Slides Soporte a la toma de Decisiones
-
Upload
fernando-princich -
Category
Documents
-
view
1.313 -
download
1
description
Transcript of Slides Soporte a la toma de Decisiones
Universidad Nacional del Nordeste
Facultad de Ciencias Exactas y Naturales y Agrimensura
Licenciatura en Sistemas
Trabajo Final de Aplicación.
Investigación: Teorías y Métodos
Análisis y Diseño de la Aplicación
Resultados
Etapas de Desarrollo del Trabajo
Sistemas Expertos
Sistemas de Soporte a la Decisión
Data Warehousing
SQL
Simulación
Teorías y Métodos
Sistemas Expertos
Inteligencia Artificial
Nociones de los Sistemas Expertos
Sistemas Expertos Basados en Probabilidades
Sistemas Expertos Basados en Reglas
Antecedentes Culturales
Alcances de la IA
•Solución del Problema en General•Percepción•Comprensión del Lenguaje Natural•Aprendizaje, Demostración de Teoremas, Juegos•Hardware para la IA•Robótica•Cibernética•Sistemas Expertos (SE)
Inteligencia Artificial
Conceptos
Áreas de Aplicación de los SE
Nociones de Funcionamiento de los SE
Nociones de los SE
•Diagnosis•Pronóstico•Planificación•Reparación
Funcionamiento de los SE
Descripción del Esquema.
Interactúan dos agentes.
Experto del Dominio
Ingeniero del Conocimiento
Bases del ConocimientoProcedural
Declarativo
Motor de Inferencia
Interfase
Esquema de Inferencia
SE Basados en Reglas
•Tratan Problemas Deterministas
•Dos partes la componen
PremisaConclusión
•El motor de Inferencia
Reglas de inferencia Modus Ponens,Modus Tollens,
Estrategias de inferencia
Encadenamiento de reglas,Encadenamiento de reglas orientado a un objetivo
SE Basados en Probabilidades
Enfermedad Presente Ausente
Positivo 0,75 0,04
Negativo 0,25 0,96
•Tratamiento de la Incertidumbre
•Las redes de creencia
•El razonamiento Bayesiano
Enfermedad
Prueba
•Probabilidades condicionales
•Inferencia del Sistema
•Probabilidades a Priori
EnfermedadPresente =
0,08Ausente = 0,92
PruebaPositivo = 0,10
Negativo = 0,90
•Probabilidades a Posteriori
VPP = P(Enfermedad = presente | Prueba = positivo) = [P(Prueba = positivo / Enfermedad =
presente) x P(Enfermedad = presente)] / P(Prueba = positivo)
VPP=[0.75 x 0.08] / 0.0968 = 0.62 = 62 %
DSS Sistemas de Soporte a la Decisión
Introducción (Modelo Administrativo)
Definición
Características de los DSS
Componentes Funcionales de un DSS
Proceso de Toma de Decisiones
Componentes de un DSS
Características de los DSS
•Interactividad
•Tipo de Decisiones
•Frecuencia de Uso
•Variedad de Usuarios
•Flexibilidad
•Interacción Ambiental
•Comunicación Interorganizacional
•Acceso a Base de Datos
•Simplicidad
•Flexibilidad
Implementación en la Aplicación
Componentes Funcionales
•El Modelo
•La Base de Datos
•Sistemas de Software
•Interfaz con el Usuario
Las Herramientas de Software y Hardware permiten a los usuarios diseñar sus propios modelos para tomar decisiones…
Implementación en la Aplicación
Proceso de Toma de Decisiones
•Inteligencia
•Diseño
•Elección
•Implementación
•Fases
•Soporte a cada Fase Implementación en la Aplicación
Componentes de un DSS
•Administrador de Datos
•Información Interna
•Información Externa
•Información Personal
•Administrador de Modelos
•Administrador de Diálogos
•Beneficios•Consideraciones
Simulación
Procesamiento de un modelo simulado, que puede someterse a manipulaciones que seríanImposibles realizar, o muy costosas o imprácticas. Los resultados son examinados para luegoInferirse en las propiedades del comportamiento del sistema que se pretende estudiar
Fundamentos Prácticos
Generación de Variables Aleatorias
Metodología Empleada
Fundamentos Prácticos
•No existen datos medianamente estructurados
•Inferencia de la simulación según criterios adoptados
•Parametrizacion de valores simulados
•Pronóstico a partir de la simulación, “¿Qué pasaría si?”
•Parametrización basada en información externa (pronósticos pesimistas u optimistas)
•Inferencia en cascada sobre otras variables (Si esto entonces…)
Metodología empleada
•Números Aleatorios
•Métodos Seudo aleatorios
•Método Aditivo de las Congruencias
•Sucesión de números equiprobables entre 0 y 9 ubicados aleatoriamente•Periodicidad de las series aleatorias•Métodos que generan series
•Manuales•Tablas de bibliotecas•Seudoaleatorios
•Los parámetros “Semillas” dan orígen a la serie.•Distintos métodos, aplicando algoritmos matemáticos modifican
recurrentemente el valor de las semillas•Testeos estadísticos pueden hacer utilizables a las series generadas
•Los k+1 valores enteros positivos dan origen a la serie. A medida que k aumenta disminuye la periodicidad de la serie•Si k= 2, se toman 3 valores iniciales. El primer número que se genera es de orden 4
V(i+1) = Vi + V(i-k) (mod M)
Modulo, IteracionesSemillas, Cttes.
I=1I=I+1
I=1I=I+1Semilla (K)
Si
no
Vec(I)no
Si
fin
R1= Vec(i) + Vec(i-k)
Vec(i+1)= R1 Mod M
Vec(i+1)
Las variables aleatorias
•Simulación de mediciones de pesos.
•Simulación Experta•Simulación controlable por el usuario•Con los primeros parámetros se inicia el método Aditivo de las Congruencias•La fórmula principal es la siguiente.
•Simulación de Condiciones Corporales.•Una matriz de valores contiene los valores simulados•Se ingresan los valores máximos y mínimos como extremos de valores•El algoritmo codificado es el siguienteCond(X) = Int((MiUltimo - MiPrimero + 1) * Rnd + MiPrimero)
V(i+1) = Vi + V(i-k) (mod M)
Data Warehousing
Introducción
Características de un Data Warehouse
Estructura y Arquitectura de un Data Warehouse
Operaciones en un Data Warehouse
Uso del Data Warehouse
Introducción al DW
Base de Datos Operacional Data Warehouse
Datos Operacionales Datos del negocio para Información
Orientado a la aplicación Orientado al sujeto
Actual Actual + histórico
Detallada Detallada + más resumida
Cambia continuamente Estable
Colección de datos centralizados, o no, en el cual se encuentra integrada la información de la institución y que se usa como soporte para el proceso de toma de decisiones.
•Diferencias con las Base de datos Transaccionales
•Sistemas de Información
•Soporte a DSS
Características de un DW
•Orientado al Tema
•Integrado
•De Tiempo Variante
•No Volátil
•El DW excluye la data no usada para el análisis•Los RDB están orientadas a las aplicaciones.•Las relaciones encontradas en un DW son muchas
•Codificación•Medida de Atributos•Convenciones de Nombramiento•Fuentes múltiples
Estructura y Arquitectura de un DW
•Estructura
•Arquitectura
•Detalle de datos actuales•Detalle de datos antiguos•Datos ligeramente resumidos•Datos completamente resumidos•Metadata
•DB operacional / Nivel de DB externo•Nivel de Acceso a la Información•Nivel de Acceso a los datos•Nivel de directorio de datos (Metadata)•Nivel de Gestión de Proceso•Nivel de Mensaje a la Aplicación•Nivel de Data Warehouse•Nivel de Organización de Datos
Operaciones en un DW
Db OperacionalIntegración
TransformaciónDW Acceso de usuarios
Finales
Data externa
Meta Data
GUI
Sist. A MedidaOLAPIntegrados
MDXSQL
•Flujo de Datos
•Plataforma DW
•Servidores de Db Relacional•Bloques Unix con MSP o MPP•Ej. Teradata
•Evolución del Deposito
•Objeto tiempo•Reemplazan datos idénticos•Horizonte de tiempo 5 a 10 años
•Metadata
•Datos sobre datos•Las técnicas y métodos dependen del soft Elegido•Es el corazón del DW
Flujo de Datos en un DW
Procesos de calculo de forma ligera y completamente resumido
Data Antigua, almacenada en Cinta.
Ingreso de información desde base de datos transaccionales
•Dependiendo del criterio y del tiempo
Usos del Data Warehousing
Uso de Base de Datos Operacionales Uso de Data Warehouse
Muchos usuarios concurrentes Pocos usuarios concurrentes
Consultas predefinidas y actualizables Consultas complejas, frecuentemente no anticipadas.
Cantidades pequeñas de datos detallados Cantidades grandes de datos detallados
Requerimientos de respuesta inmediata Requerimientos de respuesta no críticos
SQL
MDX
Lenguaje de Consulta Estructurado
•Componentes del SQL
•Comandos •Cláusulas
•Operadores Lógicos
•Operadores de Comparación •Funciones
•Comandos•Cláusulas•Operadores•Funciones de Agregado
•DLL: Create, Drop, Alter
•DML: Select, Insert, Update, Delete
•From•Where•Group By•Having•Order By
•And•Or•Not •<
•>•<>•=•<=•>=•Between•Like•In
•Avg•Count•Sum•Max•Min•etc
Análisis y diseño de la Aplicación
Análisis del Problema
Informatización en la Producción Ganadera
Trazabilidad
El modelo propuesto
Análisis del Problema
•Estructuración de los procesos
•Ingeniería y reingeniería de datos
•Necesidad de Informatización
•Antecedentes
•Fuentes de Información
•Las posibilidades de la producción Ganadera
•La Cría del Ganado Vacuno
Access SQL Server
Posibilidades de producción
•Invernada
•Tambo
•La Cría
•La Cría y Recría
•Cabañas
La Cría del Ganado Vacuno
•Etapas de la Cría
•Categorías que componen el rodeo de cría
•Objetivos de la cría
•Zonas de Cría y Estadísticas
Objetivos de la Cría
•Entorar la vaquilla de reposición lo antes posible (recría corta)
•Alcanzar la mayor cantidad de kg. de carne/ha/año
•Lograr la mayor longevidad (vida útil) en los vientres
•Manejar la máxima carga animal
•Lograr el menor intervalo entre partos
•Lograr un ternero por vaca y por año
•Llegar al destete con el mayor peso
Zonas de Cría
•La pampa húmeda
•NEA
•Mayor producción de terneros del país•15.000.000 de vientres•60 % del total de bovinos del país
•Segunda zona de importancia en la cria.•8.080.00 cabezas•46 % de vientres•Corrientes: 4.260.243 cabezas•50% de ésta cabezas son vacas de cría•30 kg. Carne/ha/año.
Categorías y Etapas
•Etapas de la Cría
•Vaquillonas de reposición
•Servicio o Entore
•Gestación o Preñez
•Vacas de Cría, vientres o madres
•Toros o padres•Etapas
•Parición
•Lactancia o Cría
•Destete
Inf. En la producción ganadera
•Organizar y estructurar la información
•Seguridad de la información
•Decisiones acertadas•Ampliar el mercado, competir en el mundo•Estadísticas globales
Trazabilidad
•Situación en la Argentina y en el mundo •Tipos de Identificación
•Soporte de la información
•¿Qué es la Trazabilidad?
Qué es la Trazabilidad?
•Medio de identificación del animal.
•Entidades involucradas en el negocio de la carne
•Caravana•Micro chip•Bolo de identificación•Otros
•Criadores.•Invernadores•Comercializadores•Procesadores•Distribuidores•Exportadores•Consumidores
•Desde el establecimiento a la góndola del supermercado.•Desde el nacimiento hasta la faena del animal.•…….”La ficha del Animal”……..•La sanidad del animal…
Implementación en la Aplicación
Una vulgar definición: Seguirle el rastro a la carne
La situación Actual
•Imposición Europea
•El ejemplo de Holanda (plus 15% al corte con la ruta marcada)
•EL sistema Español
•Compromiso privado y público
El sistema Español
•Mediante el código (ID del animal), provisto en la “bandeja” del producto. Se puede obtener la iformación o ficha histórica del animal, a travez de Internet.
NÚMERO DE IDENTIFICACION: ES 010101504543
ALTA
ANIMAL nacido en la explotación: X
FECHA DE NACIMIENTO Día: 05 Mes: 03 Año: 1998
SEXO Macho: Hembra :X RAZA: CRUZADA Código de la Madre: CO-2208-U
EXPLOTACION DONDE ES IDENTIFICADO: 009-CO-087
TITULAR DE LA EXPLOTACION JUAN CARLOS BALMASEDA DE SILVEIRA DNI/CIF 50683911
BAJA
ANIMAL Sacrificado en Matadero :X
FECHA Día 30 Mes 04 Año 1999
El Modelo propuesto
•Modelo Técnico/Operativo
•Modelo Estratégico
•Soporte al sistema de Trazabilidad animal•Registro de todas la prácticas hechas en el establecimiento•Soporte al registro de los planes sanitarios vigentes.•Árbol genealógico del animal•Reportes con soporte a la mercadotecnia•Registro, reportes y estadísticas de la evolución individual y grupal•Ubicación espacial, individual y grupal.
•Soporte a la selección de animales para servicio•Soporte a la selección de animales para descarte•Soporte a la elección de la ubicación de los animales.•Soporte a la elección del plan de suplementación alimentaria•Soporte a la toma de decisiones en general.
Modelo Idealizado
Ingreso del
Animal
Evol. Animal.
Marcas/Señales
Planes SanitariosUbicación
Prácticas
Servicios
Tactos
Compra/Venta
Pesos
Nacimientos
Reportes
EstadísticasSimulación
DSS
Pronóstico
Resultados…
Utilidades Operativas
Estrategias de Simulación
Utilidades de Soporte a la Decisión
Técnicas OLAP para DSS
Estrategias de Simulación
•Simulador de Pesos
•Simulador de Condiciones Corporales
El Simulador Experto (Selecciona Etapa y asigna parámetros)
Obviar el Experto (Ingresar los parámetros máximos y mínimos)
Elegir intervalos de fecha de nacimiento
Elegir intervalos de caravanas
Usabilidad y Utilidad
Usabilidad y Utilidad
•Simulación y Sistemas Expertos
•Pronóstico a partir de la simulación
La base del conocimiento, según etapa de la cría (Solo experto puede modificarla)
Según Perspectivas (Optimistas y pesimistas)
Que pasaría sí…..
Intervalos de fechas de nacimientos, caravanas, etapa de cría…
Utilidades DSS
Estrategias de “Soporte a la Decisión”, aplicadas a la selección de animales para Servicios, basadas en políticas de producción.
Estrategias de “Soporte a la Decisión” y “Sistemas Expertos”, aplicadas a la selección de animales para Descarte
Servicios
Condición para ingresar a servicio(Los porques)
Variables que intervienen
•Etapa de la cría•Tipo racial•Peso•Eficiencia Reproductiva (Caract. Feno)•Condición Corporal•Área Pélvica
Inferencia del Sistema
Inferencia del Sistemae-ganadero realiza la siguiente operación para realizar lo que el usuario requiere.
Ejecuta script SQL (único), para cualquier situación y/o combinación de criterios
Ingreso de parámetros (criterios de selección/elección)
Consulta BD. Para comp. Si existen registros cargados
Exi. Reg?Incluir criterioDescarta Criterio siNo
Experto, actúa según etapa de la cría seleccionada
Según reg. setea variables para consulta
Informe: Caravanas encontradas
Combina criterios
Fin
Descartes
Relación con la utilidad para servicios
Cuando descartar animales?
•Cuando no ingresan a servicio/s•Cuando no se preñan•Cuando no destetan un ternero
soporte a la decisión, para descartar los animales que no rinden en la producción propiamente dicha.
La decisión del experto
Posibilidad de elegir el período
Decisiones del experto
Estimación de la venta (algunos pesos estimados, precio Kg. vivo)
Las opciones
•Descartar animales•Implica reponer plantel de reproductoras
•Suplementar con alimentación•Cambiar el plan sanitario
Decisiones estructuradas
Inferencia del sistemaLas metodologías empleadas, utilizan técnicas de sistemas expertos basados en reglas de decisión combinadas con consultas estructuradas a la base de datos.
OLAP en DSS
Conceptos sobre OLAP
Características
•Modelo de datos multidimensional, facilita la exploración y el análisis•capacidad de explorar las complejas relaciones existentes entre los datos
empresariales.•Otras explicadas en tema DW•La tecnología OLAP permite un uso más eficaz de los almacenes de datos para elanálisis en línea, lo que proporciona respuestas rápidas a consultas analíticascomplejas e iterativas.
Procesamiento Analítico en Línea.
Las herramientas OLAP Realizan todas las operaciones explicadas en el capitulo DW. Transformación de datos, filtros, administración de los datos, etc.
Conceptos sobre OLAP
Medidas
Cubos
Dimensiones
Un cubo es un conjunto de datos que normalmente se construye a partir de un subconjunto de un almacén de datos y se organiza y resume en una estructura multidimensional definida por un conjunto de dimensiones y medida
Las dimensiones son un atributo estructural de los cubos. Están organizadas en jerarquías de categorías y (niveles) que describen los datos de las tablas de hechos. Estas categorías y niveles describen conjuntos similares de miembros en los que el usuario desea basar un análisis.
En un cubo, una medida es un conjunto de valores de una columna de la tabla de hechos del cubo, valores que suelen ser numéricos. Además, las medidas son los valores centrales del cubo que se analizan. Es decir, las medidas son datos numéricos de gran interés para los usuarios finales cuando examinan un cubo.
Inventario
Condición Corporal
Implementaciones Futuras
Utilidades Expertas Para el Soporte a la Decisión
Utilidades de Planificación
•PronósticoUtilizando SE basados en probabilidades. Ejemplo INTA (probabilidad de preñez según Condición Corporal)
•Planificación Mediante Modelado y Simulación
Utilizando Criterios de parametrización Optimista, Pesimista y Medio. (Ej. Proyección de cuantos terneros nacerán el próximo año)
Generación de Informes
•Inferencia de Enfermedades (A partir de datos de Abortos)
•Tipo de Destete a Realizar (De acruerdo a la Cond. Corp. de la madre)
•Donde ubicar a los animales (Según datos de los potreros y los
animales) •GIS (para conocer la Ubicación de los animales)
•Inf. De Vacunos (Particulares)•Inf. De Pesos•Inf. De Condiciones Corporales•Informes de Ubicaciones (Potreros)•Inf. De Servicios, Preñeses, Destetes, Pariciones, etc.•Inf. De Planes Sanitarios•Inf. Para Trazabilidad.•Inf. De Árbol Genealógico
Conclusiones
Las Posibilidades de la Región
Tendencias de los DSS
La Trazabilidad de la Carne
El aporte de la Informática
Los propósitos del trabajo