Problemy decyzyjne w obszarze przedsięwzięć budowlanych często zaliczane są do słabo ustrukturyzowanych. Komputerowe wspomaganie wnioskowania w takich przypadkach wymusza stosowanie określonych ... więcej

Problemy decyzyjne w obszarze przedsięwzięć budowlanych często zaliczane są do słabo ustrukturyzowanych. Komputerowe wspomaganie wnioskowania w takich przypadkach wymusza stosowanie określonych metod i narzędzi (niealgorytmicznych), z których najlepiej rozpoznane i z powodzeniem wykorzystywane w praktyce są systemy ekspertowe. Wiedza niezbędna do realizacji wnioskowania przez te systemy najczęściej jest pozyskiwana bezpośrednio od ekspertów dziedzinowych. Słabo natomiast są rozpoznane inne możliwości pozyskiwania wiedzy w obszarze przedsięwzięć budowlanych. Należy przy tym zaznaczyć, że w wielu obszarach zarządzania coraz więcej uwagi poświęca się problematyce pozyskiwania wiedzy z dostępnych baz danych, z wykorzystaniem różnych metod, np. indukcji reguł decyzyjnych czy sztucznych sieci neuronowych. Jednak stosowanym rozwiązaniom można przypisać różnorodne własności, a w związku z tym różny stopień przydatności do pozyskiwania wiedzy w określonym obszarze przedsięwzięć. W opracowaniu przybliżono możliwości wykorzystania wybranych metod odkrywania wiedzy z danych, a także wskazano pożądane sposoby reprezentacji pozyskiwanej wiedzy w kontekście specyfiki przedsięwzięć budowlanych.

Decision-making processes, including the ones related to ill-structured problems, are of considerable significance in the area of engineering projects. Computer-aided inference under such conditions requires ... więcej

Decision-making processes, including the ones related to ill-structured problems, are of considerable significance in the area of engineering projects. Computer-aided inference under such conditions requires the employment of specific (non-algorithmic) methods and tools, the best recognized and successfully used in practice of which are expert systems. The knowledge indispensable for such systems to perform inference is most frequently acquired directly from experts (through a dialogue: a subject-matter expert – a knowledge engineer) and from various source documents. Little is known, however, about the possibility of automating knowledge acquisition in this area and, in consequence, in practice it is scarcely ever used. It has to be noted, though, that in numerous areas of management more and more at tention is paid to the issue of acquiring knowledge from available data. What is known and successfully employed in the practice of aiding the decision-making is the different methods and tools allowing for the performance of such a process (e.g. case-based knowledge discovery, genetic algorithms methods). However, the above-mentioned solutions can be attributed a variety of properties and, as a result, a different degree of usefulness to solving decision-making problems in the area of engineering projects. The paper attempts to select methods for knowledge discovery in data and presents possible ways of representing the acquired knowledge as well as sample tools (including programming), allowing for the use of this knowledge in the area under consideration.