Sistemas de Apoio Gerencial Profa. Giovanna M. Grassini

Apresentação em tema: "Sistemas de Apoio Gerencial Profa. Giovanna M. Grassini"— Transcrição da apresentação:

1 Sistemas de Apoio Gerencial Profa. Giovanna M. Grassini
Capítulo 9 Sistemas de Apoio Gerencial Profa. Giovanna M. Grassini

2 Esboço do capítulo Gerentes e tomada de decisões
Sistemas de apoio à decisão Sistemas de informação executiva Sistemas inteligentes

3 9.1 Gerentes e tomadas de decisões
Gerenciamento: processo pelo qual metas organizacionais são atingidas com o uso de recursos. Entradas: Recursos Saídas: Metas

4 9.1 Gerentes e tomadas de decisões
Funções básicas dos gerentes: Funções interpessoais: chefe, líder, elemento de ligação Funções informativas: monitor, divulgador, porta-voz, analista Funções de decisão: empreendedor, mediador de problemas, alocador de recursos, negociador.

5 Por que os gerentes necessitam do apoio de TI
Quantidade de alternativas Pressão de tempo Análise detalhada para tomada de decisões Acesso rápido a informações Consultas a especialistas Reunião a distância.

6

7 SAD: sistemas de apoio à decisão SAE: sistemas de apoio aos executivos
Que tecnologias da informação estão disponíveis para apoiar os gerentes? SAD: sistemas de apoio à decisão SAE: sistemas de apoio aos executivos SADG: sistemas de apoio à decisão de grupos Sistemas inteligentes

8 Estrutura para a análise de decisões computadorizadas
Estrutura do problema Natureza das decisões Matriz de decisões Apoio computadorizado para decisões estruturadas

9 9.2 Sistemas de Apoio à decisão - SAD
São sistemas interativos sob controle do usuário e que oferecem dados e modelos para a solução de problemas semi-estruturados ou não-estruturados; Utiliza ferramentas de análise e modelagem sofisticada; Fornece respostas interativas para questões não-rotineiras; Foco na eficácia na tomada de decisão

10 9.2 Características de um SAD
Manipular grandes volumes de dados; Obter e processar dados de fontes diferentes; Possuir orientação tanto textual quanto gráfica (produção de textos, tabelas, desenhos lineares, gráfico de pizza, curvas de tendência, etc); Proporcionar flexibilidade de relatórios e de apresentação (informação que deseja no formato que preenche as suas necessidades);

11 9.2 Sistemas de Apoio à decisão - SAD
Questões que um SAD ajuda a responder: E se subíssemos os preços em 10% em quanto aumentaria o lucro? Quanto custaria a mais fabricar nosso produto se o custo relativo a salários dos funcionários subisse 15%?

12 9.2 Sistemas de Apoio à decisão - SAD
Atividades para apoiar a tomada de decisões Examinar várias alternativas rapidamente Análise de risco sistemática Integrados a sistemas de comunicação e banco de dados Apoia o trabalho em grupo

13 9.2 Sistemas de Apoio à decisão - SAD
SAD para decisões de determinação de preços SAD para a utilização de ativos SAD para gerenciamento do relacionamento com o cliente.

14 9.2 SAD – Habilidades Análise de Sensibilidade: estudo do impacto que as mudanças acarretam em outras partes. Análise de variações hipotéticas (what-if): determinar o impacto que uma mudança nas suposições causa sobre a solução proposta Análise de Busca de Metas

15 9.2 SAD – Características

16 9.2 Estrutura de um SAD Subsistema de gerenciamento de dados
Subsistema de gerenciamento de modelos Interface com o usuário e usuários finais Alguns podem ter gestão do conhecimento

17 Arquitetura Funcional de SADs
componentes principais Banco de Modelos financeiros; de análises estatísticas; de gerenciamento de projeto; Banco de Dados SGBD SGM Gerador de SAD Banco de Dados externo Acesso a outros sistemas computacionais Acesso a banco de dados externos Recupera dados sobre estoque, vendas, finanças, pessoal,.. gerenciador de diálogo (Interface com o usuário)

18 9.2 Elementos Funcionais de um SAD
SGBD e o BD SGM e o BM (Banco de Modelos) Gerador de SAD Acesso a outros sistemas de computacionais Acesso a banco de dados externos Gerenciador de Diálogo

19 Elementos Funcionais de um SAD
9.2 – SGBD no SAD Elementos Funcionais de um SAD SGBD é composto por um conjunto de dados e ao mesmo tempo recursos para obtenção e tratamento dos dados; O SGBD num SAD deve ser capaz de extrair e obter dados de outras fontes (pelo fato de algumas informações a nível de SAD dependerem de fatores externos) para auxiliar na tomada de decisões. SGBD SGM Gerador de SAD

20 Elementos Funcionais de um SAD
9.2 Sistema Gerenciador de Modelos - SGM Elementos Funcionais de um SAD Proporcionar acesso a uma variedade de modelos. Coordena o uso de modelos de: Desenvolvimento, armazenamento, manipulação, controle e utilização eficiente de modelos.

21 Modelo financeiro: fornecem análises de fluxo de caixa, taxa interna de retorno e outras análises de investimentos; Modelo de análises estatísticas: fornecem resumos estatísticos, projeções de tendências e testes de hipóteses. calculam diversos tipos de média, etc. Modelos gráficos: ferramentas utilizadas para projetar, desenvolver e utilizar apresentações gráficas dos dados; Modelos de gerenciamento de projetos: usados para manipular e coordenar grandes projetos e para descobrir atividades ou tarefas críticas que podem atrasar ou por em risco o projeto em uma determinada situação; Etc.

22 Modelo simplificado da organização:Sistemas em uso
Sist. Funções Específicas conselho de diretores e presidentes – metas globais, estratégias, políticas e objetivos das organizações SAD SIG equipes de gerentes de unidades de negócios planos de curto e médio prazo; Ger. estratégica Gerência tática SIT gerentes de operações, planos de curto prazo Gerência operacional Funcionários não-gerenciais

23 9.3 – Sistema de Informação Executiva – SIE ou SAE
Tecnologia computadorizada projetada em resposta às necessidades específicas dos altos executivos. Baseia-se em gráficos Fornecem informações externas (notícias, análises do mercado acionário) e resumos de alto nível quanto ao desempenho da empresa

24 9.3 – SIE ou SAE - Habilidades

25 9.4 – Sistemas Inteligentes
Descreve as diversas aplicações comerciais de inteligência artificial (IA) IA (subcampo da Ciência da Computação): Estudar os processos do pensamento humano Recriar esses processos por meio de máquinas (computadores e robôs)

26 9.4 – Sistemas Inteligentes
Principais: Sistemas especialistas Processamento de linguagem natural Reconhecimento de voz Redes Neurais artificiais Lógica Fuzzy

27 Sistemas Especialistas
Tentativa de imitar os especialistas humanos por meio da aplicação de metodologias de raciocínio ou conhecimento sobre uma área específica. Podem apoiar tomadores de decisão ou substituí-los. Basicamente, transfere a perícia de um especialista para o computador.

28 Sistemas Especialistas
Transferência de perícia de um especialista para o computador e depois para o usuário envolve quatro etapas: Aquisição do conhecimento Representação do conhecimento Inferência do conhecimento Transferência do conhecimento

29 Componentes dos Sistemas Especialistas
Base do conhecimento: fatos e regras Mecanismo de inferência:estratégia usada para pesquisar a coleção de regras e formar conclusões. Interface com o usuário Quadro Negro (área de trabalho) Subsistema de explicação: responde a Por que? Como? Qual?

30 Categorias dos Sistemas Especialistas

31 Linguagem de Programação Natural - PLN Reconhecimento de Voz ou Fala
Ou entendimento de linguagem natural. Reconhecimento do idioma através do teclado ou por voz Vantagens: fácil de usar, mais rápido que a digitação, liberdade das mãos. Limitações: incapacidade de reconhecimento de frases longas, alto custo

32 Síntese de Voz Ou geração de linguagem natural pelo computador.
Sons que formas as palavras e frases são construídas eletronicamente Tecnologia URA – Unidade de resposta audível Tabela 9.5 – pág. 256)

33 Síntese de Voz

34 Redes Neurais Sistema de programas e estruturas de dados que procura simular o funcionamento do cérebro humano. São treinadas ou alimentadas com grande quantidade de dados e regras sobre relacionamento de dados. Encontram padrões e relações em gigantescas quantidades de dados que um ser humano acharia muito difícil e complicado analisar

35 Redes Neurais Exemplos:
Controle de doenças infecciosas Controle de voôs Combate à fraudes Área de negócios para atacar problemas de classificação de padrões, previsão e análise financeira, controle e otimização

36 Redes Neurais As redes neurais nem sempre podem explicar porque chegaram a uma solução. Não podem garantir uma solução completamente certa. Não podem garantir a melhor solução. São muito sensíveis e podem não funcionar bem se seu treinamento cobrir uma quantidade de dados muito pequena ou muito grande.

37 Características Básicas das Redes Neurais
Procura paralela e endereçamento pelo conteúdo: o cérebro não possui endereço de memória e não procura informação sequencialmente. A rede aprende por experiência É capaz de fazer associações entre padrões diferentes Ex.: Perfume – Pessoa, Pessoa - Nome

38 Características Básicas das Redes Neurais
Generalização Redes neurais são capaz de generalizar seu conhecimento a partir de exemplos anteriores Habilidade de lidar com ruídos e distorções, respondendo corretamente a padres novos Robustez de Degradação Gradual A perda de um conjunto de elementos processadores e/ou conexões sinápticas não causa o mal funcionamento da rede neural.

39 Lógica Difusa ou Fuzzy Os seres humanos tendem a categorizar as coisas de maneira imprecisa, usando regras para tomar as decisões que podem ter muitas variações de significado. A lógica difusa é uma tecnologia baseada em regras que representa tal imprecisão criando regras que usam valores aproximados ou subjetivos.

40 Lógica Fuzzy Lógica Fuzzy é baseada na teoria do Conjuntos Fuzzy.
Tradicionalmente, uma proposição lógica tem dois extremos: ou e completamente verdadeiro ou e completamente falso. Entretanto, na lógica Fuzzy, uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou parcialmente falsa.

41 Funcionamento Lógica Fuzzy
O controle executado pela lógica Fuzzy imita um comportamento baseado em regras ao invés de um controle explicitamente restrito a modelos matemáticos como equações diferenciais. O objetivo da lógica Fuzzy e gerar uma saída lógica a partir de um conjunto de entradas não precisas, com ruídos ou ate mesmo faltantes.

42 Lógica Difusa ou Fuzzy Descreve um processo linguisticamente e, depois, representa essa descrição em um pequeno número de regras flexíveis. A lógica difusa oferece soluções para problemas que exigem conhecimento técnico difícil de representar na forma de regras SE-ENTÃO

43 Controle por lógica Fuzzy
A lógica Fuzzy apresenta as seguintes características em relação a outras técnicas de controle: Robusta porque não requer entradas precisas. Modificada facilmente pois e baseada em regras. Controle de sistemas não-lineares sem modelo matemático. Solução mais rápida e barata em alguns casos. Implementável facilmente em microprocessadores.

44 Exemplo de uma estrutura de um programa com lógica Fuzzy

45 Exercícios de fixação Pág. 247 : 2 Pág. 249: 1 Pág. 254: 9.5 Pág. 257: 2, 4 ao 7