کاربرد کامپیوتر در مهندسی صنایع (21774( Data and Knowledge Management

کاربرد کامپیوتر در مهندسی صنایع (21774( Data and Knowledge Management
بنام خدا کاربرد کامپیوتر در مهندسی صنایع (21774( Lecture 3 Chapter 3 Data and Knowledge Management

کاربرد کامپیوتر در مهندسی صنایع (21774(
فصل سوم: مدیریت داده ها و دانش Data and Knowledge Management

کاربرد کامپیوتر در مهندسی صنایع (21774(- فصل سوم
Grid Computing

در فصل های اول و دوم سیستم های اطلاعاتی، مسایل عمده موسسه ها برای بقا و کمک های قابل ارایه توسط تکنولوژی اطلاعات به موسسه ها مورد بحث و بررسی قرار گرفت. این سیستم ها و تکنولوژی ها به موسسه ها کمک می کنند تا اطلاعات مورد نیاز خود را کسب، پردازش، تحلیل، ذخیره، بازیابی و به مکان های دلخواه منتقل نمایند. مدیریت صحیح این داده ها منجر به اطلاعات و نهایتا دانش شده که خود می تواند به عنوان یک مزیت مهم رقابتی به کار برده شود.

Data Warehousing یک مفهوم جدید از مدیریت داده ها است که در آن داده ها بصورتی که به آسانی برای مدیران و تحلیل گران قابل درک باشد قرار داده می شود. مدیرت دانش، که توسط تکنولوژی اطلاعات قابل اجراست دانش موجود در تمامی موسسه را گرفته و به نحوی ذخیره می کند که به آسانی توسط کلیه کارکنان موسسه قابل دسترسی باشد. این امر باعث می شود که موسسه با سرعت بیشتری به سوی یک موسسه flexible, powerful “learning organization” حرکت کند.

مطالعه موردی: جستجوی الماس به کمک داده کاوی در Harrah Harrah یک کازینوی زنجیره ای بسیار سود آور 26 کازینو در 13 ایالت آمریکا میزان فروش 4 میلیارد دلار با سود خالص 235 میلیون دلار در 2002 هدف مدیریت: چگونه می توان توریست ها را ترغیب کرد که بطور مرتب به این کازینو آمده و پول خود را در کازینو خرج کنند؟

استراتژی این کازینو بر پایه استفاده از IT برای تقویت مدیریت ارتباط با مشتری (CRM) و استفاده از بانک اطلاعاتی مشتریان برای آزمایش تسهیلات جدید بود. این امر باعث می شود که میزان علاقه مشتریان نسبت به تغییرات جدید آزمایش شده و نتایج بررسی ها برای تصمیم گیری نهایی مورد استفاده قرار گیرد. برای این منظور برای ثبت نحوه بازی افراد برای هر مشتری وفادار، یک کارت هوشمند (SMART CARD)اعتباری صادر می شود.

این کارت ها دارای مزیت هایی مانند هتل مجانی، غذای مجانی و غیره بودند. چنین سیستمی توسط سایر رقبا نیز استفاده می شد. ولی موسسه با ایجاد یک Data Warehousing از این داده ها و تحلیل آنها کار بیشتری انجام داد. با مطالعه این داده ها ((Data Warehouse، کازینو عادت های مختلف مشتریان را شناسایی نمود و توانست سیستم هایی را که باعث رضایت خاطر آنها می شد را طراحی نماید. این استراتژی باعث برتری این کازینو نسبت به رقبا شد.

درک ارزش مادام العمر بودن ارزش یک مشتری باعث این برتری گردید (این امر به عنوان استراتژی کازینو محسوب شد). با استفاده از تکنیک های data mining کازینو نه تنها سود خود را افزایش داد، بلکه باعث رفاه هر چه بیشتر مشتریان گردید. نتایج کار نشان داد که مشتریانی که رضایت بیشتری از کازینو داشته باشند، به تعداد دفعات بیشتری به کازینو مراجعه و پول بیشتری خرج می کنند.

مطالعه موردی ارایه شده مبین اهمیت داده ها در تصمیم گیری برای یک موسسه تفریحی بود. این مثال لزوم جمع آوری حجم بالایی از داده ها، مرتب نمودن و طبقه بندی آنها و سپس تحلیل آنها برای ارتقای سهم بازار و یا تصمیم گیری بهتر را نمایش داد. تحلیل این بازخورها و نتایج باعث ایجاد دانش و اطلاعات برای موسسه می شود. در این فصل نحوه انجام این فعالیت ها توسط IT بیان می شود.

به عنوان مثال موسسه توانست با این کار مشتریان اصلی خود را شناسایی کند (جوانان و افراد مسن). این اطلاعات به موسسه کمک کرد که بداند با چه ابزاری این مشتریان را به تعداد دفعات بیشتری برای بازی به کازینو بکشاند.

نتایج رضایت بیشتر مشتریان از مراجعه به کازینو درآمد بالاتر موسسه درآمد بالاتر کارمندان موسسه بابت گرفتن انعام بیشتر

مطالعه فوق تاکیدی داشت بر اهمیت استفاده از داده ها برای تصمیم گیری های بهتر. تاکید مجدد بر جمع آوری وسیع داده ها، طبقه بندی مناسب آنها، تحلیل داده ها و نها یتا تصمیم گیری بهتر به منظور ارتقای هدف ها. در این سیستم داده ها در یک انبار داده ها (Data Warehouse) جمع آوری، پردازش و ذخیره می شوند.

سپس به کمک ابزارهای تحلیل گر نظیر داده کاوی (data mining) و یا مدل های تصمیم گیری تحلیل می شوند. این تحلیل ها برای تصمیم گیری بهتر در اختیار تصمیم گیران قرار می گیرد. این عمل فقط یک مرتبه صورت نمی گیرد بلکه بصورت مرتب داده ها جمع آوری شده و تحلیل می شوند.

ادامه مستمر این کار منجر به ایجاد دانش می شود. در این فصل مراحل تبدیل این اطلاعات به دانش شرح داده می شود.

3.1 مدیریت داده ها: یک شاخص کلیدی برای موفقیت همانطور که تاکنون بحث شد کاربرد تکنولوژی اطلاعات بدون استفاده از داده ها بی معنی است. در این راستا کیفیت داده های به کار رفته بسیار مهم است. کیفیت داده ها شامل: دقت داده ها، تکمیل بودن آنها، به موقع رسیدن آنها، سازگاری آنها و قابلیت دسترسی به داده ها و منطبق بودن آنها با آنچه که هست. با گذشت زمان امکان بدست آوردن، نگهداری و مدیریت داده ها افزایش می یابد.

مشکلات مدیریت داده ها از آنجا که داده ها در مراحل و مکان های مختلفی پردازش می شوند، در مواردی مشکلاتی در زمینه تحلیل و جمع آوری آنها ایجاد می شود.

مدیریت داده ها در یک سازمان ممکن است به دلایل زیر مشکل باشد: افزایش حجم روز افزون داده ها در یک موسسه (حفظ داده های قبلی و اضافه شدن داده های جدید پراکندگی داده ها در سطح موسسه و مشکل بودن جمع آوری آنها به دلیل متفاوت بودن روش ها و تجهیزات جمع آوری داده ها توسط افراد مختلف افزایش حجم روز افزون داده های مورد نیاز برای تصمیم گیری در مورد مسایل داخلی و خارجی موسسه افزایش اهمیت امنیت، کیفیت و یکپارچگی اطلاعات در موسسه ها و کشور های مختلف

Critical Success Factors (CSFs) ها در واقع شاخص هایی می باشند که باید برای بقا و موفقیت یک موسسه به شدت کنترل شوند. در حال حاضر موسسه ها به این نتیجه رسیده اند که مدیریت داده ها (Data Management) یکی از مهمترین CSF های یک موسسه است. با توجه به اهمیت این مساله و مشکلات یک موسسه برای کنترل داده ها موسسه ها به جستجوی روش های موثر برای کنترل داده ها می پردازند.

The Data Life Cycle همانطور که بیان شد، داده ها و اطلاعات پایه های تصمیم گیری صحیح می باشند. تبدیل داده ها به اطلاعات به روش های مختلفی امکان پذیر است. شکل بعد نمای کلی کار را نشان می دهد.

در این راستا نکته مهم این است که اطلاعات در زمان مناسب پردازش شده و اطلاعات در لحظه مناسب برای تصمیم گیری مناسب در اختیار افراد مناسب قرار گیرد. تاخیر در این فرایند ها منجر به از دست رفتن ارزش آن می شود.

منابع داده ها (Data Sources) دوره عمر داده ها با جمع آوری داده ها از منابع آغاز می شود. منابع داده ها میتواند از منابعی مانند داخلی: افراد شرکت، اطلاعات محصولات، خدمات و یا فرایند ها باشد. این داده ها عموما از راه اینترانت شرکت بدست می آیند. فردی: افراد موسسه مهارت های خود را بصورت داده مدون می کنند و در اختیار سایرین قرار می دهند. خارج از موسسه: منابع متعددی در این زمینه وجود دارند.

مدیریت اسناد نگهداری اسناد بصورت کاغذی دارای مشکلات فراوانی نظیر امکان نگهداری طولانی مدت نگهداری ویرایش های متعدد یک مدرک نحوه به روز رسانی امنیت توزیع و ذخیره سازی آن است. انتقال این سیستم به حالت online در ابتدا با مقاومت فراوان کارمندان رو به رو می شود علیرغم اطلاع آنها از مشکلات سیستم کاغذ بازی.

مدیریت اسناد یکی از ابزارهای اولیه مطرح شده برای مدیریت داده ها مدیریت اسناد بود. مدیریت اسناد و یا در واقع Document Management کنترل خودکار اسناد الکترونیکی از ابتدای ایجاد تا لحظه استفاده نهایی و قرار دادن در آرشیواست. این مدارک می توانند بصورت های مختلفی نظیر عکس، فایل های متن، صفحات spread sheet و ... باشند.

این ابزار موجب توانایی موسسه در کنترل بهتر محصولات، انبارها، و سیستم های توزیع اسناد می شود. همچنین بهره وری موسسه را در استفاده مجدد از این داده ها افزایش می دهد. همچنین موجب کاهش زمان تولید اسناد نیز می شود.

سیستم های مدیرت اسناد (document management systems) در واقع وظیفه تهیه اطلاعات را بصورت الکترونیکی برای تصمیم گیرندگان دارد. این سیستم در تمامی مراحل کار شامل ایجاد، ذخیره سازی، بازیابی، پیگیری، کنترل شماره ویرایش، مدیریت جریان کار و ارایه نهایی موثر است. ابزارهای اصلی در این راستا عباتند از نرم افزار های workflow، بانک های اطلاعاتی و scanner ها.

مثال هایی واقعی از کاربرد سیستم های مدیریت اسناد ذخیره اطلاعات بیماران بصورت لحظه ای در سیستم اطلاعاتی بیمارستان ها برای سرعت بخشی اطلاع رسانی به پزشکان استفاده دانشگاه سین سیناتی از این سیستم برای الکترونیکی نمودن اطلاعات کارمندان

3.2 انبار داده ها Data Warehousing این روزها بسیاری از موسسه های بزرگ و متوسط از سیستم data warehousing برای پردازش، تحلیل و جستجو در اطلاعات استفاده می کنند.

پردازش های عملیاتی و پردازش های تحلیلی پردازش داده ها در یک موسسه می تواند برای یکی از دو منظور پردازش عملیاتی آنها و یا پردازش برای تحلیل آنها صورت گیرد. کارهای پردازش عملیاتی همانطور که ذکر شد توسط نرم افزار های TPS با هدف پردازش سریع و موثر برای فعالیت های معمول انجام می شوند.

در دنیای کنونی همانطور که در مطالعه موردی شرح داده شد، موسسه هایی موفق هستند که بتوانند به تغییرات بازار با بالاترین سرعت پاسخ دهند. در این راستا امروزه پردازش داده ها به منظور تحلیل آنها (Analytical Processing)اهمیت بسیاری دارد. برای این منظور تکنیک هایی نظیر داده کاوی Data mining Decision Support Systems (DSSs) Enterprise Information Systems کاربرد دارند.

مشخصات data warehousing عبارتند از: ساختار داده ها: داده ها بر مبنای موضوع طبقه بندی شده اند (خریدار، فروشنده، محصول، سطح قیمت و یا ناحیه). تنها اطلاعات موثر برای تصمیم گیری ذخیره می شوند. سازگاری: داده ها باید بصورت یکسان دخیره شوند. به عنوان مثال در تمامی بانک های اطلاعاتی نوع جنسیت افراد بصورت "f" و "m" باشد. زمان نگهداری اطلاعات: معمولا داده ها برای مدت طولانی (سال ها) برای محاسبه روند ها، پیش بینی و مقایسه ها نگهداری می شوند. عدم تغییر داده ها: داده ها پس از ورود به انبار تغییر نمی کنند. چند بعدی: عموما ساختار یک data warehouse بصورت چند بعدی است. Web based: سیستم های جدید عموما به نحوی طراحی می شوند که قابل دسترسی در وب نیز باشند.

جدول 3.1 کتاب تعدادی از data warehouse ها طراحی شده موفق را ارایه می دهد. تعدادی از مزایای data warehousing عبارتند از: کاربران نهایی برای تحلیل های مورد نیاز می توانند به سرعت به اطلاعات مورد نیاز دست یابند. با توجه به در دسترس بودن داده ها به مقدار زیاد تحلیل هایی می تواند صورت گیرد که قبلا امکان پذیر نبودند. کاربران نهایی می توانند به تمامی داده های موسسه دسترسی داشته باشند.

این اطلاعات موجب افزایش دانش کسب و کار شده و منتهی به کسب مزیت های رقابتی برای موسسه امکان ارتباط بهتر با مشتری نهایی ارتقای رضایت مشتری سهولت تصمیم گیری و آسان شده فرایند کسب و کار می شود.

Data Warehousing دارای معایبی به شرح زیر می باشد: هزینه راه اندازی بالا برای راه اندازی و نگهداری مشکلات مختلف برای به اشتراک گذاردن داده ها میان بخش های مختلف یک موسسه

ایجاد یک Data Warehouse فرایند ایجاد و استفاده از یک Data Warehousing در شکل بعدی نمایش داده شده است. سازمان دهی داده ها در سمت چپ شکل در قسمت Operational Systems انجام می شود.

در این بخش با به کار گیری نرم افزاری به نام ETL (Extraction, Transaction, Load) داده ها توسط سیستم پردازش شده و در data warehouse ذخیره می شوند. لزومی ندارد که تمامی داده ها در data warehouse ذخیره شوند. غالبا خلاصه ای از داده ها ذخیره می شود.

نکته مهم این است که داده های پردازش شده به نحوی ذخیره شوند که به راحتی برای تحلیل گران قابل دسترس باشد. داده ها بصورت استاندارد و مرتب شده بر اساس موضوع (Business Dimension) مرتب می شوند.

بانک های اطلاعاتی مرتبط و چند بعدی برای سهولت دسترسی به داده ها، داده ها در بانک ها اطلاعاتی مختلف و بصورت تقسیم بندی مرتب نگهداری می شوند (به Technology Guide 3 مراجعه کنید). بانک های اطلاعاتی مرتبط با هم اطلاعات را در جدول هایی دو بعدی نگهداری می کنند. بانک های اطلاعاتی چند بعدی اطلاعات را در آرایه هایی مرتبط با هم نگهداری می کنند (شکل های صفحه 72 کتاب).

در بانک های اطلاعاتی چند بعدی اطلاعات را می توان از ابعاد مختلفی مشاهده و تحلیل نمود. بانک های اطلاعاتی چند بعدی معمولا هسته و اساس Data Warehousing را تشکیل می دهند.

Data Marts هزینه بالای ایجاد Data Warehousing استفاده آن را محدود به موسسه های بزرگ می کند. موسسه های کوچک تر برای کاهش هزینه Data Warehousing و همچنین استفاده از مزایای آن بانک های اطلاعاتی با حجم کوچک تری را ایجاد می کنند. این مجموعه کوچک تر Data Mart نام دارد.

یک Data Mart در واقع یک Data Warehouse کوچک است که برای استفاده یک واحد استراتژیک کوچک (SBU*) و یا یک بخش کوچک ایجاد شده است. مزایای ایجاد Data Mart ها عبارتند از: هزینه پایین سرعت بالای پیاده سازی (معمولا کمتر از ماه) کنترل محلی به جای کنترل مرکزی سرعت بالای پردازش به دلیل حجم کم داده به نسبت data warehouse امکان تصمیم گیری های استراتژیک توسط خود موسسه * Strategic Business Unit

مروری بر Technology Guide3 در یک سیستم کامپیوتری داده ها بصورت سلسله مراتبی به شرح زیر ذخیره می شوند: یک (binary digit) bit در واقع کوچکترین واحد ذخیره داده بوده که توسط کامپیوتر قابل پردازش است. می توان تنها مقادیر صفر و یا یک را به آن تخصیص داد. یک Byte متشکل از هشت bit بوده که می توان به کمک آن یک کاراکتر(شامل کلمه، عدد و یا یک نماد) را نمایش داد. یک field مجموعه از کاراکتر ها است که می توانند به صورت کلمه ترکیب شوند (نام یک دانشجو در بانک اطلاعاتی دانشگاه).

مروری بر Technology Guide3(ادامه) مجموعه ای از field های مرتبط تشکیل یک record می دهند (نام دانشجو، نام خانوادگی، شماره دانشجویی، شماره تلفن تماس و...). مجموعه ای از record های مرتبط تشکیل یک file می دهد (مجموعه record های دانشجویان یک دانشکده). مجموعه فایل های مرتبط با هم تشکیل یک بانک اطلاعاتی data base می دهد (مجموعه بانک اطلاعاتی دانشجویان دانشگاه شریف).

مروری بر Technology Guide3(ادامه) یک record همانند یک نهاد (entity) است. این نهاد می تواند یک انسان بوده و یا یک شی (یک قلم از موجودی محصولات) باشد. هر یک از خصوصیات ثابت یک نهاد که در field ها قرار دارند یک صفت مشخصه (attribute) آن نهاد می باشد (رنگ مو، چشم و...). هر record باید در حداقل یکی از field ها دارای اطلاعات منحصر به فردی باشد که بتوان آن را جستجو کرد. نظیر شماره دانشجویی. به این field قابل جستجو primary key می گویند. اگر field دیگری با این خصوصیت موجود باشد به آن secondary key گویند.

3.3 کسب اطلاعات و دانش به کمک Business Intelligence هنگامی که داده ها بصورت مناسب در data warehouse قرار گرفت می تواند توسط مدیران، تحلیل گران و سایرین استفاده شود. استفاده از این داده ها برای تحلیل و گرفتن تصمیم های بهتر برای ارتقای سطح کسب و کار توسط application هایی به نام Business Intelligence (BI) انجام می شود. فرایند انجام شده در BI در شکل بعدی شرح داده می شود.

ابزار و تکنیک های مورد استفاده برای BI: Query ها و گزارش ها پردازش های تحلیلی online: Online analytical processing (OLAP) Decision Support Systems Data Mining پیش بینی تحلیل های آماری همچنین تسهیلاتی برای BI در نرم افزارهای متفاوتی نظیر SAS و SPSS وجود دارد.

ابزار BI را می توان به دو صورت Information and Knowledge discovery Decision Support and Intelligent Analysis تقسیم نمود. این تقسیم بندی ها در شکل صفحه بعدی ارایه شده اند.

ابزار های و تکنیک های مورد کاربرد در Information and Knowledge discovery ماهیت کشف اطلاعات و دانش با فعالیت های مربوط به تصمیم گیری تفاوت های اساسی دارد. به محض اینکه کشف انجام شد نتایج آن می تواند برای تصمیم گیری به کار رود. در ابتدا تفاوت میان کشف دانش و کشف اطلاعات شرح داده می شود.

مراحل تکامل کشف دانش و اطلاعات کشف اطلاعات از دهه 60 میلادی با کمک استفاده از تکنیک های جمع آوری داده آغاز شد. این سیستم ها با معرفی SQL* و Relational database management systems ارتقا پیدا کرد. در دهه 90 میلادی با افزایش حجم داده ها تجهیزات بهتری در این زمینه مورد نیاز بود. Structured Query Language

این نیاز منجر به ایجاد Data Warehouse و همچنین ساختار اولیه OLAP و بانک های اطلاعاتی چند بعدی شد. با افزایش حجم داده ها در اواسط دهه نود میلادی، بحث Knowledge Discovery به عنوان یک ابزار مهم تحلیل مطرح شد. فرایند بدست آوردن دانش مفید از حجم بالایی از داده ها کشف دانش Knowledge Discovery (KD) نام دارد.

هدف اصلی KD تشخیص الگوهای معتبر، مفید و قابل درک میان داده ها است. KD توسط سه تکنولوژی مدرن که در دوران بلوغ قرار دارند حمایت می شود. این دلیل اصلی موثر بودن KD است. این سه تکنولوژی عبارتند از: جمع آوری حجم بالایی از داده ها وجود پردازشگرهای فوق العاده قوی کامپیوتری الگوریتم و تکنیک های داده کاوی

در این قسمت دو مورد از ابزارهای جمع آوری اطلاعات مورد بررسی قرار می گیرند: Ad-Hoc Queries and Reporting: این ابزار به کاربر امکان درخواست اطلاعاتی را در زمان واقعی از کامپیوتر می دهد که در گزارش های دوره ای موجود نمی باشد. تعدادی از این نرم افزارها بر پایه منو برنامه بوده و تعدادی بر پایه Structured Query Language (SQL) می باشند. در حالت های پیشرفته تر اطلاعات می توانند از طریق Voice recognition حاصل شوند.

Online Analytical Processing (OLAP) دراین روش تحلیل داده ها به محض پایان پردازش آنها انجام می شود. ابزار OLAPمی توانند با تحلیل داده ها به نیاز های کسب و کار موسسه به سرعت پاسخ دهند. مثال: فروشنده پیچ و مهره در آمریکا

اگرچه دو تکنیک یاد شده بسیار مفید و پرکاربرد هستند، ولی نمی توانند بصورت خودکار کشف دانش نمایند. لذا اهمیت تکنیک هایی نظیر Data mining که دارای چنین قابلیتی هستند اهمیت پیدا می کند.

3.4 مفاهیم و کاربرد های داده کاوی (data mining) داده کاوی یکی از تکنیک های اساسی برای تحلیل مقدار حجیمی از داده ها می باشد. در صورتی که یک data warehouse با اندازه کافی بزرگ در دسترس باشد و داده های دارای کیفیت مناسب باشند، تکنولوژی داده کاوی می تواند موقعیت های کسب و کار جدیدی را با فراهم نمودن قابلیت هایی به شرح زیر ایجاد نماید. پیش بینی خودکار روند ها و رفتارها کشف خودکار الگو هایی که قبلا ناشناخته بودند.

کاربر نهایی می تواند فعالیت های داده کاوی را با داشتن کمی مهارت برنامه نویسی و یا بدون مهارت برنامه نویسی انجام دهد. می توان با اتصال ابزار مورد نیاز داده کاوی به نرم افزارهایی نهایی مورد کاربرد توسط کاربران نظیر برنامه های صفحه گسترده (spread sheet) سهولت کاربر نهایی را در استفاده از این تکنیک ها افزایش داد. نرم افزارهای تجاری متعددی در این زمینه وجود دارند که فهرست آنها در کتاب موجود است.

کاربردهای داده کاوی کاربرد های متعددی برای داده کاوی در زمینه های تحقیقاتی و صنعتی وجود دارد. بر طبق گزارش مجله Fortune بیش از نیمی از 1000 موسسه برتر دنیا از تکنیک داده کاوی استفاده می کنند. اغلب این موسسه ها از داده کاوی به منظور جستجو برای پیدا کردن موقعیت های تجاری بهتر استفاده می کنند.

کاربرد های داده کاوی (ادامه) تعدادی از این فعالیت ها عبارتند از: خرده فروشی: شامل پیش بینی فروش، محاسبه میزان دقیق سطح موجودی، برنامه توزیع میان مکان های فروش و میزان محصولات معیوب برگشتی بانک ها: پیش بینی تعداد نفراتی که با مشکلاتی در زمینه پرداخت وام روبه رو می شوند و پیش بینی خصوصیات افرادی که چنین هستند. تولید: پیش بینی میزان خرابی ماشین آلات، مطالعه در مورد فاکتورهای کلیدی برای ارتقای بهره وری تولید. بیمه: پیش بینی در مورد میزان هزینه های پرداختی بیمه به افراد طی سال و پیش بینی نفراتی که احتمال پرداخت به آنها بالاست. بازاریابی: و...

متن کاوی (Text Mining) و وب کاوی (Web Mining) Text Mining در واقع کاربرد داده کاوی در فایل های متنی است که بدون ساختار بوده و یا اینکه ساختار چندان مرتبی نداشته باشند. مزایای Text mining به شرح زیر است: تشخیص اطلاعات پنهان در متن که ممکن است با تاکید کمتری بیان شده باشند به عنوان مثال تشخیص روابط پنهان میان پارامتر ها یکی نمودن اسناد بر اساس مطالب مشابه

متن کاوی (Text Mining) و وب کاوی (Web Mining)-ادامه Web Mining در واقع کاربرد داده کاوی به منظور کشف الگوهای با معنی و قابل فعالیت و همچنین بدست آوردن روند ها در منابع اینترنتی است. کاربرد های اصلی آن در کتاب ارایه شده است. همچنین در خرید های online با نمایش کتاب های مشابه میزان جستجو و حجم خرید را افزایش می دهند.

3.5 Data Visualization Technology هنگامی که داده ها پردازش شدند نتایج کار می تواند بصورت های متفاوتی نظیر متن، شکل، نمودار، جدول و ... نمایش داده شوند. روش های نمایش و نرم افزارهای متعددی در این زمینه وجود دارند که کیفیت نمایش نتایج را افزایش می دهند. استفاده از تکنولوژی های مناسب ارزش داده ها را افزایش و آنها را برای کاربران قابل درک می کند. استفاده از این تکنیک ها هنگامی که داده ها از data warehouse استخراج می شوند راحت تر است.

Geographic Information Systems (GIS) GIS در واقع سیستمی برپایه کامپیوتر است که به منظور بدست آوردن، ذخیره سازی، چک کردن، کنترل و نمایش داده ها با استفاده از نقشه های دیجیتالی استفاده می شود. خصوصیت اصلی آن این است که هر record و یا شی دیجیتالی در آن دارای یک مکان جغرافیایی مشخص است. با ترکیب نقشه ها و بانک های اطلاعاتی کاربران می توانند به تولید اطلاعات مختلف مورد نیاز بپردازند.

3.6 سیستم های مدیریت داده ها بر پایه وب تمامی فعالیت های داده کاوی و یا BI از جمع آوری داده ها گرفته تا پردازش های نهایی اغلب به کمک ابزار موجود در وب یا ابزار وابسته به آن انجام می شود. کاربران با اتصال به شبکه های اینترنتی پاسخ سوال های مورد نظر و گزارش های دلخواه را در زمان واقعی ایجاد می کنند. این فعالیت ها در داخل سیستم های Intranet و یا Extranet انجام می شود.

نرم افزار های تجارت الکترونیک (E-Commerce) در واقع به نحوی طراحی شده اند که اطلاعات سفارش های مشتریان به data warehousing منتقل می شود. در چنین حالتی به محض دریافت سفارش تمامی واحد های مرتبط با پردازش سفارش از وجود سفارش جدید مطلع شده و آمادگی های لازم را در خود ایجاد می کنند.

3.7 مقدمه ای بر مدیریت دانش مدیریت دانش مفهومی جدید نیست و اساس آن بر پایه سیستم های خبره، آموزش سازمانی، و خلاقیت بنا شده است. همانطور که ذکر شد داده ها، اطلاعات و دانش جزو سرمایه های ارزشمند هر موسسه می باشند. در بسیاری از موسسه ها شغلی به نام ریاست دانش (chief knowledge officer (CKO) ایجاد شده است. وظیفه آن تلاش برای حداکثر نمودن دارایی دانش موسسه و پیاده سازی استراتژی های مدیریت دانش و تبادل موثردانش در داخل و خارج موسسه است.

وظیفه دیگر CKO تشویق کارکنان به ملحق شدن به گروه های مشاوره (Communities of Practice) است. در این گروه ها افراد بسته به نوع علاقه ملحق شده و به تبادل اطلاعات می پردازند. در حالت ایده آل هر عضو مجموعه باید در حداقل یکی از این گروه ها عضو باشد.

در زمان قدیم مدیران با هوش و درایت خود موسسه ها را به پیش می بردند. در چنین حالتی تلاش ها ندرتا بصورت سیستماتیک و در راستای هدف خاصی انجام می شد. همچنین تضمینی برای تسری دانش ایجاد شده میان سایر کارکنان برای باقی ماندن آن در موسسه وجود نداشت.

تحلیل های صنعتی نشان می دهد که عموما 85% دانش اصلی یک موسسه که دارایی اصلی آن را تشکیل می دهد در مکان اصلی و مناسب آن نگهداری نمی شود بلکه در داخل کامپیوتر های شخصی کارکنان، فایل های Microsoft office و یا های ردوبدل شده میان افراد وجود دارد.

تعریف: مدیریت دانش یا Knowledge Management (KM) فرایندی است که به موسسه ها در تشخیص، انتخاب، سازماندهی، انتشار و انتقال اطلاعات و تجارب مهم و بکار گیری آنها که قسمتی از سابقه موسسه هستند کمک می کند.

در یک موسسه موفق، دانش، به عنوان یک نوع سرمایه، بایستی میان کارکنان موسسه قابل تبادل باشد. همچنین بایستی دارای قابلیت رشد باشد.

ساختار مدیریت دانش به حل سریع تر و موثرترمسایل موسسه با کارایی بالاتر کمک می کند. یک موسسه موفق در زمینه مدیریت دانش که از حمایت کامل مدیریت نیز برخوردار است، می تواند تمامی اطلاعات خود را از واحد های مختلف در تمامی دنیا به این زمینه منتقل کند. دانش همانند سایر سرمایه های یک موسسه برای افزایش موفقیت بایستی میان کلیه نفرات موسسه ردوبدل شده و افزایش یابد.

در مفاهیم تکنولوژی اطلاعات تفاوت اساسی میان داده، اطلاعات و دانش وجود دارد. داده مجموعه ای از fact ها، اندازه گیری ها و آمارها اطلاعات به معنی داده های پردازش شده یا مرتب شده دانش مجموعه از اطلاعات مرتبط وعملی می باشد. Information DATA Knowledge

مثال: نقشه یک راه داده های ما می باشد. اطلاعات ترافیکی که هنگام سفر در مسیر در اختیار رانندگان قرار می گیرد اطلاعات می باشد. امکان وجود یک مسیر فرعی که ما را به مقصد برساند می تواند دانش باشد.

داشتن دانش منجر به حل مساله می گردد نه داشتن اطلاعات و داده. داشتن دانش منجر به واکنش های یکسانی نمی شود. دو فرد با داشتن دانش یکسان بازدهی یکسانی در مورد یک فعالیت ندارند. این تفاوت می تواند به علت تفاوت شخصیتی، نحوه آموزش، تجربه های متفاوت و ... باشد.

دانش دارای خصوصیات منحصر به فردی است که آن را از سایر دارایی های یک موسسه مجزا می کند. این مشخصات عبارتند از: هنگام استفاده مصرف نمی شود بلکه به آن افزوده می شود. نیازمند به روز رسانی مداوم است. میزان سرمایه گذاری در مورد آن و میزان بازدهی آن نامشخص است. میزان سود آن در اثر مشارکت غیر قابل محاسبه است. همچنین مشخص نیست که چه کسی بالاترین استفاده را می برد. ارزش آن شدیدا وابسته به زمان است. با گذشت زمان ارزش آن تغییر می کند (راندن اتومبیل در 100 سال گذشته).

تعاریف متفاوتی از دانش در کتاب های متفاوت وجود دارد ولی تعریفی در مورد مدیریت دانش وجود ندارد. اطلاعات به خودی خود همواره سودمند نیست. دانش هنگامی مفید است که واضح، مرتبط و با اهمیت در یک فرایند باشد. دانش در واقع درکی را در مورد فرایندی ایجاد می کند که تفاوت آشکاری را در مورد انجام و عدم انجام فعالیتی را مشخص کند. Intellectual Capital نام دیگر مدیریت دانش است.

Tacit and Explicit Knowledge Explicit Knowledge: The more objective, rational, and technical types of knowledge (job description). Tacit knowledge: The cumulative store of subjective or experiential learning; it is highly personal and hard to formalize (how to ride a bike). Knowledge management systems (KMSs): Information technologies used to systematize, enhance, and expedite intra- and interfirm knowledge management.

The Knowledge Management System Cycle Create knowledge: Knowledge is created as people determine new ways of doing thing or develop know-how. Sometimes external knowledge is brought in. Capture knowledge: New knowledge must be identified as valuable and be represented in a reasonable way. Refine knowledge: New knowledge must be placed in context so that it is actionable . This is where human insight (tacit qualities) must be captured along with explicit facts.

The Knowledge Management System Cycle (continued) Store knowledge. Useful knowledge must then be stored in a repository so that others in the organization can access it. Manage knowledge. Like a library, the knowledge must be kept current. It must be reviewed to verify that it is relevant and accurate. Disseminate knowledge. Knowledge must be made available in a useful format to anyone in the organization who needs it, anywhere and any time.

10.2مراحل آغازین مدیریت دانش علت ایجاد مدیریت دانش، کمک به کارکنان شرکت برای حل مسایل و انجام بهتر وظایف با استفاده از سیستم اینترانت می باشد. از مزایای مدیریت دانش کاهش وابستگی موسسه ها به افراد می باشد.

اهداف قابل دستیابی به کمک مدیریت دانش قابل دستیابی و قابل لمس نمودن دانش با کمک ابزار جانبی نظیر نقشه ها، راهنما ها و .... فرهنگ سازی ایجاد ساختار دانش این اهداف می توانند همگی یا بصورت مجزا در یک موسسه محقق شوند.

فعالیت های متفاوتی در مسیر راه اندازی مدیریت دانش بایستی انجام شود. اهم این فعالیت ها در هر یک از بخش های پیاده سازی مدیریت دانش عبارتند از: Knowledge Creation Knowledge Sharing Knowledge Seeking

10.4 نقش IT در مدیریت دانش Communication technologies: allow users to access needed knowledge, and to communicate with each other- especially with experts . , the Internet, corporate intranets, and other web based tools provide communication capabilities. Collaboration technologies: provide the means to perform group work. Collaborative computing capabilities such as electronic brainstorming enhance group work especially for knowledge contribution .

10.4 نقش IT در مدیریت دانش (ادامه) Storage and retrieval technologies: originally meant using a database management system to store and manage explicit knowledge . Electronic document management system and specialized storage system that are part of collaborative computing system are the tools used to capture, store, and manage tacit knowledge .

Technologies Supporting Knowledge Management
Artificial intelligence. The study of human thought processes and the representation of those processes in machines. Intelligent Agents. Work and provide assistance in their daily tasks. Knowledge Discovery in Databases. A process used to search for and extract useful information from volumes of documents and data.

IT in Knowledge Management
Communication technologies: allow users to access needed knowledge, and to communicate with each other- especially with experts . , the Internet, corporate intranets, and other web based tools provide communication capabilities. Collaboration technologies: provide the means to perform group work. Collaborative computing capabilities such as electronic brainstorming enhance group work especially for knowledge contribution . Storage and retrieval technologies: originally meant using a database management system to store and manage explicit knowledge . Electronic document management system and specialized storage system that are part of collaborative computing system are the tools used to capture, store, and manage tacit knowledge .

Technologies Supporting Knowledge Management
Artificial intelligence. The study of human thought processes and the representation of those processes in machines. Intelligent Agents. Work and provide assistance in their daily tasks. Knowledge Discovery in Databases. A process used to search for and extract useful information from volumes of documents and data.

Seven Knowledge Management Tools
Description Vendor/Product Examples Collaboration computing Groupware products; used to enhance tacit knowledge transfer within an organization Group systems; Lotus Notes / Domino Knowledge server Contain the main knowledge management software, including the knowledge repository; provides access to other knowledge information , and data. Hummingbird knowledge server; Autonomy’s intelligent data operating layer (IDOL) Enterprise knowledge portal Presents a single access point into a knowledge management system ‘ organizes the sources of unstructured information in an organization . Plum tree; Hyper wave Electronic document management Allows users to access needed documents over a corporate intranet; allows electronic collaboration on document creation and revision. Doc Share; Lotus Notes Knowledge –harvesting tools Capture organizational knowledge unobtrusively; may be embedded in a knowledge management system. Knowledge Mail ; Active Knowledge Search engines Locate and retrieve documents from vast collections in corporate repositories . Google: Verity ; Inktomi Knowledge management suites Integrate communications, collaboration, and storage technologies in one complete, out-of- the- box solution Web Sphere; knowledge X

کاربرد کامپیوتر در مهندسی صنایع (21774( Data and Knowledge Management

Similar presentations

Presentation on theme: "کاربرد کامپیوتر در مهندسی صنایع (21774( Data and Knowledge Management"— Presentation transcript:

Similar presentations

About project

Feedback

Log in

Auth with social network:

کاربرد کامپیوتر در مهندسی صنایع (21774( Data and Knowledge Management

Similar presentations

Presentation on theme: "کاربرد کامپیوتر در مهندسی صنایع (21774( Data and Knowledge Management"— Presentation transcript:

Similar presentations

About project

Feedback