tục Monte Carlo:  Xác định tiêu chuẩn phù hợp với hệ thống Nếu cần thiết, viết dạng phương trình  Mơ tả hệ thống phân phối xác suất yếu tố xác suất thích hợp hệ thống  Xây dựng phân phối xác suất tích lũy cho yếu tố ngẫu nhiên  Gán số đại diện tương ứng với phân phối xác suất tích lũy  Với thành phần xác suất, lấy mẫu ngẫu nhiên (tạo số ngẫu nhiên chọn từ bảng số ngẫu nhiên)  Nếu kết ổn định mong đợi lặp lại bước số đo hệ thống ổn định Lặp lại bước 5-7 cho thay khác Đưa giá trị số đo biểu diễn khoảng độ tin cậy chúng, định phương án thay thích hợp 2.4 Lập trình Heuristic  Việc xác định giải pháp tối ưu cho số vấn đề định phức tạp liên quan đến ngăn cấm số lượng thời gian chi phí, chí nhiệm vụ khơng thể Cách khác, cách tiếp cận mơ kéo dài, phức tạp, chí khơng xác Trong tình vậy, đơi đến giải pháp thỏa đáng cách nhanh chóng tốn cách sử dụng Heuristics Trong Heuristics sử dụng chủ yếu để giải vấn đề thiếu cấu trúc, chúng sử dụng để cung cấp giải pháp thỏa đáng cho số vấn đề phức tạp, vấn đề cấu trúc tốt nhanh rẻ so với thuật tốn Khó khăn việc sử dụng Hueristic chúng trường hợp chung 16 thuật tốn Vì vậy, chúng thường sử dụng cho tình hình cụ thể mà chúng dự định Một vấn đề khác với phương pháp heuristic chúng dẫn đến giải pháp nghèo Lập trình Heuristic cách tiếp cận sử dụng heuristics để đạt tính khả thi giải pháp "đủ tốt" cho số vấn đề phức tạp "Đủ tốt" thường khoảng 90-99,9% giải pháp tối ưu thực Trong nghiên cứu ví dụ chương trình để phát triển ứng dụng, người ca quan sát nỗ lực để giảm số lượng tìm kiếm cho giải pháp thỏa đáng Trong tìm kiếm vậy, máy tính "dạy" làm để khám phá đường tương đối màu mỡ bỏ qua tương đối không màu mỡ Các lựa chọn máy tính thực cách sử dụng Hueristic cải thiện q trình tìm kiếm Heuristic định lượng, vậy, chúng đóng vai trị quan trọng sở mơ hình DSS Chúng chất lượng, sau chúng đóng vai trị quan trọng việc cung cấp kiến thức cho hệ chuyên gia Phương pháp luận Suy nghĩ Heuristic không thiết phải tiến hành cách trực tiếp Nó liên quan đến việc tìm kiếm, học hỏi, thẩm định, đánh giá, sau lần tìm kiếm, học lại, đánh giá lại khám phá thăm dò diễn Các kiến thức thu từ thành công hay thất bại số điểm đưa trở lại thay đổi trình tìm kiếm Thường xun khơng, cần thiết để xác định lại mục tiêu, vấn đề, để giải vấn đề có liên quan đơn giản trước vấn đề giải Phương pháp Heuristic mô tả Pearl [1984] dựa vào chiến lược tìm kiếm thơng minh cho vấn đề máy tính giải cách sử dụng số phương pháp thay Các thủ tục heuristic mơ tả việc tìm kiếm quy tắc giúp giải toán để khám phá làm để thiết lập subproblems cho giải pháp cuối việc tìm kiếm đường hứa hẹn việc tìm kiếm giải pháp, tìm cách để lấy giải thích thơng tin kinh nghiệm, sau tìm kiếm phương pháp dẫn đến thuật tốn tính tốn, giải pháp chung Thuật ngữ heuristic sử dụng để bao gồm tất bước sau: Một cách tiếp cận chung để kết hợp quy tắc: Một giản đồ phân loại giới thiệu cấu trúc vào vấn đề Phân tích đặc điểm yếu tố có vấn đề Quy tắc lựa chọn yếu tố từ thể loại để đạt chiến lược tìm kiếm hiệu Quy tắc cho lựa chọn thành công, yêu cầu Một chức khách quan sử dụng để kiểm tra tính đầy đủ giải pháp giai đoạn lựa chọn tìm kiếm Khi sử dụng Heuristics (per Zanakis Evans [1981]) Sau số kịch mà sử dụng Hueristic (thay tối ưu hóa) thích hợp: 17 Các liệu đầu vào khơng xác bị hạn chế Thực tế phức tạp mơ hình tối ưu hóa đơn giản Một phương pháp đáng tin cậy xác khơng có sẵn Thời gian tính tốn tối ưu hóa đáng Nó để nâng cao hiệu q trình tối ưu hóa (ví dụ, cách tạo giải pháp tốt sử dụng Hueristic) Các vấn đề giải thường xuyên liên tục tiêu tốn thời gian máy tính (Hueristic đặc biệt thích hợp) Vấn đề phức tạp mà khơng phải kinh tế để tối ưu hóa lâu thời gian heuristic cải thiện giải pháp noncomputerized Khi biểu tượng xử lý số có liên quan (trong hệ chuyên gia) Ưu điểm Heuristics Những lợi Hueristic: Đơn giản để hiểu dễ dàng để thực Giúp việc đào tạo người sáng tạo đưa Hueristic cho vấn đề khác Tiết kiệm thời gian xây dựng Lưu chương trình yêu cầu lưu trữ máy tính Tiết kiệm thời gian máy tính chạy (speed!) Thường xuyên sản xuất nhiều giải pháp chấp nhận Đối với khảo sát phân loại với vài trăm tài liệu tham khảo thấy Zanakis, et al [1989] Có xu hướng sử dụng Hueristic thay cho phương pháp tối ưu Hueristic thú vị để phát triển sử dụng Những yêu cầu hiểu biết chất vấn đề khéo léo Vấn đề sử dụng Heuristics Geoffrion Văn Roy [1979] xác định thiếu sót Hueristic sau đây: Hueristic liệt kê xem xét tất kết hợp có vấn đề thực tế đạt Chuỗi lựa chọn định không lường trước hậu tương lai lựa chọn "Cải thiện địa phương" ngắn mạch giải pháp tốt phương pháp này, tương tự mô phỏng, thiếu viễn cảnh toàn cục Phụ thuộc lẫn phần hệ thống đơi có ảnh hưởng sâu sắc đến tồn hệ thống 2.5 Sơ đồ ảnh hưởng Một sơ đồ ảnh hưởng cung cấp trình bày đồ họa mơ hình Nó cung cấp giao tiếp trực quan cho nhà xây dựng mơ hình Nó phục vụ khuôn khổ để thể chất xác mối quan hệ mơ hình MSS Thuật ngữ ảnh hưởng đề cập đến phụ thuộc biến vào mức độ biến khác Một sơ đồ ảnh hưởng đến tất biến vấn đề quản lý Ảnh hưởng đến sơ đồ xuất nhiều hình dạng Chúng tơi sử dụng quy ước sau đây, đề nghị Bodily [1985] 18 Các biến kết nối với mũi tên, để hướng ảnh hưởng đến Các hình dạng mũi tên cho thấy loại mối quan hệ Sau mối quan hệ điển hình: Hình 2.5 Mũi tên chiều hai chiều (bidirectional) Sơ đồ ảnh hưởng xây dựng mức độ chi tiết tinh tế Nó cho phép nhà xây dựng mơ hình ghi nhớ tất mối quan hệ mơ hình, hướng ảnh hưởng Ví dụ Cho mơ hình: Thu nhập = đơn vị bán x đơn giá Các đơn vị bán = 0,5 x số sử dụng quảng cáo Chi phí = chi phí đơn vị x đơn vị bán + chi phí cố định Lợi nhuận = thu nhập - chi phí Một sơ đồ ảnh hưởng mơ hình đơn giản thể hình 5.2 Phần mềm Một số sản phẩm phần mềm có sẵn cho việc thực sơ đồ ảnh hưởng Quá trình giải sản phẩm biến đổi từ vấn đề ban đầu vào hình thức sản xuất Sản phẩm đại diện là: o DAVID (from Duke University) Sản phẩm giúp người sử dụng để xây dựng, sửa đổi, phân tích mơ hình môi trường tương tác đồ họa 19 o INDIA (from Decision Focus, Inc, Palo Alto, CA) Quá trình giải sản phẩm biến đổi vấn đề ban đầu thành hình thức giảm nỗ lực để xác định sách tối ưu o DPL (from ADA Decision Analysis, Menlo Park, CA) Sản phẩm cung cấp tổng hợp sơ đồ ảnh hưởng định o DS Lab (xem phần 5,13) Đối với phân tích so sánh đáng tin cậy Reliability Engineering and system safety, 30 (1990): 115-162 Ngoài ra, số phần mềm máy tính đồ họa gói CASE sử dụng để vẽ sơ đồ ảnh hưởng Fix cost expensses Unit cost Profit Dollar amount spent on advertisement Units sold icome Unit price 2.6 Dự báo Người đọc nhớ lại rằng, định đưa liên quan lựa chọn khóa thay hành động cách đánh giá hậu có lựa chọn thay Mặc dù lựa chọn thực ngày hôm nay, hậu xảy đơi tương lai Vì vậy, chất lượng định phần lớn phụ thuộc vào chất lượng dự báo Các mơ hình dự báo phần khơng thể thiếu nhiều MSS Người ta xây dựng mơ hình dự báo, người ta sử dụng gói phần mềm lập trình sẵn Nhiều cơng cụ phát triển MSS có số khả dự báo xây dựng Việc sử dụng dự báo Việc sử dụng dự báo, liên quan đến mơ hình, dự đốn giá trị biến mơ hình, mối quan hệ hợp lý mơ hình, số thời điểm tương lai Thời gian quan tâm tương lai phụ thuộc vào "khi" muốn đánh giá kết Ví dụ, định đầu tư, chúng tơi quan tâm đến giá thu nhập năm từ ngày hôm nay, định đầu tư vốn, chúng tơi quan tâm đến giá dự án thu nhập năm năm tới Nói chung, chúng tơi phân biệt hai loại dự báo: (a) ngắn hạn (lên đến 20