• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Chapter 12.2
 

Chapter 12.2

on

  • 542 views

 

Statistics

Views

Total Views
542
Views on SlideShare
542
Embed Views
0

Actions

Likes
0
Downloads
0
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Chapter 12.2 Chapter 12.2 Document Transcript

    • 9/3/12 แบบจํ าลองและการวิ เคราะห บทที่4 แบบจํ าลองและการวิ เคราะห (Modeling and Analysis) ในบทเรี ่ เราทราบแลองค ยนที ผ านมา วว ประกอบของระบบ DSS (DSS Component ) นั้องค า นมี ประกอบย อยภายในหลายสวน ซึ ประกอบแต วนนั้ การทํ ่พันธ งองค ่ ละส นจะมี างานที กันสัม และในบทเรี ้ ยนนี เราจะมาทํ  บแบบจํ ่นองค าความรู จักกั าลองซึ ประกอบหลักในระบบ DSS ความแตกต งเป างและความเหมาะ สมในการเลื แบบจํ ละชนิ อกใช าลองแต ด ตลอดจนศึ งตัวอย เ คราะห ลทางธุ ซึ ขราจะศึ นในบทเรี ้ กษาถึ างการวิ ข อมู รกิ ่ อที กษากั จ งหัว ่ เ ยนนี มี ดังนี ้ หัวข อ (Topic) 4.1 ความหมายแบบจํ าลอง 4.2 ประเภทของแบบจํ าลอง 4.3. ประโยชน ของแบบจําลอง 4.4 เครื อทีนการสร ฒนาแบบจํ องมื ช างและพั ่ ่ ใใ าลอง 4.5 การวิ การตัดสิ เ คราะห นใจโดยใช Decision Table 4.6 การวิ การตัดสิ เ คราะห นใจโดยใช Decision Tree 4.7 การวิ การตัดสิ เ คราะห นใจโดยใช Frequent Patterns Tree (FP-Tree) วัตถุ การเรี  ประสงค ยนรู (Learning Objective) 1. บอกความหมายแบบจํ (Models) ได าลอง 2. เปรี ยบความแตกต ยบเที างของแบบจํ ละประเภทได าลองแต 3. บอกประโยชน ของแบบจําลองได 4. ให าในการเลื เ ครื อสร ฒนาแบบจํ ข อแนะนํ อกใช่ างและพั องมื าลองได 5. สามารถวิ ข โดยใช เ คราะห ล อมู Decision Table ,Decision Tree และ Frequent Patterns Tree (FP-Tree) ได แบบจํ (Models) จัดเป ประกอบหลักที าคัญมากที ในการพัฒนาระบบ DSS ดังนั้ าลอง นองค มี ่ความสํ สุ ่ด นเราควรทราบความหมาย ของแบบจํ อนเริามาใช าลองก ่ มนํ งาน 4.1 ความหมายแบบจํ (Models) าลอง แบบจํ หมายถึวแบบที าลอง ง ตั ช ่วยในการนํ อมูง ๆ ของระบบ เพื าข เหล ไปใช ไขป าเสนอข ต ลา อจะนํ ล ่ อมู านั้ ในการแก ญหา น ตัวแบบนี นโปรแกรม ที อาจจะเป ้ มี ่ ความสามารถในการใช านวณทางคณิ เ พืคราะห ล ค าตอบ หรืลองให สู ตรคํ ตศาสตร วิ ข นหาคํ อเ ่ อมู อจํ า เห็นภาพของข เพืาไปใช  อมู ่ ล อนํ แกหา ปญw w w .no-poor.com/dssandos/C hapter4-dss.htm 1/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห 4.2 ประเภทของแบบจํ (Type of Models) าลอง สามารถจํ าแนกประเภทไดต ้ ดัง อไปนี 1) แบบจํ งบรรยาย (Description Model) ประกอบด าลองเชิ วย · แบบจํ งกราฟ าลองเชิ ก (Graphic Model) : เป าลองที อมู นแบบจํ ่ ลใน แทนข ลักษณะของตรรกะ Logical) มักใช แผนภาพ (Diagram) ต สํ บแสดงข เช าง ๆ าหรั อมู น Document Flow ใช บแสดงการไหลของ ล สํ าหรั เอกสารในกระบวนการทํ างานของระบบ Context Diagram เป นแผนภาพบริ ่ สดงการไหลของข บทที ใชแ าวสารโดยภาพรวมของระบบ Data Flow Diagram (DFD) เป นแผนภาพกระแสข ใช อมู แสดงการไหลของข ่ ล าวสารที ขยายความจาก Context Diagram ให มี ความละเอี ยด ในเรืองของกระบวนการมากยิ เพื ผูนาโปรแกรมนั้ ่ งขึ อใหัฒ ่ ่  น ้ พ น สามารถเข าใจกระบวนการของระบบ ซึ จะแตกออกเป ต ง DFD ่ น level าง ๆ หลายระดับ มี า “แล งแตก DFD ออกทั้ ่ ถึ ยงพอ “ คํ อ แตกให ยดที เมืกวิ คํ าถามว วต อ งหมดกี งจะเพี level าตอบคื ละเอี ่ ่ เ คราะห สุ อนั ด ระบบ(System Analyst : SA) ส DFD เพื โปรแกรมเมอร วเข และสามารถเขี งมอบ อให ่ ดู าใจ แล ยนโปรแกรมไดานวนของ level ที จํ เ รา ่ จะแตกนั้ถืนการสิด นก็ อเป ้ นสุ · แบบจํ าลองการเล ง (Narrative Model) ใช าเรือ ่ บรรยายเรื วยภาษาธรรมชาติ องราวด ่ (Natural Language) เล งหรื าเรื อบรรยายสิง ๆ ที อ ่ งต ต ่ ่า องการ · แบบจํ งกายภาพ (Physical Model) เป าลองทางด าลองเชิ นแบบจํ านการออกแบบสิ ง ่ นํา Input Design) การออกแบบผลลัพธ Design) เช าลองการสราน แบบจํ  หรื ตู าเข (Output น แบบจํ างบ าลองหุ นยนต อการ น เคลื หรื อนไหว ออาจจะเป าลองในโปรแกรม 2 มิ 3 มิ น การเขี านและแบบเครื กรกลด ่ นแบบจํ ติ ติ และ เช ยนแบบบ องจั ่ วยโปรแกรม AutoCAD เปน นต 2) แบบจํ าลองคงที และแบบพลวัตร (Static and Dynamic Model) ่ · แบบจํ าลองคงที Analysis) เป าลองทีฉพาะกิ ่(Static นแบบจํ ่ ใช จใน เ ชวงเวลาใดเวลาหนึ ่ กรต เชตารางในการวิ งบประจํ ประจํ งตามที ่ องค องการ น เ คราะห าป าไตรมาส หรื วงเวลา อตามช · แบบจํ าลองพลวัตร (Dynamic Analysis) เป าลองสํ บประเมิ นแบบจํ าหรั นสถานการณ ที ่ สามารถเปลี วแปรได ยนตั ่ ตลอดเวลา เช น การประเมิ นโครงการซึ ่ งจะเปลี ่ ยนแปลงตามเวลา สถานการณ ผลของโครงการจะขึ  หรือ นอยู ้ กับ เวลา เปลี ยนแปลงไปตามช าง ๆ สามารถแสดงแนวโน ่ วงเวลาต มและแบบแผนต ได มทุ งเวลา หาค ่ เ คราะห าง ๆ ครอบคลุกช ว าเฉลี ยและวิ ข เปรี ยบตามช อมู ยบเที วงเวลาได แบบจํ ดนี กตัดแปลงมากจากแบบจํ ล ซึ าลองชนิ้ ง ่ จะถู าลองแบบคงที ่สามารถนํ าลองชนิ้ าแบบจํ ดนี ไป ประยุ ช ดสิ าหนดช การ กต ับการตั นใจกํ องบริ ใก รับฝากเงินของธนาคาร ตามช าง ๆ ซึ องมี เ คราะห า ทุ ทํ นทรกร วงเวลาต ่ งจะต การวิ ก กวัน างานจั – ศุ ตามเวลางานของธนาคาร มี อนว ชวง เวลาใดบ่ ามาใช ารฝาก-ถอนเปานวนมาก ควรจะจัดช บริ านวนกี แลหากวันเวลาเปลี างทีลู บริ กค ก นจํ องให ารจํ ่ วถ ก ช อง า ยนแปลงไป เช ่ น ทุ สิ อน การใช ารจะเปลี กวัน ้ นเดื บริก ยนแปลงเป างไรบ ่ นอย าง 3) แบบจํ าลองทางคณิ ตศาสตร (Mathematics Model) ประกอบด วย · แบบจํ าลองในการหาทางเลื ่ี (Optimization Model) อ กที่ ดีุ ทส ด 1. การหาทางเลื ่ีสํ บป ่างเลื อ ย ได อ กที่ าหรั ญหาที อ กน แก ดีุ ทส ด มีท - ตารางตัดสิ (Decision Table) เป นใจ นตารางการตัดสิ างง แกหาที ี บซ มี นใจอยาย ป ่ ความซั อน ญ ไม ม ทางเลือกในการตัดสิ มากนัก นใจไมw w w .no-poor.com/dssandos/C hapter4-dss.htm 2/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห - แผนภาพต การตัดสิ (Decision Tree) ใช างต (Tree) เป าลองในการตัด นไม นใจ โครงสรนไม นแบบจํ สนใจ ซึ ง Decision Tree มี ประกอบ คื node หมายถึ ตัวแรกด สามารถแตกกินสาขา ที ยกว ่ องค อ Root ง node านบน งก ่ า เ ราเรี ่ า Branch ซึ Left Branch กับ Right Branch ทั้ Branch สามารถขยาย (Expansion) ลู ของตนเองออกไปได ซึ ของ Branch จะ งจะมี ่ ง2 กๆ อี ่ ก งลู ก เรี า Child สnode ที level ท ด เราจะเรี า Leaf node ยกว วน อยู ายสุ ่  ยกว Decision Tree จะใช  าย ๆ ที่ มาก ไมซ เพื เ ห็ อมู หรับตัดสิ ง ้ แกหาง ่อนไขไม ซับ อน ่ นภาพข สํ ปญ มี เ งื อให ลา นใจได น ายขึ 2. แบบจํ ่ าลองที ใชAlgorithm ใชการหาคํ ้ นไปสํ บวิ Decision Table และ Decision Tree ดังนั้ เ มื าตอบนันยุ อ ่ งยากเกิ าหรั ธี แบบ น แบบจํ ่ Algorithm (Alg) ในการทํ ้งเหมาะกับป ่างเลื าลองทีมี การใช างานนัน จึ ญหาที อกมากมาย ผู นใจเกิ บสน ไม มี ท ตัดสิ ดความสั  สามารถ เลื อกได อง จึ งใช อกทางเลื ถู งต Algorithm มาช กต อ วยในการวิ ซึ เ คราะห ประกอบด ง ่ วย - แบบจํ การโปรแกรมเชิน (Linear Programming Model) าลอง งเส แบบลํ ดนี ยสู อสมการทางคณิ านวณ มี าลองชนิ้ ต ตรหรื องอาศั ตในการคํ องค ประกอบของการกํ Function วัตถุ (Objective function) ตัวแปรอิ (Independence variable) ตัวแปรตาม าหนด ประสงค สระ (Dependence variable) Function ภายใต ากัด Constrain function) และขอบเขตของตัวแปรในการตัดสิ ข อจํ นใจ สํ บวิ งานนั้ าหรั ธี การใช นสามารถคํ วยมื อใช านวณด อ หรื โปรแกรมอํ านวยความสะดวกที มี ่ความสามารถดาน คํ านวณ Linear Programming ส มักใช เ คราะหปริ การจัดการด วนใหญ กับการวิ เ ชิ มาณ ง านงานผลิเชานวณหาว รัพยากร ต น คํ ามี ท (Resource) อยู ในโรงงานจํ ากัด จะทํ ตโดยใช ยากรที งจํนี ดส าใดจึ าให กํ งสุ  านวนจํ าการผลิ ทรัพ มี า ่ อยากัด ้ วนเท งจะทํ โรงงานมี ด อยู ในสั าไรสู เปนนต - แบบจํ าลองการโปรแกรมเป (Goal Programming Model) ใช าหมาย ในการหา ผลลัพธ าหมายหลาย ๆ ค าการเปรี ยบค จากเป า ทํ ยบเที า (Compare) ในแต าเป ละคาหมายจนกว ผลลัพธ ี วิี แกหา าจะได ที ุ ธีะใช  ดี ่ ด น้ ปญ ท่ จ ส ทีขึ ขกัดที อยูกใช เ คราะห ดสิ เ กิ ภายใต า ่  ในการวิ การตั นใจทางธุ เช ป ่้ ดน อจํ เ รามี มั รกิ น แกหาการผลิการจัดสรรแรงงาน เปน จ ญ ต นต - แบบจํ อ ข าลองเครืาย (Network model) ลักษณะของ Network Model จะคลบ Net หรื ซึ ายกั อ Graph ่ง แตNode มักจะแทนด องต ที นทาง แต องหรื ละ Node นั้ ่ งกัน เรามักนํ ละ วยเมื าง ๆ ่ ต องเดิ ละเมื อแต นจะเชื อมถึ า Network Model มาใชใน การแกหาการเดิ ่ ใช ป ญ นทางเพื ระยะทางสั้่ หรื ป อให นที อแกหาการขนสดิ อยสุแสดงภาพตัวอย Network Model สุ ด ญ งที ทางน ด เ น ่ างของ ดังรู่ ปที4.1w w w .no-poor.com/dssandos/C hapter4-dss.htm 3/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห รู่ ภาพของ Network model ที ะ Node เชื งกัน ปที 4.1 แต ่ ล อมถึ ่ จากรู ป Network หรื นี นว นทางจะเดิ น Loop เราสามารถตัด Loop ทิ การเปลี Graph ให น อ Graph ้ าการเดิ จะเห็ นวนเป งได ่ ้ ยนจาก กลายเป Tree ด ดเส ่(link) เส นหนึ งตังอย ปที วยการตั นเชือม นใดเส ่ ง ดั างในรู่4.2 รู่ การแปลง Net ให Tree ปที 4.2 เ ป น การใช าลอง Network Model นี แบบจํ ้ สามารถคํ โดยใช่ อ Solver ในโปรแกรม Spreadsheet (Excel) านวณได เ ครื องมื 3. แบบจํ าลองสถานการณ(Simulation Model) เป าลองทีทคนิ านคอมพิ ในการ นแบบจํ ่ คทางด วเตอร ใช เ จํ าลองสถานการณ อนจริ อยครั้ ช าลองชนิ้ เครื อในการทํ เ สมื ง บ งที บบจํ ดนี ่ ใแ ่ เ ป องมื น างานของระบบ DSS ลักษณะหลักของแบบจํ าลองสถานการณ Characteristics of Simulation) (Major 1. ใชนแบบการทํ เ ลี ย างานของระบบงานจริ ่นการจํ ่ างสมบู ง ซึ งเป าลองที ค อนข รณw w w .no-poor.com/dssandos/C hapter4-dss.htm 4/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห 2. เป คทีมนํ กับห บัติ นเทคนิ ิ ามาใช องปฏิ ารทดลอง (Technique for conducting experiments) นย ่ ก 3. เป าลองแบบพรรณาหรื นแบบจํ อบรรยาย (Descriptive) 4. บ ้ ช  ่ บซ ๆ (very complex) และป ่ ่ ง อยครังที กหาที ใ แ ปญ มี ความซั อนมาก ญหาที ยงสู มีความเสี (risky problems) ขของแบบจํ อ ดี าลองสถานการณ (Advantages of Simulation) 1. ตามทฤษฎี จัดเป าลองทีานได แล นแบบจํ ่ โดยตรงสามารถใช อนาคตได ว ใชง คาดการณ 2. ลดความกดกันด (Time compression) านเวลา 3. เป าลองเชิ (Descriptive) คื นแบบจํ งพรรณา อ สามารถบรรยายให รูงได เ ห็ ร นปา 4. ผูนาระบบสนับสนุ ดสิ สามารถใช าลองชนิ้ ตอบกับผู ผูและมี ดคุ พัฒ  นการตั นใจ แบบจํ ดนี ในการโต  จัดการ  การพู (share) ใช ย ถึ หาร นไดงใกล งป วมกั อย ชิ ญ า ด 5. แบบจํ กสร าลองถู างมาจากมุ มมองของผู คื างแบบจํ ่ มมองของผู ารได จัดการ  อ สร าลองที มาจากมุ บริ  ห 6. ผู จํนจะต าใจป างครอบคลุ แบบจํ กจํ ทํ ายสถานการณ ผู าร จัดการไม  าเป องเข ญหาอย ม าลองจะถูลองให า างานคล จริ  ง บริ ห สามารถป อมูกํ าตัวแปรและแทนค อนข าหนดค ล าลงไปในแบบจํ ซึ จะทํ อนระบบงานจริ าลอง ่ างานเหมื งมัน ง 7. สามารถผันแปรกับประเภทของป คื ดการกับป หลากหลายชนิ ญหา อ จั ญหาได ด 8. สามารถทดลองกับตัวแปรที มี ่ความแตกตนได างกั 9. สามารถใช ับระบบจริ ี บซ ไดก งที มความซั อน ่ 10. ง ายในการวัดประสิ าพและกํ ศทาง ทธิภ าหนดทิ 11. ใช เครื อในการพัฒนาระบบ DSS สํ บแกหาแบบไม าง เ ป ่ น องมื าหรั ป ญ มี โครงสร 12. เพิ สมบัติ มคุ ของของการใช spreadsheet เข ่ ณ งาน ามาในแบบจํ าลองสถานการณได ข กัดของแบบจํ อ จํ า าลองสถานการณ (Limitations of Simulation) 1. ไม บประกันได เป สามารถรั ว นแนวทางในการแกหาที ุ า ป ่ ด ญ ดีที ส ่ 2. ชหรับการประมวลผล าสํ า 3. การจํ าลองสถานการณ ได ญหาเดี ไม จะใช ับป ยว สามารถปรับใช ญหาอื ก กับป ่ นได 4. บางครั้ เ คราะห งอาจวิ ผิ ดพลาด 5. การใช Software ประเภทจํ งาน าลองสถานกาณอนข อํ ค างยากไม านวยความสะดวกต ช อผู ใ  (not user friendly) วิ ธี การของการจํ าลองสถานการณ(Simulation Methodology) มีตอนการจํ ขั้ น าลองระบบสถานกาณณงต ้ดั อไปนี 1. กํ ญหา (Define problem) าหนดป 2. สร าลอง (Construct simulation model) างแบบจํ 3. ทดสอบและดู กต ความถู งของแบบจํ Test and validate model) อ าลอง 4. ออกแบบการทดลอง (Design experiments)w w w .no-poor.com/dssandos/C hapter4-dss.htm 5/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห 5. สร างการทดลอง (Conduct experiments) 6. ประเมิ พธ (Evaluate results) นผลลั ที ได ่ 7. นํ แกหา (Implement solution) าไปใช ปญ ประเภทของแบบจํ าลองสถานการณ (Simulation Types) 1. แบบจํ าลองสถานการณ าจะเป ความน น (Probabilistic Simulation) เชน ความน นในการเกิ าจะเป ด เหตุ วิ การณี ธการจะประกอบดการกํวย าหนดความน นให วแปรอิ (เช าจะเป กับตั สระ น Demand ของลู) ของป ้ ทํ กค ญหานัน ๆ าการ า แจกแจงความน น ซึ ื าจะเป Discrete distributions และแบบ Continuous distributions ซึ ษณะภาพรวมเป าจะเป ่ อความน นแบบ งก็ ค งลัก ่ น ดังนี ้ - Discrete distributions การแจกแจงไม ่ ใชมี การณขึ างจํ คื ค ต อง เ มืหตุ เ กิ อยากัด อระบุ อเนื ่ อเ ด้ น า ของตัวแปรได แตยวิ  ความน นในการแจกแจงความน น ชัดเจน อาศั ธี มค าจะเป การสุ า าจะเป - Continuous distributions การแจกแจงแบบต ่ใช  ่หตุ ที อเนื แกหาเมื การณ อง ปญ อมี เ ่ เป เ กิ อย จํ นไปไดขึ างไมด ด้ น ากั 2. แบบจํ าลองสถานการณี มพันธ (Time dependent versus time independent simulation) เช วงเวลาของการ ที มความสั ่ กับเวลา น ช จราจร 3. แบบจํ าลองภาพเสมื ง (Visual simulation) เช อกซื ค อนจริ น การเลื ้ าในตลาดเสมื ง ห ดเสมื ง อสิ น อนจริ องสมุ อนจริ 4. แบบจํ งวัตถุ าลองเชิ (Object-oriented simulation) 4. Heuristic Algorithm ใช บหาคํ ่ ุ สํ าหรั าตอบที ด ในการแกหาที บซ เมื หานั้ สามารถ ดี ที ส ่ ป ่ ญ มี ความซั อน ่อป นไม ญ วิ ดธีแล เ คราะห อน ว เราจะใช วยวิ ่ ื Heuristic ระบบที Heuristic ได ระบบผูวชาญ (Expert System : ES) และป มี ่ การใช แก  เ ชี ย ่ ญญา ประดิ (Artificial Intelligent :AI) ใช เ คราะห งการคุ ษฐ กับการวิ ที ณภาพ ต ่อ การเขี ยนโปรแกรมโดยใช Heuristic Algorithm ลักษณะของโปรแกรมจะเป ี นหา (Search) ซึนแนวทางแกหาที ที นวิธในการค งเป ่ ป ่ ่ ญ เ ปน น าพอใจ ทํ เ ร็ เ วลาน ทํ นหากฎ (Rule) ในการแกหาที บซ เป างานไดและใช อย าการค ว ป ่ ญ มี ความซั อนไดนแนวทางทีอสํ บการแกหาที ดี ่ าหรั พ ป ่ ญ มี ความซับซ อน เมื ถ ึ Heuristics อ ไหร ่ งจะใช 1. ข ไม อมี ากัดในการนําข อมู ตรงหรื  ล ขอจํ าเข มู อล 2. ระบบงานจริ วามซับซ งมีค อน 3. ต องการความน่ ที าเชื ่ อถืAlgorithm อื สามารถทํ อ นไม าได ่ 4. เมื ีใช อวิ ่ อื เ วลาในการคํ ่ นจํน ธ่น านวณที าเป มากเกิ 5. ต บปรุ ทธิ ให ลที ุ องการปรั งประสิ าพ ได ่ ด ภ ผ ดีที ส ่ 6. แกหาที บซ ป ่ ญ มี ความซั อน 7. สํ บประมวลผลข ที สัญลักษณ าหรั อมูป ล่ เ น symbolic processing)w w w .no-poor.com/dssandos/C hapter4-dss.htm 6/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห 8. เพื ดสิ ่ ว อการตั ่ นใจทีรวดเร็ ขของ Heuristics (Advantages of Heuristics) อ ดี 1. งอการเข ง ายต าใจ ายในการสร างระบบและการแปลความหมาย 2. ช กคนให วามคิ างสรรค วยฝ ใช ดสร ค 3. ประหยัดเวลา เพราะไม สู านวณที นไป ต ตรคํ ่ องใช มากเกิ 4. ประหยัดเวลาในการเขียนโปรแกรมและการจัดเก็อมู บข ในคอมพิ ล วเตอร 5. บ ้ แนวทางในการแกหามากกว ่ อยครังอาจได ป ญ าหนึงทาง 7. สามารถพัฒนาแนวทางการวัดคุ ณภาพได 8. รวมวิ intelligent search เขด ธีการ าไว วย 9. แบบจํ าลองสามารถแกหาที บซ ๆ ได ป ่ ญ มี ความซั อนมาก ข กัดของ Heuristics (Limitations of Heuristics) อ จํ า 1. ไม นวนวิ ป ่ ุ รับประกั าเป ี ญหาที ด ธการแก ดี ทีส ่ 2. ค างมี อนขกฎเกณฑ อยกเว และข นมากมาย 3. การตัดสิ กจะไม งถึ พธ นใจมั คํ งผลลั ที านึ จะตามมาในภายหลัง ่ 4. การพึ ยซึ และกันของระบบย subsystems) จะมี พลต ระบบ งพาอาศั ่ ่ งกัน อย อิ อทั้ ทธิ ง ป ันมี ารใช จจุ วิ Heuristic Algorithm ตัวใหม เช search algorithm, Genetic algorithms และ Simulated annealing บ ธี ก ๆ น Tabu algorithm · แบบจํ าลองทางการเงิ น (Financial Model) เป สูหรื นการใช อ Function ตร ต ในการคํ านการเงิ น การคํ าง ๆ านวณด น เช านวณหายอดเงิอนชํ าสิาต การคํ นผ าระค คงวด น อ านวณหาราคาสิาที นคราสามารถจะซื ภาย เ ่ อได ้ ใต นที งจํ การคํ นผ าระเมื ราดอกเบี ารเปลี จานวนเงิ่ อยากัด ํ มี า อยู านวณเงิอนชํ ่ ออัต ยมี ่ ้ ก ยนแปลง ซึ าลองทางด นนี งแบบจํ ่ านการเงิ้สามารถ คํ ด อหรื อกใช านวณได วยมื อจะเลื ความสามารถของโปรแกรม Spreadsheet (Excel) ซึ Function และ Tools ที งจะมี ่ จัดการทางด น ่ านการเงิ อาทิเ ช น - function PMT() : ใช นผ าระต คํ านวณเงิอนชํ องวด - Scenario : ใชงตารางวิ ทางการเงิ่ากกว ่่ สร เ คราะห นที าหนึอนไข า มี ม งเงื - Data Table : วิ เ งิอนชํ ่ ราดอกเบีนแบบผันแปร เ คราะหผ าระเมื น ออัต ยเป ้ · แบบจํ าลองทางสถิ ติ (Statistical Model) ใช านสถิ านวณ สามารถ สู ตรทางด ติ ในการคํ คํ อมู ตเพื านวณข ในอดี ่ ล อพยากรณ าจะเป ความน นในอนาคต (Predictive Model) อาทิ การใช เ คราะห คอฟ การ เ ช แนวการวิ ของมาร น วิ อนุ เ คราะหกรมเวลา การวิ สมการถดถอย เ คราะห ผู อผู นใจนั้ องตัดสิ จัดการหรื ัดสิ นจะต นใจภายใต  ต  สถานการณ คื ตัดสิ แบบ อ 1) นใจภายใตw w w .no-poor.com/dssandos/C hapter4-dss.htm 7/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห สถานการณ นนอน (Certainty) สามารถใช าลองที ความแน แบบจํ ่ ชัดเจนได (Certainty Models) 2) การตัดสิ นใจภายใต สถานการณความไม แน (Uncertainty) 3) การตัดสิ นอน นใจภายใต สถานการณี ่ Risk) ซึ ที ยง มความเสี ่ ง สถานการณ -3 ต ยการวิ จากแบบ ่ ที องอาศั ่2 เ คราะห จํ วมกับประสบการณ  นใจเข วยในการตัดสิ าลองร ของผู ตัดสิ ามาช นใจ 4.3 ประโยชน ของแบบจํ าลอง 1. ดานเศรษฐศาสตร (Economic) ข ที ากการวิ สํ บแกหาในธุ มี าเชื มากกว อมู ด เ คราะห ล่ไจ าหรั ป รกิ ความน่ ญ จ อถื าการใช อ ประสบการณ งอย ยว อี ยังมี จ เ พี างเดี กทั้ ค ายในการวิ จากแบบจํ มาก ทํ รวดเร็ ย ง าใช เ คราะห าลองไม างานได ว 2. ดานระยะเวลา (Time) สามารถทํ ภายใต นด และทันต องการ างานได ความกดดั านเวลา อความต ใชงาน 3. ดานการทดลองแทนมนุ(Experiment) ใช บเหตุ การทํ าง ๆ ทีงอันตรายแทนมนุ ด น แบบ ษย ทดลองกั การณ างานต ่ เ สี ย ่ ษย เช ไ จํ ่ โครงสร าลองเพื อวัด างความแข็งแรงของตึ่ดตึ มหรืดไฟไหม าลองที ับภาพยนต กเมื กถล อเกิ อเกิ แบบจํ ่ใช ก Action หรื แต าลอง อแม บบจํ แ การหาสาเหตุ ่ นตก เปน ของเครืองบิ นต 4. สามารถทํ าใจและมองภาพของป าความเข ญหาภายในไดงชัดเจน (View of problem) อย า 4.4 เครื อ ทีนการสร ฒนาแบบจํ อ งมืใช ่ ่ ใ างและพั าลอง 1. เขี ยนโปรแกรมด าง ๆ ตามความถนัด เช วยภาษาต น Visual Basic (VB), VB.Net, Delphi, C, C++, Visual C, Java , PowerBuilder ฯลฯ แต ่กใชต านึความเหมาะสมกับลักษณะของงานด ภาษาที นั้องคํ ถึ เ ลื น อ งง วย 2. ใชโปรแกรม Spreadsheet เช หรื น Excel อ Lotus 3. คํ วยสู านวณด ตรทางคณิ และสถิ ตศาสตร ติ 4. ใช ในการวิ เช Tools เ คราะหน Cognos , DBMiner เปน ผูนาระบบ DSS ควรศึ งความสามารถและลักษณะเด นต  พัฒ กษาถึ น ของ Tools แต ด เพื เ ลื ไดงเหมาะสมกับประเภทของงาน ละชนิ ่ อกใช ย อจะได อา ตัวอย แผนภาพแบบจํ าง : าลอง 1. Influence Diagrams เป นแผนภาพแบบจํ ่ าลองที แสดงผลด ก โดยใชลักษณ ้ วยกราฟ สัญ ต ในการแทนความหมาย อไปนี สี ่(Rectangle) เ หลี ่ ยม = ตัวแปรการตัดสิ (decision variable) นใจ วงกลม (Circle) = ตัวแปรอิ (uncontrollable variable) ไม สระ สามารถควบคุ จะอยู มได  ระหว างกลางระหว่ ่ บวงรี น ราคาต วย างสี ยมกั เ หลี เช อหน (Unit Price), ราคาขายต วย (Units Sold), ตนต วย อหน นทุอหน (Unit Cost) และ ตนคงที Cost) นทุ ่ (Fixed วงรี (Oval) = ตัวแปรผลลัพธ ่  างกลางหรื  ดของ อาจเชื ระหว อมอยู ออยู ทายสุ แบบจํ ซึแปรแต วจะเชื อกันโดยใช าลอง ่ งตัว ละตั อมต ่ สู กศรw w w .no-poor.com/dssandos/C hapter4-dss.htm 8/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห รู่ Diagram ปที4.3 for Profit Model รู่ Diagram of a Market Model ปที 4.4 รู่ Diagram of a Price Sub-model ปที 4.5 รู่ Diagram of a Sales Sub-model ปที 4.6 2. Modeling in Spreadsheets การใช าลองในโปรแกรมสเปรดชี แบบจํ ต โปรแกรม Spreadsheet เปนโปรแกรมที นิ ามาใช เครื อในการสร ผู ่ ยมนํ เ ป ่ ใช  น องมื างw w w .no-poor.com/dssandos/C hapter4-dss.htm 9/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห แบบจํ เพราะมี าลอง function การใช ่ งานทีมี ประสิ าพ มี ที Add-in ทธิ function ่ ภ สามารถ เข งานได ้ ่ อ solvers ใน ามาใช รวมทังเครื องมื การชเ คราะห ่ ญยังมี่ อใน วยวิ และที สํ เ ครื าคั องมื การวิ analysis) สร เ คราะห างการวางแผน (planning) สามารถเขี ยนโปรแกรมและใช macros สามารถใช analysis, Goal What-if seeking และจัดการกับฐานข อยายได อมู างง ล ซึงโปรแกรม Spreadsheet ได Microsoft ่ แก Excel และ Lotus 1-2-3 โปรแกรม Excel จะสามารถสร าลองทางด ตไดงง เนื างแบบจํ านสถิ อยายดาย ่ ิ า องจากสามารถใช สูตรในการคํ านวณ ได รู่ ปที 4.7 Graphical Display รู่ Simulation Environment ปที 4.5 การวิ การตัดสิ เคราะห นใจโดยใช Decision Table ตารางการตัดสิ (Decision Table) จัดเป าลองทางคณิ นใจ นแบบจํ ตศาสตร ่ เพื อการหาทางเลื ่ ุ าหรับป ่างเลื อกที ด สํ ญหาที อก ดี ที ส ่ มี ท น โดยการทํ ้ งตารางเป ส อย างานนันจะแบ น 4 วน ตัวอย : ให การชํ นและการซื ค กคโดยมีนไขในการขายสิาและมี าเกิ กับเหตุ ต าง วิ เ คราะห าระเงิ อสิ ้ าของลู น า เ งื อ ่ นค การกระทํดขึ การณ น ้ าง ๆ ดังนี้w w w .no-poor.com/dssandos/C hapter4-dss.htm 10/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห Condition (เงื อ นไข) ่ 1. สิาราคา นค 20,000 บาทขึ นไป ้ 2. ชํ วยด าระด วย เช็ค 3. ชํ วยบัตร าระด เครดิ ต Action ( แนวทาง ปฏิิ บัต) 1. เลือกขายโดยใช พนักงานขายตรง 2. ทําการตรวจ สอบบัตรเครดิ ต จากสํ งานใหญ านัก 3. ให าเลื ลู อก กค หยินคยตนเอง บสิาด ว 4. ทํ าการตรวจสอบบัตรเครดิ ตของธนาคารอื น ่ จากเงื อนไขและแนวทางปฏิ งกลจงวิ หาคํ า ถงื (Condition) เกิ ใน ่ บัตดั าว เ คราะห าตอบวามีนไข เ่อ ดขึ น ้ การขายสิา จะเลื นค อกแนวทางปฏิ ับทางร างไร พนักงานขายในร บัติ านอย ก านควรตอบสนองต การณางไรบ อเหตุ อย าง มีตอนการวิ ดังนี ขั้ น เคราะห ้ Step 1 : กํ “Condition” ซึ ละ Condition มี อก (Choice) คื าหนด งแต ่ 2 ทางเลื อ Y/N Condition Choice (เติ่ มเงื อนไข) (Doing / Not Doing) (Y/N) Action Rule (เติ มแนวทางปฏิ องพนักงาน) บัติ ข (พิ จาณากฎขป ) อที ไปได เ น ่ Step 2 : คํ Column ของ Table านวณหา = (Choice ^Condition) Column = 2^3 = 8w w w .no-poor.com/dssandos/C hapter4-dss.htm 11/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห Step 3 : เติ อก Y/N ในแตCondition มทางเลื ละ = (Column / Choice ) ทางเลื Condition 1 อกใน = 8/2 = 4 ß หมายถึ = 4, N = 4 งY ทางเลื Condition 2 อกใน = 4/2 = 2 ทางเลื Condition 3 อกใน = 2/2 = 1 Step 4 : ตัด Choice ที ไปไม ิ ß ได1,4,5,8 เ ป ได ่ น ท้ งไป แก มข ในตารางได ้ 3 = 8 Column / 2 = 4 ทางเลืY/N) Step 5 : เติอมู ล ดังนี (2^ อก ขายสิา >= 20,00 บาท ( 8/2 = นค Y Y Y Y N N N N 4) ชํ วยเช็ าระด ค ( 4/2 = 2 Y Y N N Y Y N N ) ชํ วยบัตรเครดิ ( 2/2 = 1 าระด ต Y N Y N Y N Y N ) การขายจากพนักงานขายตรง ตัด ü ตัด ตัด ตัด ตรวจสอบบัตรเครดิ ตจาก ตัด ü ตัด ตัด ตัด สํ งานใหญ านัก ลูเลื บสิาด กคอกหยินคยตนเอง า ว ตัด ตัด ตัด ü ตัด ตรวจสอบบัตรเครดิ ตของธนาคาร ตัด ตัด ตัด ü ตัด อื น ่ ตารางที Decision Table ่ 4.1 Step 6 : อ าสรุ านคป จากผลลัพธ ของตารางที ได ่ 1. ถ นค าขายสิาราคามากกว อเท 20,000 , และลูชํ นด ค , แสดงวนการขายจากพนักงานขายตรง าหรืากับ กคระเงิวยเช็ าา าเป 2. ถ นค าขายสิาราคามากกว อเท 20,000 , และลูชํ นด ตรเครดิให าหรืากับ กคระเงิวยบั าา ต , ตรวจสอบบัตรเครดิ านักงาน ตจากสํ ใหญ 3. ถ นค ํา 20,000 , และลูชํ วยเช็ให าเลื บสิาด าขายสิาราคาต่ ากว กคระด ค , ลู อกหยินคยตนเอง าา กค ว 4. ถ นค ํา 20,000 , และลูชํ ตรเครดิให าขายสิาราคาต่ ากว กคระบั าา ต , ตรวจสอบบัตรเครดิตของธนาคารอื น ่w w w .no-poor.com/dssandos/C hapter4-dss.htm 12/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห ตัวอย : การวิ การลงทุ าควรเลื นกับพันธบัตรรัฐบาล, เก็ไรจากหุ อค ตราต าง 2 เ คราะห น ว อกลงทุ งกํ  าเงิ างประเทศ หากมี า น หรื น สถานการณ ในการลงทุงต ้ นดั อไปนี สถานการทางเศรษฐกิ นป ที มไม จ (เปจจัย ่ ควบคุ ได ค ดของ ) ามากสุ ค ยสุ าน ดของ อ ทางเลือก เศรษฐกิ คง จมั่ น ภาวะเงิด นฝ เงิ อ นเฟ ทางเลื อก ทางเลื อก การลงทุน (Maximax) (Maximin) พันธบัตร 12% 6% 3% 12% 3% หุ น  15% 3% 2% 15% 2% เงิ าง นตราต 6.5% 6.5% 6.5% 6.5% 6.5% ประเทศ ตารางที ข การลงทุ ่ อมู น 4.2 ล พิจารณาทางเลือกของการตัดสิ 2 กรณี นใจได 1. เกณฑ ดสิ การตั นใจภายใต แน (Decision making under Uncertainty) ความไมนอน 1.1 ใช มาก มากที(Maximax Criterion) เ กณฑ สุ ่ด เป มองโลกในแง นเกณฑ ดี (Optimistic Criterion) คืจารณาเลื พธ ผลตอบแทนสู อพิ อกผลลั ที ให ่ งสุ ด จากตาราง 4.1 จะเลื นในหุ กรณี จมั่ อกลงทุ  น ß เ ศรษฐกิ คง น 1.2 เกณฑยมากที(Maximin Criterion) น ่ อ สุ ด เป มองโลกในแง (Pessimistic) คือกที ลตอบแทนน ด นเกณฑ ร าย อเลื ่ ให ผ อยสุ จากตาราง 4.1 จะเลื นในเงิ างประเทศ ß กรณี จมั่ อกลงทุ นตราต เ ศรษฐกิ คง น 1.3 เกณฑค าการขาดทุ ยโอกาสมาก น ่(Minimax Regret Criterion) นเสี อยที สุ ด เป าตารางการขาดทุ ยโอกาส มาพิ าการขาดทุ ยโอกาส นการนํ นเสี จารณาค นและเสี มากสุ งจากนั้ อกค ยสุ ด หลั นเลื าน ด อw w w .no-poor.com/dssandos/C hapter4-dss.htm 13/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห ตัวอย ตารางการขาดทุ ยโอกาส าง : นและเสี ความต องการของลู กค า คสุ าสู ของทาง ง ด ทางเลื อก สูง ปานกลาง ต่ า ํ เลือก ตั้ งโรงงานผลิ ตเอง 0 20 15 20ü จางโรงงานอื น ่ 25 10 2 25 ซือ ้ 150 180 250 250 ตารางที แสดงตารางการขาดทุ ยโอกาส ่ 4.3 นและเสี 2. เกณฑ ดสิ การตั นใจภายใต ่(Decision making under risk) ความเสี ยง ใช การใชกเหตุ LAPLACE Criterion การตัดสิ เ กณฑ หลั ผลของ นใจประเภทนี  ไม งพอต ดสิ ดังนั้อว ้ อมู เ พี อการตั นใจ นถื มี ล ย ข า “ทุ กสถานการณ มี ดขึ ากัน” โอกาสเกิ เท น ้ สถานการทางเศรษฐกิ จ ค ง าคาดหวั ทางเลื อกการลงทุ น (เปจจัยที มไม นป ่ ควบคุ ได ) (Expect Value) เศรษฐกิ คง จมั่ น ภาวะเงิด นฝ เงิ อ นเฟ พันธบัตร 12% 6% 3% 7 หุน  15% 3% 2% 6.67 เงิ างประเทศ นตราต 6.5% 6.5% 6.5% 6.5 ความน น าจะเป 1/3 1/3 1/3 ตารางที ตารางข สถานการณ น ่ 4.4 อมู ล การลงทุ พันธบัตร (12*1/3)+(6*1/3)+(3*1/3) = 7 ß เลื ามากสุ อ กค ด หุน  (15*1/3)+(3*1/3)+(2*1/3) = 6.67 เงิางประเทศ นต (6.5*1/3)+(6.5*1/3)+(6.5*1/3) = 6.5 2.1 ใช มูคาดหวังสู เ กณฑ า ลค งสุ ด โดยเลื จจัยที าไรคาดหวังไว ด ใช ารประมาณความน นที ดขึ อกป ่ มี ผลกํ สู วิ งสุ ธีก าจะเป่ อาจจะเกิน ้ มาคํ านวณในแต อก และเลื าสู ละทางเลื อกคสุ ง ด สถานการทางเศรษฐกิ นป ที มไม จ (เปจจัย ่ ควบคุ ได ) ทางเลือกการ ค ง าคาดหวั เศรษฐกิ คง จมั่ น ภาวะเงิด นฝ เงิ อ นเฟ ลงทุน (Expect Value) (~0.55) (~0.25) (~0.2) = (1) พันธบัตร 12% 6% 3% 8.7w w w .no-poor.com/dssandos/C hapter4-dss.htm 14/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห หุน  15% 3% 2% 9.4 เงิ าง นตราต 6.5% 6.5% 6.5% 6.5 ประเทศ 33.5 15.5 11.5 (60.5) ประมาณความน า 55.37% 25.62% 19.01% จะเป น (33.5*100/60.5)=55.37% รวม = 100 55.37% = 0.55 ตารางที ข การลงทุ ่ อมู น 4.5 ล พันธบัตร (12*.55)+(6*.25)+(3*.2) = ……………………. หุน  (15*.55)+(3*.25)+(2*.2) = ……………………. เงิางประเทศ นต (6.5*.55)+(6.5*.25)+(6.5*.2) = …………………….. 4.6 การวิ การตัดสิ เคราะห นใจโดยใช Decision Tree Decision Tree เป าลองทางคณิ เพื นแบบจํ ตศาสตร่ อการหาทางเลื ่ ุ าหรับป ่างเลื อย โดยการนํ มู อกที ด สํ ญหาที อกน ดี ทีส ่ มี ท าข อล มาสร าลองการพยากรณ ปแบบของโครงสรนไม่ ารเรี  ลแบบมี อน Supervied Learning) สามารถสร างแบบจํ ในรู างต ซึ ยนรู งมี ก ขอมู ครู ส าง แบบจํ าลองการจัดหมวดหมู  (Clustering) ได  อย อมู ํ ล า(Training set) ได ตโนมัติ จากกลุ างของข ที มตัว ล่กาหนดไว วงหน โดยอั และสามารถ พยากรณ ของรายการที เ คยนํ ดหมวดหมู  กลุม  ยังไม ามาจั ่ ได  วย ด การทํ กอยู ปของกฎ (Rule) เช างานมั  ในรู น IF (condition ) Then Statement; ตัวอย าง IF Income = High and Married = No Then Risk = Poor IF Income = High and Married = Yes Then Risk = Good องค ประกอบของ Tree 1.Node แรก เรี า “Root Node” ยกว 2. Root Node จะแตกออกเป ลู น Node ก “Child Node” 3. Child Node ก็ ลู วเอง และ Node สุ ยเรี า “Leaf Node” จะมีกของตั ดท ยกว า ตัวอย Decision Tree าง :w w w .no-poor.com/dssandos/C hapter4-dss.htm 15/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห รู่ Decision Tree ปที 4.9 ขั้ นตอนในการสรDecision Tree าง ่ ดที ในการแบ มู วคัดมาเป“Root Node” 1. หา Attribute ที ญสุ ะใช สํ ่ าคั จ งข แล น อล 2. กํ Target Attribute ในทีื“Leaf Node” าหนด นี ่อค ้ 3. นํที ปไดAttribute ที อก มาแตกออกเป  วเอง “Branch” ได Left Node และ Right Node าคป ใน า่ เ น ถู ่กเลื นกลุ มของตั แก 4. แบ มู ่ งข ตามกลุแตกออกของ Root Node อล มที 4.7 การวิ การตัดสิ เคราะห นใจโดยใช Frequent Patterns Tree (FP-Tree) Frequent Patterns tree (FP-tree) เป ที ้ น Tree ่ นและกะทัดรัด ทํ ข มี มีความสั าให ล ความสมบูในตัวเองมากยิ ใช อมู รณ งขึ ่ ใน น ้ การนับความถี่ ตัวอย จากข Transaction ในการซื ค กค าง : อมู ล อสิ ้ าของลูตามตารางขางนี วิ ว ค น า างล ้ เ คราะหน ารายการใดที ต่ามาตรฐาน ให าสิ ขายได ่ ํ ากว ส นค ายได มาตรฐานให วนสิาที เ กิ ข ่ น นํ ามาแสดงความถี ของรายการสิานั้ ่ นค โดยสร นแผนภาพ FP-TREE น างเป TID Item bought 100 {f,a,c,d,g,I,m,p} 200 {a,b,c,f,l,m,o} 300 {b,f,h,j,o} 400 {b,c,k,s,p} 500 {a,f,c,e,l,p,m,n} ตารางที Transaction ในการซื ค ่ 4.6 อสิ ้ า น Step : 1. คํ านวณหาค า Minimum support เปามาตรฐาน หรืกลางของข นั่ งจํ อมู ่ ่ นค อค า อมูนหมายถึนวนข ครึ งของตาราง ล า ล งหนึw w w .no-poor.com/dssandos/C hapter4-dss.htm 16/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห = (จํ Transaction ทั้ านวน งหมดในตาราง / 2 ) = 5/2 = 2.5 หรื 3 ß Min-support อ= หรืนวณหาได ข ในตารางมี อคํ า จาก อมูล 5 Transaction = 0.5 * 5 = 2.5 หรื= 3 ß Min-support อ 2. ค นหาความถีItem bought โดยเลื ใน ่ อกเอาเฉพาะรายการสิาที ่ 3 รายการขึ นค ี เ กิ มความถี ่ น นไป ้ เราเรี ้ ้ “การ Scan ใน Database (DB) เพื าง Tree ” ยกขันตอนนี ว า อสร ่ TID Item bought (order) frequent items 100 {f,a,c,d,g,I,m,p} { f,c,a,m,p} 200 {a,b,c,f,l,m,o} {f,c,a,b,m } 300 {b,f,h,j,o} { f,b} 400 {b,c,k,s,p} {c,b,p } 500 {a,f,c,e,l,p,m,n} { f,c,a,m,p} ตารางที Scan หาความถี อมู ่ 4.7 ของข ่ ล เช f = 4 น a=3 c=4 d = 1 ß ความถี ึ ตัดทิ ไม ่ง 3 ้ ถ ง - หลังจากตรวจสอบจํ านวนความถีจแล เ ขี เ สร็ ่ ว ใหนลงในช(order) frequent items และจัดเรี าดับ (Sort) ตามจํ ย อง ยงลํ านวนความถี มากไป ่ หานอย Header Table Item Frequency head f 4 c 4 a 3 b 3 m 3 p 3 ตารางที ความถี อมู ด ่ 4.8 ของข ่ ่ ลที ไ 4. นํ มู (order) frequent items ไปสร าข ใน อล าง Treew w w .no-poor.com/dssandos/C hapter4-dss.htm 17/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห (order) frequent items f c a m p f c a b m f b {} c b p f c a m p รู่ ผลลัพธ FP-Tree ปที4.9 ของ แบบฝดท ่ กหั ายบทที 4 1. จงบอกความหมายแบบจํ าลองมาพอสังเขป ตอบ : ……………………………………………………………………………………………........................... ……………………………………………………………………………………………………......................... 2. ในการพัฒนาระบบ DSS นั้ ใช าลองได ไม นไม บบจํ หรื เพราะเหตุ แ อ ใด ตอบ : ……………………………………………………………………………………………........................... ……………………………………………………………………………………………………......................... 3. เปรี ยบความแตกต ยบเที างของแบบจํ ต ้ าลองแต อไปนี 3.1 Decision Tree กับ Decision Table ตอบ : ……………………………………………………………………………………………........................... ……………………………………………………………………………………………………......................... 3.2 Simulation กับ Linear Programming ตอบ : ……………………………………………………………………………………………........................... ……………………………………………………………………………………………………......................... 4. เพราะเหตุ าลองจึนองค ใดแบบจํ งเป ประกอบหลักทีน DSS และแบบจํ ้ประโยชนงไร ใช ่ ใ าลองนันมี อย า ตอบ : ……………………………………………………………………………………………........................... ……………………………………………………………………………………………………......................... ……………………………………………………………………………………………………......................... 5. จงบอกข าในการเลื เ ครื อในการพัฒนาแบบจํ ยกตัวอย อแนะนํ อกใช่ องมื าลอง างของเครื อมา 2 ตัวอย อมทั้ อดี ่ องมื ่ างพร งบอกข องเครื ข อง มื้ อนัน ตอบ : ……………………………………………………………………………………………........................... ……………………………………………………………………………………………………......................... ……………………………………………………………………………………………………......................... …………………………………………………………………………………………………….........................w w w .no-poor.com/dssandos/C hapter4-dss.htm 18/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห ……………………………………………………………………………………………………......................... ……………………………………………………………………………………………………......................... 6. บริประกันภัยแห ่ ความสนใจในสาเหตุ ษัท งหนึ ง มี ของการลดลงของจํ กค 2 ตัวแปรที อ ระยะเวลาที าอยู านวนลู โดยมี า สนใจคื ่ ลู กับ ่  กค บริ(ถื ษัท อกรมธรรม านวนบริ ) และจํ การของบริที าใช ารอยู นได าลูที ับบริน า 2 ป และใช าร ษัท ่ บริ  ลู ก กค จะเห็ ชัดวค ยู ษัท อยกว ครึ บริ กา่ อก ง ่ ก น า 3 บริ มักจะหนี บริ อยกว การ ไปใช ารของบริอื จากข ของบริประกันภัยดังกลจงนํ าง Decision ก ษัท ่ นๆ อมู ษัท ล าว าไปสร Solve : 7. จงวิ ข โดยใช าลอง Decision Tree ตามโจทย ้ เ คราะห ล อมู แบบจํ ต อไปนี โจทย : ต เ คราะหกคชน มี องการวิ ว าทีบ ความสนใจที ้ นเป าลู ่ า เ า จะซื ่ อบ นของตนเองหรื โดยใช ยในการวิ คื า อไม ป จจั เ คราะห ระยะเวลา อ ที าไดบ และอายุ กค มู ลู า า ่ เ ชนมา กค ของลู แสดงข า ลในตาราง ดังต ้ อไปนี Business_info : Table Age Rent_period Buy 23 3 No 36 1.5 No 20 1.5 No 27 2 Yes 20 1 No 50 2.5 Yes 36 1 Now w w .no-poor.com/dssandos/C hapter4-dss.htm 19/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห 36 2 Yes 22 2.5 No 1. ใช ่ สํ บ Root Node ดังนี คํ SQL าหรั าสัง ้ SELECT B.rent_Period, B.Buy,COUNT (*) FROM Buiness_info B WHERE B.Rent_Period > 2 GROUP BY B.Rent_Period, B.Buy ผลลัพธ ของ SQL นี ที ได ่ คื ้ อ Rent_Period Buy Yes No 1 0 2 1.5 0 2 2 2 0 2.5 1 1 3 0 1 2. ใช ่ สํ บ Node ที Child ด อของ Root Node คื คํ SQL าหรั าสัง เ ป ่ น านขวามื อ SELECT B.Age, B.Buy,COUNT (*) FROM Buiness_info B WHERE B.Age >25 GROUP BY B.Age, B.Buy ผลลัพธ ของ SQL นี ที ได ่ คื ้ อ Age Buy Yes No 20 0 2 22 0 1 23 0 1 27 1 0 36 1 2 50 1 0 จากข ดังกล าไปสร น Decision Tree อมู าวจงนํ างเป ล Solve :w w w .no-poor.com/dssandos/C hapter4-dss.htm 20/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห 8. จงวิ ข โดยใช าลอง Frequent Patterns Tree (FP-Tree) ตามโจทย ้ เ คราะห ล อมู แบบจํ ต อไปนี โจทย างสรรพสิาแห ่ องการวิ การขายสิาภายในห : ห นค งหนึง ต เ คราะห นค างของตน ว ารขายสิา ามี นค ก รายการใดที ยอดขายตกต่าเกณฑ สูาเกณฑ ่ ากว หรื กว มาตรฐาน เพื นํ มู ด เ คราะหปใช ข ทางการตลาด ํ อง อจะได อ ล ่ ่ าข ที ากการวิ นี เ ปอมู ไจ ไ ้ น ล เพื  อกระตุ ่ นยอดขายสิาที ํ า Promotion สิา ส อมู ามารถขายได าเกณฑ นค กต่ ต ่ า และทํ นควนข ที ล่ ส สู งกว มาตรฐานนั้ต แสดง น องการให ความถี ของรายการข โดยใช ่ อมู FP-Tree ให แสดงขั้ ล น.ศ นตอนการ Solve ตาม step ของ FP-Tree และเขี ปรายชื ค างห ยนสรุ ่ าที างฯ อสิ ่ น ท ควรกระตุ นยอดขาย  ข Transaction ทีมาจาก Database อมูล เ ก็ ่ บ TID Item bought 001 {แป  ฟกอม,น้ ง,สบู น,ลู ํ ,ยาสี าหอม,แปรง,ลู น,อกไก กเหม็ } 002 {สบูลี ฟ ง,แปรง,ป บน,น้ กหนุ ,สํ น  ,ยาสี,แป กไก ํ  า าพริ ม} 003 {สํ ง,สมุ าลี ด,กรรไกร,น้ กหนุ ,แป าพริ ม} ํ  004 {สํ ฟ ด,เสื ใน,กางเกงชั้ าลี น,สมุ ้ ,ยาสี อชั้ น นใน} Solve :w w w .no-poor.com/dssandos/C hapter4-dss.htm 21/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะหw w w .no-poor.com/dssandos/C hapter4-dss.htm 22/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห 9. จงวิ ข โดยใช าลอง Decision Table ตามโจทย ้ เ คราะห ล อมู แบบจํ ตอไปนี โจทยSuper Market แห ่ งการวิ ช : งหนึ งต เ คราะห อ วงเวลาในการเพิ บริ าระเงิ การกํ มจุ ่ การการชํ น และมี าหนดแนวทางปฏิ ับ ด บัติ ก เหตุ ต ดังนี การณ ๆ ้ าง Condition (เงือ นไข) ่ 1. ถ ปกติ วงเวลาตั้ าวัน ในช งแต น. 2. ถ องบริ 2 ช าลดช การ องจากปกติ 3. ถ่ งบริ 5 ช าเพิ การ องจากปกติ มช อ 4. ถนวันสิ อน าเป ้ นเดื 5. ถ่ งบริ 10 ช าเพิ การ องจากปกติ มช อ Action ( การกระทํ า) 1. ใชกงานเก็นช 1 คนตามปกติ พนั บเงิองละ 2. ให ปองแลกซื ค่ เกิ บาท แจกคู อสิ อซื ้ าเมื น 1,000 น อ ้ 3. ใชกงานเก็นช 2 คนเพิ พนั บเงิองละ มจากปกติ ่ ใหศึ าข ไปสร น Decision Table นัก กษานํ มู างเป อล Solve :w w w .no-poor.com/dssandos/C hapter4-dss.htm 23/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะหw w w .no-poor.com/dssandos/C hapter4-dss.htm 24/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะห copy right @ ณัฎภัทรศญา ทับทิ มเทศ, "ระบบสนับสนุ นการตัดสิ นใจ”, 2550 บรรณานุ กรม Efraim Turban, “Decision Support and Expert Systems Management Support Systems”,Prentice Hall,2001. David L. Olson, James F. Courtney JR, “Decision Support Models and Expert Sysstem”,Macmllan publishing company, USA,1997. John S. Edwards and Paul N.Finlay, “Decision Marking with Computer-The Spreadsheet and Beyound”, Pitman Pulishing, Great Britain, 1997. Daniel J. Power, “Decision Support System-Concept and Resources for Managers”, Quorun Books, London, 2002. D. Agrawal, A. E. Abbadi, A. Singh, and T. Yurek. Efficient view maintenance in data warehouses. In Proc. 1997 ACM-SIGMOD Int. Conf. Management of Data, 417-427, Tucson, Arizona, May 1997. R. Agrawal, A. Gupta, and S. Sarawagi. Modeling multidimensional databases. In Proc. 1997 Int. Conf. Data Engineering, 232-243, Birmingham, England, April 1997. S. Chaudhuri and U. Dayal. An overview of data warehousing and OLAP technology. ACM SIGMOD Record, 26:65-74, 1997. J. Gray, S. Chaudhuri, A. Bosworth, A. Layman, D. Reichart, M. Venkatrao, F. Pellow, and H. Pirahesh. Data cube: A relational aggregation operator generalizing group-by, cross-tab and sub-totals. Data Mining and Knowledge Discovery, 1:29-54, 1997. E. Thomsen. OLAP Solutions: Building Multidimensional Information Systems. John Wiley & Sons, 1997. กิ ภักดี นะกุ คัมภีะบบสนับสนุ ตติ วัฒ ล, ร ร นการตัดสิ นใจและระบบผู่เชี ย วชาญ”, บริ เคทีคอมพ ษัท พี แอนด คอนซัลท จํ ด 2546 ากั http://www.microsoft.com/data/oledb/olap, 1998. http://www.olapcouncil.org/research/apily.htm, 1998. http://www.prenhall.com/turban/ http://www.uni.net.th/~08_2543/CHAP09/901.html www.No-Poor.com กิ ฟฟารี รกิ ม,อาชี ม,รายได ม,ธุ จออนไลน น,ธุ จเสริ พเสริ เสริ รกิ , giffarinew w w .no-poor.com/dssandos/C hapter4-dss.htm 25/26
    • 9/3/12 แบบจํ าลองและการวิ เคราะหw w w .no-poor.com/dssandos/C hapter4-dss.htm 26/26