Zastosowanie teorii zbiorów przybliżonych do tworzenia biznesowych baz wiedzy

• Autorzy: Tadeusz A. Grzeszczyk

Warianty tytułu

Application of Rough Sets Theory for Creating Business Knowledge Bases

• Języki publikacji: PL

Abstrakty

Dążąc do racjonalnego zarządzania przedsiębiorstwem, konieczne jest przeprowadzanie ciągłych obserwacji oraz ilościowych i jakościowych analiz rynku. Potencjał rynkowy firmy należy do ważniejszych parametrów, które trzeba brać pod uwagę przy określaniu popytu na towary oferowane przez przedsiębiorstwo. Wskaźniki bazujące na potencjale rynkowym pozwalają na odkrywanie szans rozwojowych przedsiębiorstwa oraz na właściwą alokację jego zasobów. Przy formułowaniu różnych strategii rozmieszczania zasobów mogą być pomocne odpowiednio przetworzone informacje, zgromadzone w biznesowych bazach wiedzy. Szczególnie interesujące są badania związane z przewidywaniem wielkości ekonomicznych (zwłaszcza przychodów ze sprzedaży) w warunkach niepewności odnośnie dysponowanej wiedzy. Stosowanie wyłącznie ilościowego podejścia, w wielu przypadkach, nie pozwala na właściwe odzwierciedlenie określonych sytuacji biznesowych występujących w rzeczywistości. Należy dążyć więc do prowadzenia badań teoretyczno-poznawczych zmierzających do ustalenia, na ile nowe technologie i metody informatyczne mogą być użyteczne w działalności gospodarczej. Do stosunkowo nowych narzędzi matematycznych (zaliczanych do tzw. metod sztucznej inteligencji) - mogących znaleźć szerokie zastosowanie do tworzenia systemów dla przedsiębiorstw - niewątpliwie należy teoria zbiorów przybliżonych. W artykule przedstawiono niektóre wyniki badań autora związane z oceną przydatności algorytmów bazujących na tej teorii do budowania regułowych baz wiedzy. (fragment tekstu)

EN

The subject of present paper is to discuss the layout of conception referred to use of rough sets theory for creating business knowledge bases. As the basic terms (defined in the present paper) "lower and upper approximation of set" are considered. The first plane of research process was referred to application of rough sets theory for qualitative analysis of problems connected with non-typical business situations analyzed in such cases e. g. promotion or advertising campaign. The second one was related to propose of algorithm for discovering decision rules. The results of experiments have confirmed the thesis assumed by the author that there exists possibility and purpose for application rough sets theory for creating business knowledge bases, may be employed in forecasting process. More information about problems referred to integration (in sales forecasting system) of qualitative and quantitative sub-system are presented in the other publications by author of the present paper. (original abstract)

Słowa kluczowe

PL

Teoria zbiorów przybliżonych; Zasoby wiedzy; Systemy z bazą wiedzy; Metody informatyczne

EN

Rough set theory; Knowledge resources; Knowledge based systems; IT methods

• Czasopismo: Zarządzanie Przedsiębiorstwem / Polskie Towarzystwo Zarządzania Produkcją
• Rocznik: 2003
• Numer: nr 2
• Strony: 20--29

Twórcy

autor

Tadeusz A. Grzeszczyk

• Politechnika Warszawska

Bibliografia

• [1] Grzeszczyk T. A., Rough Sales Forecasting System, Informations Systems - Research, Teaching and Practice, Proceedings of the 5th UKAIS Conference University of Wales Institute, Cardiff 26-28 April 2000.
• [2] Grzeszczyk T. A., Inteligentny system prognozowania sprzedaży w przedsiębiorstwie, Konf. nt. Komputerowo zintegrowane zarządzanie, Zakopane 10-12 stycznia 2000, WNT, Warszawa 2000.
• [3] Grzeszczyk T. A., Integracja sieci neuronowych i metody zbiorów przybliżonych w prognozowaniu sprzedaży, Problemy projektowania wielkich systemów informatycznych, IOSP PW - Zakład Systemów Informatycznych, Warszawa 2000.
• [4] Grzeszczyk T. A., Wpływ promocji na sprzedaż, Konf. nt. Komputerowo zintegrowane zarządzanie, Zakopane 15-17 stycznia 2001 r., WNT, Warszawa 2001.
• [5] Grzeszczyk T. A., Metoda prognozowania integrująca sieci neuronowe i zbiory przybliżone w zastosowaniach organizatorskich, Rozprawa doktorska, Politechnika Warszawska 2002.
• [6] Mrózek A., A new method for discovering rules from examples in expert systems, International Journal of Man - Machine Studies, Academic Press GB, 1992, nr 36.
• [7] Kryszkiewicz M., Boolean Reasoning and Aprori-like Technique for Rough Sets, ICS Research Report 26/96, Warsaw University of Technology, Warszawa 1996.
• [8] Pawlak Z., Rough sets, International Journal of Computer and Information Sciences, 11/1982.
• [9] Pawlak Z., Rough sets, Theoretical aspects of reasoning about data, Dordrecht: Kluwer 1991.
• [10] Zadeh L. A., Fuzzy sets Information and Control, 1965, nr 8.
• [11] Zadeh L. A., Fuzzy logic, neural networks and soft computing, Communications of the ACM, 37/1994.