یادگیری ماشینی و پشتیبانی از تصمیم

بخشی از دانش حیاتی سازمان شما، در داده ها و اطلاعاتی نهفته است که از اجرای فرایندهای کاری تولید می شود. تصمیمات، نتایج و پیامدها، همه به شکل زنجیروار به هم مرتبط هستند و الگوهایی درون آن ها نهفته است که که با چشم غیرمسلح دیده نمی شود؛ با کمک تکنیک های یادگیری ماشینی و پشتیبانی از تصمیم اینوتکس این الگوها را کشف کنید.

مشکل دانشی در این زمینه چیست؟ابتدا به سه نمونه متفاوت زیر از بخش ساخت و تولید، خدمات مالی و پروژه های طراحی و مهندسی توجه کنید:

  MachineL1در یک شرکت صنعتی کار می کنید و برای دستگاه های شما خرابی های متنوعی رخ می دهد. هر یک از این خرابی ها یک سری نشانه و علامت دارد که در هر مرتبه ممکن است برخی از آن ها بروز کند. از طرفی، روش های مختلف تعمیرات و هم چنین استفاده از قطعات یدکی با برندها یا کیفیت های متفاوت، پیامدهای مختلفی مانند خرابی بعدی، تغییر عملکرد دستگاه، نیاز به کالیبراسیون و … در پی دارد. با توجه به این که داده های زیادی از خرابی های قبلی و پیامدهای آن ها دارید و از نظر کارشناسان حرفه ای نگهداری و تعمیرات، در مضیقه هستید، چطور می توانید به تصمیم گیری کارشناسان خود در عیب یابی و تعمیر دستگاه ها کمک کنید؟

آیا بهتر نیست کارشناس نگهداری و تعمیرات، سیستمی در اختیار داشته باشد که با پرسیدن سوالاتی به صورت مرحله به مرحله، وی را در عیب یابی و رفع عیب کمک کند؛ حتی اگر نکات جدیدی در این خرابی وجود داشت، این سیستم به صورت اتوماتیک و با یادگیری ماشینی، آن را آموخته و در دفعات بعدی به کارگیرد.

MachineL2شما در یک بانک یا موسسه اعتباری کار می کنید؛ کارشناسان اعتبارات، پرونده های اعطای تسهیلات را به صورت مرتب بررسی کرده و بنا بر شرایط و وضعیت متقاضی، قوانین و … در مورد اعطای وام، وثایق، نحوه بازپرداخت و سایر معیارها تصمیم گیری می کنند؛ هر پرونده اعتباری، در آینده وضعیت های متنوعی به خود می گیرد. مانند پرداخت به موقع، مطالبات معوق، مشکوک الوصول. بدیهی است برای بانک شما مطلوب است در اعطای تسهیلات به گونه ای تصمیم بگیرد که در وصول مطالبات به مشکل بر نخورد

آیا بهتر نسیت کارشناس اعتبارات شما، سیستمی در اختیار داشته باشند که با پرسیدن سوالاتی در مورد وضعیت وام گیرنده و نوع وام، وی را در تعیین نوع وثیقه، سقف مبلغ وام و … کمک کند و حتی از ریسک های آتی مرتبط با وصول مطالبات مطلع کند؟ حتی اگر پیامدهای این پرونده اعتباری متفاوت بود، این سیستم به صورت اتوماتیک و با یادگیری ماشینی، آن را آموخته و در دفعات بعدی به کارگیرد.

MachineL3شما در یک شرکت بزرگ نفتی کار می کنید؛ کارشناسان بخش مهندسی، وظیفه دارند کلیه طراحی ها و تخمین های بسته های خرید را با جزئیات کامل با توجه به نوع پروژه، تعیین کنند؛ تا بخش تامین شما بتواند خرید تجهیزات و یا انتخاب پیمانکاران را انجام دهد. اما بارها پیش آمده در مرحله ساخت یا راه اندازی شاهد اشتباه در تخمین های مهندسی، کمبود در سفارشات و یا قطعات یدکی بوده اید.

آیا بهتر نیست کارشناس مهندسی شما، سیستمی در اختیار داشته باشند که با پرسیدن سوالاتی در مورد نوع و مشخصات پروژه، قرارداد کارفرما و … تصمیمات مرحله طراحی را بهتر و دقیق تر بگیرد و کلیه نقائص و کمبودهایی که در مرحله های بعدی رخ می دهد با یادگیری ماشینی در تصمیمات آتی دخیل کند؟

یادگیری ماشینی، استفاده بهینه از حافظه تاریخی سازمانی

مشابه این مشکلات در تمامی صنعت ها و زمینه های کاری وجود دارد؛ هر جا فرایند یا تصمیمات تکرارشدنی ولی با شرایط متنوع وجود داشته باشد می توانید از یادگیری ماشینی و سیستم های دستیار تصمیم گیری ما استفاده کنید.

 

راه حل ما برای یادگیری ماشینی و پشتیبانی از تصمیم چیستتوانمندی های ما در مدل سازی، الگوریتم های هوشمند و مهندسی دانش، در ترکیب با درک مناسب از صنعت و کسب و کار شما، می تواند راه حل های جالب و سودآوری برای شما خلق کند. برای ایجاد یک راه حل خوب در این زمینه، باید یک مساله خوب مثل مواردی که در بالا ذکر شد تعریف شده باشد. ما می توانیم با خدمات اندازه گیری و ممیزی دانش سازمانی به شما در تعریف یک یا چند مساله خوب کمک کنیم.

پس از تعریف مساله بر اساس چرخه زیر، باید داده های کافی جمع آوری شده و مدل یادگیری ماشینی خاص مساله شما ساخته شود. سپس با قابلیت های پلتفرم نرم افزاری رای ون، افزونه های مورد نیاز شما ایجاد شود. بعد از یک آموزش ساده می توانید از این سیستم یادگیری ماشینی در فرایندهای کاری مورد نیاز خود استفاده کنید و بر اساس نتایج به دست آمده مجددا سیستم را بازآموزی کنید تا جواب های بهتری به شما بدهد.

چرخه کلان ایجاد سیستم پشتیبانی تصمیم با یادگیری ماشینی
چرخه کلان ایجاد سیستم پشتیبانی تصمیم با یادگیری ماشینی

 

مدل های یادگیرنده ما به ترتیب زیر ساخته می شوند:

ایجاد مدل های یادگیری ماشینی
نحوه ایجاد مدل های یادگیری ماشینی

 

نمودار زیر یکی از راهکارهایی است که ما در سازمان های مشتری خود برای پشتیبانی از تصمیم بر اساس یادگیری ماشینی استفاده کرده ایم. این مدل بر اساس تکنیک استنتاج مبتنی بر مورد (Case Based Reasoning) ایجاد شده است.

مدل سازی، بازیابی و به کارگیری دانش با استفاده از تکنیک CBR
مدل سازی، بازیابی و به کارگیری دانش با استفاده از تکنیک CBR

مطالب مرتبط