МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева» Институт информатики и телекоммуникаций институт / факультет / подразделение Кафедра информатики и вычислительной техники кафедра / цикловая комиссия ОТЧЕТ ПО ЛАБОРАТОНОЙ РАБОТЕ № 1 Проектирование модуля системы поддержки принятия решений тема Методы исследований и интеллектуального анализа в информационных системах дисциплина Преподаватель Обучающийся подпись, дата МИМ 21-01, 211258009 номер группы, зачетной книжки подпись, дата Красноярск 2021 г. М.Н. Фаворская инициалы, фамилия К.П. Тю-фа инициалы, фамилия Цель работы: Изучить основные сведения о системах поддержки принятия решений и ознакомиться с общими сведениями проектирования модуля системы поддержки принятия решений. Построение модуля системы поддержки принятия решений на примере использования в хирургии Теоретическая часть: В современности развитие наукоемких предприятий направлены на разработку информационных систем, позволяющих проводить комплексный анализ производственных задач. Конкурентоспособность предприятия зависит от возможности оперативно оценивать внутренние и внешние факторы, проводить модернизацию для улучшения характеристик выпускаемой продукции. Системы поддержки принятия решений (СППР) – Decision Support Systems (DSS) компьютерные автоматизированные системы, которые путем сбора и анализа большого количества информации могут эффективно влиять на процессы принятия решений. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных. Цель СППР заключается не в автоматизации процесса принятия решения, а в осуществлении кооперации, взаимодействия между системой и человеком в процессе принятия решений. Принятие решений предусматривает последовательное выполнение следующих шагов: осмысливание проблемы, диагностика, концептуальное или математическое моделирование, выработка альтернатив и выбор тех, которые в наибольшей степени удовлетворяют поставленным целям, мониторинг осуществления решения. СППР решает две основные задачи: 1. Выбор наилучшего решения из множества возможных (оптимизация). 2. Упорядочение возможных решений по предпочтительности (ранжирование). В обеих задачах первым и наиболее принципиальным моментом является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться и сопоставляться возможные решения (будем называть их также альтернативами). Система СППР помогает пользователю сделать такой выбор. СППР — это системы, обладающие средствами ввода, хранения и анализа данных, относящихся к определенной предметной области, с целью поиска решений. Для анализа и выработок предложений в СППР используются разные методы: информационный поиск; интеллектуальный анализ данных; поиск знаний в базах данных; рассуждение на основе прецедентов; имитационное моделирование; эволюционные вычисления и генетические алгоритмы; нейронные сети; ситуационный анализ; когнитивное моделирование и др. В настоящее время создались предпосылки для перехода к расширенной поддержке принятия решений, в которой используются новые, нетрадиционные области, используются аналитические методы и, в частности, многокритериальный анализ. Этот подход более широко использует нормативный аспект получения эффективного решения, чем обычные СППР. Одновременно присутствуют процедуры анализа и объяснения полученного решения и оценки, как преимуществ, так и возможных потерь. Выделяют несколько больших групп СППР. По взаимодействию с пользователем выделяют три вида СППР: пассивные помогают в процессе принятия решений, но не могут выдвинуть конкретного предложения; активные непосредственно участвуют в разработке правильного решения; кооперативные предполагают взаимодействие СППР с пользователем. Выдвинутое системой предложение пользователь может доработать, усовершенствовать, а затем отправить обратно в систему для проверки. После этого предложение вновь представляется пользователю, и так до тех пор, пока он не одобрит решение. По способу поддержки различают: модельно-ориентированные СППР, используют в работе доступ к статистическим, финансовым или иным моделям; СППР, основанные на коммуникациях, поддерживают работу двух и более пользователей, занимающихся общей задачей; СППР, ориентированные на данные, имеют доступ к временным рядам организации. Они используют в работе не только внутренние, но и внешние данные; СППР, ориентированные на документы, манипулируют неструктурированной информацией, заключенной в различных электронных форматах; СППР, ориентированные на знания, предоставляют специализированные решения проблем, основанные на фактах. По сфере использования выделяют: Общесистемные настольные СППР. В структуре СППР фигурирует четыре основных компонента: информационные хранилища данных; средства и методы извлечения, обработки и загрузки данных (ETL); многомерная база данных и средства анализа OLAP; средства Data Mining. На СППР также могут быть возложены задачи предотвращения несанкционированного доступа, резервного хранения данных, архивирования и т. п. По степени «интеллектуальности» обработки данных при анализе выделяют три класса задач анализа: информационно-поисковый — СППР осуществляет поиск необходимых данных. Характерной чертой такого анализа является выполнение заранее определенных запросов; оперативно-аналитический — СППР производит группирование и обобщение данных в любом виде, необходимом аналитику. В отличие от информационно-поискового анализа в данном случае невозможно заранее предсказать необходимые аналитику запросы; интеллектуальный — СППР осуществляет поиск функциональных и логических закономерностей в накопленных данных, построение моделей и правил, которые объясняют найденные закономерности и/или прогнозируют развитие некоторых процессов (с определенной вероятностью). Рис. 1. Обобщенная архитектура системы поддержки принятия решений - Подсистема ввода данных -OLTP (Online transaction processing), выполняется операционная (транзакционная) обработка данных, для реализации этих подсистем используют обычные системы управления базами данных (СУБД). - Подсистема хранения - для реализации данной подсистемы используют современные СУБД и концепцию хранилищ данных. - Подсистема анализа, строится на основе: подсистемы информационно-поискового анализа на базе реляционных СУБД и статических запросов с использованием языка структурных запросов SQL (Structured Query Language); подсистемы оперативного анализа, для реализации таких подсистем применяется технология оперативной аналитической обработки данных OLAP (On-line analytical processing), использующая концепцию многомерного представления данных; подсистемы интеллектуального анализа, для реализации таких подсистем используются методы и алгоритмы Data Mining («добыча данных»). История систем поддержки принятия решений. В конце 60-х годов появляется новый тип информационных систем (ИС) – модель-ориентированные СППР (Model-oriented Decision Support Systems – DSS) или системы управленческих решений (Management Decision Systems – MDS) и соответствующая им информационная технология. В 70-х годах были разработаны критерии проектирования систем поддержки принятия решений (СППР) в менеджменте, а также аспекты создания СППР: анализ, проектирование, внедрение, оценка и разработка. В 1981 г. R. Sprague и E. Carlson описали, каким образом на практике можно построить СППР. Тогда же была разработана информационная система руководителя (Executive Information System – EIS) – компьютерная система, предназначенная для обеспечения текущей адекватной информации для поддержки принятия управленческих решений менеджером. Появление в начале 80-х годов персональных компьютеров позволило автоматизировать ведение учета и обработку данных даже небольшим компаниям, не имеющим высококвалифицированного управленческого и технического персонала. Для этой категории потребителей программного обеспечения были созданы приложения нового, коммерческого типа, интегрирующие несколько 8 разных функций и позволяющие нескольким частям приложения манипулировать единожды введенными данными. Начиная с 1990-х годов разрабатываются так называемые Data Warehouses (Хранилища данных). В 1993 г. Е. Коддом (E.F. Codd) для СППР специального вида был предложен термин OLAP (Online Analytical Processing) – оперативный анализ данных, онлайновая аналитическая обработка данных для поддержки принятия важных решений. Исходные данные для анализа представлены в виде многомерного куба, по которому можно получать нужные разрезы – отчеты. Выполнение операций над данными осуществляется OLAP-машиной. По способу хранения данных различают MOLAP, ROLAP и HOLAP. По месту размещения OLAP-машины различаются OLAP-клиенты и OLAPсерверы. OLAP-клиент производит построение многомерного куба и вычисления на клиентском ПК, а OLAP-сервер получает запрос, вычисляет и хранит агрегатные данные на сервере, выдавая только результаты. 27 октября 2005 г. в Москве на Международной конференции «Информационные и телемедицинские технологии в охране здоровья» (ITTHC − 2005) А. Пастухов (Россия) представил СППР нового класса – PSTM (Personal Information Systems of Top Managers). Основным отличием PSTM от существующих СППР является построение системы для конкретного лица, принимающего решение, с предварительной логикоаналитической обработкой информации в автоматическом режиме и выводом ее на один экран. При создании СППР учитывается ряд принципов: 1. Машина должна вычислять, рассчитывать варианты, а человек − принимать решение. 2. Принцип Шоу: система должна быть такой, чтобы с ней мог работать даже неподготовленный пользователь. 3. Принцип «бюрократичности». Этот принцип связан с уменьшением потока информации, который должен доставляться человеку для принятия решения. 4. Принцип объектно-ориентированного моделирования при построении картины предметной области. 5. Принцип динамической структуры. 6. Принцип полноты информационного пространства. 7. Принцип интеграции информационного пространства. 8. Принцип децентрализации информационного хранилища. 9. Принцип компонентной сборки прикладных режимов. Поскольку принципы противоречивы, нужно искать компромисс между каждым из них. Ранее было отмечено, что для решения задач анализа данных и поиска решений необходимо накопление и хранение достаточно больших объемов данных. Этим целям служат базы данных (БД). Исторически выделяют три основные структуры БД: иерархическую, сетевую, реляционную. Первые две не нашли широкого применения на практике. В настоящее время подавляющее большинство БД реализует реляционную структуру представления данных. Основной недостаток реляционных БД заключается в невозможности обработки информации, которую нельзя представить в табличном виде. В связи с этим предлагается использовать постреляционные модели, например объектно-ориентированные. Практика использования OLTP-систем показала неэффективность их применения для полноценного анализа информации. Такие системы достаточно Успешно решают задачи сбора, хранения и поиска информации, но они не удовлетворяют требованиям, предъявляемым к современным СППР. Подходы, связанные с наращиванием функциональности OLTPсистем. не дали Удовлетворительных результатов. Основной причиной неудачи является противоречивость требований, предъявляемых к системам OLTP и СППР. Схема процесса принятия решений. Общая схема процесса принятия решений включает следующие основные этапы: Этап 1. Предварительный анализ проблемы. На этом этапе определяются: главные цели; уровни рассмотрения, элементы и структура системы (процесса), типы связей; подсистемы, используемые ими основные ресурсы и критерии качества функционирования подсистем; основные противоречия, узкие места и ограничения. Этап 2. Постановка задачи. Постановка конкретной задачи принятия решений (ЗПР) включает: формулирование задачи; определение типа задачи; определение множества альтернативных вариантов и основных критериев для выбора из них наилучших; выбор метода решения ЗПР. Этап 3. Получение исходных данных. На данном этапе устанавливаются способы измерения альтернатив. Это либо сбор количественных (статистических) данных, либо методы математического или имитационного моделирования, либо методы экспертной оценки. В последнем случае необходимо решить задачи формирования группы экспертов, проведения экспертных опросов, предварительного анализа экспертных оценок. Этап 4. Решение ЗПР с привлечением математических методов и вычислительной техники, экспертов и лица, принимающего решение. На этом этапе производятся математическая обработка исходной информации, ее уточнение и модификация в случае необходимости. Обработка информации может оказаться достаточно трудоемкой, при этом может возникнуть необходимость совершения нескольких итераций и желание применить различные методы для решения задачи. Поэтому именно на этом этапе возникает потребность в компьютерной поддержке процесса принятия решений, которая выполняется с помощью автоматизированных систем принятия решений. Этап 5. Анализ и интерпретация полученных результатов. Полученные результаты могут оказаться неудовлетворительными и потребовать изменений в постановке ЗПР. В этом случае необходимо будет возвратиться на этап 2 или этап 1 и пройти заново весь путь. Решение ЗПР может занимать достаточно длительный промежуток времени, в течение которого окружение задачи может измениться и потребовать корректировок в постановке задачи, а также в исходных данных (например, могут появиться новые альтернативы, требующие введения новых критериев). Задачи принятия решений можно разделить на статические и динамические. К первым относятся задачи, которые не требуют многократного решения через короткие интервалы времени. К динамическим относятся ЗПР, которые возникают достаточно часто. Следовательно, итерационный характер процесса принятия решений можно считать закономерным, что подтверждает необходимость создания и использования эффективных систем компьютерной поддержки. ЗПР, требующие одного цикла, можно скорее считать исключением, чем правилом. Системы поддержки принятия решений в хирургии. При принятии каких-либо медицинских решений проблемами могут являться недостаточность знаний, ограниченность временных ресурсов, отсутствие возможности привлечения большого числа компетентных экспертов, неполнота информации о состоянии пациента [3]. Принятие верных решений в медицине обычно затруднено в связи с множественностью факторов и признаков большинства заболеваний, их взаимодействий. На общее состояние пациента могут оказывать влияние определенные факторы не только по отдельности, но и в определенных сочетаниях значений. Принятие решений в медицине непосредственно связано со здоровьем и жизнью человека, поэтому полученные в медицинской СППР решения должны быть максимально достоверными. Обработать большое количество информации и выявить определенные закономерности врачу зачастую не под силу. Справиться с этим может помочь современная вычислительная техника с соответствующим программным обеспечением. В хирургии при принятии медицинских решений еще более характерны дефицит времени на принятие решения, неполнота данных о клинических проявлениях заболевания, высокая динамика течения заболеваний, изменчивость заболеваний и появление новых, высокая цена врачебной ошибки. Перед принятием решения врач-хирург на основе анализа большого количества факторов, опираясь на свои знания и предшествующий опыт должен зачастую мгновенно принять решение об оптимальной тактике хирургического лечения, во время хирургического вмешательства – о способе оперативного пособия и завершения операции [7]. Поэтому с развитием и совершенствованием информационных технологий актуальной является проблема обеспечения компьютерной поддержки принятия решений в хирургии. В целом, процесс принятия медицинских решений можно представить в виде цикла, состоящего из последовательных, следующих друг за другом процедур. Первые три процедуры реализуют сбор, обработку и анализ медицинской информации. Четвертая процедура – это поддержка принятия решения, включающая концептуальное или математическое моделирование, выработку альтернатив и выбор тех, которые в наибольшей степени удовлетворяют поставленным целям, что означает выбор наиболее оптимального варианта лечения больного. Пятая и шестая процедуры включают выбор совокупности наиболее эффективных медицинских мероприятий и их реализацию. После чего цикл замыкается и начинается вновь сбор информации и т. д. Для процесса принятия решений в хирургии характерны такие же этапы. В диагностике хирургических заболеваний, в первую очередь, использовались современные возможности компьютерной обработки и анализа цифровых (рентгенография, компьютерная томография, магнитнорезонансная томография) изображений. В исследовании, проведенном B. Van Ginneken et al., приведено более 150 публикаций по автоматизированному диагнозу при рентгенографии грудной клетки. W. Chen et al. разработали и внедрили в клиническую практику компьютерную диагностическую систему, которая автоматически анализирует КТ головного мозга пациентов с черепно-мозговой травмой. Эта система дополнительно автоматически оценивает уровень внутричерепного давления в головном мозге. В другом исследовании, P. Davaluri et al. разработали и применили компьютерную систему принятия решений у пострадавших с повреждениями таза. В литературном обзоре основных радиологических систем поддержки принятия решений, использующихся в медицине в течение последних 40 лет S.M. Stivaros et al. отметили необходимость более широкого использования СППР в клинической работе и важность приближения следующего поколения СППР к рутинному практическому применению. Итак, в настоящее время в медицине в целом и в хирургии, в частности, накоплен достаточно большой опыт эффективного использования СППР. Это позволило выделить следующие типы систем поддержки принятия решений в соответствии с направлениями их применения: в клинической практике – ассистирующие; в обучении и повышении квалификации – тестирующие и оппонирующие; в научных исследованиях – для решения задач анализа и оценки ситуации. Особенно хорошо СППР себя зарекомендовали в экспериментальной и клинической хирургии для выполнения следующих функций: дифференциальная диагностика и выбор лечения; оценка эффективности решений вне зависимости от выраженности клинических проявлений болезни; учет фоновых состояний (сопутствующих заболеваний); анализ динамики патологического процесса; оценка состояния больного в режиме реального времени. В целом, компьютерные медицинские системы позволяют врачу-хирургу не только проверить собственные прогнозные и диагностические предположения, но и использовать искусственный интеллект в сложных клинических случаях. Используемая литература. 1) Тихонов А.Н, Цветков В.Я. Методы и системы поддержки принятия решений. – М.: МАКС Пресс, 2001. 2) Системы поддержки принятия решений, назначение и решаемые задачи [Электронный ресурс]. URL: http://referatz.ru/works/296331/ (дата обращения: 01.11.2021). 3) Симанков В. С. Системный анализ и современные информационные технологии в медицинских системах поддержки принятия решений / В. С. Симанков, А.А. Халафян. – М. : БиномПресс, 2009. – 362 с. 4) DSS – система поддержки принятия решений [Электронный ресурс]. URL: http://prospo.ru/erp/1816-dss (дата обращения: 12.11.2021). 5) Сппр [Электронный ресурс]. URL: http://www.oviont.com/soft/tools/sppr/sppr_expan.php (дата обращения: 10.11.2021). 6) Сороколетов П.В. Построение интеллектуальных систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2009. – № 4 (93). – С. 117-124. 7) Егоров А. А. Модель принятия решения хирурга / А. А. Егоров, B. C. Микшина // Вестн. новых мед. технологий. – 2011. – Т. 7, № 4. – С. 178–81. 8) Барсегян А.А. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP/ А.А. Барсегян – СПб.: БХВ-Петербург, 2007. – 284 с. 9) Ларичев О.И., Петровский А.В. Системы поддержки принятия решений. Современное состояние и перспективы их развития. // Итоги науки и техники. Сер. Техническая кибернетика. – Т.21. М.: ВИНИТИ, 1987.
