Применение искусственного интеллекта в системе поддержки принятия управленческих решений

1. ФГБОУ ВО «Самарский государственный технический университет » Институт Автоматики и информационных технологий Кафедра

«Автоматизация и управление технологическими процессами»
Комплексная исследовательская работа по дисциплине: «компьютерные
технологии в автоматизированных производствах»
Применение искусственного интеллекта в системе поддержки
принятия управленческих ре-шений
Руководитель:
Якимов В.Н
Выполнили студенты 2-ИАИТ-111:
Железников Т.С.
Вишняков З.А.
Рябов А.П.
САМАРА 2025
1

2. Актуальность

•В связи с высоким ростом данных требуется
1)
автоматизация процесса управления
2)
• Из-за быстрого темпа развития бизнес-процессов
требуется быстрая и точная аналитика
3)
•Ошибки человека могут привести к критическим сбоям
в работе, но этого можно избежать применив
искусственный интеллект
2

3. Цель

Исследование является комплексным
анализом интеллектуальных систем
поддержки управленческих решений,
включая их методологические основы,
применяемые технологии, а также оценку их
эффективности в различных отраслях.
3

4. Задачи работы

•Рассмотреть основные методы обработки данных для
Часть 1
Часть 2
Часть 3
принятия управленческих решений (ПУР) и понять на какие
этапы ПУР можно внедрить искусственный интеллект
•Исследовать основные методы и технологии,
используемые в интеллектуальных системах поддержки
управленческих решений
•Рассмотреть влияние интеллектуальных систем поддержки
управленческих решений на качество принятия решений в
организациях
4

5. Часть 1. Интеллектуальные системы поддержки управленческих решений. (Железников Тимофей Сергеевич)

5

6. Области применения ИСПУР

транспорт
финансы
экология
Медицина
производство
6

7. Построение модели поддержки управленческих решений

Орган управления
организационной системы
6)Анализ эффективности
проведенных мероприятий
1)Выбор цели мониторинга и формирование
перечня мониторинговых параметров
2)Измерение мониторинговых
показателей
3)Обработка и структуризация данных
мониторинга
5)Принятие управленческих
решений, реализация плана
мероприятий
4)Анализ результатов состояния
контролируемых объектов, выявление
отклонений
7

8. Применение искусственного интеллекта в данной модели

1-4 пункт в данной модели можно заменить искусственным интеллектом.
Каждый пункт можно будет описать данной схемой:
8

9. Преимущества данной модели

• Объективная оценка производительности
• Оптимизация ресурсов
• Выявление проблем и их устранение
• Принятие обоснованных решений
• Увеличение прозрачности
• Прогнозирование и предотвращение проблем
9

10. Методы обработки данных

Методы
Достоинства
Недостатки
Эмпирико-статистические
Давно исследованы,
интерпретируемы
Не подходят для оперативной
обработки и шумных данных
Нейронные сети (не АРТ)
Мощные, адаптивные
Плохо справляются с шумом,
не обладают
инкрементальным обучением
Нечеткая логика
Хорошо работают с
неточными и качественными
данными
Сложны в настройке и
требуют привлечения
экспертов
Сети семейства АРТ
Инкрементное обучение,
интерпретируемость,
стабильность-пластичность
Чувствительны к
пересекающимся классам,
требуют модификаций

11. Выводы по разделу

1.Алгоритмы управления в организационных системах, основанные на
оперативной обработке данных мониторинга, соответствуют современному
тренду управления на основе данных, но требуют структуризации разнородных
данных для анализа и принятия решений.
1.Существующие методы обработки данных мониторинга недостаточно эффективны из-за
невозможности оперативно учитывать поступающую информацию, включая зашумленные
и неполные данные.
1.Нейронные сети семейства АРТ допускают инкрементное обучение и построение
интерпретируемых моделей, что делает их привлекательными для структуризации данных в
областях, где важна интерпретируемость.
11

12. Часть 2. Влияние интеллектуальных систем поддержки управленческих решений на качество принятия решений в организациях. (Рябов

Артём Петрович)
12

13. Основные компоненты и архитектура ИСППР

Пользовательский
интерфейс
Модуль принятия
решений
13

14. Основные компоненты и архитектура ИСППР

14

15. Основные компоненты и архитектура ИСППР

15

16. Качество управленческих решений: критерии, факторы влияния и характеристики

Своевременность
Непротиворечивость
Полномочность
Реальность
Понятность для
исполнителей
16

17. Факторы, влияющие на качество решений в организациях

Характеристика
проблемы
Методический
уровень
Ресурсные
ограничения
Характеристики
информации
17

18. Компоненты системы поддержки принятия решений

18

19. Преимущества и недостатки внедрения ИСППР

Преимущества
облегчение работы
руководителей
Недостатки
узкий круг вопросов,
решаемых с помощью
автоматизированной
системы
повышение эффективности и
качества принимаемых
решений
снижение качества данных изза
отсутствия этапа их очистки
способствование
налаживанию
межличностного контакта
увеличение нагрузки на
операционную систему с
потенциальной возможностью
прекращения ее работы
возможность обучать
кадры на основе
автоматизированных систем
нестабильность работы
системы
повышение степени
контроля в компании
-
19

20. Выводы по разделу

1.Системы поддержки принятия решений (СППР) прошли путь от простых моделей в 1970-х до
сложных интеллектуальных систем с ИИ. Их архитектура включает базы знаний, аналитические
модели, пользовательский интерфейс и модули принятия решений, что позволяет
обрабатывать большие объёмы данных и предлагать нестандартные решения.
1.СППР улучшают ключевые характеристики управленческих решений: научную
обоснованность, своевременность, непротиворечивость и реализуемость. Они
минимизируют влияние субъективных факторов (например, когнитивных ошибок) за счёт
автоматизированного анализа данных и прогнозирования.
1.Внедрение СППР даёт преимущества: скорость принятия решений, прогнозирование,
обучение сотрудников. Однако существуют риски: высокая стоимость, избыточная зависимость
от системы, этические вопросы ИИ и угрозы безопасности данных.
20

21.

СПАСИБО
Самарский государственный
технический университет
https://samgtu.ru/