SYSTEM INFORMATYCZNY EK_AN_ - HYBRYDA KOMPUTEROWA WSPOMAGAJ
CA
PROCES PODEJMOWANIA DECYZJI
Arkadiusz GÓRSKI, Edward RADOSIC
SKI
Streszczenie: Proces podejmowania decyzji w fazie przetwarzania informacji oraz ich oceny może być z
powodzeniem wspomagany przez system informatyczny. Kwestią pozostającą w sferze dyskusji jest określenie
jego kształtu. Artykuł prezentuje, jako propozycje rozwiązania tego problemu, laboratoryjną implementację
systemu informatycznego o nazwie EK_AN_, będącego hybrydą wybranych technik analitycznych. W postaci
najbardziej rozbudowanej system łączy symulację komputerową z dwiema technikami inteligentnymi: systemem
ekspertowym i algorytmem genetycznym.
Słowa kluczowe: system informatyczny, hybryda, symulator komputerowy, system ekspertowy, algorytm
genetyczny.
1. Koncepcja systemu hybrydowego EK_AN_ wspomagającego proces podejmowania decyzji na etapie
przygotowania decyzji.
Najogólniej proces podejmowania decyzji można podzielić na dwa etapy: faza przygotowania oraz właściwe
podjęcie decyzji. Decyzja jest świadomym działaniem człowieka, wyborem jednej alternatywy decyzyjnej
spośród wielu dostępnych. Efektywność tego wyboru w dużym stopniu uzależniona jest od jakości danych
jakimi dysponuje decydent i jego wiedzy z zakresu rozpatrywanych problemów decyzyjnych. Elementy te
zdobywa się na etapie przygotowania decyzji, który obejmuje następujące czynności przeddecyzyjne:
�� gromadzenie danych,
�� przetwarzanie danych do postaci informacji decyzyjnych,
�� generowanie alternatyw decyzyjnych, predykcja efektów ich podjęcia oraz ich ocena.
Czynności te mogą być w znacznym stopniu usprawniane, automatyzowane, itp., poprzez zastosowanie systemu
informatycznego.
Przedsiębiorstwo stanowi złożony system ekonomiczny wymagający oceny w sposób całościowy,
uwzględniając informacje ilościowe i jakościowe. Nie ograniczając się przy tym do oceny statycznej przeszłości
oraz stanu obecnego, tylko dążąc do poznania związków przyczynowo  skutkowych występujących w systemie
ekonomicznym, co jest możliwe poprzez obserwację zachowania systemu w ujęciu dynamicznym. Dla realizacji
tych wymogów konieczna jest specyficzna forma systemu informatycznego. W ramach prowadzonych prac
badawczych postawiona została teza, że integracja techniki symulacji z technikami inteligentnymi w obrębie
systemu wspomagania decyzji może stanowić skuteczne narzędzie wspomagające prace na etapie przygotowania
decyzji.
Celem weryfikacji słuszności postawionej tezy zbudowane zostało środowisko badawcze pozwalające
przeprowadzić konieczne eksperymenty. Na środowisko to składa się zaimplementowany system informatyczny
klasy DSS. Wybór tej klasy systemu jako platformy do budowy proponowanego rozwiązania wynika z
postulowanej jego przydatności w procesie podejmowania decyzji. Systemy te poprzez zbieranie, przetwarzanie
i prezentowanie danych, wykorzystując przy tym dostępne modele i narzędzia analityczne, umożliwiają
precyzyjne zapoznanie się z analizowanym problemem. Pozyskanie właściwych danych wymaga jednak
zastosowania odpowiednich technik analitycznych. Zaproponowano w tym względzie zintegrowanie w obrębie
systemu DSS trzech technik analitycznych, a mianowicie:
�� symulacji,
�� systemu ekspertowego,
�� algorytmu genetycznego.
Każda z technik w zbudowanym systemie stanowi odrębny moduł. Rola poszczególnych modułów jest
bardzo wyraz
na. Symulator określa skutki zastosowania poszczególnych alternatyw decyzyjnych, system
ekspertowy je ocenia, a algorytm genetyczny poszukuje alternatyw suboptymalnych.
Powstały system został określony mianem EK_AN_. System ten od kilku lat jest rozwijany i
wykorzystywany w procesie badawczym i dydaktycznym w Zakładzie Zastosowania Komputerów w
Zarządzaniu Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej.
System ma konstrukcję segmentową, składa się z modułu:
�� danych,
�� technik kalkulacyjnych,
�� współpracy z użytkownikiem,
�� wybranych technik analitycznych.
Moduł współpracy z użytkownikiem pozwala na przyjazne korzystanie z systemu, z którym praca
rozpoczyna się od ekranu startowego przedstawionego na rysunku 1.
Rys. 1. Ekran startowy systemu EK_AN_.
Kontynuacja pracy z systemem, mająca miejsce po przyciśnięciu klawisza  OK. , prowadzi użytkownika
programu do ekranu umożliwiającego interaktywne kształtowanie systemu, z którym będzie on pracował.
Możliwy zakres zastosowania, oferowane funkcje, jak również dostępne narzędzia zależne są od wyboru technik
analitycznych, które pragnie się wykorzystywać w dalszej pracy.
Rys. 2. Ekran startowy systemu EK_AN_.
Swoboda budowy hybrydy podlega pewnym regułom, które są monitorowane przez system, nie pozwalający
na ich pominięcie. Konstrukcja programu nie przewiduje możliwości samodzielnego wykorzystywania technik
inteligentnych, a jedynie symulatora komputerowego. Informacje dotyczące przedstawionych reguł są
przekazywane użytkownikowi systemu za pośrednictwem stosownych komunikatów pojawiających się przy
każdej próbie pracy niezgodnej z rządzącymi nim prawami.
2. Symulator komputerowy - układ bazowy systemu EK_AN_.
Symulator komputerowy jest podstawowym modułem systemu wspomagania decyzji EK_AN_.
Zastosowany symulator analityczny, określany mianem DEF, odzwierciedla model wyimagowanego
przedsiębiorstwa przemysłowego. Przedsiębiorstwo to jest producentem trzech wyrobów: Alfa, Beta i Gamma, z
których każdy produkowany jest na jednym z trzech wydziałów. Wyroby produkowane są z trzech
podstawowych surowców: White, Black, Red. Niezbędne do wytworzenia danego wyrobu ilości poszczególnych
surowców określa macierz surowcochłonności. Analogicznie wektor pracochłonności określa czas pracy
niezbędny do wytworzenia danego rodzaju wyrobu. Produkcja wyrobów jest realizowana na poziomie zleceń na
produkcję. Wykonanie zleceń produkcyjnych zdeterminowane jest poziomem zdolności produkcyjnej oraz
dostępnością zamawianych surowców. Dekapitalizacja środków trwałych koniecznych w procesie
produkcyjnym odzwierciedlona jest w spadku zdolności produkcyjnej. Reprodukcja tych środków jest możliwa
poprzez uruchomienie inwestycji, które mogą być finansowane ze środków własnych, bądz
kredytu bankowego.
Maksymalny pułap sprzedaży wyznaczany jest przez poziom popytu rynkowego, dla każdego produktu,
uzależnionego liniowo od proponowanej ceny jego sprzedaży. Wyniki każdego eksperymentu symulacyjnego
uzależnione są również od jeszcze kilku parametrów charakteryzujących otoczenie przedsiębiorstwa, które
zostały omówione w dalszej części opracowania.
Symulator DEF wykorzystywany jest do długookresowej predykcji skutków realizacji wybranych
scenariuszy decyzyjnych. Znajduje zastosowanie w dynamicznej analizie decyzyjnej. Symulator umożliwia
jednocześnie poznanie istoty procesów ekonomicznych zachodzących w złożonych oraz dodatkowo
dynamicznych systemach jakimi są przedsiębiorstwa. Umożliwia to poznanie wewnętrznych przyczyn zjawisk
ekonomicznych. Zadaniem symulatora jest rozpoznanie związków przyczynowo - skutkowych pomiędzy
zmiennymi decyzyjnymi a wybranymi agregatami ekonomicznymi.
Funkcjonowanie symulatora obrazowo przedstawia winieta tytułowa programu EK_AN_ (patrz rysunek 1).
Symulator opierając się na zadanych przez użytkownika zmiennych decyzyjnych dokonuje przebiegu
symulacyjnego. Na wyjściu otrzymywane są dane liczbowe charakteryzujące rezultaty działalności spółki. W tak
przeprowadzonym eksperymencie symulacyjnym można wyodrębnić trzy fazy:
�� kompletacja zbioru danych wejściowych,
�� przebieg symulacyjny,
�� prezentacja wyników.
W fazie przygotowania zbioru danych wejściowych zestawia się informacje niezbędne do uruchomienia i
wykonania przebiegu symulacyjnego. Kluczową rolę odgrywają tutaj zmienne decyzyjne. Symulator DEF
obejmuje 36 zmiennych decyzyjnych dotyczących jednej z trzech sfer działalności przedsiębiorstwa:
�� produkcyjnej (plan produkcyjny trzech podstawowych produktów, specyfikacja zamówienia na
surowce, realizacja projektów inwestycyjnych),
�� marketingowej (ceny sprzedaży produktów),
�� inwestycyjnej (realizacja inwestycji zwiększających zdolność produkcyjną, wybór z
ródeł finansowania
inwestycji, powiększenie kapitału firmy poprzez emisję akcji, ustalenie zasad podziału zysku, itd.)
sytuacja parametry
początkowa otoczenia
zmienne
decyzyjne
kompletacja zbioru
danych wejściowych
przebieg
symulacyjny
prezentacja wyników
eksperymentu
Rys. 3. Struktura eksperymentu symulacyjnego.
Wprowadzanie danych odbywa się za pośrednictwem moduł współpracy z użytkownikiem, natomiast od
strony informacyjnej działania te obsługiwane są przez moduł danych. Moduł ten stanowi bazę danych
zawierającą parametry charakteryzujące środowisko ekonomiczno  techniczne przedsiębiorstwa, zmienne
decyzyjne badanej alternatywy oraz będące ich następstwem wyniki.
Oprócz zmiennych decyzyjnych istotne są również parametry ekonomiczne charakteryzujące otoczenie
przedsiębiorstwa, w jakim przyszło podejmować decyzje. Są to między innymi dane dotyczące oprocentowania
kredytów, podatków, stopy inflacji. Parametry te przechowywane są w oddzielnym zbiorze i mogą być
zmieniane przez użytkownika.
Zbiór wejściowy obejmuje jeszcze sytuację początkową1 przedsiębiorstwa odzwierciedlającą stan w
momencie rozpoczęcia przebiegu symulacyjnego. Informacja tutaj zawarta jest bardzo cenna dla celów
analitycznych. Pokazany jest bowiem efekt dotychczas podjętej decyzji. Innymi słowy skutek przyjęcia
konkretnej alternatywy decyzyjnej. Użytkownik już na samym początku ma możliwość wstępnego poznania
1
Nie zakładano możliwości edycji sytuacji początkowej.
zależności występujących w badanym systemie. Pozwala to w pewnym stopniu na ukierunkowanie procesu
generowania alternatyw decyzyjnych.
Po wprowadzeniu i zweryfikowaniu danych wejściowych użytkownik może polecić systemowi wykonanie
przebiegu symulacyjnego.
Symulator umożliwia badanie alternatyw decyzyjnych dla trzech kolejnych lat. Użytkownik może również
badać jaką decyzję podjąć po tym okresie i jakie będą tego konsekwencje pod warunkiem podjęcia w
początkowej fazie określonej decyzji. W efekcie możliwe jest budowanie drzewa decyzyjnego i badanie skutków
podjętych decyzji w perspektywie kilkunastoletniej. Generowanie drzewa decyzji i rezultatów jest cechą
charakterystyczną tego symulatora. Każdy trzyletni okres decyzyjny stanowi węzeł drzewa decyzyjnego.
Drzewo decyzyjne symulatora składa się z dwóch rodzajów węzłów:
1. typu D,
2. typu D/R.
Węzeł typu D gromadzi jedynie zmienne decyzyjne i może być wykorzystany w kolejnym przebiegu
symulacyjnym. Po poprawnym przebiegu symulacyjnym węzeł ten przekształca się w węzeł typu D/R i zawiera
dodatkowo rezultaty przeprowadzonej symulacji. W tym układzie każdy eksperyment, z wyjątkiem przebiegu
inicjującego jest kontynuacją innego przebiegu symulacyjnego. Początkowa sytuacja ekonomiczna dla jednego
przebiegu symulacyjnego jest równoważna sytuacji końcowej przebiegu poprzedzającego, zwanego przebiegiem
bazowym. Drzewo decyzyjne symulatora charakteryzuje relacja dziedziczenia dotycząca warunków
początkowych i końcowych. Warunki końcowe węzła rodzica są warunkami początkowymi węzła  potomka.
Rys. 4. Drzewo decyzyjne systemu EK_AN_.
Wykonania przebiegu symulacyjnego odbywa się w module modelu, którego głównym elementem
składowym jest symulator DEF. Symulator tworzy szereg równań o charakterze definicyjnym i przyczynowym.
Równania definicyjne pozwalają wyliczyć wartość wybranych kategorii ekonomicznych w danym momencie.
Równania przyczynowe mają charakter dynamiczny i odzwierciedlają związki przyczynowo  skutkowe.
Rys. 5. Ekran sterowania symulatorem komputerowym z prezentacją rozwiniętego drzewa decyzyjnego.
Poddawane ocenie decyzje kierownicze symulator przekształca w skutki, których treść zapisywana jest w
module danych. Mogą one być udostępniane użytkownikowi, który swobodnie kształtuje sposób ich prezentacji
poprzez wybór odpowiednich tabel i wykresów zawartych w bibliotece form prezentacji. Proponuje się tutaj
wykresy liniowe i słupkowe dla najważniejszych kategorii ekonomiczno-finansowych. Rezultaty opisywane są
przez dwie grupy informacji:
1. aktywność produkcyjna,
2. rezultaty finansowe.
Wyniki analizy wskaz
nikowej są przedstawiane w rozbiciu na wskaz
niki płynności, zadłużenia, aktywności
oraz rentowności.
System wykorzystuje symulację dynamiczną jako technikę naśladowania rzeczywistości. Uwzględnia
zarówno procesy ekonomiczne ciągłe (zużycie majątku produkcyjnego przedsiębiorstwa), jak i dyskretne
(oddawanie inwestycji produkcyjnych do eksploatacji). Dzięki temu symulator wiarygodniej odwzorowuje
rzeczywistość oraz związki przyczynowo-skutkowe występujące w tak złożonym systemie jak przedsiębiorstwo.
Symulator komputerowy sam w sobie posiada dwie zasadnicze wady:
�� nie dokonuje oceny uzyskiwanych wyników, co nadal pozostaje w gestii użytkownika,
�� nie oferuje narzędzia pozwalającego poszukiwać optymalne, ze względu na przyjęte kryterium,
alternatywy decyzyjne.
W pracy rozwiązanie tych problemów widziane jest w połączeniu symulatora komputerowego z technikami
inteligentnymi.
3. System wspomagania decyzji EK_AN_EX (hybryda w układzie dwuelementowym: symulator
komputerowy  system ekspertowy)
Układ ten pozwala przeprowadzać ocenę kondycji ekonomicznej przedsiębiorstwa w sytuacja będącej
efektem wyboru określonej alternatywy decyzyjnej. System ekspertowy ocenia sytuację ekonomiczną na
podstawie sprawozdań finansowych, wybranych charakterystyk badanego podmiotu oraz przyjętych parametrów
istotnych z punktu widzenia zastosowanej metody analizy (średni poziom w branży kluczowych agregatów
ekonomicznych, standardy oceny). y
ródłem sprawozdań finansowych jest moduł symulatora komputerowego
DEF. System wspomagania decyzji poprzez moduł współpracy z użytkownikiem pozwala zaprezentować wyniki
analiz, wyliczone dane, a co najistotniejsze ich ocenę wyrażoną w języku quasi-naturalnego.
Praca w module systemu ekspertowego rozpoczyna się od wyboru jednej z trzech opcji określającej charakter
dalszych prac w module, a są to:
�� aktualizacja sprawozdań,
�� parametryzacja systemu,
�� diagnoza.
Dla poprawności działania systemu, w szczególności przy pierwszej próbie pracy z systemem, zaleca się
wybór wszystkich opcji, zachowując przy tym kolejność ich umieszczenia na ekranie systemu.
Opcja aktualizacji danych umożliwia przeglądanie sprawozdań finansowych importowanych z modułu
danych symulatora komputerowego. Docelowo użytkownik będzie mógł tutaj wprowadzać własne dane.
Parametryzacja danych umożliwia zdefiniowanie standardów oceny dla wybranych agregatów ekonomicznych
oraz podanie średnich poziomów branżowych wybranych wskaz
ników finansowych.
Po zweryfikowaniu sprawozdań finansowych i sparametryzowaniu systemu ekspertowego, można przejść do
analizy sytuacji firmy. Diagnoza została podzielona na ocenę danych finansowych oraz danych jakościowych.
Analiza finansowa przeprowadzona jest w podziale na cztery grupy, jednorodne pod względem
tematycznym:
�� wstępna analiza struktury sprawozdań finansowych,
�� analiza płynności,
�� analiza rentowności,
�� analiza zadłużenia.
W obrębie każdej z tych analiz wyliczane są najbardziej reprezentatywne agregaty ekonomiczne dla
kolejnych trzech lat analizy. Na podstawie ich wartości generowana jest ocena wyrażona w języku quasi 
naturalnym. Podsumowaniem oceny jest konkluzja wyrażająca sytuację firmy w danym zakresie, przyjmująca
postać krótkiego zdania.
Za budowę ocen odpowiedzialny jest moduł bazy wiedzy. Wiedza jest zakodowana w postaci kilkuset zdań
warunkowych zapisanych w systemie za pośrednictwem funkcji If - Then. Przy budowie zdań warunkowych nie
wykorzystywano wiedzy eksperckiej. Przyjęto założenie, że wiedza kilku ekspertów z danej dziedziny nie jest
reprezentatywna. Uznano, że jedynie wiedza powszechnie uznawana, przedstawiona w literaturze przedmiotu,
może być brana pod uwagę.
Rys. 6. Ekran programowy modułu EK_AN_EX_ przedstawiający jeden z elementów analizy finansowej
badanego podmiotu.
W przypadku analizy jakościowej wykorzystywany jest tylko jeden ekran programowy. Użytkownik musi
tutaj odpowiedzieć na kilka pytań dotyczących działalności poddawanego badaniu przedsiębiorstwa. Chodzi
tutaj o:
�� wiek,
�� uzależnienie od odbiorców i dostawców,
�� konkurencyjności produktów,
�� kwalifikacje i doświadczenie kadry kierowniczej.
Aspekty te są istotne dla oceny firmy, jednakże nie można wyrazić ich w postaci liczbowej. W odróżnieniu
od poprzednich modułów nie jest generowana tutaj żadna ocena. Udzielone na tym etapie odpowiedzi
wykorzystywane są do wygenerowania oceny i konkluzji podsumowującej sytuację ekonomiczną badanego
przedsiębiorstwa.
Pięć scharakteryzowanych powyżej części składowych analizy ekonomicznej badanego podmiotu
gospodarczego wykorzystywanych jest w analizie podsumowującej. Analiza ta składa się ze standardowej oceny
wyrażonej w języku quasi-naturalnym (suma ocen poszczególnych części składowych) oraz zwięzłej i zarazem
ostatecznej konkluzji podsumowującej stan ekonomiczny firmy.
4. System wspomagania decyzji EK_AN_AG (hybryda w układzie dwuelementowym: symulator
komputerowy  algorytm genetyczny)
Rola algorytmu genetycznego w systemie EK_AN_ sprowadza się do poszukiwania soboptymalnych
alternatyw decyzyjnych dla przedsiębiorstwa odzwierciedlonego w symulatorze komputerowym DEF. Algorytm
genetyczny jest wykorzystywany w procesie generowania alternatyw decyzyjnych oraz ich optymalizowania.
Z poziomu ekranu startowego dokonuje się wyboru zakresu dalszej pracy w module. Możliwe jest wybranie
jednej z trzech opcji:
1. parametryzacja modułu,
2. wybór optymalizowanych zmiennych,
3. wykonanie obliczeń i prezentacja wyników.
Konieczny jest wybór wszystkich wyliczonych opcji, przy zachowaniu zaprezentowanej kolejności.
Parametryzacja pozwala określić charakterystyki procesu optymalizacyjnego, sposób dochodzenia do
suboptymalnych rozwiązań oraz zdefiniować funkcję celu. Charakterystyki procesu optymalizacyjnego dotyczą
kwestii technicznych wykorzystywanych w procesie obliczeniowym. Domyślnie przyjmowane są wartości
najbardziej typowe dla algorytmów genetycznych. Funkcja celu wyznacza kryterium oceny uzyskiwanych
wyników. Użytkownik może określić, że poszukuje takich alternatyw decyzyjnych, przy których:
�� zsumowany zysk netto dla kolejnych trzech lat jest najwyższy,
�� zsumowana sprzedaż netto dla kolejnych trzech lat jest najwyższa,
�� kondycja finansowa badanego podmiotu będzie najlepsza.
Istotnym osiągnięciem jest zastosowanie przy wykorzystaniu algorytmu genetycznego kryterium
jakościowego w procesie poszukiwania suboptymalnych alternatyw decyzyjnych. Możliwość korzystania z tego
kryterium wymaga równoległego korzystania z modułu systemu ekspertowego. Powstaje wówczas
trójelementowa hybryda łącząca wszystkie wykorzystywane techniki analityczne (patrz punkt 5).
W drugim kroku dokonuje się wyboru zmiennych decyzyjnych, dla których będą poszukiwane wartości
optymalizujące funkcję celu dla wybranego we wcześniejszym etapie kryterium optymalizacyjnego. Pozostałe
zmienne traktowane są jako stałe na ustalonym poziomie. Następnie losowo wybiera się populację 20 osobników
(20 alternatyw decyzyjnych), dla których przeprowadzany jest eksperyment symulacyjny. Dysponując wynikami
eksperymentu wylicza się wartość wybranej funkcji celu (kryterium optymalizacyjnego), według której
poszukuje się najlepszej alternatywy decyzyjnej.
Następnie przechodzi się do fazy krzyżowania. Wybór osobników (alternatyw decyzyjnych) do krzyżowania
może przebiegać według różnych metod. Z reguły uwzględnia się tutaj poziom przystosowania każdej z
alternatyw (gdzie funkcja przystosowania dla osobnika jest liczona jako stosunek wartości kryterium, czy też
funkcji celu, do sumy wartości kryterium dla wszystkich osobników populacji). Poziom przystosowania
poszczególnych alternatyw decyzyjnych traktuje się jako prawdopodobieństwo ich przeżycia i wykorzystuje do
losowania 20 osobników uczestniczących w krzyżowaniu. W efekcie może się zdarzyć, że część osobników
dotychczasowej populacji nie zostanie wybrana, natomiast niektórzy mogą zostać wybrani kilka razy. Wybrane
osobniki losowo łączy się w pary, a następnie krzyżuje, otrzymując w efekcie z każdej pary dwóch nowych
osobników.
Krzyżowanie przeprowadzone jest poprzez zamianę wszystkich wybranych do optymalizacji zmiennych
decyzyjnych osobnika, wyrażonych w postaci kolejnych wartości numerycznych, do jednego ciągu znaków w
postaci binarnej (poszczególne wartości numeryczne zmiennych decyzyjnych są zamieniane do postaci binarnej
a następnie łączone ze sobą). Następnie mając dwóch osobników w postaci dwóch ciągów znaków
zerojedynkowych wybiera się losowo punkt ich podziału w postaci numeru znaku ciągu rozdzielającego go na
dwie części. Teraz łączy się poszczególne części ciągu biorąc jedną część z pierwszego, a drugą z drugiego.
Powstałe w wyniku tego działania ciągi znaków są rozdzielane, a następnie zamieniane do postaci liczbowej
odzwierciedlającej wartość poszczególnych zmiennych decyzyjnych.
Po procesie krzyżowania, a przed zamianą do postaci numerycznej, może występować etap mutacji, którego
częstość występowania uzależniona jest od przyjętego, z reguły niewielkiego, poziomu prawdopodobieństwa.
Polega on na wyborze miejsc w ciągu binarnym, które są zamieniane na przeciwne wartości (np. z 0 na 1).
Pozwala to zapobiegać szybkiej unifikacji populacji badanych osobników.
5. System wspomagania decyzji EK_AN_AG_EX (hybryda w układzie trójelementowym: symulator
komputerowy  algorytm genetyczny  system ekspertowy)
System EK_AN_ w swojej podstawowej formule, tj. jako symulator komputerowy posiada bardzo istotną
zaletę z punktu widzenia procesu podejmowania decyzji. Pozwala bowiem przeprowadzać analizę dynamiczną.
Jednakże posiada on dwa zasadnicze ograniczenia, na które została zwrócona uwaga. W zarysie ograniczenia te
związane są z oceną uzyskiwanych wyników oraz poszukiwaniem optymalnych alternatyw decyzyjnych. Każde
rozwinięcie podstawowej formuły systemu, do postaci hybrydy w układzie dwuelementowym: symulator
komputerowy  technika inteligentna, usuwało jedno z ograniczeń. System ekspertowy oceniał wyniki
generowane przez symulator komputerowy, algorytm genetyczny poszukiwał suboptymalnych alternatyw
decyzyjnych.
Hybryda trójelementowa, spajającą jednocześnie wszystkie uwzględnione na etapie badawczym techniki
analityczne, charakteryzuje się zaletami tychże technik oraz pozytywnymi efektami ich połączenia w opisane
układy typu: symulator komputerowy  technika inteligentna. W wyniku zaproponowanego zespolenia uzyskuje
się dodatkowy bardzo istotny efekt synergiczny. Staje się bowiem możliwe poszukiwanie suboptymalnych
alternatyw decyzyjnych dla złożonego kryterium jakościowego.
Hybryda dwuelementowa: symulator komputerowy  algorytm genetyczny pozwala wyszukiwać
alternatywy decyzyjne jedynie dla tych funkcji celu, które przyjmują wyłącznie wartości liczbowe. W
przedstawionym programie ujęto dwa ilościowe kryteria optymalizacyjne, są to: wynik finansowy lub przychód
ze sprzedaży. Jednakże nawet najwyższy poziom zysku, czy też przychodów ze sprzedaży, z jednej strony jak
najbardziej pożądany, nie gwarantuje, że spółka jest w dobrej sytuacji finansowej gwarantującej jej dalsze
funkcjonowanie. Na potwierdzenie tych słów można wspomnieć o badaniach z zakresu bankructwa firm
przeprowadzonych w Wielkiej Brytanii. Wykazały one, że 80% upadłych firm było rentownych. Argument ten
przemawia za doborem lepszego kryterium poszukiwania suboptymalnych alternatyw decyzyjnych. Uznano, że
najwłaściwszym kryterium będzie ocena kondycji ekonomicznej. Nie oznacza to, że pozostałe kryteria należy
pominąć. Ze względów poznawczych powinny być one uwzględniane przez użytkownika systemu.
Zastosowanie kryterium jakościowego w procesie poszukiwania suboptymalnych decyzji umożliwia system
ekspertowy. Połączenie systemu ekspertowego z algorytmem genetycznym i symulatorem komputerowym
pozwala poszukiwać takich alternatyw decyzyjnych, w wyniku realizacji których ocena sytuacji ekonomicznej
przedsiębiorstwa będzie jak najlepsza.
Ocenom generowanym przez system ekspertowy wyrażonym w języku quasi-naturalnym, poprzez
zastosowanie metody punktowej, zostały przydzielone stosowne noty punktowe. Najlepsza sytuacja
przedsiębiorstwa może uzyskać w sumie maksymalnie 38 punktów. Zastosowany zabieg pozwolił przekształcić
ocenę w ujęciu jakościowym na ujecie liczbowe. Ocena kondycji ekonomicznej w ujęciu liczbowym stanowi
funkcję celu, którą można już zastosować w pracy z algorytmami genetycznymi.
W efekcie uzyskano narzędzie pozwalające poszukiwać suboptymalne alternatywy decyzyjne dla
pożądanego kryterium jakościowego, którym jest kondycja ekonomiczna przedsiębiorstwa.
Literatura:
1. Bielecki W. Wizualne, interaktywne modelowanie. W: Symulacja systemów gospodarczych. Prace szkoły
Antałówka 98. WSPiZ i Instytut Organizacji i Zarządzania Politechniki Wrocławskiej, Warszawa 1998.
2. Radosiński E. Systemy informatyczne w dynamicznej analizie decyzyjnej. Wydawnictwo Naukowe PWN.
Warszawa  Wrocław 2001.
3. Radosiński E. Inteligentne systemy hybrydowe w analizie ekonomicznej firmy. Prace Szkoły Antałówka  98.
Warszawa 1998.
4. Sierpińska M., Wędzki D. Zarządzanie płynnością finansową w przedsiębiorstwie. Wydawnictwo Naukowe
PWN. Warszawa 1997.
5. Zabawa J. EKANWIN 2001  implementacja hybrydy systemu wspomagania decyzji i dydaktycznego
symulatora przedsiębiorstwa. W: Symulacja systemów gospodarczych. Prace szkoły Antałówka 01. WSPiZ i
Instytut Organizacji i Zarządzania Politechniki Wrocławskiej, Warszawa 2001.
Dr hab. inż., prof nadzw. Edward Radosiński
e-mail: [e-mail],
Mgr inż. Arkadiusz GÓRSKI
e-mail: [e-mail]
Instytut Organizacji i Zarządzania Politechniki Wrocławskiej
ul. Smoluchowskiego 25 (bud. B1),
50-372 Wrocław