13 October 2007 E-mail:wichai@buu.ac.th.

13 October 2007

Decision Support Systems
13 July 2002 บทที่ 6 ส่วนการจัดการแบบจำลอง Model Management Decision Support Systems

การจัดการแบบจำลอง สำหรับระบบสนับสนุนการตัดสินใจ ที่นำมาช่วยในการตัดสินใจของผู้บริหาร เพื่อแก้ไขปัญหาที่เกิดขึ้นในการดำเนินธุรกิจนั้น โดยส่วนใหญ่ต้องมีการใช้แบบจำลอง อย่างน้อยที่สุด 1 แบบ สำหรับสถานการณ์ปัญหาแต่ละสถานการณ์ที่เกิดขึ้น เพื่อนำไปสู่การวิเคราะห์การตัดสินใจและการแก้ไขปัญหานั้นได้ในที่สุด 13 October 2007

เนื้อหา 1. ความหมายของแบบจำลอง
2. แบบจำลองเพื่อหาทางเลือกที่ดีที่สุดสำหรับปัญหาที่มีจำนวนทางเลือกน้อย 3. แบบจำลองเพื่อหาทางเลือกที่ดีที่สุดโดยใช้อัลกอริทึม 4. แบบจำลองเพื่อหาทางเลือกที่ดีที่สุดโดยการวิเคราะห์ด้วยสูตร 5. แบบจำลองสถานการณ์ (Simulation) 6. แบบจำลองฮิวริสติค (Heuristic) 7. แบบจำลองทางการเงิน (Financial Model) 8. แบบจำลองทางสถิติ (Statistical Model) 9. แบบจำลองชนิดอื่น ๆ 10. ระบบจัดการฐานแบบจำลอง (Model Base Management System: MBMS)

1. ความหมายของแบบจำลอง ความหมายของแบบจำลอง
มีคนให้ไว้หลายแนวทางซึ่งแตกต่างออกไปเป็น 3 แนวทาง ได้แก่ 1.1 ความหมายเชิงบรรยาย (Description) 1.2 ความหมายเชิงสภาวะ (Static and Dynamic) 1.3 ความหมายเชิงการใช้แบบจำลองทางคณิตศาสตร์

ความหมายของแบบจำลอง 1.1 ความหมายเชิงบรรยาย (Description)
แบบจำลอง คือ เครื่องช่วยนำเสนอข้อเท็จจริงโดยสังเขปของระบบต่างๆ เพื่อช่วยให้ผู้ใช้และนักพัฒนาระบบ สามารถทำความเข้าใจระบบได้ง่ายยิ่งขึ้น แบ่งย่อยได้ 3 ประเภท คือ 1. แบบจำลองเชิงรูปภาพ (Graphical Model) ) คือ แบบจำลองที่ใช้ภาพในการอธิบายข้อเท็จจริง และการทำงานของส่วนต่าง ๆ ในระบบ มักอยู่ในรูปของแผนภาพ เช่น Data Flow Diagram, Document Flow Diagram

ความหมายเชิงบรรยาย (Description)
2. แบบจำลองเชิงบรรยาย (Narrative Model) คือ แบบจำลองที่ใช้ภาษาธรรมชาติ (Natural Language) ในการบรรยายข้อเท็จจริงและการทำงานของส่วนต่าง ๆ ในระบบ 3. แบบจำลองเชิงกายภาพ (Physical Model) คือ แบบจำลองที่ใช้วิธีย่อส่วนประกอบต่าง ๆ ในระบบให้มีขนาดเล็กกว่าของจริง เช่น แบบจำลองสิ่งก่อสร้าง อาคาร และสถานที่ เป็นต้น

ความหมายของแบบจำลอง 1.2 ความหมายเชิงสภาวะ (Static or Dynamic) โดยพิจารณาตามสภาวะว่า เป็นสภาวะคงที่ (Static) หรือ สภาวะเคลื่อนไหว (Dynamic) 2.1 แบบจำลองสภาวะคงที่ (Static Model) แบบจำลองที่นำมาใช้ประเมินสภาพการณ์เฉพาะช่วงเวลาใดเวลาหนึ่ง เช่น แบบจำลองวิเคราะห์รายรับ-จ่ายประจำเดือน หรือไตรมาส หรือปี เป็นต้น 2.2 แบบจำลองเคลื่อนไหว (Dynamic Model) แบบจำลองที่นำมาใช้ประเมินสภาพการณ์ที่สามารถเปลี่ยนแปลงตัวแปรได้ตลอดทุกช่วงเวลา การจำลองแบบนี้จึงขึ้นอยู่กับช่วงเวลา (Time Dependent) เช่น การคำนวณหาจำนวนจุดชำระเงินที่เหมาะสมกับปริมาณลูกค้าในแต่ละวัน ของแต่ละช่วงเวลา โดยแบบจำลองสามารถแสดงแนวโน้มและแบบแผนต่าง ๆ ได้ครอบคลุมทุกช่วงเวลา

ความหมายของแบบจำลอง 1.3 ความหมายเชิงการใช้แบบจำลองทางคณิตศาสตร์
แนวทางนี้จะเป็นการใช้สูตรทางคณิตศาสตร์เป็นแบบจำลองเพื่อคำนวณหาผลลัพธ์ที่ต้องการ มี 3 ลักษณะ คือ 1. แบบจำลองทางคณิตศาสตร์เพื่อการหาทางเลือกที่ดีที่สุด (Optimization Model) 2. แบบจำลองทางการเงิน (Financial Model) 3. แบบจำลองทางสถิติ (Statistical Model)

แบบจำลองทางคณิตศาสตร์เพื่อการหาทางเลือกที่ดีที่สุด (Optimization Model)
แบบจำลองในลักษณะนี้จะหมายถึง การใช้แบบจำลองทางคณิตศาสตร์ เพื่อช่วยให้ผู้ตัดสินใจสามารถวิเคราะห์ และประเมินทางเลือกในการตัดสินใจต่าง ๆ เพื่อหาทางเลือกที่ดีที่สุดตามต้องการของผู้ตัดสินใจได้ โดยสามารถทำได้หลายวิธี ได้แก่ 1. หาทางเลือกที่ดีที่สุดสำหรับปัญหาที่มีจำนวนทางเลือกน้อย 2. หาทางเลือกที่ดีที่สุด โดยใช้อัลกอริทึม 3. การหาทางเลือกที่ดีที่สุดโดยการวิเคราะห์ด้วยสูตร 4. การหาทางเลือกที่ดีที่สุดด้วยการจำลองสถานการณ์ (Simulation) 5. การหาทางเลือกที่ดีที่สุดด้วยวิธีการฮิวริสติค (Heuristic)

แบบจำลองทางคณิตศาสตร์เพื่อการหาทางเลือกที่ดีที่สุด
1. การหาทางเลือกที่ดีที่สุดสำหรับปัญหาที่มีจำนวนทางเลือกน้อย การหาทางเลือกที่ดีที่สุดนี้ อาจจะไม่ใช่การใช้แบบจำลองทางคณิตศาสตร์โดยตรง เนื่องจากจำนวนทางเลือกที่มีน้อยนั่นเอง แต่อาจจะอาศัยเทคนิค 2 ประการ คือตารางการตัดสินใจ (Decision Table) และแผนภาพการตัดสินใจแบบต้นไม้ (Decision Tree)

2. การหาทางเลือกที่ดีที่สุดโดยใช้อัลกอริทึม เป็นแบบจำลองที่ใช้หาคำตอบที่ดีที่สุด จากทางเลือกที่มีเป็นจำนวนมาก โดยอาศัยการพัฒนาแบบจำลองทีละขั้นตอน อัลกอริทึม คือ กระบวนการแก้ปัญหาโดยเรียงลำดับวิธีการอย่างเป็นขั้นตอนอย่างชัดเจน แบบจำลองประเภทนี้ ได้แก่ แบบจำลองโปรแกรมเชิงเส้น (Linear Programming Model) แบบจำลองการโปรแกรมเป้าหมาย (Goal Programming Model) และแบบจำลองข่ายงาน (Network Model)

3. การหาทางเลือกที่ดีที่สุดโดยการวิเคราะห์ด้วยสูตร เป็นการใช้แบบจำลองเพื่อช่วยในการวิเคราะห์และคำนวณทางเลือกที่ดีที่สุด เช่น แบบจำลองสำหรับจัดการสินค้าคงคลัง (โดยอาศัยสูตรเพื่อหาจุดสั่งซื้อวัตถุดิบ และปริมาณสินค้าคงคลังที่เหมาะสม)

4. การหาทางเลือกที่ดีที่สุดด้วยการจำลองสถานการณ์ (Simulation) เป็นการหาทางเลือกที่ดีที่สุดโดยอาศัยการจำลองสถานการณ์ของการเลือกทางเลือกต่าง ๆ ในการตัดสินใจ โดยแบบจำลองประเภทนี้ ได้แก่ แบบจำลองสถานการณ์ความน่าจะเป็น แบบจำลองสถานการณ์ที่มีความสัมพันธ์กับเวลา แบบจำลองภาพเสมือนจริง และแบบจำลองเชิงวัตถุ

5. การหาทางเลือกที่ดีที่สุดด้วยวิธีการฮิวริสติค (Heuristic) เป็นการใช้กฎอย่างง่าย ๆ เพื่อหาทางเลือกที่ดีที่สุดและรวดเร็วที่สุดสำหรับการแก้ไขปัญหาที่มีความซับซ้อน ฮิวริสติกมักจะถูกใช้ในการแก้ปัญหาที่มีโครงสร้างไม่ดีนัก แบบจำลองประเภทนี้ได้แก่ ระบบผู้เชี่ยวชาญ และการเขียนโปรแกรมแบบฮิวริสติค (Heuristic Programming)

ความหมายแบบจำลองทางการเงิน
แบบจำลองทางการเงิน (Financial Model) เป็นการใช้หลักการและสูตรคำนวณทางการเงิน เพื่อวิเคราะห์ข้อมูลทางการเงินสำหรับผู้บริหารในการตัดสินใจ ตัวอย่างของแบบจำลองนี้ ได้แก่ สูตรคำนวณทางการเงินต่าง ๆ นั่นเอง

ความหมายแบบจำลองทางสถิติ
แบบจำลองทางสถิติ (Statistical Model) เป็นการใช้หลักการและสูตรคำนวณทางสถิติ ในการวิเคราะห์ข้อมูลในอดีตและปัจจุบัน เพื่อทำนายหรือพยากรณ์ข้อมูลหรือเหตุการณ์ในอนาคต ตัวอย่างแบบจำลองประเภทนี้ เช่น การวิเคราะห์แบบมาร์คอฟ การวิเคราะห์ด้วยสมการถดถอย การวิเคราะห์ด้วยอนุกรมเวลา เป็นต้น ในบางครั้งเรียกเป็น แบบจำลองเพื่อใช้พยากรณ์ข้อมูลว่า Predictive Model

ประโยชน์ของการนำแบบจำลองมาใช้
1. ประโยชน์ทางด้านเศรษฐศาสตร์ การนำแบบจำลองมาใช้สนับสนุนการตัดสินใจ ทำให้สามารถวิเคราะห์หาทางเลือกที่ใช้ในการแก้ไขปัญหาได้ดีที่สุด โดยเสียค่าใช้จ่ายน้อยมากเมื่อเทียบกับประโยชน์ที่องค์กรหรือระบบได้รับ จากการนำทางเลือกที่วิเคราะห์ได้ไปใช้ในการแก้ไขปัญหา 2. ประโยชน์ทางด้านระยะเวลา การนำแบบจำลองมาใช้ จะช่วยให้ผู้บริหารได้รับสารสนเทศอย่างรวดเร็ว ทันเวลา และตรงกับความต้องการในการนำไปใช้ในการแก้ไขปัญหาต่าง ๆ

ประโยชน์ของการนำแบบจำลองมาใช้ (ต่อ)
3. ประโยชน์ทางด้านการทดลองแทนมนุษย์ สามารถนำแบบจำลองมาใช้ทดลองในเหตุการณ์ต่าง ๆ ที่ไม่สามารถทดลองได้โดยมนุษย์ เช่น หุ่นทดลองในการทดสอบการชนกันของรถยนต์ เป็นต้น 4. ช่วยให้สามารถทำความเข้าใจและมองภาพของปัญหาภายในได้อย่างชัดเจน ส่งผลให้การตัดสินใจเกิดประสิทธิภาพและประสิทธิผล

2. แบบจำลองเพื่อหาทางเลือกที่ดีที่สุด สำหรับปัญหาที่มีจำนวนทางเลือกน้อย
การใช้แบบจำลองเพื่อการตัดสินใจแก้ไขปัญหาที่มีทางเลือกจำนวนจำกัด หรือที่มีจำนวนน้อยนั้น มีแนวทางในการปฏิบัติเรียกว่า “การวิเคราะห์การตัดสินใจ (Decision Analysis)” ที่จะต้องมีการพยากรณ์ผลลัพธ์ของการนำแต่ละทางเลือกไปใช้ในการแก้ไขปัญหา และระบุความน่าจะเป็นของผลลัพธ์ต่าง ๆ แบบจำลองประเภทนี้ อาจนำเสนอในรูปแบบของ ตารางการตัดสินใจ และ แผนภาพการตัดสินใจแบบต้นไม้

2.1 ตารางการตัดสินใจ (Decision Tables)
ตารางการตัดสินใจจะประกอบด้วยแถวและคอลัมน์ที่แบ่งออกเป็น 4 ส่วน ดังนี้

การสร้างตารางการตัดสินใจ
เงื่อนไข 1 2 3 4 ราคาต่ำกว่า 500 Y N จ่ายด้วยเช็คเงินสด จ่ายด้วยบัตรเครดิต การกระทำ ขายทางโทรศัพท์ x ตรวจสอบจากฐานข้อมูลของร้านค้า เรียกหัวหน้าพนักงานขาย ตรวจสอบจากฐานข้อมูลบริษัทบัตรเครดิต

ตารางแสดงการแสดงทางเลือก (กฎ) ต่าง ๆ ในตารางการตัดสินใจซึ่งมี 4 เงื่อนไข เงื่อนไขละ 2 ทางเลือก การสร้างตารางการตัดสินใจ ตารางแสดงการแสดงทางเลือก (กฎ) ต่าง ๆ ในตารางการตัดสินใจซึ่งมี 4 เงื่อนไข เงื่อนไขละ 2 ทางเลือก เงื่อนไขที่ 1 Y N เงื่อนไขที่ 2 เงื่อนไขที่ 3 เงื่อนไขที่ 4

ตัวอย่างการสร้างตารางการตัดสินใจ
ร้านค้าแห่งหนึ่ง ต้องการเขียนโปรแกรมเพื่อตัดสินใจดำเนินการจากการซื้อสินค้าของลูกค้าโดยไม่จ่ายเป็นเงินสด โดยมีการกำหนดจำนวนเงื่อนไขและการกระทำไว้แล้ว ดังนี้ เงื่อนไขในการจ่ายเงิน จะพิจารณาร่วมกับราคาสินค้า ดังนี้ 1. ราคาต่ำกว่า 500 บาท 2. จ่ายโดยใช้เช็คเงินสด 3. จ่ายโดยใช้บัตรเครดิต

ตัวอย่างการสร้างตารางการตัดสินใจ
การกระทำของพนักงานที่เป็นไปได้ อันเนื่องมาจากทางเลือกและเงื่อนไข 1. ขายสินค้าทางโทรศัพท์ 2. ตรวจสอบบัตรเครดิตจากฐานข้อมูลของร้านค้าเอง 3. เรียกหัวหน้าพนักงานขาย (Supervisor) 4. ตรวจสอบบัตรเครดิตโดยอัตโนมัติจากฐานข้อมูลบริษัทบัตรเครดิต

ตัวอย่างการสร้างตารางการตัดสินใจ ใช้เอกสารประกอบ DSS6.doc

ตัวอย่างการสร้างตารางการตัดสินใจ

กิจกรรม การสร้างตารางการตัดสินใจ
ให้สร้าง Decision Table การพยากรณ์อากาศในต่างประเทศ โดยมีเงื่อนไข และการกระทำดังนี้ เงื่อนไข 1. ขณะนี้ฝนกำลังตก 2. พยากรณ์ว่าอากาศดี 3. วันนี้อากาศอบอุ่น การกระทำ 1. นำร่มไป 2. นำเสื้อกันฝนไป 3. นำเสื้อกันหนาวไป

2.2 แผนภาพการตัดสินใจแบบต้นไม้ (Decision Tree)

แผนภาพการตัดสินใจแบบต้นไม้ (Decision Tree)
คุณลักษณะของแผนภาพการตัดสินใจแบบต้นไม้ 1. แสดงการเชื่อมโยงความสัมพันธ์ของปัญหาได้อย่างชัดเจน โดยอาศัยแนวทางกราฟิก 2. ช่วยจัดการกับสถานการณ์ที่ซับซ้อนต่าง ๆ ให้อยู่ในรูปแบบที่กระชับขึ้น เพื่อช่วยให้เห็นภาพของปัญหาชัดเจนยิ่งขึ้น 3. มีโครงสร้างที่สามารถบอกผลลัพธ์ที่อาจเกิดขึ้นจากการคัดเลือกทางเลือกต่าง ๆ สำหรับการตัดสินใจ

4. ช่วยวิเคราะห์ลำดับการตัดสินใจแก้ไขปัญหาต่าง ๆ พร้อมทั้งวิเคราะห์ผลลัพธ์จากการตัดสินใจด้วยแนวทางต่าง ๆ 5. ช่วยจัดสมดุลด้านความเสี่ยงในการตัดสินใจคัดเลือกแนวทางการแก้ไขปัญหาต่าง ๆ 6. เหมาะกับปัญหาที่มีจำนวนทางเลือกไม่มากนัก เนื่องจากถ้าจำนวนทางเลือกในการแก้ไขปัญหามีมาก อาจทำให้แผนภาพการตัดสินใจแบบต้นไม้ซับซ้อนและยุ่งเหยิง

Notation Used in Decision Trees
A box is used to show a choice that the manager has to make. A circle is used to show that a probability outcome will occur. Lines connect outcomes to their choice or probability outcome.

ตัวอย่าง การจ่ายเงินค่าสินค้า

กิจกรรม การสร้างแผนภาพการตัดสินใจแบบต้นไม้
ให้สร้าง Decision Tree การพยากรณ์อากาศในต่างประเทศ โดยมีเงื่อนไข และการกระทำดังนี้ เงื่อนไข 1. ขณะนี้ฝนกำลังตก 2. พยากรณ์ว่าอากาศดี 3. วันนี้อากาศอบอุ่น การกระทำ 1. นำร่มไป 2. นำเสื้อกันฝนไป 3. นำเสื้อกันหนาวไป

Example Weather Forecast Conditions Actions It is raining Y N Y N Y N
the weather forecast is fine Y N Y N It is warm today X X Take an umbrella X X Take A raincoat X X Take An overcoat X

Example IF it is raining AND it is not warm today
Rule 1: IF it is raining AND it is not warm today THEN take an umbrella AND take an overcoat. Rule 2: IF it is raining AND it is warm today THEN take a raincoat Rule 3: IF it is not raining AND the weather forecast is fine AND it is warm today THEN do not take an umbrella, a raincoat, or an overcoat Rule 4: IF it is not raining AND the weather forecast is fine AND it is not warm today THEN take an overcoat Rule 5: IF it is not raining AND the weather forecast is not fine AND it is warm today THEN take an umbrella Rule 6: IF if is not raining AND the weather forecast is not fine AND it is not warm today THEN take an umbrella AND take an overcoat

Intermission

3. แบบจำลองเพื่อหาทางเลือกที่ดีที่สุดโดยใช้อัลกอริทึม
3. แบบจำลองเพื่อการค้นหาทางเลือกที่ดีที่สุดโดยใช้อัลกอรึทึม เป็นแบบจำลองที่ต้องอาศัยเทคนิคการโปรแกรมทางคณิตศาสตร์ (Mathematical Programming) ซึ่งเป็นเครื่องมือที่ออกแบบมาเพื่อช่วยแก้ปัญหาด้านการบริหารซึ่งต้องตัดสินใจ เกี่ยวกับการจัดสรรทรัพยากรที่มีจำนวนจำกัด ทำให้สามารถผลิตสินค้าได้ตามเป้าหมาย

3.1 Linear Programming 3.1 การโปรแกรมเชิงเส้น (Linear Programming)
เป็นเทคนิคของแบบจำลองทางคณิตศาสตร์ที่มีการนำมาใช้อย่างกว้างขวาง สำหรับบริหารงานทางด้านต่าง ๆ เช่น การวิเคราะห์เชิงปริมาณ (Quantitative Analysis) และการวิจัยเชิงปฏิบัติการ (Operation Research) เนื่องจากผู้บริหารและผู้เชี่ยวชาญระบบสนับสนุนการตัดสินใจส่วนใหญ่ ไม่ใช่ผู้เชี่ยวชาญในการใช้วิธีทางเลือกที่ดีที่สุด (Optimization) หรือการใช้เครื่องมือสำหรับเลียนแบบสถานการณ์ (Simulation) จึงมีการใช้วิธีทางเลือกที่ดีที่สุดด้วยการโปรแกรมเชิงเส้น ที่สามารถใช้งานได้ง่ายบนโปรแกรมกระดาษคำนวณทั่วไป เช่น Microsoft Excel เป็นต้น

Linear Programming การโปรแกรมเชิงเส้น (Linear Programming) (ต่อ)
เทคนิคการเขียนโปรแกรมเชิงเส้น คือ ความพยายามทำให้สมการวัตถุประสงค์ (Objective Function) มีค่ามากหรือน้อยที่สุดตามที่ต้องการ โดยการแก้ปัญหาอาจใช้โปรแกรมกระดาษคำนวณ (Spreadsheet) หรือการเขียนกราฟเพื่อหาผลลัพธ์จากสมการ

Linear Programming คุณลักษณะของโปรแกรมเชิงเส้น
1. ใช้จัดสรรทรัพยากรต่าง ๆ ที่มีปริมาณจำกัดได้เหมาะสม และตรงตามเป้าหมายมากที่สุด 2. จะต้องมีการกำหนดแหล่งทรัพยากรเพื่อใช้ในกระบวนการผลิตใด ๆ 3. ในการจัดทรัพยากรโดยทั่วไป มักประกอบด้วยข้อจำกัด เงื่อนไขข้อบังคับต่าง ๆ ซึ่งเรียกว่า “Constraint” 4. ในการจัดสรรทรัพยากรต้องมีการกำหนดวัตถุประสงค์หรือเป้าหมายของการแก้ไขปัญหา ซึ่งสามารถเขียนเป็นสมการที่เรียกว่า “สมการวัตถุประสงค์” (Objective Function) 5. ต้องมีการกำหนดให้สมการวัตถุประสงค์มีค่ามากที่สุดหรือน้อยที่สุด ในการแก้ไขปัญหา

Linear Programming องค์ประกอบของโปรแกรมเชิงเส้น
1. ตัวแปรในการตัดสินใจแก้ปัญหา ต้องเป็นตัวแปรที่ยังไม่ทราบค่า ที่เรียกว่า “ตัวแปรในการตัดสินใจ” (Decision Variable) 2. สมการวัตถุประสงค์ (Objective Function) ต้องพยายามให้มีค่ามากสุด หรือน้อยสุด โดยมีรูปแบบของสมการทั่วไปดังนี้ Max หรือ Min = a1x1 + a2x2 + a3x3 + … + anxn โดยที่ xi แทน ตัวแปรการตัดสินใจ ai แทน สัมประสิทธิ์หน้าตัวแปรการตัดสินใจตัวที่ i หรือ “Objective Function Coefficient” ที่ใช้แสดงค่าผลกำไร หรือค่าใช้จ่ายต่อหน่วยของตัวแปรในการตัดสินใจ

Linear Programming องค์ประกอบของโปรแกรมเชิงเส้น (ต่อ)
3. เงื่อนไขและข้อบังคับ (Constraint) จะเขียนเป็นรูปแบบสมการ หรือ อสมการข้อจำกัด โดยมีรูปแบบทั่วไปของสมการดังนี้ a11x1 + a12x2 + a13x3 + … + a1nxn <= b1 a21x1 + a22x2 + a23x3 + … + a2nxn <= b2 …. am1x1 + am2x2 + am3x3 + … + amnxn <= bm โดยที่ xi แทน ตัวแปรการตัดสินใจ ai แทน สัมประสิทธิ์หน้าตัวแปรการตัดสินใจตัวที่ ii หรือ “Objective Function Coefficient”ที่ใช้แสดงค่าผลกำไร หรือค่าใช้จ่ายต่อหน่วยของตัวแปรในการตัดสินใจ bi แทน ปริมาณของทรัพยากรที่มีอยู่ หรือเรียกว่า “Capacity” ที่ใช้บอกขีดจำกัดของข้อบังคับ

Linear Programming องค์ประกอบของโปรแกรมเชิงเส้น (ต่อ)
4. ขอบเขตของตัวแปรการตัดสินใจ เช่น การกำหนดให้ตัวแปรการตัดสินใจต้องเป็นตัวเลขจำนวนบวกเท่านั้น เป็นต้น 5. เทคนิคของการเขียนโปรแกรมเชิงเส้น คือ ความพยายามทำให้สมการบรรลุวัตถุประสงค์ (Objective Function) มีค่ามากหรือน้อยที่สุดตามที่ต้องการ โดยในการแก้ปัญหาสมการเชิงเส้นอาจใช้โปรแกรมกระดาษคำนวณ (Spreadsheet) หรือใช้การเขียนกราฟเพื่อหาผลลัพธ์จากสมการเชิงเส้น

ตัวอย่าง Linear Programming
บริษัท ไทยทัศน์ ดำเนินการขายกล่องไม้สีแดง สีส้ม และกล่องที่ยังไม่ได้ทาสี ปัญหาคือ บริษัทต้องการได้กำไรมากที่สุดจากการดำเนินการนี้ อยากทราบว่าจะผลิตสินค้าแต่ละชนิดเป็นจำนวนเท่า แนวทางการแก้ปัญหา แก้ปัญหาการจัดสรรทรัพยากรด้วย การโปรแกรมเชิงเส้น (ดูเอกสารประกอบ DSS6.doc)

แบบจำลองเพื่อหาทางเลือกที่ดีที่สุดโดยใช้อัลกอริทึม
3.2 แบบจำลองข่ายงาน (Network Model) แบบจำลองที่ใช้กับปัญหาที่มีขนาดใหญ่และซับซ้อน ซึ่งองค์ประกอบต่าง ๆ ของปัญหามีความสัมพันธ์ในลักษณะเครือข่าย หรือบางครั้งมีโครงสร้างแบบต้นไม้แนวกว้าง (Spanning Tree) เช่น ปัญหาการขนส่งสินค้า (Transportation Problem) ปัญหาการมอบหมายงาน(Assignment Problem) ปัญหาการทดแทนอุปกรณ์ (Equipment Replacement Problem) ปัญหาเส้นทางที่สั้นที่สุด (Shortest Path Problem) ปัญหาการไหลสูงสุด (Maximum Flow Problem) ปัญหาการไหลเป็นลำดับขั้น (Generalized Flow Problem)

Network Model คุณลักษณะของแบบจำลองข่ายงาน
1. แก้ปัญหาที่องค์ประกอบของปัญหามีความสัมพันธ์กันในลักษณะเครือข่ายหรือมีโครงสร้างแบบต้นไม้ 2. ปัญหาจะถูกนำเสนอในรูปแบบแผนภาพต้นไม้หรือเครือข่าย ประกอบด้วย โหนด (Nodes) และลูกศรหรือเส้นตรงแสดงทิศทาง (Arcs) เชื่อมโยงแต่ละโหนด 3. โหนด ใช้แทนจุดแต่ละจุดในข่ายงาน เช่น สถานที่ ที่ตั้งของคลังสินค้าเป็นต้น 4. ลูกศรแสดงทิศทางหรือเส้นเชื่อมโหนด เช่น เส้นทางถนน การบิน สายโทรศัพท์

Network Model คุณลักษณะของแบบจำลองข่ายงาน (ต่อ)
5. โหนดแบ่งออกเป็น 2 แบบ โหนดรับ/โหนดอุปสงค์ (Demand Nodes) มีเครื่องหมายบวก (+) กำกับอยู่หน้าตัวเลขรับสินค้า โหนดส่ง/โหนดอุปทาน (Supply Nodes) มีเครื่องหมายบวก (-) กำกับอยู่หน้าตัวเลขส่งสินค้า 6. การไหล (Flow) คือ ค่าใด ๆ ที่กำหนดให้โหนดรับและส่ง โดยมีลูกศรแสดงทิศทางการไหล

รูปที่ 4.8 แสดงลักษณะของแบบจำลองข่ายงานในลักษณะต้นไม้และเครือข่าย
Network Model O A B C D S E 400 500 200 300 700 100 1 -15 2 4 3 30 5 25 10 +5 +4 +1 (a) (b) รูปที่ แสดงลักษณะของแบบจำลองข่ายงานในลักษณะต้นไม้และเครือข่าย

ตัวอย่าง Network Model
บริษัทไทยทัศน์ ผลิตกระเป๋า และส่งสินค้าขายไปยังภูมิภาคต่าง ๆ เอกสารประกอบ DSS6.doc

4. การหาทางเลือกที่ดีที่สุดโดยการวิเคราะห์ด้วยสูตร
การค้นหาทางเลือกที่ดีที่สุดสามารถทำได้โดยการใช้สูตรทางคณิตศาสตร์ ได้แก่ แบบจำลองการจัดการสินค้าคงคลัง (Inventory Model) แบบจำลองปัญหาขนส่ง (Transportation Problem)

4.1 แบบจำลองการจัดการสินค้าคงคลัง (Inventory Model)
วัตถุประสงค์ของการจัดการสินค้าคงคลัง คือ เพื่อให้เกิดค่าใช้จ่ายจากการมีสินค้าคงเหลือน้อยที่สุด (สินค้าคงคลังอาจเป็นวัตถุดิบ หรือ ปริมาณสินค้าเพื่อจำหน่าย) เนื่องจากบริษัทจำเป็นต้องมีสินค้าคงคลังให้เพียงพอต่อความต้องการของลูกค้า อย่างไรก็ตาม บริษัทจำเป็นต้องมีค่าใช้จ่ายสำหรับการเก็บรักษาสินค้าคงคลัง ดังนั้นบริษัทจึงต้องนำเอาเทคนิคต่าง ๆ ในการจัดการสินค้าคงคลังมาใช้ ได้แก่ การกำหนดปริมาณการสั่งซื้อที่ประหยัดที่สุด (Economic Order Quantity: EOQ) ระดับสินค้าคงเหลือเพื่อความปลอดภัย (Level of Safety Stock) และจุดสั่งซื้อสินค้า (Reorder Point) เป็นต้น

การกำหนดปริมาณการสั่งซื้อที่ประหยัดที่สุด (Economic Order Quantity: EOQ)
การกำหนดปริมาณการสั่งซื้อที่ประหยัด หมายถึง การกำหนดปริมาณการสั่งซื้อสินค้าหรือวัตถุดิบ ณ ระดับที่ทำให้ค่าใช้จ่ายรวมของสินค้ามีจำนวนต่ำสุด ทั้งนี้เนื่องมาจากมีการสั่งซื้อวัตถุดิบเพื่อการผลิตน้อยเกินไป จะทำให้สินค้าและวัตถุดิบนั้นไม่เพียงพอต่อการผลิต ต้องสั่งซื้อสินค้าและวัตถุดิบบ่อยครั้ง ส่งผลให้เกิดค่าใช้จ่ายในการสั่งซื้อและค่าขนส่งสูงขึ้นตามไปด้วย แต่ถ้าสั่งซื้อสินค้าหรือวัตถุดิบเพื่อการผลิตมากเกินไปจะเกิดผลตรงกันข้าม คือ ปริมาณสินค้าหรือวัตถุดิบคงคลังมีมากเกินไป ทำให้เกิดต้นทุนสินค้าคงเหลือเพิ่มสูงขึ้น ดังนั้นจึงต้องมีการกำหนดปริมาณการสั่งซื้อที่ประหยัด

การกำหนดปริมาณการสั่งซื้อที่ประหยัดที่สุด (Economic Order Quantity: EOQ)
ทราบปริมาณสินค้าหรือวัตถุดิบที่ต้องใช้ทั้งหมดในช่วงเวลาที่คำนวณ อัตราการใช้หรือหารขายสินค้าเป็นไปอย่างสม่ำเสมอ ค่าใช้จ่ายเกี่ยวกับสินค้าขาดมือ (Stock Out Cost) ยังไม่นำมาพิจารณา ระบบสินค้าคงเหลือเพื่อความปลอดภัย (Safety Stock) ยังไม่นำมาพิจารณา ค่าใช้จ่ายในการสั่งซื้อ (Ordering Cost) คือค่าใช้จ่ายที่เกิดขึ้นเนื่องจากการซื้อสินค้า เช่น ค่าโทรศัพท์ ค่าไปรษณีย์ ค่าใช้จ่ายในการเก็บรักษา (Carrying Cost) ปัจจัยอื่น ๆ เช่น ส่วนลด ระยะเวลาในการสั่งและส่งสินค้าไม่ได้นำมาพิจารณา

การกำหนดปริมาณการสั่งซื้อที่ประหยัดที่สุด
สูตรในการคำนวณหาปริมาณการสั่งซื้อที่ประหยัด (EOQ) คือ โดยที่ EOQ = ปริมาณการสั่งซื้อที่ประหยัดที่สุดต่อครั้ง D = Demand คือ ความต้องการสินค้า/ปี O = Ordering Cost คือ ค่าใช้จ่ายในการสั่งซื้อสินค้าต่อครั้ง C = Carrying Cost คือ ค่าใช้จ่ายในการเก็บรักษาสินค้าต่อหน่วยต่อปี และเราสามารถคำนวณหาต้นทุนการสั่งซื้อรวมต่อปีจาก EOQ

การหาต้นทุนการสั่งซื้อรวมต่อปี
ต้นทุนการสั่งซื้อรวมต่อปี = ค่าใช้จ่ายในการสั่งซื้อทั้งหมดต่อปี + ค่าใช้จ่ายในการเก็บรักษาต่อปี โดยที่ Q = (EOQ) ปริมาณการสั่งซื้อที่ประหยัดที่สุดต่อครั้ง D = Demand คือ ความต้องการสินค้า/ปี O = Ordering Cost คือ ค่าใช้จ่ายในการสั่งซื้อสินค้าต่อครั้ง C = Carrying Cost คือ ค่าใช้จ่ายในการเก็บรักษาสินค้าต่อหน่วยต่อปี

ตัวอย่าง การกำหนดปริมาณการสั่งซื้อที่ประหยัดที่สุด EOQ
ร้านถ่ายเอกสารแห่งหนึ่ง ต้องการสั่งซื้อกระดาษสำหรับถ่ายเอกสาร โดยทางร้านมีความต้องการ (D) ใช้เอกสาร 7,500 รีมต่อปี ค่าใช้จ่ายในการสั่งซื้อกระดาษแต่ละครั้ง (O) 100 บาท ค่าใช้จ่ายในการเก็บรักษาสินค้า (C) 10 บาท/หน่วย/ปี ต้องการทราบว่าจะสั่งซื้อกระดาษอย่างไรให้ประหยัดที่สุด

การแก้ปัญหา ปริมาณการสั่งซื้อที่ประหยัดที่สุด/ครั้ง (EOQ)
D = 7,500 รีม/ปี; O = 100 บาท/ครั้ง; C = 10 บาท/หน่วย/ปี แทนค่าในสูตร = รีม/ครั้ง ดังนั้น ควรสั่งซื้อกระดาษ ประมาณ 387 รีม/ครั้ง จะทำให้ประหยัดค่าใช้จ่ายมากที่สุด

การแก้ปัญหา ต้นทุนการสั่งซื้อรวมต่อปี
D = 7,500 รีม/ปี; O = 100 บาท/ครั้ง; C = 10 บาท/หน่วย/ปี; Q = 388 รีม/ครั้ง แทนค่าในสูตร Tot = = 3, บาท/ปี นั่นคือ ต้นทุนการสั่งซื้อรวมต่อปี ประมาณ 3,873 บาท/ปี

4.2 แบบจำลองปัญหาการขนส่ง (Transportation Model)
เป็นการหาผลลัพธ์ที่ดีที่สุด โดยการวิเคราะห์ด้วยสูตรคำนวณอีกอย่างหนึ่ง เพื่อหาเส้นทางขนส่งที่จะทำให้เกิดค่าใช้จ่ายน้อยที่สุด หรือเกิดต้นทุนต่ำที่สุด นั่นเอง

5. แบบจำลองสถานการณ์ (Simulation)
การจำลองสถานการณ์ คือการสร้างสถานการณ์สมมติ โดยอาศัยข้อเท็จจริงเสมือนสถานการณ์จริง เพื่อทดลองตัดสินใจแก้ปัญหา และวิเคราะห์ผลลัพธ์ที่ได้รับจากการทดลองก่อนนำไปใช้แก้ไขปัญหาในสถานการณ์จริงต่อไป มีการให้คำนิยามของคำว่า “Simulation” แตกต่างกันออกไป ดังนี้ นักเศรษฐศาสตร์: กล่าวว่า Simulation คือแบบจำลองใด ๆ ที่ใช้เพื่อการวิเคราะห์เชิงเงื่อนไข (What -if Analysis) ผู้เชี่ยวชาญทางด้านทรัพยากรบุคคล : Simulation คือ แบบฝึกหัดการฝึกอบรมพนักงาน ที่ประกอบไปด้วยบทบาทต่าง ๆ ที่ผู้ฝึกอบรมจะต้องแสดง

แบบจำลองสถานการณ์ (Simulation)
นักบริหาร : แบบจำลองสถานการณ์ คือ แบบจำลองที่ใช้ในการตัดสินใจเพื่อแก้ปัญหาภายใต้สถานการณ์ที่มีความไม่แน่นอน ซึ่งมีแนวทางแก้ไขด้วยการสุ่มค่าจากการแจกแจงความน่าจะเป็นของผลลัพธ์ มีการนำ Simulation ไปใช้ในระบบสนับสนุนการตัดสินใจกันอย่างมากมาย เนื่องจากการดำเนินธุรกิจในปัจจุบันมีความซับซ้อนสูง ต้องอาศัยการสุ่มค่าการตัดสินใจ กับทั้งยังอยู่ในสภาวการณ์ที่ไม่มีความแน่นอนและมีความเสี่ยง

แบบจำลองสถานการณ์ (Simulation)
คุณลักษณะของแบบจำลอง มีการตรวจสอบความถูกต้องเป็นอันดับแรก เพื่อไม่ให้เกิดข้อผิดพลาด โดยตรวจสอบทั้งทาง Logic และการคำนวณว่าถูกต้องหรือไม่ มีเหตุผล เป็นการตรวจสอบว่าผลที่ได้ต้องอยู่ในขอบเขตของผลลัพธ์ที่คาดคะเนไว้ และแบบจำลองนั้นทำงานอย่างถูกต้อง โดยสามารถนำผลลัพธ์นั้นมาวิเคราะห์ได้ ลดความเบี่ยงเบน โดยใช้ค่าสุ่มเดียวกันเพื่อลดความแปรผันและเพิ่มความถูกต้องเมื่อเปรียบเทียบกับองค์ประกอบที่ต่างกันได้ สามารถเลียนแบบสถานการณ์จริงมากกว่าเป็นการนำเสนอสถานการณ์จริง มีการคาดการณ์สถานการณ์จริง ภายใต้เงื่อนไขต่าง ๆ กัน เป็นแบบจำลองที่ใช้กับปัญหาที่มีความซับซ้อนสูง

ประโยชน์ของแบบจำลองเชิงสถานการณ์
Simulation เป็นทฤษฎีที่มีการใช้งานเพื่อคาดการณ์ในอนาคตอย่างตรงไปตรงมา Simulation สามารถทำงานที่มีเวลาเข้าไปเกี่ยวข้องเป็นจำนวนมาก ๆ ได้ดี Simulation ค่อนข้างเป็นการอธิบายให้เห็นเป็นรูปร่างมากกว่าการใช้เป็นเครื่องมือธรรมดา ผู้สร้างระบบการตัดสินใจ สมารถติดต่อกับผู้ใช้ หรือผู้บริหารได้ เพื่อจะได้รับรู้เรื่องราวเกี่ยวกับปัญหาได้อย่างลึกซึ้ง สามารถสร้างแบบจำลองสถานการณ์ที่มาจากมุมมองของผู้บริหารได้ แบบจำลองถูกสร้างขึ้นเฉพาะเหตุการณ์ใดเหตุการณ์หนึ่ง ไม่สามารถนำไปแก้ไขปัญหาอื่น ๆ ได้ ซึ่งเป็นสิ่งที่ผู้บริหารต้องการ

แบบจำลองนี้สามารถจัดการกับปัญหาได้มากมายหลายชนิด เช่น การจัดการกับคลังสินกค้า และการจัดการทรัพยากรบุคคล อีกทั้งยังสามารถทำหน้าที่ในเชิงบริหารระดับสูงได้อีกด้วย เช่น การวางแผนต่าง ๆ ในระยะยาว ผู้บริหารสามารถทำการทดลองโดยการป้อนตัวแปรที่แตกต่างกันไปตามแต่ละเหตุการณ์ในแบบจำลอง เพื่อดูผลลัพธ์ที่เป็นทางเลือกต่าง ๆ จากนั้น จึงเลือกทางเลือกที่ดีที่สุดเพียงทางเลือกเดียว โดยทั่วไป แบบจำลองชนิดนี้มักจะนำมาใช้เพื่อรวบรวมปัญหาของเหตุการณ์จริงที่มีความซับซ้อน หากเป็นปัญหาง่าย ๆ ก็ไม่จำเป็นต้องใช้แบบจำลองชนิดนี้

สามารถใช้ Simulation เพื่อเป็นเครื่องมือวัดประสิทธิภาพของตัวแปรได้ง่ายมาก และยังสามารถสะท้อนกลับมายังผู้ตัดสินใจได้โดยตรง ในระบบ DSS ส่วนมากจะนำ Simulation มาใช้เป้นเครื่องมือสร้างแบบจำลองสำหรับปัญหาที่ไม่มีโครงสร้างเท่านั้น สามารถหาผลิตภัณฑ์เสริมที่เรียกว่า “Add-In” ที่เกี่ยวกับ Simulation เพื่อนำมาใช้กับโปรแกรมกระดาษคำนวณได้มากมาย

ข้อจำกัดของการจำลองสถานการณ์
ไม่สามารถรับประกันได้ว่าเป็นหนทางการแก้ปัญหาที่ดีที่สุด บ่อยครั้งที่การสร้างแบบจำลองสถานการณ์จะต้องใช้งบประมาณค่อนข้างสูง อีกทั้งยังสิ้นเปลืองเวลาในการสร้างมาก แนวทางการแก้ปัญหาและผลลัพธ์ที่ได้จากการจำลองสถานการณ์ โดยทั่วไปแล้วไม่สามารถนำไปใช้กับปัญหาอื่น ๆ ซอฟต์แวร์ที่ใช้สร้าง Simulation ใช้งานค่อนข้างยาก

ชนิดของแบบจำลองสถานการณ์ (Simulation)
แบบจำลองสถานการณ์ สามารถแบ่งออกได้เป็น 4 ประเภทใหญ่ ๆ ได้แก่ 1. แบบจำลองสถานการณ์ความน่าจะเป็น (Probabilistic Simulation) 2. แบบจำลองสถานการณ์ที่มีความสัมพันธ์กับเวลา (Time-Independent/Time-Dependent Simulation) 3. แบบจำลองสถานการณ์ภาพเสมือนจริง (Visual Simulation) 4. แบบจำลองสถานการณ์เชิงวัตถุ (Object-Oriented Simulation)

6. แบบจำลองฮิวริสติค (Heuristic)
แบบจำลองฮิวริสติค คือ แบบจำลองที่ใช้แก้ไขปัญหาที่มีความซับซ้อน กล่าวคือ ปัญหาที่ไม่มีโครงสร้างและปัญหากึ่งโครงสร้าง ซึ่งมีตัวแปรที่มีค่าไม่แน่นอน เนื่องจากการแก้ปัญหาแบบฮิวริสติคโดยแท้จริงแล้วก็คือ การแก้ไขปัญหาโดยอาศัยกฎเกณฑ์ง่าย ๆ ซึ่งเกิดจากประสบการณ์ในการแก้ปัญหาลักษณะเดียวกันในอดีต จึงทำให้การแก้ปัญหามีความรวดเร็วมากขึ้นนั่นเอง

แบบจำลองฮิวริสติค (Heuristic)
การนำฮิวริสติคไปใช้ได้เหมาะสมกับเหตุการณ์ที่เกิดขึ้น 1. ข้อมูลที่ป้อนเข้าไม่มีความแน่นอน หรือมีขีดจำกัด 2. เหตุการณ์ปัญหามีความซับซ้อนมากเกินกว่าจะใช้ Optimization Model มาจัดการได้ 3. เป็นเหตุการณ์ที่มั่นใจว่า ไม่สามารถใช้อัลกอริทึมที่แน่นอนได้ 4. เมื่อใช้ Simulation แล้วมีระยะเวลาในการประมวลผลนานเกินไป 5. เราสามารถนำฮิวริสติคมาทำงานร่วมกับกระบวนการ Optimization เพื่อปรับปรุงประสิทธิภาพการทำงานของกระบวนการ Optimization ให้ดียิ่งขึ้น

แบบจำลองฮิวริสติค (Heuristic)
การนำฮิวริสติคไปใช้ได้เหมาะสมกับเหตุการณ์ที่เกิดขึ้น (ต่อ) 6. เมื่อใช้ Optimization หรือใช้ Simulation เพื่อแก้ปัญหาแล้วส่งผลให้ค่าใช้จ่ายสูงเกินไป จึงสามารถหลีกเลี่ยงได้ โดยหันมาใช้วิธีการโปรแกรม Heuristic แทน ซึ่งจะทำให้ประหยัดต้นทุนได้มากกว่า 7. เมื่อต้องการการประมวลที่ค่อนข้างเป็น Symbolic มากกว่า Numeric เช่น ในระบบ Expert System 8. เป็นเหตุการณ์ที่ไม่สามารถใช้คอมพิวเตอร์มาช่วยตัดสินใจได้ หรือถ้าได้แต่ต้องใช้ความพยายามสูงหรือไม่สะดวก

ตัวอย่างแบบจำลองฮิวริสติค (Heuristic)
ตัวอย่าง บริษัท ร่ำรวยพืชผล จำกัด มีไร่ผลไม้ 3 แห่ง ดูเอกสารประกอบ DSS6.doc

7. แบบจำลองทางการเงิน (Financial Model)
แบบจำลองทางการเงิน ได้แก่ สูตรคำนวณทางการเงินต่าง ๆ โดยใช้โปรแกรมกระดาษคำนวณ (Excel) เป็นเครื่องมือซึ่งจะทำให้สะดวกมากยิ่งขึ้น เนื่องจากโปรแกรม Excel มีคำสั่งที่สนับสนุนการคำนวณทางการเงินหลายคำสั่ง เช่น Goal Seek, Scenario, และ Data Table เป็นต้น

8. แบบจำลองทางสถิติ (Statistical Model)
แบบจำลองทางสถิติ เป็นแบบจำลองที่สร้างขึ้นมาจากหลักการและสูตรคำนวณทางสถิติ โดยส่วนใหญ่ใช้ในการวิเคราะห์ข้อมูลในอดีต และปัจจุบัน เพื่อทำนายหรือพยากรณ์เหตุการณ์หรือข้อมูลที่จะเกิดขึ้นในอนาคต ดังนั้นจึงอาจเรียกแบบจำลองนี้ว่า “แบบจำลองเชิงพยากรณ์ (Predictive Model) โดยแบบจำลองที่ได้รับความนิยม คือ การวิเคราะห์แบบมาร์คอฟ การวิเคราะห์การถดถอย การพยากรณ์อนุกรมเวลา

การวิเคราะห์แบบมาร์คอฟ (Markov Analysis)
การวิเคราะห์แบบมาร์คอฟ คือ การวิเคราะห์แนวโน้มของลำดับเหตุการณ์ โดยแต่ละเหตุการณ์ต้องมีความเกี่ยวข้องกันอยู่ นั่นคือ การเกิดเหตุการณ์ในลำดับถัดไปขึ้นอยู่กับเหตุการณ์ก่อนหน้าและความน่าจะเป็นในการเกิดเหตุการณ์ต่าง ๆ เช่น การคาดการณ์สภาพอากาศในวันพรุ่งนี้ ต้องขึ้นอยู่กับสภาพอากาศในวันนี้ รวมถึงความน่าจะเป็นในการเปลี่ยนแปลงสภาพอากาศลักษณะต่าง ๆ เป็นต้น

การวิเคราะห์แบบมาร์คอฟ (Markov Analysis)
การวิเคราะห์แบบมาร์คอฟ จะใช้ในการวิเคราะห์เหตุการณ์สุ่มที่ไม่มีอิสระ นั่นคือ การเกิดเหตุการณ์หนึ่ง ๆ ขึ้นอยู่กับเหตุการณ์ก่อนหน้าและความน่าจะเป็นในการเกิดเหตุการณ์ ต่าง ๆ ในลำดับถัดไป ซึ่งต่างจากแบบจำลองการโยนเหรียญที่เหตุการณ์ในการโยนเหรียญแต่ละครั้งมีความเป็นอิสระต่อกัน นั่นคือ ไม่ว่าการโยนเหรียญก่อนหน้าจะได้ผลลัพธ์เช่นใดก็ไม่มีผลต่อการโยนเหรียญครั้งต่อไป

การวิเคราะห์การถดถอย (Regression Analysis)
เป็นการวิเคราะห์เพื่อหารูปแบบสมการที่จะใช้อธิบายความสัมพันธ์ระหว่าง ตัวแปร โดยสมการที่ได้มาจะใช้ในการประมาณค่าตัวแปรหนึ่งจากตัวแปรอื่นที่ทราบค่า ตัวแปรที่ต้องการทราบค่าหรือต้องการประมาณค่า เรียกว่า ตัวแปรตาม (Dependent Variable) ใช้สัญลักษณ์แทนด้วย Y ส่วนตัวแปรที่สมมติว่ามีผลหรือมีอิทธิพลต่อตัวแปรตาม เรียกว่า ตัวแปรอิสระ (Independent Variable) ใช้สัญลักษณ์แทนด้วย X การวิเคราะห์ถดถอยสามารถแบ่งออกเป็น 3 ประเภทดังนี้ การวิเคราะห์การถดถอยอย่างง่าย (Simple Regression Analysis) การวิเคราะห์การถดถอยพหุคูณ (Multiple Regression Analysis) การวิเคราะห์การถดถอยแบบโพลีโนเมียล (Polynomial Regression Analysis)

การวิเคราะห์การถดถอยอย่างง่าย (Simple Regression Analysis)
เป็นการศึกษาเพื่อหาสมการซึ่งแสดงความสัมพันธ์ระหว่างตัวแปรตาม (Y) 1 ตัวแปร กับตัวแปรอิสระ (X) เพียง 1 ตัวแปร รูปแบบความสัมพันธ์ ของตัวแปรทั้งที่เป็นเส้นตรง และไม่เป็นเส้นตรง เช่น ในการประมาณยอดการขายสินค้า ถ้าผู้ตัดสินใจคิดว่ายอดการขายสินค้าจะขึ้นอยู่กับค่าใช้จ่ายในการโฆษณาเพียงอย่างเดียว จะมีลักษณะเป็นเส้นตรง โดยที่ค่าใช้จ่ายในการโฆษณาจะมีผลทำให้ยอดขายสูงขึ้นหรือต่ำลงได้ ดังนั้นจึงเลือกใช้การวิเคราะห์การถดถอยอย่างง่าย โดยให้ยอดขายสินค้าเป็นตัวแปรตาม (Y) และค่าใช้จ่ายในการโฆษณาเป็นตัวแปรอิสระ (X)

การวิเคราะห์การถดถอยพหุคูณ (Multiple Regression Analysis)
เป็นการศึกษาความสัมพันธ์ระหว่างตัวแปรตาม (Y) 1 ตัวแปร กับตัวแปรอิสระ (X) มากกว่า 1 ตัวแปร การวิเคราะห์การถดถอยพหุคูณ มีทั้งแบบเชิงเส้น และไม่เป็นเชิงเส้น แต่จะยกตัวอย่างกรณีเชิงเส้น เช่น ในการประมาณยอดขายสินค้า ผู้ตัดสินใจหรือผู้ประมาณคิดว่ายอดขายสินค้าขึ้นอยู่กับปัจจัยหลายอย่าง เช่น ค่าใช้จ่ายในการโฆษณา ราคาสินค้า และรายได้ของผู้บริโภค ดังนั้นจึงเลือกใช้การวิเคราะห์แบบพหุคูณ โดยให้ยอดขายสินค้าเป็นตัวแปรตาม (Y) ซึ่งขึ้นอยู่กับตัวแปรอิสระหลาย ๆ ตัว ได้แก่ ค่าใช้จ่ายในการโฆษณา (X1) และรายได้ของผู้บริโภค (X2)

การวิเคราะห์การถดถอยแบบโพลีโนเมียล (Polynomial Regression Analysis)
เป็นการศึกษาความสัมพันธ์ระหว่างตัวแปรตาม (Y) 1 ตัวแปร กับตัวแปรอิสระ (X) มากกว่า 1 ตัว โดยความสัมพันธ์ระหว่างตัวแปร แบบไม่เป็นเส้นตรง

การพยากรณ์อนุกรมเวลา (Time Series Forecasting)
การพยากรณ์อนุกรมเวลา มีความแตกต่างจากการวิเคราะห์การถดถอยในเรื่องของช่วงเวลา คือ การวิเคราะห์การถดถอยเป็นการพิจารณาค่าของข้อมูลในช่วงเวลาใดเวลาหนึ่ง โดยไม่คำนึงถึงการเปลี่ยนแปลงของเวลา แต่การพยากรณ์อนุกรมเวลา หรือการวิเคราะห์อนุกรมเวลานั้น เป็นการพิจารณาค่าของข้อมูลที่เกิดการเปลี่ยนแปลงได้ อัน เนื่องมากจากการเปลี่ยนแปลงของเวลาเป็นสำคัญ

แบบจำลองแบบไม่ผันแปร (Stationary Time Series) เป็นแบบจำลองที่ใช้ในการพยากรณ์อนุกรมเวลาในลักษณะข้อมูลที่ไม่ผันแปร ซึ่งเป็นข้อมูลที่ไม่มีแนวโน้มในทิศทางใดทิศทางหนึ่ง โดยมีวิธีการพยากรณ์หลายวิธี ได้แก่ วิธีเฉลี่ยเคลื่อนที่ (Moving Average) วิธีค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก (Weight Moving Average) วิธี Exponential Smoothing

9. แบบจำลองแถวคอย (Queuing Model)
แบบจำลองที่ใช้คำนวณจำนวนพนักงานที่เหมาะสม เพื่อให้ค่าใช้จ่ายขององค์กรต่ำสุด และลูกค้าไม่ต้องรอรับบริการนานเกินไป ซึ่งมักใช้กับธุรกิจลูกค้าสัมพันธ์ เช่น Call Center จุดชำระค่าบริการ และสถานการณ์ที่มีการเข้าแถวรับบริการ โดยแบบจำลองนี้ จะทำการคำนวณปริมาณจุดบริการลูกค้าที่เหมาะสม แล้วทดสอบแนวทางแก้ไขปัญหาต่าง ๆ ที่ได้รับจากแบบจำลอง โดยการสุ่มค่าปริมาณจุดให้บริการลูกค้า

รูปแบบของแถวคอยแบ่งตามจุดให้บริการ
การเข้าแถวรอรับบริการจำแนกออกเป็น 3 ประเภท 1. มีแถวรับบริการ 1 แถว จะมีจุดให้บริการ 1 จุด เช่น การเข้าแถวรอใช้บริการตู้ ATM 2. มีแถวรับบริการ 1 แถว และมีจุดให้บริการหลายจุด เช่น การเข้าแถวรอรับบริการในธนาคาร 3. มีแถวรับบริการหลายแถว และมีจุดให้บริการหลายจุด เช่น การเข้าแถวรอรับบริการ ณ จุดชำระเงินในซุปเปอร์มาร์เกต และการเข้าแถวรอรับบริการในร้านอาหารฟาสต์ฟู้ด

10. ระบบจัดการฐานแบบจำลอง (Model Base Management System: MBMS)
แบบจำลองชนิดต่าง ๆ ที่ถูกจัดเก็บในฐานแบบจำลอง จะต้องได้รับการจัดการอย่างดีเพื่อให้การนำออกไปใช้ได้อย่างเหมาะสมกับปัญหาที่เกิดขึ้น แต่ในบางครั้งแบบจำลองที่ผู้ใช้ต้องการอาจจะไม่ถูกจัดเก็บไว้ในฐานแบบจำลอง ดังนั้นนอกจากการจัดการแบบจำลองในฐานแบบจำลองแล้ว อีกหน้าที่หนึ่งก็คือ การสร้างแบบจำลองจากข้อมูลที่ผู้ใช้นำเข้าสู่ระบบ

ระบบจัดการฐานแบบจำลอง (Model Base Management System: MBMS)
ระบบจัดการฐานแบบจำลอง เป็นซอฟต์แวร์ที่เป็นตัวกลางในการติดต่อระหว่างผู้ใช้กับฐานแบบจำลอง หรือ ระหว่างฐานข้อมูลกับฐานแบบจำลอง ทำหน้าที่คล้ายกับซอฟต์แวร์ระบบจัดการฐานข้อมูล (DBMS) กล่าวคือทำหน้าที่ในการจัดการ ปรับปรุง เปลี่ยนแปลง คัดเลือก และประสานการทำงานระหว่างแบบจำลองชนิดต่าง ๆ ในฐานแบบจำลอง ส่วนหน้าที่ที่มากขึ้นเช่น การให้เหตุผลในการเลือกแบบจำลองหรือการให้เหตุผลสำหรับผลลัพธ์ที่ได้นั้น อาจจะต้องอาศัย A.I. เข้ามาสนับสนุนการทำงานดังกล่าว

ความสามารถของระบบจัดการฐานแบบจำลอง
1. ผู้ใช้สามารถเข้าถึงและดึงแบบจำลองในฐานแบบจำลองมาใช้งานได้ตามต้องการ 2. ผู้ใช้สามารถทดลองและปฏิบัติการใด ๆ กับแบบจำลองในฐานแบบจำลองได้ 3. ผู้ใช้ต้องสามารถสร้างแบบจำลองของระบบสนับสนุนการตัดสินใจได้อย่างรวดเร็วและง่ายดาย 4. ต้องสามารถจัดเก็บและจัดการกับแบบจำลองต่างชนิดกันได้

ความสามารถของระบบจัดการฐานแบบจำลอง
5. ต้องสามารถเข้าถึงและทำงานร่วมกับแบบจำลองสำเร็จรูปในโปรแกรมอื่นๆ ได้ 6. ต้องแสดงหมวดหมู่หรือรายการของแบบจำลองได้ 7. ผู้ใช้ต้องสามารถติดตามการใช้แบบจำลองและข้อมูลได้ 8. ระบบต้องทำหน้าที่ในการจัดเก็บ เข้าถึง ปรับปรุง เชื่อมโยง จัดหมวดหมู่ และค้นหาแบบจำลองได้

20 October 2010

คำถามท้ายบทที่ 6 1. จงบอกความหมายแบบจำลองมาพอสังเขป
1. จงบอกความหมายแบบจำลองมาพอสังเขป 2. ในการพัฒนาระบบ DSS นั้นไม่ใช้แบบจำลองได้หรือไม่ เพราะเหตุใด 3. เปรียบเทียบความแตกต่างของแบบจำลองแบบ Decision Tree กับ Decision Table 4. เพราะเหตุใดแบบจำลองจึงเป็นองค์ประกอบหลักที่ใช้ใน DSS และแบบจำลองนั้นมีประโยชน์อย่างไร 5. จงบอกข้อแนะนำในการเลือกใช้เครื่องมือ ในการพัฒนาแบบจำลอง ยกตัวอย่างของเครื่องมือมา 2 ตัวอย่าง พร้อมทั้งบอกข้อดีของเครื่องมือนั้น 13 October 2007

ส วั ส ดี 20 October 2010 wichai@buu.ac.th 27 March 2001

13 October 2007 E-mail:wichai@buu.ac.th.

งานนำเสนอที่คล้ายกัน

งานนำเสนอเรื่อง: "13 October 2007 E-mail:wichai@buu.ac.th."— ใบสำเนางานนำเสนอ:

งานนำเสนอที่คล้ายกัน

เรื่องโครงการ

การติดต่อกลับ

เข้าสู่ระบบ

ลงทะเบียนผ่านเครือข่ายสังคม:

13 October 2007 E-mail:wichai@buu.ac.th.

งานนำเสนอที่คล้ายกัน

งานนำเสนอเรื่อง: "13 October 2007 E-mail:wichai@buu.ac.th."— ใบสำเนางานนำเสนอ:

งานนำเสนอที่คล้ายกัน

เรื่องโครงการ

การติดต่อกลับ