PRAVA ULOGA MODELA Pogreno shvaanje modela odluivanja jest u tome to se smatra da se njihova uloga sastoji u osiguravanju gotovih

odluka s optimalnim rjeenjima za donositelja odluka. Model moe ukazati na posljedice odreene odluke, ali ju on sam ipak ne moe donijeti. Prava uloga modela odluivanja treba biti u tome da donositeljima odluka osigura uvid kojim e se objektivizirati i poveati njihova opa sposobnost za donoenje ispravnih odluka. PRILAGODBA MODELA DONOSITELJU ODLUKA Prilagodba modela donositelju odluka je vana jer esto management ne razumije to to zapravo oblikovatelj modela pokuava uraditi. Prilikom te prilagodbe, eksplicitno se moraju uzeti u obzir managerske zna ajke i nain (stil) djelovanja. Prilagodbu modela donositelju odluka nije lako postii, ali, kada se realizira, to moe znaiti znatan napredak u postizanju koristi od primjene modela. Zbog toga je bitno da se dobro shvati stil managera i razumije od strane strunjaka za oblikovanje modela te da njihova meusobna komunikacija bude dobro razvijena, jer to prua ansu za postizanje najboljih rezultata. W. Skinner je prezentirao 16 karakteristinih stilova izvrnih rukovoditelja koje treba imati u vidu kod prilagodbe modela donositelju odluka:
Znaajke (atributi, stilovi) Analitiki tip Spoznajni stil Donoenje odluka Brzina donoenja odluka Delegiranje Eksplicitno odluivanje, na bazi iskustva Nain vrenja provjere Komunikacija Personalni (osobni) odnosi Pritisak, tempo Raspoloivost Smionost, odvanost Usmjerenost na vremensku dimenziju Otvorenost za uvjeravanje Rad, nain djelovanja sa suradnicima Rad sa nadreenima Granice ili kontinuum Intuitivan analitian Induktivan deduktivan, koristi generalizacije Autoritativno konzultativno Brzo, snalaljivo studiozno, uz tekoe Malo mnogo Malo mnogo Malo, neprecizno mnogo, rigorozno Neformalna, verbalna formalna, pisana Pruanje podrke postavljanje velikih zahtjeva, izazovno Relaksirajui (oputen) rigorozan, energian Lako raspoloiv na distanci Smion, preuzima rizik oprezan, nesklon riziku Rijetko kontinuirano, stalno Fleksibilan nepopustljiv, ustrajan, usmjeren prema jednom cilju Jedan-na-jedan u supini eli podrku radi sam

PROCES KOMUNIKACIJA KOD OBLIKOVANJA I PRIMJENE MODELA Prilagodbu modela donositelju odluka nije lako postii, ali, kada se realizira, to moe znaiti znatan napredak u postizanju koristi od primjene modela. Zbog toga je bitno da se dobro shvati stil managera i razumije od strane strunjaka za oblikovanje modela te da njihova meusobna komunikacija bude dobro razvijena, jer to prua ansu za postizanje najboljih rezultata. Churchmann Schainblattova komunikacijska matrica
Strunjak za oblikovanje modela razumije managera Manager razumije strunjaka za oblikovanje modela Manager ne razumije strunjaka za oblikovanje modela Obostrano (uzajamno) razumijevanje. Strunjak za oblikovanje modela nastoji pridobiti managera, jer on razumije njegovu osobnost. Strunjak za oblikovanje modela ne razumije managera Komunikacija o onome to je ispravno. Oitovanje o onome to je ispravno po principu uzmi ili ostavi. Odvojene funkcije.

Idealno stanje meusobnog razumijevanja zahtjeva da strunjak za oblikovanje modela bude svjestan karaktera (znaaja, stila) donositelja odluka. S druge strane, donositelj odluka ima tako er obvezu da razumije kreativni proces koji se tie konstrukcije modela odluivanja, ako eli da mu on predstavlja korisni alat za donoenje odluka. Komunikacijski proces, odnosno interakcija izmeu modela i donositelja odluka, moe biti opisan kao aktivan ili pasivan. U sluaju aktivnog odnosa model se oblikuje s interaktivnim zna ajkama, koje manageru doputaju da neposredno komunicira s modelom. Tu model tra i pitanja od donositelja odluka i odgovara inicirajui rezultate kojima se daju naslutiti (sugerirati) pitanja donositelja odluka. U sluaju pasivnog odnosa model se koristi za istraivanje opcija domiljenih po strunjacima za oblikovanje modela, o kojima se onda izvjeuje donositelj odluka kako bi donio odluku koja je po njegovom sudu najbolja. Postoji vie mogunosti (postupaka, procedura) koje se mogu sugerirati za postizanje interesa donositelja odluka u oblikovanju i koritenju modela odluivanja. Ovdje se posebno istie izrada pilot studije kao brzog naina za ukljuivanje donositelja odluka u analizu. Pilot studijom se izrauje pojednostavljeni model koji se koristi da bi se njime izrazili inputi i outputi koji se mogu oekivati od konanog modela. Prednosti pilot modela su brojne: donositelju odluka daje raniji uvid u ono to se moe oekivati od kompletnog modela; moe se koristiti za odravanje entuzijazma koji obino slabi ve nakon iniciranja projekta; moe biti kompletiran u relativno kratkom vremenu zadravajui razinu entuzijazma budui da donositelj odluka moe doi do opipljivih rezultata; mogue je lako modificirati signifikantne podatke te promatrati utjecaj tih promjena n a veliinu outputa, ... ZATO SE MODELI U PRAKSI VIE NE KORISTE? Donoenje odluka jedan je od najeih dnevnih poslova svakog managera, a do sada se relativno malo tih ordinarnih odluka temeljilo na modelima iako za njihovu primjenu ima realnih mogunosti. Ima vie razloga za to: modeli zahtijevaju managersku podrku da bi bili od prave koristi, ali u organizacijama koje imaju ogranienu povijest analitikog mjerenja performansi, moe biti ograniena konceptualna baza za koritenje modela; ne postoji dovoljno vremena za modele; oni zahtijevaju vrijeme za svoje formuliranje, a mnogi problemi zahtijevaju brze odluke; nedostatak vjerovanja da bi model odluivanja mogao osigurati vie informacija od procjene na temelju iskustva; ignoriranje i strah od modela; nedostatak podataka za izradu modela; mnogi donositelji odluka osjeaju se ugodnije kada odluke donose po vlastitoj intuiciji; raspoloivost sredstava za izradu modela, ... J. Byrd i L. T. Moore sistematizirali su glavne subjektivne razloge radi kojih dolazi do neshvaanja, a time i nedovoljne primjene modela odluivanja u praksi: 1) Modeli odluivanja su krajnje sloeni. U stvarnosti su najuspjeniji oni modeli koji su najjednostavniji. 2) Modeli odluivanja eliminiraju upotrebu (pr)ocjene i intuicije. Uspjeni modeli koriste procjene donositelja odluke. 3) Modeli odluivanja izgraeni su da bi iskljuivo koristili kvantitativne kriterije za odluivanje. Kvalitativni kriteriji mogu biti ukljueni u modele odluivanja jer modeli mogu pruiti mnogo vie od samih brojki. 4) Modeli odluivanja zahtijevaju skupe kompjutore za izvrenje. Mnogi modeli ne trebaju kompjutore uope.

5) Eksperti (strunjaci) za modeliranje nisu istrenirani ni u jednom aspektu poslovanja ili administriranja, ve samo u tehnikim detaljima razvijanja (oblikovanja) modela. Mnoge uspjene modele razvili su ljudi koji su radili u biznisu ili administraciji. PREDNOSTI I OGRANIENJA U UPORABI MODELA Manageri se opredjeljuju za uporabu modela odluivanja iz sljedeih razloga (prednosti): 1) modeli su, generalno, lagani za uporabu i jeftiniji nego da postupamo u stvarnim situacijama; na taj se nain manje remeti odvijanje procesa; 2) modeli osiguravaju sustavni pristup rjeavanju problema; 3) modeli poveavaju razumijevanje problema; 4) modeli od korisnika zahtijevaju da budu odreeni glede ogranienja i ciljeva u odnosu na analizirani problem; 5) modeli slue kao konzistentni alat za (pr)ocjenjivanje; 6) modeli osiguravaju standardiziranu formu analiziranja problema; 7) modeli omoguuju korisnicima da unesu snagu matematike; 8) modeli omoguavaju managerima da analiziraju sloene situacije uz pomo jedinstvenog pitanja to ako; 9) modeli se izrauju za potrebe managera i ohrabruju njihov input; 10) modeli pomau u reduciranju vremena potrebnog za donoenje odluka. to se pak ogranienja modela odluivanja tie, ona se uglavnom mogu svesti na sljedea: 1) neki od modela mogu biti skupi i zahtijevati dosta vremena za razvoj i testiranje; 2) modele je mogue nekorektno primjenjivati, a dobivene rezultate mogue je krivo interpretirati; 3) moe doi do prenaglaavanja kvantitativnih u odnosu na kvalitativne informacije; 4) modeli polaze od pretpostavki kojima se previe pojednostavljuju varijable uzete iz realnog svijeta ; 5) izrada modela moe postati sama sebi svrhom. Usporedbom prednosti i ogranienja u uporabi modela odluivanja lako se moe zakljuiti kao su prednosti daleko vanije, to samo jo dodatno potvruje ve navedene tvrdnje o korisnosti i nunosti njihove primjene u praksi. Tim vie to se kod ogranienja radi, u najveoj mjeri, o subjektivnim momentima koje je lako ukloniti. U obzir treba uzeti i injenicu da su neki modeli skupi, odnosno da zahtijevaju dosta vremena za razvoj i testiranje. Odgovor je i ovdje u ekonomskoj (pr)ocjeni modela to znai da je odgovor u tome koliko e model u cjelini kroz primjenu osigurati pozitivne efekte. Kod toga, na drugu stranu vage treba staviti sve pozitivne efekte, a to znai reduciranje svih moguih pogreaka, produbljivanje znanja managamenta, ... MOGUNOSTI UPORABE MODELA ODLUIVANJA Mogunosti primjene modela praktino su neograniene. Skoro da i ne postoji podruje ljudskih aktivnosti pa tako i poslovnih na kojem ne bi moglo doi do primjene odgovarajuih modela. Tu irinu mogunosti primjene modela moemo promatrati kroz nekoliko dimenzija: 1) promatranje mogunosti primjene modela odluivanja na raznim funkcijskim podrujima u poslovnoj organizaciji (financije, opi management, nabava, proizvodnja, prodaja, marketi ng, ...); 2) mogunost primjene modela odluivanja s obzirom na razinu managamenta koji donosi odgovarajue poslovne odluke; 3) trea dimenzija ukazuje na to donose li se odluke u uvjetima sigurnosti, rizika ili nesigurnosti. MOGUNOSTI PRIMJENE MODELA NA PROBLEME KOJI SE ESTO PONAVLJAJU Na operativnom podruju poslovanja, ako u gospodarstvu, tako i administraciji, javljaju se problemi koji se uestalo ponavljaju. Modele za rjeavanje takvih problema rijetko je mogue primijeniti bez odreenog modificiranja, ali su nasreu takva modificiranja esto samo manjeg obujma, to znatno tedi sredstva i vrijeme za one korisnike koji ih dobro poznaju.

U osnovi postoji 5 vrsta ovakvih problema: (1) problemi zaliha, (2) problemi alociranja, (3) problemi ekanja u repu, (4) problemi zamjene, te (5) problemi konkurencije. PROBLEMI ZALIHA Najvaniji aspekt problema zaliha svodi se na utvrivanje one njihove razine na kojoj dolazi do minimiziranja zbroja trokova odravanja i nestaice zaliha. Osim toga, u mnogo sluajeva trokovi zaliha i proizvodni trokovi nisu neovisni pa se moraju promatrati zajedno. Model proizvodnja zalihe odraava ukupne trokove proizvodnje, koji se sastoje od trokova pripreme, materijala i procesiranja te trokova odravanja zaliha i trokova odnosno gubitaka zbog njihove nestaice. Rjeenje ovog modela se svodi na utvrivanje ekonomine odnosno optimalne veliine serija kod koje su ukupni trokovi minimalni. Kod modela nabava zalihe nabavna cijena zamjenjuje trokove materijala i procesiranja, a trokovi naruivanja zamjenjuju trokove pripreme serije. PROBLEMI ALOKACIJE Problemi alokacije nastaju kada postoji vie aktivnosti koje treba izvriti, a za to postoje raspoloivi resursi koji, meutim, nisu dovoljni za izvoenje svake od aktivnosti na najbolji mogui nain. Ovi se problemi dijele u tri tipa: i. I potrebne aktivnosti i raspoloivi resursi su specificirani. Problem je kako alocirati resurse na aktivnosti da bi se ostvario najbolji rezultat s obzirom na postavljeni cilj. ii. Specificirani su samo raspoloivi resursi. Problem je kako odrediti takvu strukturu aktivnosti da bi se ostvario najbolji rezultat s obzirom na postavljeni cilj. iii. Specificirane su samo potrebne aktivnosti. Problem je kako odrediti takvu strukturu resursa da bi se ostvario najbolji rezultat s obzirom na postavljeni cilj. Kod ovakvih problema za cilj se najee postavljaju: minimalizacija trokova, maksimalizacija profita i najkrae vrijeme obrade. Za rjeavanje ovakvih problema u jednostavnim je sluajevima mogue koristiti neanalitike tehnike pokuaja i pogreke. Za postizanje optimalnog rjeenja i u sloenim situacijama koristi se model linearnog programiranja. PROBLEMI REDOVA EKANJA Postoje veoma razliiti procesi kod kojih se javljaju redovi, odnosno redovi ili linije ekanja (bankarske usluge, bolnike usluge, ...). Redovi su direktan rezultat varijabilnosti kod dolazaka na usluivanje i vremenskog trajanja usluge. Javljaju se zbog sluajnih i visoko varijabilnih dolazaka u sustav usluivanja, koji je zbog toga povremeno preoptereen. Najee koriteni modeli pretpostavljaju da je struktura dolazaka na usluivanje objanjiva Poissonovom distribucijom, a vrijeme usluivanja negativnom eksponencijalnom distribucijom. Sutinski cilj analize redova jest minimalizacija ukupnih trokova. Postoje dvije osnovne kategorije trokova u situacijama redova: trokovi koji su vezani uz ekanje korisnika u redu na uslugu i oni trokovi koji su vezani uz kapacitete usluivanja. Cilj je, dakle, postizanje balansa izmeu te dvije kategorije trokova.

PROBLEMI ZAMJENE Kod problema zamjene proizvodnih sredstava potrebno je u osnovi izvriti balansiranje dodatnih trokova za novu opremu i porasta efikasnosti, koja se time postie u odnosu na efikasnost stare, postojee opreme. Jedan od najpoznatijih modela za rjeavanje ovakvih problema je MAPI. Taj se model (metoda) zasniva na teorijskoj osnovi koja se odnosi na pitanje ekonomske opravdanosti novih investicija i investicijske politike poduzea. Model razvijen na tim temeljima odnosi se prvenstveno na pitanje treba li stari stroj zamijeniti novim i u kojem momentu. U samim temeljima ovog modela je pretpostavka da trokove za zamjenu postojeeg stroja treba usporediti s nezgodama, tetama odnosno trokovima nesavrenosti sredstava kojima se raspolae. Tako se moe birati izmeu vie investicijskih trokova i manje nesavrenosti ili pak manje investicijskih trokova i vie nesavrenosti. PROBLEMI KONKURENCIJE Situacija konkurencije openito se javlja: 1) kada su dvije strane ili skupine u konfliktu s obzirom na njihov cilj/ciljeve 2) kada te skupine surauju u odnosu na cilj koji im je zajedniki ili pak s obzirom na cilj tree strane koju kao konkurenti usluuju. Konkurenti (rivali) su tako u konfliktu s obzirom na svoje respektivne ciljeve. Teorija igara je kao i teorija komunikacija dovela do matematikih modela koji se bave takvim relativno idealiziranim konkurentnim situacijama. Uspjeh takvog pristupa ovisi o naoj mogunosti da utvrdimo najbolju moguu strate giju koju konkurent moe odabrati. Treba istaknuti jo jedan poseban ponavljajui tip konkurentske situacije, koji se odnosi na konkuriranje (licitiranje) ponudama. Problem je tada pronai najbolji balans izmeu ansi za prihvaanje ponude i veliine oekivanog profita. FORMULIRANJE PROBLEMA Moe se govoriti o raznovrsnim problemima koji stoje pred managementom u poslovnom odlu ivanju. U tom se smislu u proizvodnji problem kako postii cilj minimalizacije trokova ili maksimalizacije volumena proizvodnje, .. Problem kod zaliha jest: koja je najbolja politika zaliha za organizaciju u cjelini? Taj problem ukljuuje: a) efikasnost organizacije kao cjeline, b) konflikt interesa funkcijskih jedinica organizacije. Rjeenje problema zahtjeva balans ciljeva pojedinih odjela s opim ciljevima poduzea. S obzirom na ovu razliitost probleme se poelo razmatrati i s aspekta to je to zajedniko u pojedinim od njih kako bi se traila i odgovarajua rjeenja koja poprimaju to je mogue iri, dakle opi, karakter. Ide se tako daleko da se pronae zajednika struktura (model) koja e biti osnova na kojoj e se temeljiti rjeavanje problema i donositi odluke za probleme slinih znaajki. Ovakve se mogunosti pruaju za one vrste problema koji se u gospodarstvu javljaju uestalo. Do sada je uinjeno mnogo na formuliranju modela takvih problema. Iako se problemi formulirani takvim modelima mogu rijetko primijeniti bez modifikacija i prilagodbi, njihovom se primjenom mogu utedjeti vrijeme i sredstva. Tim vie to su danas na raspolaganju brojna kompjutorizirana softverska rjeenja. Prototip (uzor) modela ovakvog karaktera razvijen je za rjeavanje sljedeih vrsta problema: zalihe, alokacija sredstava, redovi ekanja, zamjena opreme i odravanje, konkurencija, ... Za ta dostignua moramo zahvaliti znanosti.

KONSTRUKCIJA MODELA (NA PRIMJERU FORMULACIJE LINEARNOG PROGRAMA) TE NJEGOVE ZNAAJKE Problemi s kojima se susree management svakodnevno su oni koji se odnose na alokaciju resursa. S jedne strane postoji niz aktivnosti na kojima bi se moglo angairati, a s druge resursi raznih vrsta ija je jedna od osnovnih znaajki ogranienost. Stoga u uvjetima ogranienosti resursa manager treba donijeti odluku na koje se aktivnosti opredijeliti. Problemi alokacije resursa rjeavaju se putem tehnike linearnog programiranja. To znai da odnosi izmeu aktivnosti moraju biti linearni. Linearno programiranje je, dakle, tehnika kojom se specificira kako koristiti ograni ene resurse ili kapacitete poslovanja da bi se ostvarili odreeni ciljevi kada ti resursi imaju alternativne mogunosti uporabe. Na taj nain daje manageru informaciju za donoenje najefikasnije odluke koja se tie resursa pod kontrolom. Njena primjena zahtjeva i jasno postavljene ciljeve sustava uklju enog u analizu. Linearno programiranje osigurava racionalnost sustava kroz homogenizaciju operacija svojih podsustava. Njegovu primjenu potencira i to to su kompjutorski programi i paketi za ovakvo programiranje dostupni i primjenjivi skoro na svakom kompjuterskom sustavu. Stoga je najvanije utvrditi kako neki problem moe biti reprezentiran linearnim programom u vidu konkretnog modela nakon ega slijedi formuliranje modela to je klju za rjeavanje problema. Linearno programiranje je metoda odreivanja odgovarajuih vrijednosti za pojedine aktivnosti koje su ustvari varijable odluivanja kada kombinacije tih aktivnosti moraju zadovoljiti odreena ogranienja. Opi je problem optimalizacije, a to znai maksimalizacije ili minimalizacije linearne funkcije u tome da se pronae njezin optimum zavisno od funkcije cilja i uz uvjet linearnih ogranienja varijabli. Opa struktura linearnog programa izraena u formi linearnog modela ima sljedei oblik: Optimalizirati Z = c1x1 + c2x2 + ..... + cnxn pod uvjetom da a11x1 + a12x2 + ..... + a1nxn (, =, ) b1 a21x1 + a22x2 + ..... + a2nxn (, =, ) b2 am1x1 am2x2 amnxn (, =, ) bm x1, x2, ... xn 0 Kod toga: xs predstavlja n varijabli odluivanja i cilj je utvrditi njihovu vrijednost koje optimaliziraju funkciju cilja aij - koeficijenti poznati kao konstante iskoritavanja resursa b1, b2, ...bm raspoloivost svakog od m resursa, a koji manageru stoji na raspolaganju Da bi se u potpunosti shvatio model linearnog programiranja, a posebno njegovo rjeenje kao osnova managementa, za donoenje konkretnih odluka potrebno je obraditi jedan konkretan sluaj odgovarajueg problema. Primjer problem maksimizacije profita konfekcijske tvornice koja proizvodi sportske vjetrovke i hlae. Jedna tvornica konfekcije proizvodi sportske vjetrovke i hlae. Profit po svakoj vjetrovki je 12 dolara, a profit po hlaama je 17 dolara. Svaka vjetrovka zahtijeva 2 yarda2 materijala i 5 sati rada radnika na ivanju, dok hlae zahtijevaju 4 yardi2 materijala i 30 sati rada tjedno, koliko je mogue proizvesti vjetrovki i hlaa tjedno, ali pod uvjetom ostvarenja maksimalnog profita? Tu je va no napomenuti i pretpostavku da u plasmanu tih proizvoda nema ogranienja na tritu, tj. svi proizvedeni proizvodi bit e i prodani. Cilj je staviti problem u opu formu linearnog programa. (1) Zapoinje se definiranjem varijabli odluivanja. One su: x1 = koliina vjetrovki proizvedenih u tjednu i x2 = koliina hlaa proizvedenih u tjednu.

Nismo u mogunosti izraunati ukupni profit (jasno, za optimalno rjeenje) sve dok prethodno ne utvrdimo koliinu vjetrovki i hlaa (x1 i x2) koje treba proizvesti u jednom tjednu. Prema tome, cilj rjeenja modela jest utvrditi najbolju koliinu za x1 i x2. (2) Zatim se odreuju ogranienja. Postoje dva ogranienja. Prvo ogranienje odnosi se na injenicu da je materijal limitiran na 50 yardi2. Ako je proizvedeno x1 vjetrovki, tada je bilo potrebno 2x1 materijala izraeno u yardima; ako je bilo proizvedeno x2 hlaa, tada je bilo potrebno 5x2 yarda materijala. Stoga ukupni materijal koji je potreban iznosi 2x1 + 5x2, to ne moe premaiti koliinu od 50 yardi2. Izraeno matematiki to je: 2x1 + 5x2 50 . Slino je za sate ivanja, 4x1 je broj sati utroenih za ivanje vjetrovki, dok je 2x2 broj sati za ivanje hlaa. Ukupni broj sati ne moe premaiti 36, tako da je ogranienje napisano kao: 4x1 + 2x2 36 . (3) Konano slijedi ogranienje nenegativnosti. Nije mogue logino predviati proizvodnju negativnog broja vjetrovki i hlaa. Na temelju toga slijedi ogranienje nenegativnosti: x1, x2 0 . Kombinirajui funkciju cilja, ogranienja i nenegativne restrikcije kompletan problem predstavlja se u obliku linearnog modela. maksimalizirati Z = 10x1 + 15x2 (profit) pod uvjetom da 2x1 + 5x2 50 (materijal) 4x1 + 2x2 36 (ivanje) x1, x2 0 Postoje tri vrlo vane znaajke linearnosti izraza (cilja, ogranienja) u modelu linearnog programiranja: 1) proporcionalnost; 2) dodavanje; 3) integralnost nain na koji je formuliran model ne doputa samo cjelobrojni ishod rjeenja ve to mogu biti i razlomljeni brojevi. Koraci koje treba slijediti kada pristupamo formuliranju modela linearnog programiranja jesu: (1) definiranje varijabli; (2) identificiranje funkcije cilja; (3) izraavanje ogranienja. METODE (POSTUPCI) RJEAVANJA MODELA Model je instrument (sredstvo) koje nam pomae u ocjenjivanju efikasnosti alternativne politike. Izbor metoda, odnosno postupaka za rjeavanje problema putem modela, prvenstveno ovisi od njegovih znaajki. Metode odnosno postupci za rjeavanje modela mogu biti: 1. analitiki, 2. simuliranje i 3. heuristiki. ANALITIKE METODE Analitika rjeenja mogue je osigurati na dva naina: 1) grafiko rjeenje problema ogranien s obzirom na sloenost problema i mogunost njegova grafikog prikaza 2) raunski postupak na raspolaganju stoji irok dijapazon mogunosti, od jednostavne matematike jednadbe do vrlo sloenih matematikih metoda (postupaka). Kada postoji manji broj varijabli, problem je mogue prikazati grafiki. Ogranienja i nenegativne restrikcije odreuju skup vrijednosti koje varijable mogu zauzeti i taj se skup naziva podruje izvodljivosti. Podruje izvodljivosti ima odreene kutne toke koje se nazivaju ekstremnima (extreme points) i kljuni teorem linearnog programiranja jest u tome to se optimalno rjeenje uvijek nalazi na jednoj od tih toaka.

Ukoliko u nekom problemu ima vie ekstremnih toaka postoji alternativna metoda. Nae je nastojanje tada da se to vie udaljimo od ishodita, no to emo moi sve dok n e dosegnemo toku zadnjeg kontakta u podruju izvodljivosti. Taj zadnji kontakt ukazuje na toku optimalnog rjeenja. METODE (POSTUPCI) SIMULIRANJA Ukoliko je u model ukljuen i koncept (pristup) vjerojatnosti u takvim situacijama pomae postupak simuliranja. Simulacija bi trebala biti koritena u situacijama kada je previe skupo ili previe teko eksperimentirati u realnoj situaciji. U tim sluajevima uinci odluke mogu biti testirani na simulacijskom modelu prije nego je odluka primijenjena. Simulaciju treba razmatrati u dva dijela: PRVO, najprije treba postojati model onoga to treba biti simulirano. To se prvenstveno odnosi na kompjutorsku simulaciju simbolinih modela koje moemo koristiti kako bismo prikazali realni sustav na kompjutoru; DRUGI je dio prolaz modela kroz vrijeme u ijem toku ona (simulacija) daje ivot modelu. Tako je simulacija zapravo serija akcija modela s reakcijama okoline modela. Simulacija na taj nain prolazi kroz neki broj iteracija ili pak kroz neku koliinu vremena. Termin simulacija u poslovanju obino se svodi na primjenu digitalnog kompjutora za izvoenje eksperimenata na realno sustavu. Izvoenje studije simulacije sastoji se od odreenih faza: 1) zapoinje definiranjem problema koje se svodi na specifikaciju ciljeva i identifikaciju relevantnih kontrolnih varijabli 2) slijedi konstrukcija modela simulacije mora biti izgraen po narudbi za svaku problemsku situaciju. Koraci: a) specifikacija varijabli i parametara kojom se utvruje koje bi znaajke realnog sustava trebale biti fiksirane, a koje mogu varirati b) specifikacija pravila odluivanja odnosno uvjeta pod kojima se promatra ponaanje modela simulacije. esto su ona pravila prioriteta. c) Specifikacija distribucije vjerojatnosti. Za simuliranje mogu biti koritene dvije vrste distribucije: empirijske distribucije frekvencija i matematike distribucije frekvencija. d) Specifikacija postupka s obzirom na vrijeme simulacija traje dok se ne ostvari uvjet ekvilibrija. 3) procjena rezultata koja se vri putem odgovarajuih statistikih testova a zatim usporedbom s drugim informacijama odnosno podacima 4) prijedlog novog eksperimenta koji moe biti ponuen na osnovi rezultata simulacije uz odreenu promjenu faktora kao to su parametri, varijable, pravila odluivanja, startni uvjeti, duina simulacije. HEURISTIKE METODE (POSTUPCI) ODLUIVANJA Dolazi od grke rijei heuriskein to znai otkriti. Tako su heuristici pravila odluivanja koja vode u rjeenje obino metodom pokuaja i pogreke. Ponekad ta pravila osiguravaju rjeenja koja su vrlo blizu optimalnom rjeenju, a ponekad i nisu tako dobra. Mi koristimo heuristike metode u svakodnevnom ivotu (npr. benzinsku postaju ponemo traiti tek kad imamo jo malo benzina). Heuristike metode koriste se kako bi se rijeili problemi odluivanja, posebno kad tehnike optimalizacije nisu dostupne ili su pak preskupe za uporabu. Koliko su ove metode korisne u rjeavanju poslovnih problema govori primjer rjeavanja problema layouta. Optimalan raspored odjela vaan je problem koji se moe rjeavati runo samo ako se radi o

njihovu minimalnom broju. Poveanjem broja odjela broj kombinacija koji pokazuje broj moguih rjeenja problema raste vrlo progresivno po formuli n! (n faktorijela). Za priblino rjeavanje takvih veih problema postoje kompjutorske metode. Najpoznatije su dvije: CRAFT i ALDEP. CRAFT metoda spada u one s kvantitativnim kriterijima koji uklju uju minimalizaciju trokova rukovanja materijalima, poluproizvodima i gotovim proizvodima, a izbor kriterija ovisi od odluke o ciljevima operacije. Ovom metodom mogue je rijeiti probleme s do 40 odjela ili centara odgovornosti. ALDEP metoda spada u one s kvalitativnim kriterijima (po eljnost da je lokacija jednog odjela blizu nekog drugog ili pak da je udaljena). Ova metoda uteuje mnogo dosadnog rada vezanog uz problem layouta, ali na kraju ipak zahtjeva ocjenu kako bi se dolo do konanog rjeenja. Taj program pogodan je za rjeavanje problema u koje je ukljueno 63 odjela i 3 skladita. TESTIRANJE VALJANOSTI, KONTROLA I PRIMJENA MODELA Nakon to je razmotrena problematika ustrojstva i rjeavanja modela odluivanja, teite e biti na: 1. testiranju primjerenosti modela i rjeenja izvedenih iz njih, 2. kontroli modela s rjeenjem, i 3. primjeni modela (tj. njihovom putanju u funkciju). Oblikovanje modela i testiranje mogu biti, a esto i jesu, simultani procesi. Kad je rjeenje provjereno i ispravno, ono ostaje optimalno samo toliko dugo koliko se i sustav za koji je ono razvijeno ne mijenja na bilo koji bitan nain. Konzekventno tome, kontrolni sustav potreban je za nadzor odnosno kontrolu rjeenja koja se koriste u toku vremena tako da znatne promjene mogu biti otkrivene i prilago ene rjeenju. Konano, rjeenje mora biti pretvoreno u akciju. Ta faza, koja predstavlja implementaciju modela, moe dovesti do definitivnog prihvata ili prekida u primjeni projekta. TESTIRANJE VALJANOSTI MODELA Testirajui model mi se pitamo: koji su mogui naini i pravci u kojima model moe iznevjeriti (ne uspjeti) adekvatno prikazati realnost i stoga izgubiti neku od svojih potencijalnih koristi? Postoje 4 osnovna pravca u kojima se moe postaviti pitanje adekvatnosti modela: i. model moe prikazati ovisnost efikasnosti sustava o jednoj ili vie (nezavisnih) varijabli. Nedostatak modela oe biti u tome to u sebi ima ukljuene varijable koje s njim nisu u nikakvoj loginoj odnosno funkcijskoj vezi. ii. model moe biti manjkav po tome to mu nedostaje varijabla odnosno varijable koje imaju vaan uinak na efikasnost sustava. iii. model moe netono izraavati stvarnu vezu koja postoji izmeu mjerila efikasnosti i jedne ili vie odnosnih varijabli. iv. Kad je model ak i tona slika realnosti u smislu udovoljavanja prethodnim trima uvjetima, on jo uvijek moe biti neuspjean u osiguranju dobrih rezultata, ako parametri koje sadri nisu odgovarajue procijenjeni. Testiranje modela moemo zapoeti njegovim ispitivanjem (provjeravanjem) kao cjeline, tj. utvrivanjem tonosti njegovih oekivanja s obzirom na budue efekte, a koji su od bitnog utjecaja na ukupnu efikasnost sustava. Mi moemo i prvo testirati nedostatke (nabrojeni i objanjeni u prolom pitanju), a potom i model u cjelini.

Postupak koji emo stvarno primijeniti ovisi od toga koliko imamo povjerenja u model. Ako vjerujem o da je model dobar, zapoet emo testiranje u cjelini. Ako smo manje sigurni u to, onda emo vjerojatno najprije testirati one aspekte koji nas najvie brinu i u koje najvie sumnjamo. Napredak znanosti pokazao je da ovakva pitanja odabira postupka testiranja imaju malo toga s pitanjem izbora prave, prikladne metode te je postupak istraivanja dinamina interakcija podataka i modela, a onaj koji dolazi prvi relativno je minoran problem. Treba istaknuti kako postupci testiranja modela trebaju biti isto tako kritini kao i sam postupak oblikovanja odnosno izgradnje modela. KONTROLA MODELA I NJEGOVA RJEENJA Veina projekata tiu se odluka managementa koje se ponavljaju. Problem (npr. zaliha) obino ukljuuje pravila odluivanja (Decision rules), koja mogu biti primjenjivana repetitivno, kako se potrebe javljaju i situacija mijenja, a koliine proizvodnje mogu biti odreene za svaki mjesec, a obino i dui vremenski rok. Veze i parametri koriteni u pravilu odluivanja moraju biti prilagoeni promjenama u sustavu, ve kako se one pojave. Odreeni parametri mogu se promijeniti, a i veze izmeu varijabli mogu se mijenjati tijekom vremena. Stoga vrijednosti veza i parametara povremeno (periodino) trebaju biti preispitivane, kao to to trebaju biti i pretpostavke ukljuene u model. To jest, generalno rekavi, rjeenje mora biti kontrolirano periodino, a po mogunosti i kontinuirano, kako ne bi izgubilo neto od svoje efikasnosti zbog promjena u sustavu. Kad je rjeenje jednom testirano i spremno za primjenu, a kontrolni postupak projektiran, potrebno ga je pustiti u operativno djelovanje. U vrenju te funkcije treba voditi rauna da efikasnost rjeenja moe biti reducirana (umanjena) promjenama, bilo u vrijednosti parametara sustava, odnosa izme u njih ili pak uslijed oboga. Tako ranije nevaan parametar moe postati vaan ili obratno. Promjene u vrijednostima i funkcijskim odnosima parametara mogu utjecati na efikasnost rjeenja, posebno ako su te promjene signifikantne odnosno znaajne. Promjena je signifikantna ako: 1) adaptacija rjeenja zbog promjena rezultira u poboljanju efikasnosti i 2) troak provedbe i prilagodbe provoenja promjena u realizaciji ne nadmauje vrijednost u poboljanju efikasnosti. Oblikovanje kontrolnog sustava sastoji se od tri koraka: 1. Nabrajanje (unoenje u popis) varijabli, parametara i veza (odnosa) koji su ukljueni ili bi trebali biti ukljueni u rjeenje modela odluivanja, ako se promjenama njihovih vrijednosti znatno utjee na sustav odnosno njegovu efikasnost. 2. Razvoj postupka otkrivanja znatnih promjena, kako kod parametara, tako i kod veza (odnosa). 3. Specifikacija akcije koja e se poduzeti ukljuujui i prilagodbu koja se treba uiniti u rjeenju kada se dogode signifikantne promjene. Svaka razdioba (distribucija) vjerojatnosti utvruje vezu izmeu vjerojatnosti dogaaja i vrijednosti varijabli. U sluaju distribucije koja se pojavljuje u modelu i rjeenju, parametri koji je definiraju moraju biti kontrolirani (tj. sredina i devijacija) kao i sam oblik distribucije (tj. normalna ili Poissonova u prvom redu). Oba aspekta trebaju biti podvrgnuta kontroli. Uestalost kojom bi takvi testovi trebali biti vreni ovisi od tempa kojim se podaci generiraju.

PRIMJENA (IMPLEMENTACIJA) MODELA. Kad je rjeenje modela odluivanja jednom izvedeno i testirano, ono je spremno za djelovanje (funkcioniranje). Konverzija rjeenja u operativno djelovanje ne bi moga biti izvedena bez tima koji je na izradi modela radio i to iz 2 razloga: 1) bez obzira koliko je panje bilo posveeno uvoenju pravila odluivanja i njihovom testiranju, mane u modelu mogu se javljati i nakon to je njegovo rjeenje puteno u djelovanje. Ako je prilagodba pravila odluivanja ostavljena u rukama onih koji ne razumiju kako su oni izra eni, prilagodba bi mogla ozbiljno ugroziti efikasnost rjeenja. 2) Izvoenje rjeenja ne bi moglo biti tako oito u kontekstu kompleksnog poslovanja kao to je to vidljivo samim lanovima tima. Rjeenje mora sadravati postupak koji funkcionira na nain na koji je potencijal sustava u potpunosti iskoriten. Provoenje rjeenja u operativni postupak ukljuuje odgovore na tri pitanja: 1) Tko to treba initi? 2) Kada? 3) Koje su informacije i sredstva potrebni da bi se to uinilo? Na osnovi tih odgovora operativni postupak moe biti projektiran i planiran ukljuujui i osposobljenost odnosno obuenost kadrova. Implementacija rjeenja, naime, ukljuuje ljude koji poduzimaju akcije. Ti ljudi moraju biti identificirani i od njih zahtijevana akcija mora biti specificirana. Analiza organizacije osigurava mnoge od potrebnih informacija, a ostalo treba biti osigurano po managementu i operativcima koji rade s timom. Ta i druge faze implementacije zahtijevaju kooperaciju izmeu managementa, operatora i istraivaa ukljuenih u tim. Rjeenje ili pravilo odluivanja generalno je koriteno po osoblju ija je matematika profinjenost manja nego to bismo eljeli. Ako elimo osigurati uporabu pravila odluivanja, esto ih moramo pojednostaviti prije nego ih predamo operativnom osoblju. U mnogo slu ajeva to znai kako moramo ili prevesti elegantna rjeenja u aproksimacije koje je lako koristiti ili ostaviti po strani eleganciju i krenuti direktno u pravcu brzog i prljavog pravila odluivanja, tj. njegove neposredne primjene. U odreenom smislu skoro svako rjeenje aproksimacija dovodi do odreenog stupnja brzog i prljavog. Realnost je teko prikazati u svoj njenoj sloenosti. Stoga je dobro znati kako je priblino rjeenje koje se moe koristiti bolje nego egzaktno rjeenje bez primjene. TEHNIKE ODLUIVANJA TEHNIKE ODLUIVANJA U UVJETIMA SIGURNOSTI I ODREENOSTI Razne poslovne odluke mogu se donositi u uvjetima: 1) sigurnosti i odreenosti, 2) rizika i 3) neizvjesnosti. O tim uvjetima ovisi specifinih tehnika koje se koriste kod donoenja odluka s obzirom na injenicu da za svaki od uvjeta postoje posebne tehnike. Ako moemo sa sigurnou znati koje e situacije u danim okolnostima nastupiti, tada govorimo o odluivanju u uvjetima sigurnosti i odreenosti. Odluivanje u uvjetima rizika podrazumijeva rjeavanje razliitih problema modela u kojima je ukljuena vjerojatnost i koji se rjeavaju postupcima simuliranja. Odluivanje u uvjetima neodreenosti odnosno neizvjesnosti vri se onda kada donositelj odluke ne poznaje stanje okruenja ili protivnika, a ne postoji mogunost niti da doe do odgovarajuih informacija na temelju kojih bi moga utvrditi vjerojatnost nastupanja odre enih dogaaja. Linearno programiranje spada u podruje odluivanja pod uvjetima sigurnosti i odreenosti jer se ustvari koristi kod odluka managera u kojima su resursi ogranieni, a ciljevi koji se moraju ostvariti jasno definirani i odreeni. Dakle, linearno programiranje osigurava racionalnost sustava kroz

homogenizaciju operacija svojih podsustava te zahtjeva jasno postavljene ciljeve sustava ukljuenog u analizu. To je metoda odreivanja odgovarajuih vrijednosti za pojedine aktivnosti kada kombinacije tih aktivnosti trebaju zadovoljiti odreene zahtjeve odnosno ogranienja. Osim toga, velike su analitike mogunosti uporabe optimalnog rezultata dobivenog na ovaj nain kao osnove za donoenje znanstveno i struno fundiranih odluka. Modele linearnog programiranja mogue je rjeavati raunski (simplex tehnikom za vei pa i veliki broj varijabli i ogranienja to je u pravilu ei sluaj) i grafiki (ogranieno brojem varijabli u modelu mogue rjeavati samo probleme sa dvije varijable). Simplex tehnika (metoda) predstavlja raunski postupak (algoritam) kojim se kroz seriju repetitivnih operacija (iteracija) postupno dolazi do optimalnog rjeenja problema. Prednost simplex tehnike je u tome to, teoretski, moe sluiti za rjeavanje problema s bilo kojim brojem varijabli i ogranienja. Njenom primjenom mogue je problem rijeiti ak i runo, no to je izvedivo kada problem ima vrlo mali broj varijabli dok se problemi sa 4 i vie varijable i ogranienja preputa kompjutorima (danas na raspolaganju stoji velik broj programskih paketa ope i posebne namjene za rjeavanje modela linearnog programiranja). Rjeava se tablino. Bitno za tehniku rjeavanja problema simplex metodom je labava (dopunska) varijabla (s) ija je funkcija da kao nova, nenegativna varijabla dodana svakom ogranienju omogui pretvaranje nejednadbi modela linearnog programiranja u jednadbe. Optimalno rjeenje istovjetno je onom dobivenom grafikim putem. Vrijednosti, pod dopunskim varijablama u redu funkcije cilja nazivaju se cijenama u sjeni. Kod dobivenih vrijednosti odnosa (udio vrijednosti optimalnog rjeenja u odnosu na vrijednosti iz kolone od interesa) potrebno je najprije odbaciti pozitivne vrijednosti, a potom pronai najmanju (u apsolutnom iznosu). Optimalna simplex tablica u openitijem smislu daje odgovore na pitanja: 1) Kolika je vrijednost svakoga resursa po jedinici? 2) Koji su resursi iskoriteni u optimalnom rjeenju? 3) Koliko bi jo trebalo nabaviti nedostatnog resursa? Iz ovog se moe zakljuiti kako simplex tehnika, kad se koristi u rjeavanju modela linearnog programiranja, omoguava i znatne dodatne informacije osim samog optimalnog rjeenj a pa to bitno poveava korisnost i opseg informacija za management, koji na osnovi toga treba donijeti definitivnu odluku o konkretnoj primjeni dobivenog rjeenja. TEHNIKE ODLUIVANJA U UVJETIMA RIZIKA Tehnike odluivanja u uvjetima rizika jesu: 1) Monte Carlo tehnika; 2) Oekivana vrijednost; 3) Tablica odluivanja; 4) Drvo (stablo) odluivanja. MONTE CARLO TEHNIKA Za rjeavanje razliitih problema modela u kojima je ukljuena vjerojatnost i koji se rjeavaju postupcima simuliranja (dakle, za odluivanje u uvjetima rizika), razvijena je tehnika poznata pod nazivom Monte Carlo tehnika. Tehnika se sastoji od nove uporabe starog postupka. Stari je postupak neograni eno sluajno uzorkovanje predmeta iz skupa na takav nain to svaki element u skupu ima istu vjerojatnost da

bude izabran. Taj novi zaokret sastoji se od uporabe sluajnog uzorkovanja igrajui igru s prirodom ili sustavom izgraenim po ovjeku u kojem je simuliran eksperiment. U biti, Monte Carlo tehnika se sastoji od simulacije eksperimenta kako bi se utvrdila vjerojatnost nekih svojstava skupa (ciljeva ili dogaaja) uporabom sluajnog izbora. Vlasnik ribarnice eli ocijeniti svoju dnevnu politiku naruivanja bakalara. Mi emo postojee pravilo naruivanja nazivati pravilo 1, a alternativno pravilo 2. Da bismo pripremili problem za simulaciju, treba razviti neku metodu za generiranje potra nje svakog dana kako bismo mogli komparirati dva pravila naruivanja. Za tu svrhu koristit emo Monte Carlo tehniku. To zahtjeva pretvaranje relativnih frekvencija u vjerojatnosti. Tada specifine brojeve pridruimo svakoj vjerojatnosti kako bismo odrazili proporciju brojeva od 00 do 99 koji odgovaraju svakoj vjerojatnosti. S tim informacijama i tablicom sluajnih brojeva spremni smo za izvoenje simulacije kako bismo odredili relativnu poeljnost pravila 1 i 2. Nakon toga testiramo oba pravila u 20-dnevnom periodu sljedeim postupkom: 1) oitati 20 brojeva iz tablice sluajnih brojeva. 2) Pronai interval sluajnih brojeva u koji ulazi svaki oitani broj iz tablice sluajnih brojeva. 3) Oitati dnevnu potranju koja odgovara intervalu sluajnih brojeva. 4) Izraunati prodane koliine. 5) Izraunati dnevni profit. 6) Ponoviti korake od 1 do 5 za svakih 20 dana za koje se vri simulacija. Na bazi provedenog postupka simulacije utvrujemo koje je pravilo optimalnije (u ovom sluaju uvoenjem novog pravila naruivanja osigurava se vea dobit). Radi utvrivanja vjerodostojnosti rezultata kao osnove za donoenje odluke radi usporedbe vri se, osim rune, i kompjutorska simulacija (algoritamska kompjuterska simulacija) i to na daleko veem broju dana, za to se radi algoritam i kompjutorski program (napisan u FORTRAN-u). Kod razmatranja Monte Carlo tehnike, odnosno procesa simulacije, treba istaknuti njegovu veliku primjenjivost na raznim podrujima gospodarskog djelovanja pa i ire u drutvenim aktivnostima. Tako, konkretni podaci pokazuju kako su ovakvi postupci primijenjeni na rjeavanju problema kao to su: oblikovanje komunikacijskih sustava, predvianje ponaanja potroaa, oblikovanje distribucijskih sustava, rjeavanje problema layouta, oblikovanje informacijskih sustava, financijska predvianja, planiranje kadrova itd. Simuliranje praktino nema granice primjene, na to je presudno utjecalo i utjee kontinuirani razvoj simulacijskih jezika i programa, kako onih ope namjene, tako i onih specijalne namjene, to omoguava otvaranje irokog procesa kreiranja simulacijskih modela kao osnove za donoenje odluke. OEKIVANA VRIJEDNOST Kad se radi o predvianju buduih dogaaja pod raznim nedovoljno poznatim okolnostima, sasvim je logino da se radi o odluivanju u kojem se odluke donose u uvjetima veeg ili manjeg rizika. Treba istaknuti kako se problem odluivanja u uvjetima rizika ne svodi samo na pitanje potranje ve i na podruje poslovnog odluivanja, esto od strateki vitalnog znaenja za poslovanje i razvoj suvremenog poduzea. Pod uvjetima rizika bit e pogodno da se, umjesto samo jednom vrijednou, koristimo s nekoliko vrijednosti kojima onda pridruimo procijenjene vjerojatnosti za njihovo dogaanje. Nakon to utvrdimo vrijednosti i pripadajue im vjerojatnosti, mogue je otii korak dalje pa na temelju tih podataka izraunati izvaganu aritmetiku sredinu vjerojatnosti potranje, to se naziva oekivana vrijednost. Ako se proces neprekidno ponavlja, oekivana vrijednost predstavlja prosjek.

TABLICA ODLUIVANJA Tablica odluivanja nain je prikazivanja ishoda odluka razliitih alternativa ovisno od razliitih scenarija. Tako se za razliite alternative i razliite scenarije tj. dogaaje mogu utvrditi ishodi izraeni u dobiti, trokovima i sl. pa se ona jo naziva i pay-off tablicom. U tablici se nalaze alternative , scenariji i vjerojatnosti pa se problem mo e rijeiti putem oekivane vrijednosti i to tako da se ona izrauna za svaku od ponuenih akcija (alternativa). Nakon to se vidi koja je akcija najpovoljnija (ona koja ima najveu oekivanu vrijednost), u tom se smislu donosi i konkretna odluka. DRVO (STABLO) ODLUIVANJA Drvo (stablo) odluivanja jo je jedna tehnika koja se pokazuje vrlo korisnom u donoenju odluka. To je slikovit model koji reprezentira itavu strukturu odluivanja. PREDNOST koju drvo odluivanja ima u matrici odluivanja je u injenici to ljudi esto nalaze da je slikoviti model laki za rad od tabele brojeva. Jo vanija prednost je u tome to je stablo odluivanja lake primjenjivo kod analiza i donoenja sekvenci (niza) odluka. Drvo odluivanja zapoinje tokom odluivanja (decision point). Od toke odluivanja crtamo grane koje pokazuju svaku od alternativnih odluka koje mogu biti donijete. Kad je odluka jednom donijeta slijedom jedne od grana, ishod zavisi od buduih kapaciteta o kojima se u pojedinom problemu radi. Notacija za vjerojatnost doga aja je krug. Od te toke dogaa se vie grananja, ali je to izvan kontrole donositelja odluke. Svakoj toj grani pridru ena je odgovarajua vjerojatnost. Stoga je drvo odluivanja korisno za donoenje odluka u uvjetima rizika. Ono koristi kriterij oekivane vrijednosti. Svaka grana na kraju drveta predstavlja neki mogui ishod koji rezultira iz donijete odluke. Na kraju dobivamo oekivani rezultat za svaki ishod. Drvo odluivanja, dakle, zapoinje grananjem od jedne toke prema svakoj od alternativa. Ukoliko nema predvienih razliitih ishoda u okviru jedne alternative, tu nema daljnjeg grananja i najbolji oekivani rezultat predstavlja osnovu za donoenje prave odluke. Meutim, ee su situacije kada je odluka praena s vie grananja. U tom se sluaju izraunaju oekivane vrijednosti za svaku alternativu kako bi se kod svake to ke odluivanja donijela najbolja odluka. U sluaju donoenja niza odluka svaka od odluka je pod utjecajem procjene vjerojatnosti. Prvo se konstruira drvo odluivanja. Analiza drva odluivanja, izvoena s desna na lijevo (unatrag u vremenu), zapoinje s analiziranjem odluka koje trebaju biti donijete. Sljedei korak jest procjena oekivanih vrijednosti za sve varijante. Zavrni je korak izbor najbolje odluke izmeu alternativa koje se granaju iz originalnog vora odluivanja. Odluka se odabire na temelju najbolje vrijednosti drva odlu ivanja koja se razlikuje ovisno o problemu koji se rjeava. Vrijednost drveta odluivanja je najbolja (grana) alternativa za rjeavanje problema. S njom se dolazi do kompletnog rjeenja problema pa sljedee odluke koje nakon ovog slijede trebaju biti odluke u pravcu realizacije rjeenja dobivenog drvom odluivanja. TEHNIKE ODLUIVANJA U UVJETIMA NEIZVJESNOSTI Tehnike odluivanja u uvjetima neizvjesnosti jesu: 1) Teorija igara; 2) Waldov kriterij pesimizma (max/min); 3) Kriterij optimizma (max/max); 4) Hurwiczov kriterij odluivanja; 5) Savageov kriterij minimalnog aljenja (min/max); 6) Laplaceov kriterij racionalnosti.

TEORIJA IGARA Teorija igara ima zadatak pronalaenja postupka u situacijama konkurencije kada se sukobe interesi najmanje dva protivnika, odnosno, prema ovoj teoriji, dva sudionika u igri. Situacija konkurencije, prema tome, odraava takva stanja kada su openito dvije osobe (stranke, sudionika ili skupine) u konfliktu radi svojih odnosnih ciljeva. Meutim, to ne iskljuuje mogunost da konkurenti meusobno i surauju kad je to u njihovom interesu. Igra dviju osoba predstavlja situaciju konkurencije (natjecanja, nadmetanja). Rivali su u konfliktu u vezi sa svojim ciljevima koji su za obojicu isti, a to je pobijediti protivnika. Koncepcija teorije igara moe biti korisno upotrjebljena u nekim situacijama problema konkurencije. Npr., moe biti mogue utvrditi koje najefikasnije protumjere (strategije) moe poduzeti konkurencija. Uspjeh ovakvog pristupa ovisi od nae mogunosti da ustanovimo najbolju moguu strategiju koju konkurent moe odabrati. Tada, ukoliko nam je mogue odabrati strategiju koja osigurava dobitak, u situaciji kad konkurent izabere svoju najbolju strategiju, moemo biti sigurni barem u minimalni dobitak. Gledajui stvari (vezane za teoriju igara) moemo govoriti o igri s nul zbrojem u kojoj gubitak jednog igraa prelazi u dobitak drugog igraa tako da je njihov zbir jednak nuli. To znai da se u igru ne unosi nita izvana niti se iz nje ne uzima novac ili neko drugo sredstvo kojim se podmiruje gubitak odnosno pokriva dobitak igraa. Jedan poseban vid (vrsta) konkurentne situacije predstavlja sudjelovanje na licitaciji (nadmetanju, Bidding) za dobivanje posla, koncesije, prava i licence. Takve se situacije nazivaju situacije nu enja. Bitan konflikt u situaciji nuenja u tome je to onoliko koliko se ponudama poveava ansa za dobitak posla (kroz nie cijene ponude), toliko se istovremeno smanjuje iznos (veliina) oekivanog profita. I obratno, koliko se ponudama smanjuje ansa da one budu dobivene (vie cijene), toliko se njima poveavaju profiti, jasno, ako budu dobivene. Problem je, dakle, u tome kako ostvariti najbolji balans (ravnoteu) izmeu ansi za dobivanje ponude i ostvarenja zadovoljavajue razine profita. U tom se smislu razvijaju modeli nuenja za pomo u rjeavanju ovakvog tipa problema. WALDOV KRITERIJ PESIMIZMA (MAX/MIN) Prema Waldovom kriteriju odnosno strategiji donositelj odluke najprije treba za svaku alternativu utvrditi najloije rezultate kako bi zatim (u drugom koraku) meu tim najloijima izabrao najbolje rjeenje. Primjenjujui ovu strategiju mi, dakle, utvrujemo najloiju opciju (minimalni profit, maksimalni trokovi) koja se moe dogoditi, a potom izaberemo najbolju (maksimum kod profita, minimalni trokovi) od tih najloijih opcija. Ovaj je pristup konzervativan i predstavlja strategiju pesimista. Metoda se sastoji od 2 koraka: Korak 1. Za svaku opciju (akcija, odluka, alternativa) pronai najnii profit izmeu scenarija koji se mogu dogoditi. (To je najloiji sluaj scenarija za tu odluku.) Korak 2. S liste najniih profita izaberi rjeenje (opciju) koja donosi najvii profit. Ova strategija donosi maksimum (max) od minimuma (min) pa se zato i naziva max/min. U sluaju trokova, prema ovom naelu, uzmemo najniu (min) od najvie (max) vrijednosti. U oba sluaja, dakle, uzimamo najbolji od najloijih sluajeva moguih rjeenja. KRITERIJ OPTIMIZMA (MAX/MAX) Kriterij optimizma (max/max) koristi se kod donoenja odluka tako da se najprije za svaku alternativu utvrdi najbolje rjeenje kako bi se u sljedeem koraku meu njima utvrdilo ono apsolutno najbolje.

Postupak se, dakle, u sutini, svodi na izbor najvieg profita (ili najniih trokova) da bi se zatim utvrdila alternativa koja vodi u najbolje rjeenje. Ova je strategija optimistina i tako suprotna pesimistinoj strategiji max/min. Meutim, treba upozoriti kako je max/max vrlo riskantna strategija pa je u praksi najee koritena kada je donositelj odluke bio u desperatnom ili pak vrlo optimistinom stanju. Primjeri primjene mogu se nai u sportu (namjerni prekraj nad suparnikom pri kraju utakmice) ili biznisu (oni koji su sve stavili na kocku - riskirali, i uspjeli u tome). HURWICZOV KRITERIJ ODLUIVANJA Izmeu spomenute dvije krajnosti (optimistinog i pesimistinog kriterija) potrebno je potraiti neko kompromisno rjeenje. To je mogue uraditi prema Hurwiczu dodjeljivanjem razliitog znaenja (pondera) pesimistinom i optimistinom kriteriju. Normalno je poi od optimizma pa je stoga veliina znaenja optimistinog kriterija prozvana koeficijent optimizma, koji moe poprimiti svaku vrijednost od 0 do 1 da bi potom na pesimistini kriterij bila dodijeljena razlika do 1. Na toj osnovi mogue je izraunati ponderiranu aritmetiku sredinu ova dva kriterija, to onda predstavlja kompromisno rjeenje, ali u svakom sluaju blie realnosti jer se polazi od pretpostavke da e izbor koeficijenta optimizma, tj. njegove veliine, ovisiti, u prvom redu, od dobrog poznavanja situacije u sustavu i njegovom okruenju. SAVAGEOV KRITERIJ MINIMALNOG ALJENJA (MIN/MAX) Kod Savageovog kriterija minimalnog aljenja (min/max), aljenje se shvaa izgubljenom prilikom donositelja odluke koji si svojom odlukom nije osigurao najbolji rezultat. U skladu s tom definicijom, mjera aljenja predstavlja razliku izmeu rezultata koji se mogao ostvariti izborom najbolje odluke (najbolje alternative) i one koju je on odabrao prije nego je znao stvarno stanje. Polazei od ovog, Savage je osmislio postupak prema kojem je korisno, na temelju raspolo ivih podataka, unaprijed izraditi matricu aljenja i na nju primijeniti Waldov kriterij pesimizma to u ovom sluaju znai: utvrditi u matrici aljenja najloije rezultate (maksimalno aljenje), a potom izmeu tih vrijednosti izabrati najbolji rezultat odnosno alternativu. LAPLACEOV KRITERIJ RACIONALNOSTI Pretpostavka od koje je poao Laplace u svom kriteriju jest sljede a: ukoliko nema nikakve realne osnove za davanje prednosti nekom stanju u odnosu na neko drugo stanje, onda je najbolje svim stanjima dodijeliti podjednaku vjerojatnost dogaanja. Budui da nema raspoloivih informacija o tome je li jedan ishod vie ili manje vjerojatan u odnosu na bilo koji drugi, strategija oekivane vrijednosti moe biti koritena samo uz pretpostavku kako su svi ishodi jednako vjerojatni i u tome je, dakle, sutina Laplaceovog kriterija racionalnosti. INFORMACIJSKI SUSTAVI I POSLOVNO ODLUIVANJE ULOGA INFORMACIJSKIH SUSTAVA U POSLOVNOM ODLUIVANJU INFORMACIJA, INFORMACIJSKI SUSTAVI I PODRKA U ODLUIVANJU Poslovno odluivanje u doba brzih i diskontinuiranih promjena, to je obiljeje kraja dvadesetoga stoljea, nije mogue bez jake informacijske potpore. U zadnjih tridesetak godina informacija je postala ravnopravni esti organizacijski resurs uz onih pet tradicionalnih: ljudi, strojevi, novac, materijali i management. Informacija je podatak obraen u obliku koji je smislen njezinom primatelju i koji ima stvarnu ili percipiranu vrijednost za njegove sadanje i budue odluke i akcije. Kao resurs se ne troi uporabom niti smanjuje raspodjelom. Upotrebljiva poslovna informacija mora osigurati

validnu i pouzdanu sliku stvarnosti, biti raspoloiva u pravo vrijeme, biti kompletna i konzistentna i, to je najvanije, biti relevantna za domenu poslovnog odluivanja. Informacijski sustavi predstavljaju krvotok suvremene organizacije, jer pru aju hranu donositeljima odluka u rjeavanju problemskih situacija. Informacijski sustav se, per definitionem, moe odrediti kao strukturirani, meusobno povezani kompleks ljudi, strojeva i procedura, predvien za generiranje kontinuiranog toka odgovarajuih informacija prikupljenih iz unutarnjih i vanjsk ih izvora poduzea za uporabu istih, kao baze pri donoenju poslovnih odluka. Meutim, ne postoji jedan jedinstveni tip informacijskog sustava koji bi mogao pokriti sve razli ite aspekte kompjuterske obrade podataka i zato u poduzeima postoji vei broj kl asa kompjuteriziranih informacijskih sustava koji pokrivaju razliita funkcionalna i organizacijska podruja. Svi oni zajedno ine ono to zovemo informacijskim sustavom poduzea ili poslovnim informacijskim sustavom. Kljuni zadaci informacijskog sustava u poduzeu su: kompjutersko pokrivanje poslovnih transakcija i osiguranje potrebnih informacija menagerima u odgovarajuem vremenu i upotrebljivom formatu. Informacijski sustav, openito govorei, upravlja tokovima podataka i informacija od njihova izvor a do managera koji e ih upotrebljavati. VRSTE INFORMACIJSKIH SUSTAVA Prema Laudonovima postoji vei broj tipova kompjuteriziranih informacijskih sustava u koje ubrajamo: 1) sustave elektronike ili transakcijske obrade podataka (TPS) 2) sustave za automatizaciju uredskog poslovanja (OAS) 3) upravljake informacijske sustave (MIS) i 4) managerske sustave podrke. Sustavi za transakcijsku obradu podataka (TPS) slue za voenje svakodnevnih i rutinskih poslovnih transakcija. Oni podravaju procesiranje poslovnih i drugih operacija u poduzeu. Oni trebaju osigurati evidenciju o elementarnim aktivnostima i transakcijama organizacije kao to su: prodaja, zarada od prodaje, uloeni novac, krediti i protok materijala u proizvodnji. Oni povezuju organizaciju i glavni su proizvoai informacija za druge klase informacijskih sustava. Nisu izravno orijentirani prema odluivanju (njihova osnovna namjena nije podrka poslovnom odluivanju), ali izlazne informacije ovih sustava predstavljaju ulazne veliine za druge klase informacijskih sustava. Pod pojmom managerski sustavi podrke podrazumijeva se skupina sustava namijenjenih za podrku managerskih aktivnosti na svim razinama odluivanja. Benbasat i Nault u ove sustave ubrajaju: 1) sustave za podrku odluivanju; 2) sustave za podrku grupnom odluivanju; 3) ekspertne sustave; 4) sustavi za podrku vrhovnom rukovodstvu. UPRAVLJAKI INFORMACIJSKI SUSTAV (MIS) Upravljaki informacijski sustav posebna je klasa informacijskih sustava koja se organizira kako bi se saeli izabrani podaci, veinom iz transakcijskog procesiranja, tj. elektronike obrade podataka i neto manje iz pretraivanja okoline organizacije, radi stvaranja informacija upotrebljivih za management. Proizvodi rutinska i unaprijed naznaena izvjea, rjeava jednostavne modele i unaprijed pravi predviene analize. To je integrirani sustav za pruanje informacija koji daje potporu planiranju, kontroli i operacijama poslovne organizacije.

Pomae, dakle, odvijanju poslovnih operacija i procesu donoenja odluka putem pruanja unaprijed definiranih, internih i eksternih, informacija o prolosti, sadanjosti i budunosti poduzea. SVOJSTVA UPRAVLJAKIH INFORMACIJSKIH SUSTAVA. Parker istie najvanije osobine MIS-a: MIS podrava strukturirane i polustrukturirane poslovne odluke koje se primarno donose na srednjim i niim managerskim razinama. MIS osigurava fiksni oblik primitka informacija u poznatom, unaprijed definiranom formatu (zahtjevi korisnika za informacijama su poznati i stabilni). MIS-om se obino produciraju unificirana, opsena i detaljna izvjea, koja zahtijevaju da svaki pojedini korisnik sam pretrauje onaj dio informacija koje su mu potrebne. Uporaba MIS-a zahtijeva formalnu proceduru upita i pretraga. Obino se MIS-om pohranjuju i procesiraju interni poslovni zadaci poduzea, a neto manje podaci iz okoline. Prvenstveni je naglasak na podacima iz prolosti, a manje na onima o budunosti. Osnovno svojstvo MIS-a je podrka procesu donoenja poznatih, ponavljajuih i strukturiranih poslovnih odluka. Premda su i jedan i drugi orijentirani na unutarnja zbivanja u poduzeu, TPS i MIS nisu istovjetni. TPS nije orijentiran k odluivanju, ve mu je svrha otkrivanje i upravljanje podacima vezanim za poslovanje poduzea putem klasifikacije, sortiranja, kalkulacije, saimanja i uvanja podataka. TPS je iskljuivo vezan za praenje operativnih aktivnosti poduzea (prodaju, naruivanje, evidenciju osoblja i opskrbu), dok se MIS projektira kao managersko orue kojim se pomae procesu donoenja poslovnih odluka. Sa stajalita informacijske tehnologije, ono to ih razlikuje je postojanje razvijenog sustava za upravljanje bazama podataka (DBMS). TPS kao evolucijski nii oblik raunalne podrke poslovanja, projektira se kao skup transakcijskih procedura pri emu.
TPS Fokusiran na podatke Namijenjen slubama Djelotvorni organizacijski proces Optimalno pohranjivanje i procesiranje podataka Upravljanje datotekama MIS Usmjeren na informacije Namijenjen rukovodstvu Strukturirani informacijski tokovi Integrirano stjecanje informacija i planiranje funkcija IS-a DBMS sustavi za upravljanje podataka hijerarhijskog mrenog tipa

Znaajka MIS- a jest i postojanje opcije on-line opcije obrade podataka i informacije. U nekim situacijama donositelji poslovnih odluka mogu imati poseban zahtjev za informacijama za koji im ne treba puni redoviti izvjetaj. On-line obradom doputa se da se korisnici MIS-a opskrbljuju informacijama u odgovarajuem obliku, na poseban upit i u vrlo kratkom vremenu. Umjesto ekanja da se izlista kompletni izvjetaj oni se mogu izravno upoznati sa traenim informacijama putem uporabe monitora i pisaa. To osobito vrijedi za managere na niim i srednjim razinama u poslovnoj organizaciji kojima svakodnevno trebaju tekue informacije. MIS I UPRAVLJANJE BAZAMA PODATAKA Baza podataka integriran je skup podataka pohranjen na razliitim vrstama zapisa, potpuno neovisan o programskom paketu koji te podatke koristi. Zapisi su meusobno povezani znaenjem odnosa pohranjenih podataka, a ne njihovom tjelesnom lokacijom. Karakter podataka unaprijed je primljen za pohranjivanje. Svrha pohranjivanja i organiziranja podataka u bazama podataka ponajprije je u mogunosti predoavanja odnosa izmeu entiteta od interesa za organizaciju, to ne moe biti postignuto sa pojedinanim datotekama.

Sustav za upravljanje bazama podataka (DBMS) je softver (ili serija programskih paketa) koji imaju mogunost kreiranja, uporabe i odravanja baze podataka. Nije vezan za neki poseban set datoteka i samostalno egzistira integriran u MIS-u. Omoguava odvajanje korisnikog programskog pogleda na podatke koji se procesiraju u sustavu kod naina na koji se pohranjuju podaci. Baze podataka i DBMS kljuni su elementi koji stvaraju mnoge prednosti MIS sustava nad niim klasama informacijskih sustava. DOPRINOSI UPRAVLJAKIH INFORMACIJSKIH SUSTAVA PROCESU POSLOVNOG ODLUIVANJA Upravljaki informacijski sustavi pomau u procesu donoenja odluka na najmanje 2 naina: 1) poveanjem brzine odvijanja procesa odluivanja 2) pruanjem pretpostavki za ostvarenje vee kvalitete donesenih odluka. Manageri od MIS-a mogu dobiti periodina, upozoravajua i izvjea na zahtjev. Cilj MIS-a jest pruanje informacija kojima bi se uskladili trokovi, dobici i ciljevi koji su postavljeni za ove initelje kvalitete informacija i njihov doprinos poslovnom odluivanju. SUSTAV ZA PODRKU ODLUIVANJU (DSS) Sustav za podrku odluivanju (DSS) sustav je koji prua instrumente i sredstva potpore menagerima u rjeavanju slabo strukturiranih i nestrukturiranih problema i to na nain koji najbolje odgovara menagerima. Interaktivno raunalni sustav lako dostupan strunjacima i donositeljima odluke, a koji im pomae u funkcioniranja i poslovnog odluivanja. To je, dakle, fleksibilan i adaptabilan raunalni informacijski sustav koji omoguava interaktivnu primjenu pravila odluivanja, modela i baza modela zajedno s bazama podataka i vlastitim pristupom donositelja poslovnih odluka. OBILJEJA SUSTAVA ZA PODRKU ODLUIVANJU Znaajke sustava za podrku odluivanju: Podravaju donoenje slabo strukturiranih i nestrukturiranih odluka Imaju fleksibilnost u specificiranju zahtjeva za outputom Laki su za primjenu i razvoj za informatike neprofesionalce Pruaju mogunost brze reakcije na traene upite Postoji visok stupanj nadzora korisnika i jaka interakcija sa sustavom Fokusirani su na srednje i gornje slojeve managementa Ukljuuju interaktivnu prezentacijsku tehnologiju Sadre modele Usmjereni su na efektivnost prije nego na efikasnost. Dok MIS sustavi pomau u rjeavanju strukturiranih problema, DSS sustavi projektiraju se u namjeri da se menagerima pomogne u svladavanju problemskih podruja u odluivanju koje nije svakodnevno, rutinsko i dobro poznato nego je samo jedan njegov dio poznat, djelomi no strukturiran ili nije uope strukturiran. DSS su mnogo fleksibilniji od MIS. DSS je problemski orijentiran nasuprot MIS-u koji slijedi proces kroz poslovnu organizaciju. VRSTE SUSTAVA ZA PODRKU ODLUIVANJU Postoje tri osnovna oblika DSS-a: 1) kao specifini DSS-ovi 2) kao DSS generatori i 3) kao DSS alati.

DSS generatori dizajnirani su za uporabu u brzom kreiranju i generiranju razliitih aplikacija. Oni su niti kompletne aplikacije niti su (samo) programski jezici. Moemo ih definirati kao kombinaciju jezika, korisnikog interesa te grafikih i izvjetajnih dodataka na nain da se moe brzo - po potrebi stvoriti pojedini DSS sustav. To je zapravo paket povezanog hardwarea i softwarea. DSS alati ine elementi hardwarea, softwarea, procedura i podataka koji omoguavaju izgradnju bilo specifinih DSS-ova, bilo DSS generatora. To su specijalni sluajevi DSS generatora. Namijenjeni su za razvoj DSS-a, ali imaju ogranien i poseban fokus. KOMPONENTE SUSTAVA ZA PODRKU ODLUIVANJU Sustav za podrku odluivanju (DSS) sastoji se od triju komponenti (podsustava) i to podsustava za: (1) upravljanje modelima; (2) upravljanje podacima; (3) voenje dijaloga. Podsustav za upravljanje modelima ini glavnu sastavnicu DSS-A te korisniku prua potporu u izgradnji modela. Ovaj sustav treba omoguiti integraciju pristupa podacima i modelima odluivanja. Omoguava korisniku da sam definira kombinaciju odrednica radi samostalne formulacije kompleksnog modela. Temeljnica podsustava je baza u kojoj se uvaju osnovni modeli sustava. Podsustav za upravljanje podacima ukljuuje sredstva za primitak i procesiranje podataka iz formalnih baza podataka, kao i sredstvo za upravljanje podacima. Ovaj podsustav osigurava kombiniranje razliitih izvora podataka te uvanje, procesiranje i ekstrakciju podataka. Omoguava brzo i lako dodavanje i brisanje izvora podataka. Podsustav za voenje dijaloga korisniku osigurava komunikaciju sa DSS sustavom. Pomae provedbu korisnikih akcija putem razliitih ulaznih ureaja kao to su tastatura, paneli, glasovne komande i sl. Funkcija je kreiranje prezentacije podataka u raznim formatima i na raznim izlaznim kompjuterskim ureajima. PRIMJENA SUSTAVA ZA PODRKU ODLUIVANJU U POSLOVNOM ODLUIVANJU Proces uporabe DSS-a moe se vizualizirati u 5 faza: 1) istraivanje ili preformuliranje problema 2) identifikacija relevantnih parametara i varijabli 3) formulacija modela 4) testiranje modela radi ispitivanja pogodnosti solucije 5) rafinacija problema. SUSTAVI ZA PODRKU SKUPNOM ODLUIVANJU (GDSS) GDSS sustav projektirani su da bi podrali zajedniki proces odluivanja skupine ljudi za razliku od sustava DSS-a koji su koncipirani za individualnu primjenu. GDSS su interaktivni, kompjutorski bazirani sustavi koji olakavaju rjeavanje nestrukturiranih problema skupini donositelja poslovnih odluka. Senn istie sljedee prednosti GDSS sustava: Funkcionira kao memorija cijele skupine izbjegava se ponovno procjenjivanje ideja od lanova skupine Pomae identifikaciji primjenjivih alternativa Alternative se stvaraju nakon paljivog razmatranja Podie sposobnost skupine u meusobnom komuniciranju i irenju ideja Slui kao sredstvo za interakciju izmeu zainteresiranih strana za donoenje odluka u poduzeu

KOMPONENTE SUSTAVA ZA PODRKU SKUPNOM ODLUIVANJU Postoje 3 vrste komponenti: 1) interaktivni komunikacijski interfejs korisnicima omoguava postavljanje pitanja te davanje i primanje upita, miljenja, ideja i komentara. Ova vrsta od kljune je vanosti za uspjenost sastanka koji se odrava uz potporu ove klase informacijskih sustava. U projektiranju bitno je odrediti ukljuuju li se sudionici izravno u diskusiju. 2) Baze podataka obino su relacijske baze podataka. Budui da nije mogue prognozirati nain na koji e se potrebne baze podataka razviti, relacijski sustav organizacije baze podataka osigurava i pristup i stvaranje baze ovisno o potrebama procesa odluivanja, koji je najee vrlo slabo strukturiran. 3) Baza modela iste su kao one koje se koriste u DSS-u. Nuno je imati itav niz razliitih modela i alata koji donositeljima odluke mogu biti od pomoi kod generiranja informa cija s uporabnom vrijednou. VRSTE SUSTAVA ZA PODRKU SKUPNOM ODLUIVANJU Sustavi za podrku skupnom odluivanju mogu se podijeliti prema: (1) vrsti problema koji se razmatra; (2) obliku sastanka na kojem se donose odluke. GDSS moe se projektirati za posebne namjere kada pokrivaju rjeavaju samo jednu vrstu problema. To primjerice mogu biti sustavi koji podravaju samo donoenje odluka o uvoenju novog proizvoda i sl. Postoje i sustavi koji se projektiraju za opu namjenu. tj. za razliite odluke i vrste organizacijskog odluivanja u skupini managera. Oni se mogu primijeniti neovisno o prigodi i karakteru poslovne odluke. Prednost jedne vrste nad drugom ovisi prvenstveno o djelatnosti poduzea, strukturiranosti organizacije i funkcioniranju njezinog managamenta. Prema obliku sastanka (sesije) skupine donositelja odluka, GDSS mo emo podijeliti na: 1) sobe odluivanja pogodan prostor (konferencijski ili neki drugi) koji je adekvatno opremljen specijalnom opremom koja omoguava skupno donoenje odluka . Sudionici sesije sjede za stolom u obliku slova U nasuprot velikom ekranu koji slui za prikazivanje informacija te ideja koje je skupina stvorila. Obino ima i do 15 osoba koje sudjeluju u proces odluivanja postavljajui pitanja i procjenjujui strategije. 2) Povezane sobe odluivanja vizualno slian videokonferencijama izmeu dva ili vie TV studija i pogodan je za velika poduzea koja imaju urede irom zemlje ili svijeta. Videokamere prezentiraju diskusije u pojedinim sobama i prenose ih do drugih lokacija, koje se takoer vide na projekcijskom ekranu. 3) Mrea odluivanja alternativa koja pomae spajanju pojedinaca u procesu odluivanja bez uporabe specijalno pripremljene sobe odluivanja. lanovi skupine nisu u mogunosti komunicirati licem u lice nego se veu putem kompjutorskih mrea koje mogu biti lokalne (na jednoj lokaciji) ili rasprostranjene, kad se povezuju donositelji odluka koji su smjeteni na razliitim mjestima. EKSPERTNI SUSTAVI (ES) Ekspertni sustavi dio su ireg istraivakog podruja poznatog kao umjetna inteligencija. ES je inteligentni raunarski programski paket koji upotrebljava znanje i procedure zaklju ivanja radi rjeavanja problema, a ija je teina takva da je za njihovo rjeavanje potrebna ekspertiza posebnih strunjaka. To je posebno napravljeni kompjuterski program koji rabi podatke i odre ena pravila kako bi simulirao proces odluivanja ljudskog eksperta.

OBILJEJA EKSPERTNIH SUSTAVA. Obiljeja ES sustava: Intenzivni su u pogledu znanja Rabe razliite vrste podataka Imaju sposobnost zakljuivanja Imaju heuristiku u pogledu rjeavanja problema Objanjavaju zakljuivanje Funkcioniraju ak s nedostajuim podacima Toleriraju nejasnost (dvosmislenost) Fokusirani su na ogranieno programsko podruje Primjene ES sustava
Poslovna funkcija Neke od primjena ES sustava - savjeti i podrka u vezi sa upravljanjem porezima - izbor modela predvianja Raunovodstvo i financije - pruanje investicijskih savjeta - pomo sa autorizacijom odluka o kreditu - pomo revizorima pri odabiru revizorskih procedura - postavljanje cjenovnih kvota - odgovor na upite kupaca Marketing - referiranje problema u telemarketinkim centrima - pomo u donoenju odluka o timingu marketinga - odreivanje diskontnih politika - izgradnja i sklapanje nekih vrsta proizvoda po zahtjevima kupaca - odreivanje odvijaju li se procesi korektivno - analiza kvalitete i davanje korektivnih mjera Proizvodnja - analiza organizacije poslovnih zadataka - izbor transportnih ruta - potpora u vezi proizvodnog dizajna te izgleda i rasporeda u prodavaonicama - Obrada aplikacija Osoblje - Davanje savjeta zaposlenima u ispunjavanju nunih obrazaca - pomo u projektivnim prijedlozima Ope poslovanje - preporuke u strategijama akvizicije i mergera - evaluacija djelotvornosti

KOMPONENTE EKSPERTNIH SUSTAVA Svaki ekspertni sustav graen je iz najmanje dva modela: A. baze znanja (Knowledge Base); B. mehanizma zakljuivanja (Inference Engine). Ova dva podsustava predstavljaju temeljne komponente ekspertnih sustava. Uz ekspertne sustave najee obiljeavaju i sljedee komponente: podsustav objanjavanja (Explanation Facility); podsustav prikupljanja znanja (Knowledge Acquisition Subsystem); podsustav za voenje dijaloga (korisniki interface). BAZA ZNANJA Baza znanja predstavlja sredite svakog ekspertnog sustava zasnovanog na pravilima. Sadri struno znanje o odreenoj problemskoj oblasti, koja obuhvaa injenice i relacije koje se mogu uspostaviti izmeu tih injenica. Drugim rijeima, ona se sastoji od injenica o posebnom podruju znanja i pravila baziranih na heuristici radi smanjenja potrebe za kompletnom pretragom podru ja znanja. Baza znanja predstavlja ukupno raspoloivu banku podataka ekspertnog sustava.

MEHANIZAM ZAKLJUIVANJA Mehanizam zakljuivanja je software koji je sposoban srediti informacije iz baze znanja i od toga izvui zakljuke kao i pojasniti ponuena rjeenja. Njime se konzultira baza znanja i od nje se trae odgovori. Mehanizam radi tako to injenice iz baze kombinira sa podacima dobivenim od korisnika (pohranjenim u RAM memoriju sustava) u cilju izvoenja specifinih zakljuaka. Moe se rei kako je mehanizam zakljuivanja podsustav koji upravlja ES-om. PODSUSTAV ZA OBJANJAVANJE Jedan od zahtjeva koji korisnici postavljaju pred dizajnere ekspertnih sustava jest pitanje objanjenja kako je zakljuivanje i rezoniranje dovelo do razvoja odluke ili nekog drugog outputa ekspertnog sustava. Da bi se upotpunila svojstva suvremenih ekspertnih sustava, u mnoge se ugrauje podsustav objanjavanja, zapravo programski paket koji korisnicima doputa analizu procesa rjeavanja problema uporabom ekspertnog sustava. To moe biti od viestruke koristi u poslovnom odluivanju jer, ako u svom radu ekspertni sustav ne uzme u obzir odreene okolnosti, solucija koju preporui moe biti neodgovarajua. PODSUSTAV STJECANJA (PRIKUPLJANJA) ZNANJA Jedan je od najteih zadataka u dizajnu ekspertnih sustava akvizicija (prikupljanje) ekspertnoga znanja i njegova formalizacija u bazi znanja. Postupci prikupljanja znanja vrlo su sloeni, jer eksperti u velikom broju sluajeva imaju znanje koje esto ne mogu lako izraziti (nestrukturirano znanje) i koje predstavlja kombinaciju dubokog poznavanja teorijskih aspekata problema s dugogodin jim praktinim iskustvom. Budui da je cilj stvoriti sustav koji e se ponaati kao ljudski ekspert, akvizirati struno znanje ne znai nita drugo do klonirati eksperta. Poslovima akvizicije znanja bavi se poseban profil kadrova, tzv. inenjeri znanja, koji su zapravo specijalizirani sistemski analitiari odgovorni za dizajniranje i odravanje baze znanja. VRSTE EKSPERTNIH SUSTAVA. Y.-H. Pao daje tri osnovne skupine ES-a: 1) sustavi za voenje kuanstva poduzea (House keeping); 2) sustavi za kloniranje ljudskog znanja (Cloning); 3) sustavi za analize. Danas je vrlo rairena podjela ES ona koju su dali Hayes-Roth, Waterman i Lenut: 1) interpretacijski ES 2) ES dijagnosticiranja 3) ES za dizajn 4) ES za planiranje 5) ES za monitoring 6) Kontrolni ES RAZLIKE IZMEU EKSPERTNIH SUSTAVA I SUSTAVA ZA PODRKU ODLUIVANJU Dok se ES fokusiraju na djelotvornu manipulaciju velikih baza znanja koje sadre heuristiku svojstvenu ljudskim ekspertima, DSS sustavi sadre injenine podatke koji se dre u velikim fajlovima ili bazama podataka. Dalje, svojstvo zakljuivanja, koje je temeljna osobina ES-a, ne postoji u DDS-ima koji su zasnovani na uporabi proceduralnih algoritama ili generaliziranim pretragama koje su u relaciji sa podacima koje je unio korisnik. ES rigidno su fokusirani na usko problemsko podruje dok se DSS mogu prilagoavati novim problemima.

ES ne ostavljaju korisniku fleksibilnost u nainu analize problema, dok DSS doputaju korisniku fleksibilan pristup problemu, te manipulaciju podacima i modelima tijekom analize problema. Korisnik DSS-a upravlja i kontrolira razliitim komponentama sustava, a korisnik ES-a je upravljan od strane sustava. Kvalitetni ES puno su skuplji od kvalitetnih DSS.
Atributi Tko postavlja pitanja? Metoda manipulacije podataka Svojstva problemskog podruja Vrsta tretiranih problema Mogunosti rezoniranja Mogunosti objanjavanja DSS ovjek na raunalu Brojana Kompleksno, iroko Ad hoc, jedinstveni Ne ogranieno ES Raunar ovjeku Simbolina Uska domena Ponavljajui Da, ogranieno Da

SUSTAVI ZA PODRKU VRHOVNOM RUKOVODSTVU (ESS) POJAM I ODREENJE SUSTAVA ZA PODRKU VRHOVNOM RUKOVODSTVU ESS sustavi su noviji, kompjuterski temeljeni sustavi, kompatibilni sa upravlja kim poloajem i odgovornostima vrhovnog rukovodstva (top managementa). Pruaju potporu rukovoditeljima u specifinim zahtjevima za dobivanjem informacija radi donoenja stratekih odluka u poduzeu. Razlozi za uvoenje ESS-a: ponajprije zato to top management poduzea donosi odluke usko vezane za proces stratekog upravljanja i kontrole. Top Manageri moraju imati pristup specifinim informacijama zbog permanentnog donoenja odluka koje e pomoi prilagodbi poduzea na stalne promjene okoline, a koje e im pomoi da: brzo razumiju neku poslovnu situaciju, vode poslovanje i upravljaju organizacijom, cjelovito se suoe s kompleksnim poslovnim problemima, osiguraju korporacijski pogled i imaju viziju o stanju industrijske grane u koju spada njihovo poduzee. ESS sustavi nalaze se na najvioj razini u hijerarhiji klasa informacijskih sustava. Projektiraju se zbog pomoi rukovoditeljima u identifikaciji prijetnji i ansi iz okoline, a osobito su vani u brzo mijenjajuoj okolini. Ukljuuju grafiki software velikih mogunosti, uzimaju podatke iz mnogo izvora i u mogunosti su velikom brzinom dostaviti traene grafikone i informacije top manageru. OBILJEJA SUSTAVA ZA PODRKU VRHOVNOM RUKOVODSTVU Tri su glavna izvora podataka za banku podataka: 1) transakcijska obrada podataka i MIS, koji obino pruaju informacije o proloj i sadanjoj djelotvornosti poduzea 2) interne projekcije, koje u svakoj oblasti poslovanja daju ciljeve i 3) podaci iz okoline poduzea (eksterni podaci), koji su kritina vrsta podataka za ESS, a koji mogu biti prikupljeni i dobiveni u slubama organizacije od specijaliziranih institucija i drugih proizvoaa informacija.
Razlozi (mogunosti) zato top Manageri upotrebljavaju ESS Da bi bili informiraniji. Da bi brzo razumjeli novu situaciju. Da bi pretraivali kroz podatke. Da bi se omoguio nadzor. Da bi se izvrilo strateko pretraivanje. Da bi analizirali podatke. Da bi izravno pristupili podacima. Objanjenja Pristup informacijama iz prve ruke bez zamaranja s nepotrebnim detaljima Brz pristup detaljno opisanim poslovnim aktivnostima uvid u neoekivane ili neotkrivene situacije Pristup informacijama koje se ne mogu dobiti putem redovnih poslovnih izvjea Praenje situacije putem specificiranih detalja Pristup informacijama koje pruaju pogled u posebne strategije, mogunosti ili pak omoguavaju stvaranje ideja za razvoj novih strategija Ispitivanje podataka kroz kreaciju tabelarnih programa ili drugih vrsta modela podravaju razliite oblike analize Pristup podacima bez ekanja; pristup podacima prije njihovog saimanja

Vrlo je mali broj ESS prisutan u zapadnim poduzeima iz razloga to je veina rukovodstva odbojna prema injenici da imaju izravne veze s raunarskom i informacijskom tehnologijom.