При розробці системи PIMS (Profil Impast of Marketing Strategy) був узагальнений досвід торговельних операцій і ринкової діяльності сотень фірм, а також ураховані різні чинники (поділ ринків збуту, розподіл капіталовкладень, структура управління тощо).
Фірми-члени клубу РIМS регулярно дістають звіти, які стосуються кожного з аналізованих ринкових продуктів. Ці звіти відбивають стан справ з конкретним продуктом на фірмі порівняно із середнім світовим рівнем або з фірмами-конкурентами, пропонують для розгляду кілька стратегій короткострокового планування з оцінкою імовірностей тих чи інших наслідків використання стратегій. Крім того, у звітах наводиться оптимальна стратегія, яка вибирається з урахуванням можливих змін кон’юнктури на ринку і досвіду успішної діяльності в подібних ситуаціях.
Системою можуть користуватися й представники фірм, які не входять до клубу РIМS. Будь-який користувач за певну плату може підключитися до бази даних РIМS за допомогою віддаленого терміналу через телефонну лінію.
Сеанс інтерактивної роботи з РIМS, як правило, розпочинається оглядом стану ринку певного продукту і триває у вигляді діалогу типу "Що, якщо". Запитання можуть стосуватися практично будь-якої частини моделі планування і формулюватися в такому, наприклад, вигляді: "Який має бути рівень конкретного виду продукції, що випускається фірмою, і як він повинен змінюватися щороку, коли потрібно дістати прибуток за перший рік у сумі менш як 700 000 доларів, а наступний приріст прибутку має становити не менш як 15 % за рік".
Використовуючи засоби обробки запитів типу "Що, якщо", керівник має змогу звертатися й до бази даних, і до бази моделей мовою фінансового планування і фактично конструювати свої власні моделі, відтворюючи на них уявні ситуації в інтерактивному режимі.
Запитання типу "Що відбудеться, коли внести певні зміни до даних або моделі?" потребує залучення математичних моделей (ідеться про статистичні моделі, імітаційне моделювання, методи математичного програмування, аналіз дерев розв’язків тощо).
Cистема ISDS (Investment Strategy Decision System) призначена для керівників, які відповідають за формування "портфеля замовлень" на наукові дослідження, розробки, випробовування й оцінювання дослідних зразків у великих організаціях. Головною особливістю цієї задачі є високий ступінь невизначеності кінцевих результатів планування, через що в довгострокових планах доводиться щорічно змінювати майже половину показників.
Система забезпечує виконання таких процедур:
- попередній добір пропозицій щодо досліджень, розробок і випробувань;
- порівняльна оцінка нових пропозицій між собою і з уже розпочатими роботами;
- об’єднання дібраних пропозицій і виконуваних робіт в інвестиційні групи, кожна з яких формується згідно з програмними цілями, політикою й бюджетними обмеженнями;
- порівняльний аналіз розподілу довгострокових капіталовкладень;
- подання підсумкових даних з різних трендів зміни капіталовкладень;
- видача статистичної інформації, необхідної для звітності.
Поряд з основними підсистемами, орієнтованими на дані та моделі, до складу ISDS введено підсистему "історичних аналогій", в якій накопичується досвід практичного використання системи. Підсистема допомагає керівникові враховувати колишні успіхи і невдачі при формуванні варіантів планів довгострокових капітальних вкладень, дозволяє перевіряти правильність рішень в історичній перспективі, порівнюючи їх з аналогічними ситуаціями в минулому.
Система IFPS (Interactіve Financial Planning System) підтримує процеси розв’язування проблем, будуючи зрозумілі ділові ситуації. Основні моделі IFPS, завдяки яким система стала корисним інструментом для керівників, містять мову моделювання і структуру команд, які дають змогу описувати проблеми звичною для людини мовою і діставати результативні рішення (розв’язки) в табличному вигляді. IFPS здатна виражати співвідношення між клітками таблиці, інтерпретація значень яких цілком перебуває в розпорядженні користувачів.
Робота із системою починається з описування потрібної моделі мовою моделювання, яке супроводжується вводом послідовності положень, що визначають джерела даних для рядків і стовпців, а також співвідношень для обчислення значень розв’язків. При цьому користувач може викликати різні програми, вносити коментарі, визначати логічні умови, обмеження та сфери використання даних, виконувати процедури, пов’язані з аналізом ризику, і ряд інших функцій. Система дає змогу розв’язувати досить широкий спектр задач: добір балансових підсумків, розподіл прибутку за статтями доходів, передбачення змін валютних курсів, прогнозування, аналіз ризику розробки стратегії збуту продукції, збір науково-дослідних проектів, стратегічне планування, планування прибутку і бюджету, вибір між стратегіями закупівлі або виготовлення власними силами продукції тощо.
Система індивідуального призначення MAUD (Multi Attribute Utility Decomposition) поширена у Великобританії в "центрах зайнятості" для надання допомоги у виборі можливого місця роботи на підставі особистих уявлень клієнтів про бажаний характер майбутньої (можливої) діяльності. Підтримка щодо прийняття рішень у цій специфічній ситуації (ситуація індивідуального вибору) забезпечена завдяки інтерактивності та гнучкості СППР: система працює разом з користувачем, розвиваючи і змінюючи його уявлення про проблему, структура і зміст якої мають бути описані в термінах багатокритеріальної оцінки альтернативних варіантів.
Робота із системою розпочинається з короткого опису альтернатив (об’єктів), між якими провадитиметься вибір. Користувачеві засобами звичної йому мови пропонується дати багатокритеріальну оцінку кожного з розглядуваних варіантів. Далі система перевіряє узгодженість інформації, поданої людиною, виявляє суперечності і визначає цінність інформації, що надходить. Після цього інформація вводиться до системи, і на основі концепції багатокритеріальної теорії корисності видаються пріоритети користувача, що дає змогу ранжирувати об’єкти вибору. Упорядкований таким чином список варіантів супроводжується даними про важливість кожного з критеріїв оцінки. Під час роботи із системою можна вносити корективи, включати і виключати об’єкти і критерії, змінювати власні оцінки та пріоритети. Якщо система виявить суперечності в дії користувача, то вона відсилає його до тієї процедури, де ця суперечність виникла. Важливою характерною особливістю системи МАUD є те, що вона дає змогу переривати роботу із системою в будь-якому місці, причому подальше поновлення перерваної роботи можливе в зручний для користувача час без проведення додаткового настроювання.
Комп’ютерні системи підтримки прийняття рішень індивідуального призначення набувають розповсюдження в Україні, зокрема в службах зайнятості і при державних адміністраціях.
При сучасному рівні розвитку техніки, коли навіть побутова техніка обладнується мікропроцесорними пристроями, виникнула потреба в інтелектуальних адаптивних системах керування, спроможних пристосовуватися до дуже широкого діапазону зовнішніх умов. Більш того, виникнула потреба в універсальній технології створення таких систем. Науковий досвід людства свідчить про те, що в природі можна знайти безліч цінних ідей для науки і техніки. Людський мозок є самим надзвичайним і загадковим створенням природи. Спроможність живих організмів, наділених вищою нервовою системою, пристосовуватися до навколишнього середовища може служити призовом до імітації природі або імітації при створенні технічних систем.
Серед імітаційних підходів виділяється клас нейромережевих методів. Нейронні мережі (НМ) знайшли широке застосування в галузях штучного інтелекту, в основному пов'язаних із розпізнаванням образів і з теорією керування. Одним з основних принципів нейромережевого підходу є принцип конективизма. Суть його виражається в тому, що розглядаються дуже прості однотипні об'єкти, сполучені у велику і складну мережу. Таким чином, НМ є в першу чергу графом, із яких можна зв'язати сукупність образів, поданих як чисельні значення, асоційовані з вершинами графа, алгоритм для перетворення цих чисельних значень за допомогою передачі даних між сусідніми вершинами і простими операціями над ними. Сучасний рівень розвитку мікроелектроніки дозволяє створювати нейрочіпи, що складаються з дуже великого числа простих елементів, спроможних виконувати тільки арифметичні операції. Таким чином, нейромережеві методи підтримується апаратно.
Математично НМ можна розглядати як клас методів статистичного моделювання, що у свою чергу можна розділити на три класи: оцінка щільності ймовірності, класифікація і регресія.
Передбачається, що система підтримки та прийняття рішень (СППР) може бути цілком реалізована на нейронній мережі. У відмінності від традиційного використання НМ для рішення тільки задач розпізнавання і формування образів, у СППР узгоджено вирішуються задачі
- розпізнавання і формування образів