ra quyết định dựa trên mô hình

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN TOÁN ỨNG DỤNG VÀ TIN HỌC ———————o0o——————– BÁO CÁO MÔN HỌC HỆ HỖ TRỢ QUYẾT ĐỊNH TÊN ĐỀ TÀI: RA QUYẾT ĐỊNH DỰA TRÊN MƠ HÌNH Giảng viên hướng dẫn: Nhóm sinh viên thực hiện: TS.LÊ CHÍ NGỌC Nhóm - Tốn Tin - K61 Lê Thị Huệ Nguyễn Thị Ngọc Huyền Đặng Thị Cần Nguyễn Thị Liên HÀ NỘI, 03/2020 20161775 20161898 20160398 20162356 Mục lục Lời nói đầu Ra định dựa mơ hình 9.1 Mơ hình hóa định 9.1.1 Khái niệm 9.1.2 Các thành phần hỗ trợ định 9.1.3 Cấu trúc mơ hình hóa 9.2 Ra định môi trường không chắn 9.2.1 Ra định môi trường tất định 9.2.2 Ra định môi trường bất định 9.2.3 Phân tích rủi ro 9.3 Các công cụ hỗ trợ định 9.3.1 Quy hoạch toán học 9.3.2 Quyết định với bảng tính 9.3.3 Phân tích nhạy cảm 9.3.4 Phân tích kịch 9.3.5 Tìm kiếm mục tiêu 9.3.6 Bảng định 9.3.7 Cây định 9.3.8 So sánh theo cặp 9.4 Mô 9.4.1 Khái niệm 9.4.2 Các đặc tính 9.4.3 Ưu nhược điểm 9.4.4 Phương pháp luận 9.4.5 Các dạng mô 9.4.6 Hiển thị tương tác Tài liệu tham khảo mơ hình 3 8 9 10 10 12 13 15 16 17 19 21 22 22 26 26 28 29 32 36 Lời nói đầu Trong báo cáo này, nhóm chúng em trình bày kỹ thuật chọn lọc sử dụng phân tích định Mục đích chương giới thiệu chủ đề mơ hình hóa phân tích Bài báo cáo bao gồm phần sau: Mơ hình hóa định Ra định môi trường không chắn Các công cụ hỗ trợ định Mô Trong suốt trình thực báo cáo này, có hạn chế mặt thời gian kiến thức, tiếng anh chuyên ngành nên báo cáo nhóm em khơng tránh khỏi sai xót Nhóm em mong nhận góp ý chỉnh sửa từ thầy bạn Cuối nhóm xin gửi lời cảm ơn sâu sắc tới Thầy Lê Chí Ngọc, cảm ơn thầy nhiệt tình hướng dẫn , giảng dạy qua cung cấp cho nhóm kiến thức bổ ích để nhóm hồn thiện báo cáo Nhóm xin trân thành cảm ơn thầy! Hà Nội, ngày 02 tháng 04 năm 2020 Nhóm sinh Viên Lê Thị Huệ Đặng Thị Cần Nguyễn Thị Liên Nguyễn Thị Ngọc Huyền Chương Ra định dựa mơ hình 9.1 9.1.1 Mơ hình hóa định Khái niệm Mơ hình hóa yếu tố quan trọng hầu hết DSS điều cần thiết DSS dựa mơ hình Có nhiều lớp mơ hình, thường có nhiều kỹ thuật chuyên dụng để giải Mô cách tiếp cận mơ hình phổ biến, có số cách khác Các mơ hình mơ tạo trình định tổ chức cho phép thấy tác động lựa chọn tương lai Cơng ty tiết kiệm hàng triệu chi phí sản xuất thơng qua mơ phỏng.IBM dự đốn hành vi sơng Guadalupe dài 230 dặm nhiều nhánh sơng Dự đốn đưa vài ngày trước lũ lụt xảy Điều quan trọng cho phép có đủ thời gian để quản lý chuẩn bị thảm họa IBM sử dụng kết hợp liệu thời tiết cảm biến để xây dựng ứng dụng mô hệ thống sông mơ hàng ngàn nhánh sơng lúc Bên cạnh dự báo lũ lụt, ứng dụng sử dụng để lập kế hoạch tưới tiêu theo cách để làm tác động hạn hán nước dư thừa Ngay công ty chịu áp lực tài cần đầu tư cần đầu tư vào giải pháp để đạt hiệu cao từ nguồn lực bị họ cịn nhiều Cơng ty gối đầu, công ty trị giá tỷ chun sản xuất máy bay, đệm lót chăn bơng, nộp đơn xin phá sản cần phải tổ chức lại nhà máy để tối đa hóa lợi nhuận rịng từ hoạt động cơng ty Nó sử dụng mơ hình mơ để phát triển mơ hình nạc sử dụng sử dụng mơ hình dẫn đến tiết kiệm 12 triệu Chúng ta nghiên cứu mô phần Các vấn đề mơ hình hóa đại: Chương 9: Ra định dựa mơ hình a) Xác định vấn đề phân tích mơi trường Một khía cạnh quan trọng qt phân tích mơi trường, giám sát, qt giải thích thơng tin thu thập Quyết định đưa không gian Điều quan trọng phải phân tích phạm vi miền lực lượng động lực môi trường Người định cần xác định văn hóa tổ chức quy trình định cơng ty (người định, mức độ tập trung) Hồn tồn yếu tố mơi trường tạo vấn đề Các công cụ phân tích BI/doanh nghiệp (BA) giúp xác định vấn đề cách quét chúng vấn đề phải hiểu người liên quan nên chia sẻ khung hiểu biết, vấn đề cuối đại diện mơ hình dạng hay dạng khác Ngược lại, mơ hình khơng giúp người định b) Xác định biến Xác định biến mơ hình (ví dụ: định, kết quả, khơng kiểm sốt được) quan trọng, mối quan hệ biến Các sơ đồ ảnh hưởng, mơ hình đồ họa mơ hình tốn học, tạo thuận lợi cho trình nhận dạng Tổng quát từ sơ đồ ngập nước, đồ nhận thức, giúp người định phát triển hiểu biết tốt vấn đề, đặc biệt biến tương tác chúng c) Dự báo (phân tích dự báo) Dự báo dự đốn tương lai hình thức phân tích dự đốn chắn cho mơ hình xây dựng thao túng, định thực thi, kết thường xảy tương lai DSS thường thiết kế để xác định điều xảy ra, báo cáo MIS truyền thống Điểm quan trọng việc điều hành điều xảy khứ bị gián đoạn, định đưa sau không ảnh hưởng đến tương lai Dự báo trở nên khó khăn phần mềm định vị tự động hóa nhiều vấn đề phức tạp việc phát triển mơ d) Các loại mơ hình Trong bảng sau phân tích mơ hình thành bảy nhóm liệt kê số kỹ thuật đại diện cho loại Mỗi kỹ thuật áp dụng cho mơ hình tĩnh mơ hình động, xây dựng mơi trường giả định tính chắn, khơng chắn rủi ro Để xúc tiến việc xây dựng mơ hình, sử dụng hệ thống phân tích định đặc biệt có ngơn ngữ khả mơ hình hóa nhúng chúng Chúng NSVTH: Nhóm Tốn Tin K61 Chương 9: Ra định dựa mơ hình bao gồm bảng tính, hệ thống khai phá liệu, hệ thống OLAP ngơn ngữ mơ hình hóa giúp nhà phân tích xây dựng mơ hình e) Quản trị mơ hình Các mơ hình, giống liệu, phải quản lý để trì tính tồn vẹn chúng khả ứng dụng chúng Việc quản lý thực với trợ giúp hệ thống quản lý sở mơ hình (MBMS), tương tự hệ thống quản lý sở liệu (DBMS) f) Kiến thức dựa mơ hình DSS sử dụng hầu hết mơ hình định lượng, hệ thống chuyên gia sử dụng mô hình định tính, dựa kiến thức ứng dụng họ Một số kiến thức cần thiết để xây dựng mơ hình giải (và sử dụng được) Nhiều kỹ thuật phân tích dự đốn phân loại, phân cụm, v.v sử dụng việc xây dựng mơ hình dựa kiến thức Theo mơ tả, mơ xây dựng từ phân tích chun mơn kết hợp chun mơn mơ hình NSVTH: Nhóm Toán Tin K61 Chương 9: Ra định dựa mơ hình 9.1.2 Các thành phần hỗ trợ định mơ hình Tất mơ hình định lượng thường tạo thành từ bốn biến thành phần (hoặc kết quả), biến định, biến không kiểm soát (hoặc tham số) biến kết trung gian, mối quan hệ toán học liên kết kết hợp với Trong mơ hình khơng định lượng, mối quan hệ biểu tượng định tính Sự định định xác định dựa định đưa (giá trị biến định), yếu tố kiểm sốt người định (trong mơi trường) mối quan hệ biến Q trình mơ hình hóa bao gồm việc xác định biến mối quan hệ chúng Việc tạo mơ hình xác định giá trị chúng biến kết a) Biến kết (kết quả): phản ánh mức độ hiệu hệ thống, nghĩa chúng ra, hệ thống thực tốt đạt mục tiêu Các biến đầu Các biến kết biến phụ thuộc xem xét, biến kết trung gian số thời điểm sử dụng mơ hình hóa để xác định kết trung gian Trong trường hợp biến phụ thuộc, kiện khác phải xảy trước kiện giải thích biến xảy Biến kết phụ thuộc vào xuất biến định biến khơng kiểm sốt NSVTH: Nhóm Toán Tin K61 Chương 9: Ra định dựa mơ hình b) Biến định: Các biến định mơ tả khóa hành động thay Người định kiểm sốt biến định Ví dụ, vấn đề đầu tư, số tiền đầu tư vào trái phiếu biến số định c) Tham số: Các biến tham số kiểm sốt: tình định, có yếu tố ảnh hưởng đến biến khơng chịu kiểm sốt người định Cả hai yếu tố sửa, trường hợp đó, chúng gọi biến khơng kiểm sốt được, tham số, chúng thay đổi, trường hợp chúng gọi biến Ví dụ yếu tố lãi suất bản, mã quy định thành phố, quy định thuế chi phí tiện ích Hầu hết yếu tố khơng thể kiểm sốt chúng nằm xác định yếu tố hệ thống người định làm việc Một số biến giới hạn người định hình thành nên hạn chế vấn đề d) Biến kết trung gian: biến kết xen kẽ phản ánh kết trung gian mơ hình tốn học Ví dụ: việc xác định lịch trình máy, hư hỏng biến kết xen kẽ tổng lợi nhuận biến kết (nghĩa là, hư hỏng yếu tố định tổng lợi nhuận) 9.1.3 Cấu trúc mơ hình hóa Các thành phần mơ hình định lượng liên kết với biểu thức đại số tốn học Một mơ hình tài đơn giản là: P = R − C P = lợi nhuận, R = doanh thu C = chi phí Phương trình giải thích mối quan hệ biến Một mơ hình tài tiếng khác mơ hình dịng tiền đơn giản, P = giá trị tại, F = khoản toán tương lai đô la,i = lãi suất (phần trăm) n = số năm Với mơ hình này, xác định giá trị lâu dài khoản toán 100000$ thực năm kể từ ngày hôm nay, với lãi suất 10%, sau: P = NSVTH: Nhóm 100000 = 62, 092 (1 + 0, 1)5 Toán Tin K61 Chương 9: Ra định dựa mơ hình 9.2 Ra định mơi trường khơng chắn Một phần q trình định Simon, liên quan đến việc đánh giá so sánh lựa chọn thay thế; q trình này, cần dự đốn kết tương lai phương án đề xuất Các tình định thường phân loại sở người định biết (hoặc tin) kết dự báo Ta thường phân loại kiến thức thành loại từ kiến thức hoàn chỉnh đến thiếu hiểu biết: chắn, rủi ro, tính không chắn 9.2.1 Ra định môi trường tất định Trong việc đưa định cách chắn, người ta cho kiến thức đầy đủ có sẵn để người định biết xác kết trình hành động (như mơi trường xác định) Có thể không kết 100 phần trăm biết, không cần thiết phải thực đánh giá tất kết quả, thường giả định mơ mơ hình làm cho điều chỉnh Người định xem người dự đốn hồn hảo tương lai người ta cho có kết cho phương án Ví dụ: phương án đầu tư vào tín phiếu Kho bạc Hoa Kỳ có đầy đủ thơng tin lợi tức đầu tư tương lai giữ đến ngày đáo hạn Một tình liên quan đến việc định theo chắn xảy thường xuyên với mối quan hệ có cấu trúc với thời gian ngắn (lên đến năm) Các mơ hình chắn tương đối dễ dàng để phát triển giải quyết, chúng mang lại giải pháp tối ưu Nhiều mơ hình tài xây dựng theo NSVTH: Nhóm Tốn Tin K61 Chương 9: Ra định dựa mơ hình chắn giả định, thị trường điều chắn 100% 9.2.2 Ra định môi trường bất định Việc định không chắn, người định xem xét tình số kết cho trình hành động Ngược lại với tình rủi ro, trường hợp người định khơng biết, khơng thể ước tính, xác suất xảy kết Ra định khơng chắn khó khăn so với định làm cho chắn khơng có đủ thơng tin Mơ hình hóa tình liên quan đến việc đánh giá thái độ người đưa định (hoặc tổ chức) rủi ro Các nhà quản lý cố gắng tránh khơng chắn nhiều tốt, chí đến mức giả định nó, thay đối phó với khơng chắn, họ cố gắng để có nhiều thơng tin vấn đề xử lý cách chắn (bởi xử lý gần chắn) rủi ro tính tốn (tức giả định) Nếu khơng có thêm thông tin, vấn đề phải giải điều kiện khơng chắn, dứt khốt loại khác 9.2.3 Phân tích rủi ro Cịn gọi tình định xác suất ngẫu nhiên, tình người định phải xem xét số kết rõ ràng cho phương án, trường hợp có xác suất xảy Các xác suất dài hạn mà kết cho xảy giả định biết ước tính Theo giả định này, người định đánh giá mức độ rủi ro liên quan đến phương án (gọi rủi ro tính tốn) Hầu hết định kinh doanh thực rủi ro giả định Phân tích rủi ro (nghĩa rủi ro tính tốn) phương pháp định phân tích rủi ro (dựa xác suất biết giả định) liên quan đến lựa chọn thay khác Phân tích rủi ro hình thành cách tính giá trị dự kiến phương án chọn phương án có giá trị kỳ vọng tốt NSVTH: Nhóm Toán Tin K61 Chương 9: Ra định dựa mơ hình đến tiêu chí cuối Điều thiết lập tầm quan trọng tiêu chí; nghĩa là, trọng số mục tiêu phân phối cho tiêu chí (tầm quan trọng tiêu chí) Phương pháp khách quan thực thao tác ma trận toán học Các thao tác minh bạch cho người dùng chi tiết hoạt động phương pháp không quan trọng người định Cuối cùng, số không quán cho thấy mức độ phù hợp phép so sánh, xác định khơng quán, lỗi phán đoán đơn giản lỗi Phương pháp AHP phù hợp với lý thuyết định Bên tiêu chí lựa chọn (lựa chọn thay thế) giống trường hợp đơn giản mô tả Giống mục tiêu, tiêu chí phân tách trọng số chúng thành lựa chọn, chiếm 100% trọng số tiêu chí Người định thực so sánh cặp lựa chọn mặt ưu tiên, chúng liên quan đến tiêu chí cụ thể xem xét Mỗi lựa chọn phải so sánh theo cặp chúng liên quan đến tiêu chí Một lần nữa, ba chế độ so sánh có sẵn khơng qn số lấy từ báo cáo Cuối cùng, kết tổng hợp hiển thị biểu đồ Sự lựa chọn với trọng lượng lớn lựa chọn xác Tuy nhiên, số điều kiện, định xác khơng phải định Ví dụ: có hai lựa chọn giống hệt (ví dụ: bạn chọn xe để mua bạn có hai xe giống hệt nhau), họ chia đơi trọng số khơng có trọng lượng Ngồi ra, vài lựa chọn hàng đầu gần nhau, có tiêu chí cịn thiếu sử dụng để phân biệt lựa chọn 9.4 Mô 9.4.1 Khái niệm Mô xuất thực tế Trong MSS, mô kỹ thuật để tiến hành thử nghiệm (ví dụ: phân tích what-if) với máy tính mơ hình hệ thống quản lý Thơng thường, tình định thực tế liên quan đến số ngẫu nhiên Do DSS xử lý tình bán cấu trúc không cấu trúc, nên thực tế phức tạp, khơng dễ dàng biểu diễn tối ưu hóa mơ hình khác thường xử lý mơ Mô phương pháp DSS sử dụng phổ biến NSVTH: Nhóm 22 Tốn Tin K61 Chương 9: Ra định dựa mô hình Xem trường hợp ứng dụng 10.2 10.3 để biết ví dụ Trường hợp ứng dụng 10.3 minh họa giá trị mơ mơi trường khơng có đủ thời gian để thực thử nghiệm lâm sàng Trường hợp ứng dụng 10.2: Cải thiện việc định bảo trì Khơng qn Phần Lan thơng qua mô Không quân Phần Lan muốn đạt hiệu hệ thống bảo trì để giữ nhiều máy bay tốt an toàn lúc để huấn luyện, làm nhiệm vụ nhiệm vụ khác, cần Một chương trình mơ kiện riêng biệt tương tự chương trình sử dụng sản xuất phát triển để phù hợp với vấn đề lực lượng lao động, thời gian thực hiện, chậm trễ xử lý vật liệu khả xảy lỗi thiết bị Các nhà phát triển phải xem xét tính sẵn có máy bay, u cầu tài ngun cho hoạt động quốc tế chương trình bảo trì định kỳ Thơng tin cho điều kiện bình thường điều kiện xung đột đưa vào chương trình mơ lịch bảo trì thay đổi từ tình sang tình khác Các nhà phát triển phải ước tính số thơng tin tính bảo mật, đặc biệt liên quan đến kịch xung đột (khơng có liệu xác suất thiệt hại chiến đấu) Họ sử dụng số phương pháp để thu thập bảo mật liệu, hỏi chuyên gia lĩnh vực bảo dưỡng máy bay cấp độ khác cho ý kiến họ thiết kế mơ hình cho phép nhập liệu bí mật vào hệ thống Ngồi ra, mơ so sánh với liệu hiệu suất thực tế để đảm bảo kết mơ xác Chương trình bảo trì chia thành ba cấp độ: Cấp độ tổ chức, phi đội chiến đấu đảm nhiệm việc kiểm tra sơ bộ, kiểm tra quay vòng (xảy máy bay quay trở lại) sửa chữa nhỏ khác huy điều kiện bình thường Cấp độ trung gian, bảo dưỡng định kỳ phức tạp sửa chữa lỗi chăm sóc sửa chữa lệnh khơng khí mua sắm khơng qn điều kiện bình thường Các cấp kho, tất bảo trì định kỳ chăm sóc nằm cách xa khơng quân Trong điều kiện xung đột, hệ thống phân cấp từ khơng qn Các mức bảo trì vừa mơ tả tiếp tục thực sửa chữa xác tương tự, bảo trì định kỳ loại bỏ.Ngồi ra, tùy thuộc vào nhu cầu, nguồn cung cấp khả năng, cấp độ số đảm nhận bảo trì sửa chữa cần thiết lúc điều kiện xung đột Mơ hình mơ triển khai phần mềm Arena dựa NSVTH: Nhóm 23 Tốn Tin K61 Chương 9: Ra định dựa mơ hình ngôn ngữ SIMAN liên quan đến giao diện người dùng đồ họa (GUI) thực thi Visual Basic for Application (VBA) Dữ liệu đầu vào bao gồm tham số mô trạng thái hệ thống ban đầu: đặc điểm lệnh khơng khí, nhu cầu bảo trì hoạt động bay; tích lũy bay; vị trí máy bay Bảng tính Excel sử dụng để nhập xuất liệu Ngoài ra, thông số số liệu đầu vào ước tính từ liệu thống kê dựa thông tin từ chuyên gia chủ đề Chúng bao gồm xác suất thời gian lần hỏng hóc, thiệt hại trì nhiệm vụ bay, thời gian loại bảo dưỡng định kỳ, sửa chữa thất bại, sửa chữa thiệt hại, thời gian nhiệm vụ bay thời gian thực nhiệm vụ Mơ hình mơ thành công Quân đội Phần Lan, phối hợp với Không quân Phần Lan, phát minh mơ hình mơ để bảo trì cho số máy bay trực thăng vận tải (Nguồn: Dựa V Mattila, K Virtanen T Raivio, “Improving Maintenance Decision Making in the Finnish Air Force Through Simulation,” Interfaces, Tập 38, số 3, tháng / tháng năm 2008, trang 187-201.) Trường hợp ứng dụng 10.3: Tác dụng mô can thiệp viêm gan B Mặc dù Hoa Kỳ đầu tư đáng kể vào chăm sóc sức khỏe, số vấn đề dường bất chấp giải pháp Ví dụ, tỷ lệ lớn dân số châu Á Hoa Kỳ dễ mắc bệnh so với người khác mắc bệnh virus Viêm gan B Ngoài vấn đề xã hội liên quan đến bệnh (như cách ly), bốn người mắc bệnh mạn tính có người có nguy mắc bệnh ung thư gan xơ gan bệnh không điều trị hiệu Quản lý bệnh tốn Có số biện pháp kiểm soát, bao gồm sàng lọc, tiêm phịng thủ tục điều trị Chính phủ không ngần ngại chi tiền cho phương pháp kiểm sốt khơng hiệu mặt chi phí khơng có chứng sức khỏe gia tăng người mắc bệnh Mặc dù khơng phải tất biện pháp kiểm sốt tối ưu cho tình huống, phương pháp tốt kết hợp phương pháp để chống lại bệnh chưa biết đến Phương pháp/giải pháp: Một nhóm đa ngành bao gồm người có tảng y tế, khoa học quản lý kỹ thuật phát triển mơ hình tốn học phương pháp nghiên cứu hoạt động (OR) xác định kết hợp đắn biện pháp kiểm soát sử dụng để chống lại bệnh viêm gan B dân số châu Á Thái Bình Dương Thơng thường, thử nghiệm lâm sàng sử dụng lĩnh vực y tế để NSVTH: Nhóm 24 Tốn Tin K61 Chương 9: Ra định dựa mơ hình xác định hướng hành động tốt điều trị phịng ngừa bệnh Biến chứng tình trạng khoảng thời gian dài bất thường cần đến Viêm gan B để tiến triển Do chi phí cao kèm với thử nghiệm lâm sàng tình này, mơ hình phương pháp nghiên cứu hoạt động sử dụng Một kết hợp Markov mơ hình định đưa cách hiệu chi phí để xác định kết hợp biện pháp kiểm soát sử dụng thời điểm Mơ hình định giúp đo lường lợi ích kinh tế sức khỏe khả sàng lọc, điều trị tiêm chủng khác Mơ hình Markov sử dụng để mơ hình hóa tiến triển Viêm gan B Mơ hình tạo dựa tài liệu chuyên môn khứ từ nhà nghiên cứu rút từ liệu điều trị nhiễm trùng Các nhà hoạch định sách xây dựng mơ hình Microsoft Excel thân thiện với người dùng Kết / Lợi ích Mơ hình kết phân tích chương trình kiểm sốt có Hoa Kỳ Trung Quốc Ở Hoa Kỳ, bốn chiến lược phát triển so sánh với chiến lược có Bốn chiến lược là: a Tất cá nhân tiêm chủng b Các cá nhân sàng lọc để xác định xem họ có bị nhiễm trùng mãn tính hay khơng Nếu có, sau họ điều trị c Các cá nhân sàng lọc để xác định xem họ có bị nhiễm trùng mãn tính hay không Nếu họ bị nhiễm trùng, họ điều trị Ngoài ra, cộng thân cận người bị nhiễm sàng lọc tiêm phòng, cần thiết d Các cá nhân sàng lọc để xác định xem họ có bị nhiễm trùng mãn tính hay cần tiêm phịng hay khơng Nếu họ bị nhiễm bệnh, họ điều trị Nếu họ cần tiêm phịng, họ tiêm chủng Kết mơ thực xét nghiệm máu để xác định nhiễm trùng mãn tính cộng tiêm chủng người nhiễm bệnh có hiệu chi phí Tại Trung Quốc, mơ hình giúp thiết kế sách tiêm chủng bắt kịp cho trẻ em thiếu niên Chính sách bắt kịp so sánh với mức độ bao phủ vắc-xin Viêm gan B Nó kết luận cá nhân 19 tuổi tiêm chủng, kết sức khỏe cải thiện thời gian dài Trên thực tế, sách có hiệu mặt tài so với sách kiểm soát dịch bệnh tại thời điểm đánh giá NSVTH: Nhóm 25 Tốn Tin K61 Chương 9: Ra định dựa mơ hình (Nguồn: D W Hutton, M L Brandeau S K.So, “Doing Good with Good OR: Supporting Cost-Effective Hepatitis B Interventions,” Interfaces, Tập 41, số 3, 2011, trang 289 9.4.2 Các đặc tính Mơ khơng hồn tồn loại mơ hình; mơ hình thường đại diện cho thực tế, mơ thường bắt chước Trong ý nghĩa thực tế, có đơn giản hóa thực tế mơ hình mơ so với mơ hình khác Ngồi ra, mơ kỹ thuật để tiến hành thí nghiệm Do đó, liên quan đến việc kiểm tra giá trị cụ thể định biến khơng kiểm sốt mơ hình quan sát tác động lên biến đầu Tại DuPont, người định ban đầu chọn mua thêm xe lửa; nhiên, giải pháp thay liên quan đến việc lập lịch trình tốt cho đường ray có phát triển, thử nghiệm phát có cơng suất vượt mức, cuối tiết kiệm tiền Mô mô tả khơng phải phương pháp quy phạm Khơng có tìm kiếm tự động cho giải pháp tối ưu Thay vào đó, mơ hình mơ mơ tả dự đốn đặc tính hệ thống định điều kiện khác Khi giá trị đặc tính tính tốn, chọn tốt số lựa chọn thay Q trình mơ thường lặp lại thử nghiệm nhiều lần để có ước tính (và phương sai) hiệu tổng thể hành động định Trong hầu hết tình huống, mơ máy tính phù hợp, có số mơ thủ cơng tiếng (ví dụ: sở cảnh sát thành phố mơ lịch trình xe tuần tra với bánh xe trị chơi lễ hội) Cuối cùng, mô thường sử dụng vấn đề phức tạp xử lý kỹ thuật tối ưu hóa số Sự phức tạp tình có nghĩa vấn đề khơng thể tạo để tối ưu hóa (ví dụ, giả định khơng giữ được), cơng thức lớn, có nhiều tương tác biến chất vấn đề ngẫu nhiên (tức thể rủi ro không chắn) 9.4.3 Ưu nhược điểm Ưu điểm Mô sử dụng mơ hình hỗ trợ định lý sau: NSVTH: Nhóm 26 Tốn Tin K61 Chương 9: Ra định dựa mơ hình • Lý thuyết đơn giản • Có thể đạt lượng lớn thời gian nén, nhanh chóng mang lại cho người quản lý số cảm nhận tác động lâu dài (1- đến 10 năm) nhiều sách • Mơ mơ tả khơng phải quy phạm Điều cho phép người quản lý đặt câu hỏi what-if Các nhà quản lý sử dụng phương pháp thử sai để giải vấn đề thực nhanh hơn, với chi phí thấp hơn, xác rủi ro • Người quản lý thử nghiệm để xác định biến số định phần môi trường thực quan trọng với lựa chọn thay khác • Một mơ hình mơ xác địi hỏi kiến thức sâu sắc vấn đề, buộc người xây dựng MSS phải liên tục tương tác với người quản lý Điều mong muốn cho phát triển DSS nhà phát triển người quản lý hiểu rõ vấn đề định tiềm có sẵn • Mơ hình xây dựng theo quan điểm người quản lý • Mơ hình mơ xây dựng cho vấn đề cụ thể thường giải vấn đề khác Vì vậy, khơng có hiểu biết khái quát yêu cầu người quản lý; thành phần mơ hình tương ứng với phần hệ thống thực • Mơ xử lý nhiều loại vấn đề khác nhau, chẳng hạn hàng tồn kho nhân sự, chức quản lý cấp cao hơn, chẳng hạn lập kế hoạch dài hạn • Mơ nói chung bao gồm phức tạp thực vấn đề; đơn giản hóa khơng cần thiết Ví dụ, mơ sử dụng phân phối xác suất thực phân phối lý thuyết gần • Mơ tự động tạo nhiều biện pháp hiệu suất quan trọng • Mơ thường phương pháp mơ hình DSS dễ dàng xử lý vấn đề tương đối khơng có cấu trúc NSVTH: Nhóm 27 Tốn Tin K61 Chương 9: Ra định dựa mô hình • Một số gói mơ tương đối dễ sử dụng (ví dụ: mơ Monte Carlo) có sẵn Chúng bao gồm gói bảng tính bổ trợ (ví dụ: @RISK), phần mềm sơ đồ ảnh hưởng, gói dựa Java (và phát triển Web khác) hệ thống mô tương tác trực quan sớm thảo luận Nhược điểm Những nhược điểm mô phỏng: • Một giải pháp tối ưu khơng thể đảm bảo, giải pháp tương đối tốt thường tìm thấy • Xây dựng mơ hình mơ q trình chậm tốn kém, hệ thống mơ hình dễ sử dụng hết • Các giải pháp suy luận từ nghiên cứu mô thường khơng thể chuyển sang vấn đề khác mơ hình kết hợp yếu tố vấn đề độc đáo • Mơ đơi dễ giải thích cho nhà quản lý phương pháp phân tích thường bị bỏ qua • Phần mềm mơ đơi địi hỏi kỹ đặc biệt phức tạp phương pháp giải pháp thức 9.4.4 Phương pháp luận Mô liên quan đến việc thiết lập mơ hình hệ thống thực tiến hành thí nghiệm lặp lặp lại Phương pháp bao gồm bước sau, Hình 6: Xác định vấn đề Chúng ta kiểm tra phân loại vấn đề giới thực, xác định lý phương pháp mô phù hợp Các ranh giới, môi trường khía cạnh khác việc làm rõ vấn đề xử lý Xây dựng mô hình mơ Bước liên quan đến việc xác định biến mối quan hệ chúng, thu thập liệu Thơng thường quy trình mô tả cách sử dụng sơ đồ, sau chương trình máy tính viết Kiểm tra xác nhận mơ hình Mơ hình mơ phải thể hệ thống nghiên cứu Kiểm tra xác nhận đảm bảo điều Thiết kế thí nghiệm Khi mơ hình chứng minh hợp lệ, thí nghiệm thiết kế Xác định thời gian để chạy mô phần bước Có hai mục tiêu quan trọng mâu thuẫn: xác chi phí Cũng NSVTH: Nhóm 28 Tốn Tin K61 Chương 9: Ra định dựa mơ hình cần thận trọng xác định trường hợp điển hình (ví dụ: trường hợp trung bình trung bình cho biến ngẫu nhiên), trường hợp tốt (ví dụ: chi phí thấp, doanh thu cao) trường hợp xấu (ví dụ: chi phí cao, doanh thu thấp) Chúng giúp thiết lập phạm vi biến định môi trường để làm việc hỗ trợ gỡ lỗi mô hình mơ Tiến hành thí nghiệm Tiến hành thí nghiệm liên quan đến vấn đề từ tạo số ngẫu nhiên đến trình bày kết Đánh giá kết Kết phải giải thích Ngồi cơng cụ thống kê tiêu chuẩn, phân tích độ nhạy sử dụng Thực kết Việc thực kết mô liên quan đến vấn đề tương tự việc thực khác Tuy nhiên, hội thành cơng tốt người quản lý thường tham gia vào q trình mơ nhiều so với mơ hình khác Mức độ tham gia quản lý cao thường dẫn đến mức độ thành công thực cao Banks Gibson (2009) trình bày số lời khun hữu ích thực hành mơ Ví dụ, họ liệt kê bảy vấn đề sau lỗi phổ biến nhà lập mơ hình mơ Danh sách, không đầy đủ, cung cấp hướng dẫn chung cho chuyên gia làm việc dự án mô • Tập trung nhiều vào mơ hình vấn đề • Cung cấp ước tính điểm • Khơng biết nên dừng lại • Báo cáo khách hàng muốn nghe kết mơ hình nói • Thiếu hiểu biết thống kê • Nguyên nhân kết khó hiểu • Thất bại việc nhân rộng thực tế 9.4.5 Các dạng mô Như thấy, mô mơ hình hóa sử dụng nghiên cứu thí điểm thử nghiệm với hệ thống thực tốn Các mô hình mơ cho phép điều tra kịch thú vị khác trước thực khoản đầu tư Trong thực tế, mơ NSVTH: Nhóm 29 Tốn Tin K61 Chương 9: Ra định dựa mơ hình Hình 6: Q trình mơ phỏng, hoạt động giới thực ánh xạ vào mơ hình mơ Mơ hình bao gồm mối quan hệ và, đó, phương trình mà tất trình bày hoạt động giới thực Kết mơ hình mơ phỏng, sau đó, phụ thuộc vào tập hợp tham số cung cấp cho mơ hình làm đầu vào Có nhiều mơ hình mô khác mô Monte Carlo, kiện rời rạc, dựa tác nhân động lực hệ thống Một yếu tố định loại kỹ thuật mô mức độ trừu tượng vấn đề Các kiện riêng biệt mô hình dựa tác nhân thường sử dụng cho mức độ trừu tượng trung bình thấp Họ thường xem xét yếu tố riêng lẻ người, phận sản phẩm mơ hình mơ phỏng, động lực học hệ thống phù hợp cho phân tích tổng hợp Trong phần sau, giới thiệu số loại mô chính: mơ xác suất, mơ phụ thuộc thời gian độc lập với thời gian, mơ hình ảnh, mơ hình động lực học hệ thống mơ hình hóa dựa tác nhân Mơ xác suất Trong mô xác suất, nhiều biến độc lập (ví dụ: nhu cầu tốn kiểm kê) xác suất Chúng tuân theo phân phối xác suất định, phân phối rời rạc phân phối liên tục: • Phân phối rời rạc liên quan đến tình có số lượng kiện (hoặc biến) hạn chế đảm nhận số lượng giá trị hữu hạn • Phân phối liên tục tình có số lượng khơng giới hạn NSVTH: Nhóm 30 Tốn Tin K61 Chương 9: Ra định dựa mơ hình kiện xảy theo hàm mật độ, chẳng hạn phân phối bình thường Hai loại phân phối thể bảng hình sau: Hình 7: Phân phối xác suất rời rạc xác suất liên tục Mô thời gian độc lập phụ thuộc vào thời gian Độc lập với thời gian đề cập đến tình khơng quan trọng để biết xác kiện xảy Ví dụ: biết nhu cầu cho sản phẩm định ba đơn vị ngày, không quan tâm ngày sản phẩm yêu cầu Trong số tình huống, thời gian khơng phải yếu tố mô phỏng, chẳng hạn thiết kế điều khiển nhà máy trạng thái ổn định Tuy nhiên, vấn đề hàng chờ áp dụng cho thương mại điện tử, điều quan trọng phải biết thời gian đến xác (để biết khách hàng có phải chờ khơng) Đây tình phụ thuộc vào thời gian Mô Monte Carlo Trong hầu hết vấn đề định kinh doanh, thường sử dụng hai loại mô xác suất sau Phương pháp mô phổ biến cho vấn đề định kinh doanh mô Monte Carlo Phương pháp thường bắt đầu việc xây dựng mơ hình vấn đề định mà khơng phải xem xét tính khơng chắn biến Sau đó, nhận tham số biến định không chắn tuân theo phân phối xác suất giả định ước tính Ước tính dựa phân tích liệu khứ Sau đó, bắt đầu chạy thử nghiệm lấy mẫu Chạy thử nghiệm lấy mẫu bao gồm tạo giá trị ngẫu nhiên tham số không chắn sau tính tốn giá trị biến bị ảnh hưởng tham số biến Những thí nghiệm lấy mẫu để giải mơ hình hàng trăm hàng nghìn lần Sau đó, phân tích hành vi biến phụ thuộc hiệu suất cách kiểm tra phân phối thống kê chúng Phương pháp sử dụng NSVTH: Nhóm 31 Tốn Tin K61 Chương 9: Ra định dựa mơ hình mơ hệ thống vật lý kinh doanh Mô kiện rời rạc Mô kiện rời rạc đề cập đến việc xây dựng mơ hình hệ thống nghiên cứu tương tác thực thể khác Ví dụ đơn giản điều cửa hàng bao gồm máy chủ khách hàng Bằng cách mô hình hóa khách hàng đến với nhiều mức giá khác máy chủ phục vụ nhiều mức giá khác nhau, ước tính hiệu suất trung bình hệ thống, thời gian chờ đợi, số lượng khách hàng chờ đợi, v.v Các hệ thống xem sưu tập khách hàng, hàng đợi máy chủ Có hàng ngàn ứng dụng ghi chép lại mơ hình mô kiện rời rạc kỹ thuật, kinh doanh, v.v kết mơ hình mơ Mô trực quan Hiển thị đồ họa kết vi tính hóa, bao gồm hoạt hình, phát triển thành cơng máy tính, tương tác giải vấn đề người 9.4.6 Hiển thị tương tác Tiếp theo kiểm tra phương pháp cho thấy người định đại diện cho tình định hành động chạy qua kịch phương án khác Những phương pháp mạnh mẽ khắc phục số bất cập phương pháp thông thường giúp xây dựng niềm tin vào giải pháp đạt chúng trực quan hóa Bất cập mô thông thường Mô phương pháp dựa toán học thiết lập tốt, hữu ích, mơ tả để đạt nhìn sâu sắc tình định phức tạp Tuy nhiên, mô thường không cho phép người định xem giải pháp cho vấn đề phức tạp tiến triển theo thời gian (nén) nào, người định tương tác với mơ (sẽ hữu ích cho mục đích đào tạo giảng dạy) Mơ thường báo cáo kết thống kê cuối thí nghiệm Do đó, người định khơng phải phần khơng thể thiếu q trình phát triển thử nghiệm mô phỏng, kinh nghiệm phán đốn họ khơng thể sử dụng trực tiếp Nếu kết mô không phù hợp với trực giác phán đoán người định, khoảng cách tin cậy kết xảy Mơ tương tác trực quan (VIS), cịn gọi mơ hình tương tác trực NSVTH: Nhóm 32 Toán Tin K61 Chương 9: Ra định dựa mơ hình quan (VIM) giải vấn đề tương tác trực quan, phương pháp mô cho phép người định xem mơ hình làm cách tương tác với định đưa Kỹ thuật sử dụng thành công quản lý hoạt động DSS Người dùng sử dụng kiến thức để xác định thử chiến lược định khác tương tác với mơ hình Học tập nâng cao, vấn đề tác động lựa chọn thay thử nghiệm, xảy Những người định góp phần xác nhận mơ hình Những người định sử dụng VIS thường hỗ trợ tin tưởng vào kết họ VIS sử dụng hình đồ họa máy tính hoạt hình để trình bày tác động định quản lý khác Nó khác với đồ họa thơng thường chỗ người dùng điều chỉnh q trình định xem kết can thiệp Một mơ hình trực quan đồ họa sử dụng phần thiếu việc định giải vấn đề, không thiết bị truyền thông Một số người phản ứng tốt người khác hình đồ họa loại tương tác giúp người quản lý tìm hiểu tình định VIS đại diện cho hệ thống tĩnh động Các mô hình tĩnh hiển thị hình ảnh trực quan kết định thay thời điểm Các mơ hình động hiển thị hệ thống phát triển theo thời gian tiến hóa thể hình ảnh động Cơng nghệ mơ hình ảnh kết hợp với khái niệm thực tế ảo, nơi giới nhân tạo tạo cho số mục đích, từ đào tạo đến giải trí đến xem liệu cảnh quan nhân tạo Ví dụ, quân đội Hoa Kỳ sử dụng hệ thống VIS để quân đội mặt đất làm quen với địa hình thành phố để tự định hướng nhanh Các phi công sử dụng VIS để làm quen với mục tiêu cách mô công Phần mềm VIS bao gồm tọa độ GIS Mơ hình tương tác trực quan DSS VIM DSS sử dụng số định quản lý hoạt động Phương pháp bao gồm mồi (như mồi máy bơm nước) mơ hình tương tác trực quan nhà máy (hoặc cơng ty) với tình trạng Mơ hình sau chạy nhanh máy tính, cho phép nhà quản lý quan sát cách nhà máy có khả hoạt động tương lai Quản lý dòng chờ (xếp hàng) ví dụ hay VIM Một DSS thường tính tốn số biện pháp thực cho lựa chọn thay khác (ví dụ: thời gian chờ hệ thống) Các vấn đề dòng chờ phức tạp địi hỏi phải mơ VIM hiển thị kích thước dịng chờ thay đổi q trình mơ chạy trình bày đồ họa câu trả lời NSVTH: Nhóm 33 Tốn Tin K61 Chương 9: Ra định dựa mơ hình cho câu hỏi có liên quan đến thay đổi biến đầu vào Trường hợp ứng dụng 10.4 đưa ví dụ mơ hình ảnh sử dụng để khám phá ứng dụng công nghệ RFID việc phát triển quy tắc lập lịch cài đặt sản xuất Phần mềm mô Hàng trăm gói mơ có sẵn cho nhiều tình định Nhiều người chạy hệ thống dựa Web ORMS Today xuất đánh giá định kỳ phần mềm mô Một đánh giá gần đặt ormstoday.org/surveys/Simulation/ Simulation.html (truy cập tháng năm 2013) Các gói phần mềm cho PC bao gồm Analytica (Hệ thống định Lumina, lumina.com) Crystal Ball bổ trợ Excel (hiện Oracle bán tên Oracle Crystal Ball, oracle.com) @RISK (Palisade Corp, palisade.com) Một phần mềm thương mại cho mơ kiện rời rạc Arena (được bán Rockwell Intl., Arenasimulation.com) Các nhà phát triển ban đầu Arena phát triển Simio (simio.com), sử dụng hình hiển thị Một phần mềm VIS kiện riêng biệt phổ biến khác ExtendSim (extendsim.com) SAS có gói phần mềm phân tích đồ họa gọi JMP, bao gồm thành phần mơ Để biết thơng tin phần mềm mô phỏng, xem Society for Modeling and Simulation International (scs.org) khảo sát phần mềm hàng năm ORMS Today (orms-today.com) NSVTH: Nhóm 34 Tốn Tin K61 Kết luận Trên số tìm hiểu nhóm chúng em “Ra định dựa mơ hình” Nó đem lại nhìn tổng qt mơ hình hóa cơng cụ hỗ trợ định Do kiến thức hạn chế nên khơng tránh khỏi thiếu sót, vậy, lần chúng em mong nhận góp ý chỉnh sửa từ Thầy bạn 35 Tài liệu tham khảo [1] Efraim Turban, Ramesh Sharda, Dursun Delen Business Intelligence and Analytics Systems for Decision Support ,Global Edition (2014, Pearson Education Limited) 36 ... Nhiều mơ hình tài xây dựng theo NSVTH: Nhóm Tốn Tin K61 Chương 9: Ra định dựa mơ hình chắn giả định, thị trường điều chắn 100% 9.2.2 Ra định môi trường bất định Việc định không chắn, người định xem... hợp với Trong mơ hình khơng định lượng, mối quan hệ biểu tượng định tính Sự định định xác định dựa định đưa (giá trị biến định) , yếu tố khơng thể kiểm sốt người định (trong môi trường) mối quan... Lời nói đầu Ra định dựa mơ hình 9.1 Mơ hình hóa định 9.1.1 Khái niệm 9.1.2 Các thành phần hỗ trợ định 9.1.3 Cấu trúc mơ hình hóa 9.2 Ra định môi trường