KARAR DESTEK SİSTEMLERİ

Esnek kısıtlar, sağlanması arzu edilen ancak şart olmayan kısıtlardır. Doğru cevap C'dir.

Optimizasyon, bir problem için belirlenmiş bir ya da bir kaç amaç doğrultusunda, erişilebilir çözümler arasından diğer hiç bir çözümden daha kötü olmayan çözüm veya çözümlerin belirlenmesi çabalarının bütününü kapsar. Doğru cevap B'dir.

Kod satırı 1, 2, 3 makro kaydetmenin standart satırlarıdır. Doğru cevap D'dir.

Kod satırı 13 makronun tamamlandığını ifade eden standart satırdır. Doğru cevap E'dir.

BasitLP’nin orijinal karşılığı Simplex LP olup Simpleks Algoritması denen ve doğrusal
programlama problemlerini çözmekte kullanılan çok yaygın bir algoritmadır. Doğru cevap A'dır.

Karar analitiğinin gerçekleşmesi ancak aşağıdaki güçlüklerin aşılmasıyla mümkün olabilir:
1. Optimizasyon problemlerinin modellenmesinde karşılaşılan güçlükler,
2. Modellerin çözülmesinde karşılaşılan güçlükler,
3. Model için gerekli verilerin bulunması ve modelle ilişkilendirilmesinde karşılaşılan
güçlükler,
4. Modellerin manipülasyonunun analitik bir çevikliği olmaması,
5. Karar vericiyi analitikle buluşturacak etkili sistemlerin yokluğu. Doğru cevap B'dir.

Bir OKDS’nin tasarımı, ele alınan problemin incelenmesi, modelinin kurulması, model
parametrelerinin düzenlenmesi, modelle buluşturulması, modelin ve parametrelerinin
güncellenmesi, modelin çözülmesi, çözümün karar vericiye sunulması, karar vericinin
farklı model ve çözücülerle çalışabilmesi gibi bir dizi sorunun yanıtının verilmesini gerektirir. Doğru cevap D'dir.

Hiçbir belirsizlik içermeyen problemler belirgin (deterministik) problemler olarak tanımlanmaktadır. Doğru cevap E'dir.

Problemin karar değişkeni; işletmenin ayrıştırma bölümünde ve paketleme bölümünde işleyebileceği kayısı miktarıdır. Doğru cevap B'dir.

Tam Sayımlama: Bir problemin çözüm uzayındaki tüm çözümlerin tek tek incelenerek eniyi çözümün bulunması sürecine verilen isimdir. Doğru cevap B'dir.

Tam Sayımlama: Bir problemin çözüm uzayındaki tüm çözümlerin tek tek incelenerek eniyi çözümün bulunması sürecine verilen isimdir. Küçük problemler için uygun bir yaklaşım olabilir. Bazı tamsayılı ve kombinatoryal problemlerin çözüm uzayı üstel (exponential) olarak artmaktadır. Bu problemlerin tam sayımlama (complete enumeration veya exhaustive search) ile çözülmesi olanaksızdır.

Sezgisel Yöntemler (Heuristics): Tam sayımlama ve kısmi sayımlamanın kabul edilebilir bir süre içinde çözüm bulamadığı problemlere uygulanan ve eniyi çözümü bulamamakla beraber yüksek-kalitede yani eniyiye yakınlığı tatmin edici düzeyde çözümler döndüren yaklaşımlardır. Gezgin satıcı problemi için kullanılan en yakın komşu sezgiseli eniyi çözüme ortalama performansta %85 oranında yakınsayan basit sezgisel yöntemlere örnek olarak verilebilir. Daha genel amaçlı olan ve farklı problemlerde kullanılabilme özelliğine sahip sezgisel yöntemler meta-sezgisel yöntemler olarak anılmaktadır. Bunların en önemlileri; Evrimsel Algoritmalar, Genetik Programlama, Tabu Arama, Tavlama Benzetimi ve Karınca Kolonileri Optimizasyonu’dur.

Deterministik Arama: Aynı girdi değerleri ve başlangıç koşulları ile her zaman aynı çözümü döndüren arama yöntemleri ve algoritmalar için kullanılır.

Bir işletmenin OKDS’den etkili bir şekilde yararlanabileceği bazı durumlar şunlardır:

1. İşletmelerin kurumsal amaçları konusunda farklı departmanların anlayışlarının farklı olması ve bu farklı amaçlar açısından problemin analizine ve çözümün duyarlılığına ihtiyaç duyulması,

2. Karar vericilerin öncelik ve tercihlerinin zamanla değişmesi,

3. Rekabet karşısında işletmenin stratejik yönelimlerindeki değişimin kararlara yansıtılması,

4. Modele yansıtılan gerçeklerin niceliksel olması; niteliksel gerçeklerin modellerde yer almaması veya son derece sınırlı yer bulması,

5. Çözümlerin farklı varsayımlar altında duyarlılıklarının incelenmesi,

6. Bazı bilgi ve parametrelerdeki belirsizliğin içerdiği riskin analizi,

7. Karar vericilerin kendi kararlarının geçerliliğini ve uygunluğunu görme arzusu,

8. Kontrol dışı etmenlerin veya rakiplerin olası hamlelerine karşı alternatif planların
oluşturulması.

Karar analitiği, işletme analitiğinin en üst basamağında yer alır. Bunun üç yönlü anlamı vardır.

1. Rekabet gücüne katkısı: Bunlardan ilki yarattığı rekabet avantajı açısından ürettiği bilgilerin diğer analizlerden daha etkili olmasıdır. Bir kararın farklı senaryolara göre sonucunun hangi koşullar altında eniyi çözüme göre nerede konumlandığını görmek, modele yansıtılamayan diğer faktörler yönüyle de değerlendirme yapabilmek, karar kalitesi ve işletmecilik yeteneğine son derece olumlu yansımaktadır.

2. Karar problemlerinin karmaşıklığı: Karar analitiğinin en üst basamakta yer almasının bir diğer anlamı aslında bu tür analizlerin karmaşıklığıyla da yakından ilgilidir. Otomasyona uygun olmayan, karar vericinin yakın etkileşimini gerektiren analizler bu düzeyde yoğunlaşmıştır. Çözümlenmesi güç bazen imkânsız problemlerin sezgiler veya sezgisel yöntemlerle ele alınmasını da gerektiren problemler karar analitiğinin konusunu oluşturmaktadır.

3. Betimsel ve kestirimci analitiğin katkıları: Karar analitiğinin matematiksel ve benzetim modelleri, sezgisel yöntemler ve algoritmaları ancak kullandıkları veri, bilgi ve parametrelerin hassasiyeti, doğruluğu ve tamlığı oranında etkili olabilir. Betimsel analitik, işletme veritabanlarından yararlanarak söz konusu veri, bilgi ve parametreleri tedarik etmektedir. Bazı modeller ise tahmin ve kestirim değerlerinden yararlanmaktadır. Kestirimci analitik bu noktada karar analitiğinin gereksinim duyduğu parametrelere ilişkin kestirim değerlerini (beklenen talep, olasılık dağılımı vb.) sunarak sürece katkı sağlar. Karar analitiğinin başarısı betimsel ve kestirimci analitikte gelinen düzeyle yakından ilgilidir.

Gerçek-yaşam problemleri açısından, optimizasyona eniyi çözümü garanti eden yöntemler bağlamında bakıldığında dikkate değer sınırlamalar vardır. Bunlardan bazıları aşağıda ifade edilmiştir.

i. Klasik optimizasyon matematiksel modellemeyi gerektirir ve modelleme zaman alıcıdır,

ii. Modellerin güncel parametrelerle kullanılması zorunluluğu bazen aşılması güç bir engel olabilmektedir,

iii. Bazı yerel eniyileme yöntemleri türevlenebilirlik ve dışbükey (convex) çözüm uzayına sahip olma gibi bazı koşulların yerine gelmesine ihtiyaç duymaktadırlar,

iv. Karar problemlerinin önemli bir kısmı tamsayılı ve kombinatoriyal problemler olup, dışbükeylik ve türevlenebilirlik özelliklerinin sağladığı ayrıcalıklara sahip değildirler,

v. Birden fazla çelişen amaç olduğunda, karar vericilerin doğrudan veya dolaylı etkileşimi optimizasyon için şarttır,

vi. Bazen küçük, genellikle de orta veya büyük boyutlu problemleri kabul edilebilir zaman pencerelerinde çözebilecek algoritmalara sahip az sayıda problem vardır.

Bu sınırlamaların her birinde umut verici ve kullanımını yüreklendiren gelişmeler de yok değildir. Bu gelişmelerin bazıları aşağıda ifade edilmiştir.

i. Matematiksel modellerin otomatik olarak kurulabilmesi konusundaki gelişmeler,

ii. İşletme analitiği, veri ambarı ve veri marketi yaklaşımlarının sunduğu betimsel ve kestirimci bilgilerden yararlanarak parametrelerin belirlenmesi konusundaki gelişmeler,

iii. Türev ve dışbükeylik gerektirmeyen stokastik sezgisel yöntemlerin yaygınlaşması,

iv. Tamsayılı ve kombinatoryel problemlere özel modelleme ve çözümleme yaklaşımlarının ortaya çıkması,

v. Optimizasyon-yönelimli karar destek sistemlerinin karşılıklı etkileşimi desteklemesi ile insan-deneyiminin çözüme katkısının önünün açılması,

vi. Değişik boyutlardaki problemlerin stokastik sezgisel yöntemlerle çözülmesinde elde edilen başarılar.

Kâr enbüyükleme makrosu olan BenimMakrom’un içeriği birkaç değişiklikle kayıp enküçükleyen çözücü makrosuna dönüştürülecektir. Bu yeni makroya SeninMakron adını vermiş olalım. SeninMakron Şekil 5.25’teki gibi görünecektir. BenimMakrom ile SeninMakron arasında sadece iki fark vardır. Bunlar SetCell parametresinin Kullanlmayan_Kaynak olarak ve MaxMinVal parametresinin ikinci sıradaki amaç fonksiyonuna atfen 2 olarak değiştirilmesidir. Yani SetCell:=”Kullanlmayan_Kaynak”, MaxMinVal:=2 dışındaki tüm kod satıları diğeriyle aynıdır.