DSS架構 其他以電腦為基礎之系統 資料：外部與內部 資料管理 模式管理 知識管理 使用者界面 管理者(使用者)

DSS #4：造模與分析 一、問題的確認和環境的分析 二、變數的確認 三、模式的種類 參考書目：Turban, E., Aronson, J. E., and Liang, T. P., Decision Support Systems and Intelligent Systems, Seventh Edition, Prentice Hall, 2004. Chap 5

一、問題的確認和環境的分析 環境 輸入 轉換過程 輸出 決策者 系統界限 顧客 天氣狀況 政府 上 游 廠 商 原料 成本 資源 程序 程式 活動 決策 績效 結果 成品 可交付服務 競 爭 者 決策者 銀行 股東 系統界限

二、變數的確認 影響圖(influence diagrams) 用來為模式設計而繪製圖形 常用之圖示 ～ 決策變數：矩形 無法控制或中間變數：圓形 輸出變數：橢圓形 影響(關係的方向)：箭號 確定 不確定 風險 定存金額 累積的利息 產品價格 銷售額 ～ 需求 銷售額

影響圖實例 ～ 利潤=收入-支出 收入=銷售單位量*單位價格 銷售單位量=0.5*廣告使用的單位數量 支出=單位成本*銷售單位量+固定成本 廣告所花費的金額 銷售 單位量 收入 單位 價格

三、模式的種類 靜態 vs. 動態模式 靜態模式 (static models) 動態模式 (dynamic models) 獲取某種情報的單一快照，亦即事件發生在單一期間內，為「時間獨立」(time-independent) 例如是否製造或購買某一項產品之決策 動態模式 (dynamic models) 用來評估時間改變的腳本 為「時間相依」(time-dependent)，例如超市要開多少個結帳櫃台，必需考慮每日的不同時間點 如五年財務報表，成本、價格、數量…逐年改變 指出隨著時間之趨勢、型態、每個週期的平均、移動平均、比較分析

試算表造模實例 對調

模式的種類 (Cont.) 確定性、不確定性及風險模式 確定性模式 (certainty models) 變數間的關係確定 不確定性模式 (uncertainty models) 不知變數間的關係，常用樂觀法或悲觀法決定 需嘗試獲得更多資訊使該決策儘量變為確定性或風險性決策 風險模式 (risk models) 變數間的關係以機率的方式估計 常見的商業決策多屬於風險模式

模式的種類 (Cont.) 常見的模式種類 (一) (二) (五) (四) (三) (六)

(1)少數方案的決策分析：決策表及樹 決策分析(decision analysis) 有限且不太多方案數目的決策情況可用此種方法來建立模式 單一目標：可使用決策表或決策樹 決策表 決策變數：例如方案 無法控制變數：例如經濟狀態 結果變數：例如預期的利潤 實例 若經濟穩健成長，投資公債獲利12%，股票15%，定存6.5% 若經濟蕭條，投資公債獲利6%，股票3%，定存6.5% 若通貨膨脹，投資公債獲利3%，股票2%，定存6.5%

決策表模式之表達 處理不確定性 處理風險 樂觀法：每一方案最佳的可能輸出值，取最佳 →股票(15%) 樂觀法：每一方案最佳的可能輸出值，取最佳 →股票(15%) 悲觀法：每一方案最壞的可能輸出值，取最佳 →定期存款(6.5%) 處理風險 每個方案給予機率， 取期望值最大之方案

多重目標(multiple goals) 同時有多個目標，且結果可能是定性的 實例 常用方法 考慮三項目標： 利潤 安全性 流動性 常用方法 使用權重(weight)：但是要設定權重不易 分析層級程序法 (Analytical Hierarchy Process, AHP) 1971年美國匹茲堡大學Thomas L. Saaty所提出，是一種可讓決策者在動盪環境擬定決策時，將複雜、龐大的問題系統，簡化成明確的元素層級系統，

(2)經由計算方法而得的最佳化 數學規劃(mathematical programming) 被設計來幫助解答管理問題的一項工具家族， 決策者需在不同作業間分配稀少資源，以最佳化一個可測量的目標 最著名的技術：線性規劃(linear programming) 決策變數：數值未知及被搜尋 目標函數(objective function)：線性的數學函數，使決策變數與目標發生關連，並且能衡量目標的達成情況 目標函數係數：一單位決策變數在目標函數的貢獻值 限制式(constraints)：線性不等式或等式，表示資源的限制 容量(capacities)：描述限制式和變數的上限或下限

線性規劃實例

(3)啟發式規劃(Heuristic Programming) 滿意解 某些複雜的決策問題，最佳解花費時間、成本，或是不可能找到最佳解 適用情況 輸入的資料有限 真實情況太複雜 沒有一個可信賴且最佳的計算方法 模擬的計算時間很長 改進最佳化過程的效率是可能的 複雜問題的最佳化或模擬不具經濟性

禁忌搜尋(tabu search)啟發式方法 啟發式程序：找出規則 從某要點的成功或失敗中所增加的知識， 產生回饋，再修飾搜尋過程，屢次重新定義目標或問題 例如：非階層式集群分析方法 禁忌搜尋(tabu search)啟發式方法 「記憶」以找過之解答中，何者是高/低品質之解答，並試著往其他高品質解答移動，而遠離低品質解答者 例如：基因演算法(genetic algorithms) 隨機產生解答→配對產生子孫→最佳的子孫與父母才被保留以產生新生代…

(4)模擬(Simulation) 模擬過程 優點 大量的時間壓縮 允許管理者詢問若則問題，減少嘗試錯誤成本 允許包含某些真實、複雜化之問題 需要問題的詳細知識，迫使DSS建造者需與管理人員不斷地溝通

模擬類型 機率性的模擬 時間相依vs.時間獨立的模擬： 離散型機率分配，如二項分配 連續型機率分配，如常態分配 ex:某產品每天需求3單位，若不care何時被需要，屬後者

(5)視覺的試算表(Visual Spreadsheet) 克服試算表之兩項困難 公式困難解釋 時間序列太困難而無法處理 允許使用者利用影響圖來視覺化模式與公式

多維度空間的造模 圖例：

(6)財務及規劃的造模 代數導向 以類似英語之語法撰寫 如Visual IFPS/ Plus