Chapter 11: Automated Decision Systems & Expert Systems (Part 2)
أنظمة القرار الآلي والأنظمة الخبيرة

PART [2] - Chapter 11 - Sections
11.7 Knowledge Engineering
11.8 Problem Areas Suitable for Expert Systems
11.9 Development of Expert Systems
11.10 Concluding Remarks

This chapter addresses two issues. First, how do some of the analytics technologies including predictive and optimization models get used in practice? In many cases, results of predictive models or even optimization models get simplified as rules that are then implemented in other applications. We call these automated decision systems.
Second, in addition to the use of data and mathematical models, some managerial decisions require qualitative information and the judgmental knowledge that resides in the minds of human experts. Therefore, it is necessary to find effective ways to incorporate such information and knowledge into decision support systems (DSS).
A system that integrates knowledge from experts is commonly called a knowledge-based decision support system (KBDSS) or an intelligent decision support system (IDSS). A KBDSS can enhance the capabilities of decision support not only by supplying a tool that directly supports a decision maker, but also by enhancing various computerized DSS environments.
The foundation for building such systems is the techniques and tools that have been developed in the area of artificial intelligence—rule-based expert systems being the primary one. This chapter introduces the essentials of automated decision systems and provides a detailed description of expert systems.

The main objectives of chapter 11 are the following:
■ Understand the concept and applications of automated rule-based decision systems
■ Understand the importance of knowledge in decision support
■ Describe the concept and evolution of rule-based expert systems (ES)
■ Understand the architecture of rule-based ES
■ Learn the knowledge engineering process used to build ES
■ Explain the benefits and limitations of rule-based systems for decision support
■ Identify proper applications of ES
■ Learn about tools and technologies for developing rule-based DSS


الفصل 11: أنظمة القرار الآلي والأنظمة الخبيرة

يتناول هذا الفصل مسألتين. أولاً ، كيف تُستخدم بعض تقنيات التحليلات بما في ذلك النماذج التنبؤية والتحسين عمليًا؟ في كثير من الحالات ، يتم تبسيط نتائج النماذج التنبؤية أو حتى نماذج التحسين كقواعد يتم تنفيذها بعد ذلك في تطبيقات أخرى. نسمي هذه أنظمة القرار الآلي.
ثانيًا ، بالإضافة إلى استخدام البيانات والنماذج الرياضية ، تتطلب بعض القرارات الإدارية معلومات نوعية ومعرفة قضائية تكمن في أذهان الخبراء البشريين. لذلك ، من الضروري إيجاد طرق فعالة لدمج هذه المعلومات والمعرفة في أنظمة دعم القرار (DSS). يُطلق على النظام الذي يدمج المعرفة من الخبراء عادةً نظام دعم القرار القائم على المعرفة (KBDSS) أو نظام دعم القرار الذكي (IDSS). يمكن لـ KBDSS تعزيز قدرات دعم القرار ليس فقط من خلال توفير أداة تدعم صانع القرار بشكل مباشر ، ولكن أيضًا من خلال تحسين بيئات DSS المحوسبة المختلفة.
الأساس لبناء مثل هذه الأنظمة هو التقنيات والأدوات التي تم تطويرها في مجال الذكاء الاصطناعي - الأنظمة الخبيرة القائمة على القواعد هي الأنظمة الأساسية. يقدم هذا الفصل أساسيات أنظمة القرار الآلي ويقدم وصفًا تفصيليًا للأنظمة الخبيرة. وفيما يلي أهم أهداف وغايات الفصل 11:

■ فهم مفهوم وتطبيقات أنظمة القرار المؤتمتة القائمة على القواعد
■ فهم أهمية المعرفة في دعم القرار
■ وصف مفهوم وتطور الأنظمة الخبيرة القائمة على القواعد (ES)
■ فهم بنية ES المستندة إلى القواعد
■ تعلم عملية هندسة المعرفة المستخدمة لبناء ES
■ اشرح مزايا وقيود الأنظمة المستندة إلى القواعد لدعم القرار
■ تحديد التطبيقات المناسبة لـ ES
■ تعرف على الأدوات والتقنيات الخاصة بتطوير نظام دعم القرار القائم على القواعد