Cofnij Strona główna Informacja jako kategoria ontologiczna Strona główna Informacja w podejmowaniu decyzji  
Motto:
Poszukiwania nie mniej ważne niż w sferze teoretycznej prowadzone są także w sferze praktycznej: mam na myśli poszukiwanie prawdy odnoszącej się do dobra, które należy spełnić." Św. Jan Paweł II Encyklika Fides et Ratio

Spis treści

  1. Wstęp
  2. Model procesu decyzyjnego
  3. Podejmowanie decyzji: model cybernetyczny
  4. Podejmowanie decyzji: model racjonalny
  5. Sposoby podejmowania decyzji
  6. Strategie w podejmowaniu decyzji
  7. Podejmowanie decyzji: ograniczona racjonalność
  8. Zasada maksymalizacji użyteczności: obiekcje
  9. Literatura
Wstęp
Podejmowanie decyzji to powszechne i codzienne czynności poznawcze. Ludzie podejmują decyzje od czasów zamierzchłych, często w sytuacjach braku czasu i niedoboru informacji. Dlatego ludzkie decyzje są prawie zawsze dokonywane na podstawie raczej uproszczonych heurystyk niż wyrafinowanych obliczeń. Często mogą być więc nieracjonalne, ale należy pamiętać, że w warunkach ograniczenia czasem i niedostateczną informacją wyższą wartość przystosowawczą mają sposoby podejmowania decyzji umożliwiające szybkie i skuteczne działanie [Nęcka, Orzechowski i Szymura, 2008].
Model procesu decyzyjnego
Często proces podejmowania decyzji określa się jako wybór jednej z opcji. Mniemanie to jest w zasadzie błędne, ponieważ podejmowanie decyzji jest bardziej procesem (często iteracyjnym), a nie jednorazowym aktem wyboru spośród dostępnych opcji. Z punku widzenia psychologii jest to złożony proces psychiczny, w którym rolę odgrywają składniki poznawcze, emocjonalne i motywacyjne. Jego przebieg jest uzależniony od wiedzy i doświadczenia decydenta, a także kontekstu sytuacji.
Ogólny model procesu decyzyjnego przedstawiono na rys.1 (model procesu podejmowania decyzji dostosowany do warunków w rolnictwie zamieszczono w publikacji [Zaliwski 2013]). Jednym z najważniejszych etapów podejmowania decyzji jest definicja problemu decyzyjnego (określenie rozbieżności między stanem obecnym a stanem docelowym i określenie celów decyzji). Należy uwzględnić skalę czasową problemu (ile jest czasu na podjęcie decyzji), wagę problemu (konsekwencje podjęcia niewłaściwej decyzji - skutki kolejnych błędnych decyzji dają efekt lawinowy), kryteria celu (muszą być mierzalne) i metody oceny alternatyw, oraz takie czynniki jak wymagana kompletność i koszt informacji.

Rys.(9):1.

Rys.1. Model procesu decyzyjnego zbudowany na podstawie etapów podejmowania decyzji. Źródło: [Zaliwski i Hołaj, 2005], na podstawie: [Pettinger 1994].

Czynniki te odgrywają rolę w następnym etapie - zbierania informacji, czyli wyszukiwania ich w dostępnych źródłach i we własnej pamięci. Ilość informacji gromadzonych na tym etapie zależy od złożoności problemu. Im większa jest złożoność problemu, tym większa ilość zebranych informacji, ale tym więcej może też być informacji nieistotnych dla problemu decyzyjnego. W przypadku problemów bardzo złożonych, mimo że więcej informacji jest gromadzonych, więcej też jest niedostępnych.
Ilość gromadzonych informacji zależy też od kompetencji decydenta: Tylko nieliczne decyzje są podejmowane na podstawie kompletnej informacji [Stachak i Świtłyk, 1995]. Czynnikiem limitującym na tym etapie jest dostępność informacji. Ważna jest też jakość informacji i adekwatność jej przetworzenia.
Alternatywy są zawsze dostępne - w najgorszym przypadku można nie podejmować działania. Na tym etapie oceniane są konsekwencje realizacji i zaniechania poszczególnych alternatyw, przy ważniejszych decyzjach powinny być przeanalizowane łańcuchy potencjalnych wariantów związanych z daną alternatywą. Ostatnim etapem jest wdrożenie decyzji, z czym związana jest kontrola wykonania.
Podejmowanie decyzji: model cybernetyczny
Z punktu widzenia zarządzania podejmowanie decyzji można rozumieć jako proces sterowania mający na celu wywoływanie pożądanych zmian w obiekcie sterowanym (przedsiębiorstwie) [Mazur 1969]. Kierownik jako układ autonomiczny działa we własnym interesie [Mazur 1966]. Można przyjąć założenie, że interes ten jest zgodny z interesem przedsiębiorstwa, czyli że kierownik działa w dobrze pojętym interesie przedsiębiorstwa. Oznacza to, że dąży do wywoływania takich zmian, które umacniają pozycję przedsiębiorstwa w otoczeniu gospodarczym, lub przynajmniej zapewniają jego ciągłość funkcjonalną [Drucker 1999].

Rys.(9):2

Rys.2. Proces podejmowania decyzji wg Mazura: a) układ autonomiczny podejmujący decyzję (kierownik), b) struktura potencjałów wpływających na podjęcie decyzji: S-bodziec, R-reakcja, VR-potencjał rejestracyjny, VH-potencjał refleksyjny, VE-potencjał estymacyjny, VD-potencjał decyzyjny. Źródło: [Mazur 1969]. Uwaga: przedstawiona na rysunku struktura potencjałów ma znaczenie poglądowe i nie jest opisem rzeczywistych zachowań biofizycznych układu nerwowego człowieka.

Do analizy wpływu informacji na podjęcie decyzji można posłużyć się schematem funkcjonalnym układu autonomicznego [Mazur 1969]. Mimo swej prostoty schemat zawiera istotne elementy mające wpływ na podejmowanie decyzji (rys.2). Układ autonomiczny podejmujący decyzję (rys.2a) nazwiemy kierownikiem. Sterowanie możemy zdefiniować jako oddziaływanie kierownika na otoczenie, co można w uproszczeniu sprowadzić do przekazywania informacji. Podukład służący do tego celu nazwiemy efektorem. Źródłem informacji dla kierownika jest otoczenie, a do jej pobierania służy podukład oznaczony na rys.2a jako receptor. Przechowywanie i przetwarzanie informacji zapewnia podukład nazwany korelatorem. Z korelatorem powiązany jest podukład zapewniający równowagę funkcjonalną całego układu - tzw. homeostat. Sterowanie układu autonomicznego polega na takich zmianach informacji, które zapewniają zachowanie zdolności sterowania, a jednocześnie wywołują korzystne zmiany w otoczeniu z punktu widzenia kierownika. W przedstawiony układzie (rys.2a) występuje tor informacyjny, obejmujący receptor, korelator i efektor. W torze tym należy wyróżnić ponadto dwa podukłady, należące do korelatora: rejestrator, służy do zapamiętywania informacji oraz estymator, służący do oceny, kiedy powinien zadziałać efektor.
Przepływ informacji w torze informacyjnym jest możliwy dzięki przepływowi energii (przepływ informacji następuje dzięki rozróżnialnym zmianom stanów fizycznych, spowodowanych przepływem energii). Działanie kierownika (rys.2) możemy więc prześledzić na schemacie przedstawiającym występujące w torze informacyjnym potencjały energetyczne (rys.2b).
Przepływ energii w torze określony jest występującą różnicą potencjałów między początkiem a końcem tego toru. Występowanie potencjału na początku toru informacyjnego spowodowane jest wystąpieniem bodźca S, pochodzącego z otoczenia. Na rys.2b potencjał ten jest oznaczony jako potencjał rejestracyjny VR. Przepływ energii przez korelator powoduje wystąpienie w estymatorze potencjału estymacyjnego VE. Reakcja efektora następuje w wyniku przekroczenia przez potencjał estymacyjny VE wartości progowej, oznaczonej na rys.2b jako potencjał decyzyjny VD. Wg Mazura przekroczenie przez potencjał estymacyjny wartości progowej VD jest równorzędne z podjęciem decyzji. Uruchomiony zostaje efektor przekazujący decyzję do wykonania.
Korelator charakteryzuje się określoną przewodnością. Ponadto posiada taką właściwość, że przepływ energii powoduje spadek tej przewodności. Im częstsze i silniejsze są bodźce, tym spadek ten jest większy. Dzięki temu możliwe jest zapamiętywanie bodźców. Po określonym czasie przewodność korelatora wraca do stanu początkowego, co oznacza zapominanie bodźców. Moc energii przepływającej w torze informacyjnym zależna jest od przewodności toru oraz różnicy potencjałów na początku i na końcu toru (można założyć, że na końcu toru spada do zera). Moc ta jest wobec tym wyższa, im większa jest przewodność i im wyższy jest potencjał rejestracyjny VR. Innymi słowy, jeden silny bodziec może spowodować przepływ energii wystarczający do przekroczenia przez potencjał estymacyjny VE wartości progowej VD, w wyniku czego nastąpi podjęcie decyzji. Podobny efekt będzie miało następowanie po sobie szeregu słabszych bodźców, ponieważ przewodność korelatora spadnie na tyle, że nawet względnie słaby bodziec spowoduje przepływ energii wystarczająco duży do uruchomienia efektora.
Równocześnie z homeostatu dopływa to rejestratora potencjał refleksyjny VH. Potencjał ten może mieć wartość dodatnią lub ujemną, w zależności od tego, w jaki sposób bodźce wpływają na zachowanie równowagi funkcjonalnej układu. Jeżeli sprzyjają jej zachowaniu, wartość ta ma kierunek zgodny z kierunkiem potencjału rejestracyjnego VR (następuje dodanie potencjałów i wzmocnienie bodźca).
Podejmowanie decyzji: model racjonalny
Założenie racjonalności zachowań człowieka leży u podstaw teorii ekonomii. Zakłada się, że człowiek dokonuje oceny użyteczności planowanych działań i wybiera te o największej użyteczności. W zakres ten wchodzą wszelkie formy działalności, nie tylko gospodarczej. Przykładowo, jeżeli mieszkańcy wsi zaczynają masowo przenosić się do miasta, to można się spodziewać, że życie w mieście stało się bardziej korzystne niż życie na wsi, np. ze względu na wyższe zarobki, większy komfort, itd. [Dzik i Tyszka, 2004].
Podejmowaniem decyzji zajmuje się przede wszystkim teoria decyzji. W klasycznej teorii decyzji [Nęcka, Orzechowski i Szymura, 2008] decydent idealny, tzn. osoba podejmująca decyzje doskonale racjonalna, dokonuje wyboru najlepszej opcji spośród określonej ich liczby. Opcja najlepsza oznacza tutaj opcję przynoszącą największą korzyść po uwzględnieniu prawdopodobieństwa zrealizowania każdej z opcji. Zauważył to już Blaise Pascal, zwracając uwagę, że podejmując ryzyko należy brać pod uwagę nie tylko konsekwencje opcji, ale także ich prawdopodobieństwa [Dzik i Tyszka, 2004]. Procedura wyboru sprowadza się więc do porównania wszystkich opcji między sobą (każda z każdą).
Stephen Robbins i David DeCenzo [2002] podają następujące założenia racjonalności: Założenia racjonalności często są niespełnione w sytuacjach rzeczywistych, zwłaszcza ze względu niepewność co do skutków decyzji. Pewność oznaczałaby, że skutki każdej opcji są z góry znane i dlatego wystarczy tylko wybrać najlepszą. W rzeczywistym świecie prawdopodobieństwo realizacji opcji nie jest dokładnie znane i jego ustalenie jest obarczone błędem. Ustalanie prawdopodobieństw nazywamy rozpatrywaniem ryzyka [Robbins i DeCenzo, 2002]. Kiedy decydent nie potrafi określić prawdopodobieństwa wyników w rozsądnych granicach, wtedy podejmuje decyzje w warunkach niepewności.
Poniżej (rys.3) przedstawiono przykład racjonalnego podejmowania decyzji wyboru najkorzystniejszej odmiany kukurydzy, zaczerpnięty z pracy Zaliwskiego i Hołaja [2005]. Jeżeli korzyść wyrazimy jako zysk w jednostkach pieniężnych i przy założeniu, że znane są wartości prawdopodobieństwa zrealizowania każdej z opcji, do racjonalizacji wyboru można posłużyć się metodą wartości oczekiwanej [Edwards 1988]. Sformułowanie zasady maksymalizacji oczekiwanej wartości jako kryterium wyboru w warunkach ryzyka także przypisuje się Pascalowi [Dzik i Tyszka, 2004].

Rys.(9):3.

Rys.3. Schemat obliczeń oczekiwanej nadwyżki bezpośredniej. Oznaczenia: FAO 230, FAO 250 - typy wczesności kukurydzy o różnym prawdopodobieństwie dojrzenia w danych warunkach klimatycznych, p(S) - prawdopodobieństwo sukcesu (równe prawdopodobieństwu dojrzewania kukurydzy), p(P) - prawdopodobieństwo porażki, gdzie zysk z sukcesu jest równy nadwyżce bezpośredniej, a strata przy porażce jest równa kosztom bezpośrednim produkcji bez kosztów zbioru. Źródło: [Zaliwski i Hołaj, 2005], na podstawie: [Edwards 1988].

Metodę wartości oczekiwanej wyjaśnia rys.3. Przedstawiony tutaj przykład porównuje uprawę dwóch typów wczesności kukurydzy (FAO 230 i FAO 250) o różnym prawdopodobieństwie dojrzenia. Kukurydza jest rośliną ciepłolubną i w Polsce nawet na obszarach o korzystnych warunkach termicznych jej uprawa związana jest z pewnym ryzykiem uwarunkowanym stratą plonu. W wielu wypadkach ryzyko to daje się zminimalizować poprzez właściwe decyzje we wczesnych etapach produkcji, tzn. na etapie siewu poprzez wybór najkorzystniejszych odmian o najwyższym prawdopodobieństwie dojrzewania ziarna, kolb lub zielonki. Prawdopodobieństwo osiągnięcia dojrzałości kukurydzy dla różnych typów wczesności i kierunków użytkowania można dość dokładnie ustalić stosując kryterium sumy temperatur efektywnych [Górski i Górska, 1998].
Ponieważ odmiany różnie plonują, znajomość samego prawdopodobieństwa dojrzewania kukurydzy poszczególnych odmian nie pozwala na ustalenie właściwej odmiany z wystarczającą dokładnością. Konieczne jest porównanie wartości oczekiwanych zysków i strat kilku typów wczesności kukurydzy, biorąc pod uwagę prawdopodobieństwo dojrzewania, wysokość plonu i koszty bezpośrednie produkcji. Nadwyżka bezpośrednia stanowi różnicę między wartością produkcji (iloczyn ceny i plonu) a kosztami bezpośrednimi produkcji. Na rys.3 porównane są dwa typy wczesności kukurydzy o różnym prawdopodobieństwie dojrzenia, FAO 230 - 0,91 (lub 91%) i FAO 250 - 0,87 (lub 87%). Prawdopodobieństwo dojrzenia 0,91 oznacza, że w ciągu 100 lat uprawy kukurydzy można oczekiwać 91 lat 'tłustych' i 9 'chudych'. Lata 'tłuste' przynoszą zysk 54.405 zł/ha, a 'chude' stratę 41.094 zł/ha z uprawy kukurydzy FAO 230; dla FAO 250 zysk jest nieco większy (57.125 zł/ha) ze względu na wyższe plonowanie. Wartość oczekiwana jest iloczynem zysku lub straty i prawdopodobieństwa, natomiast oczekiwana nadwyżka bezpośrednia sumą zysku i straty danej opcji (FAO 230 lub FAO 250). Ponieważ opcja FAO 230 charakteryzuje się wyższą oczekiwaną nadwyżką bezpośrednią, stanowi ona lepszy wybór z punktu widzenia decydenta [porównaj Zaliwski 2009, Zaliwski 2013].
Procedura obliczeń, wykorzystana w podanym przykładzie, została opracowana pierwotnie przez Zaliwskiego w 1999 roku [Zaliwski i Górski 1999a] w oparciu o metodę wartości oczekiwanej [Edwards 1988], by następnie służyć do kilku innych podobnych zastosowań. Uzyskane wyniki można prześledzić na mapach [np. Zaliwski i inni 1999, Zaliwski i Górski 1999b].
Rzeczywiste zachowania ludzi w sytuacjach wymagających podjęcia decyzji często odbiegają od opisanego modelu. Ktoś może np. uznać, że kolejny rok będzie rokiem 'tłustym', ponieważ kolejne dwa lata były 'chude' i zaryzykuje wysiew kukurydzy FAO 250 (podane na rys.3 prawdopodobieństwa dotyczą dłuższego okresu a nie poszczególnych lat). Inna osoba, licząc bardziej na własne szczęście, także może postąpić wbrew zaleceniom podanego modelu.
Istnieją sytuacje, kiedy zasada oczekiwanej wartości nie przesądza o wyborze w warunkach ryzyka [Dzik i Tyszka, 2004]. Zwrócił na to uwagę Nicolas Bernoulli, formułując tak zwany paradoks petersburski. Jego krewny, Daniel Bernoulli zaproponował wobec tego inną zasadę, zwaną zasadą maksymalizacji oczekiwanej użyteczności: przy ocenie korzyści z niepewnego działania powinno się brać pod uwagę nie obiektywne wartości strat i zysków, ale raczej osobiste użyteczności strat i zysków. W ten sposób stosunek do ryzyka pozostaje sprawą indywidualnych preferencji decydenta (co w ujęciu teorii użyteczności opisuje indywidualna funkcja użyteczności decydenta).
W 1979 roku psycholodzy Daniel Kahneman i Amos Tversky zaproponowali teorię wyboru w warunkach niepewności, znaną jako teoria perspektywy [Dzik i Tyszka 2004, Nęcka i inni 2008]. Wiąże się ona z wpływem mentalnej reprezentacji problemu decyzyjnego na treść podejmowanych decyzji. Teoria perspektywy zakłada, że ludzie nie doceniają średnich i wysokich prawdopodobieństw, a przeceniają niskie prawdopodobieństwa. Ludzie inaczej też oceniają zyski niż straty - subiektywna wartość zysku jest mniejsza niż jego wartość obiektywna, a przeciwnie, frustracja ze straty rośnie szybciej niż jej wartość obiektywna. Ogólnie mówiąc, subiektywne poczucie straty rośnie znacznie szybciej niż subiektywne poczucie zysku: strata boli bardziej, niż zysk cieszy.
Sposoby podejmowania decyzji
Podjęcie decyzji Marian Mazur [1969] dzieli na dwa zasadnicze etapy:
Decyzje można podzielić stosując najróżniejsze kryteria. Mazur np. dzieli decyzje na następujące rodzaje: Decyzje samorodne podejmowane są bez odwoływania się do informacji o otoczeniu. Decyzje odruchowe są podejmowane bez zastanowienia, umożliwiającego wybór między opcjami. Dokonanie wyboru zostało przesądzone wcześniej, tzn. w okresie nabywania doświadczenia i umiejętności, na szkoleniach, treningach, itd. Natomiast decyzje intuicyjne są podejmowane po uwzględnieniu okoliczności problemu decyzyjnego, jednak bez ich dokładnej analizy. Decyzje intuicyjne są potrzebne zwłaszcza w przypadkach pośpiechu uniemożliwiającego dokładną ocenę sytuacji, jednak ich trafność jest dość ograniczona wobec złożonych problemów. Nietrafność decyzji intuicyjnych wynika z okoliczności, że osoba decydująca podejmuje decyzję wyłącznie w oparciu o własną wiedzę i doświadczenie życiowe. Im bardziej skomplikowany problem, tym bardziej zawodzi doświadczenie życiowe, dostarczając informacji będącej tylko drobnym ułamkiem ilości informacji niezbędnej do podjęcia trafnej decyzji. Drugim źródłem nietrafności decyzji intuicyjnych jest subiektywne nastawienie do problemu - osobiste skłonności mogą przesłaniać istotę problemu.
Decyzje refleksyjne zakładają wystąpienie serii poglądów poprzedzających akceptację decyzji, uzyskanych na podstawie rozumowania logicznego. Ich zaletą jest znaczny stopień trafności, wynikający z odwołania się do otoczenia jako źródła zawierającego informacje dodatkowe, analizy sytuacji i wyboru najlepszego poglądu. Ich wadą jest znaczna strata czasu, spowodowana koniecznością pozyskania informacji oraz wielu wahaniami.
Informacje z otoczenia dotyczą teraźniejszości (uzyskiwane z obserwacji stanu aktualnego) lub przeszłości (informacje historyczne). Rozpoznawanie informacji z otoczenia stanowi diagnozę. Informacje z diagnozy mają wartość przy podejmowaniu decyzji, jeżeli nadają się do formułowania prognoz - przewidywania przyszłości. Mazur wskazuje dwa rodzaje prognoz: ekstrapolacyjną i asocjacyjną. Prognozę ekstrapolacyjną uzyskuje się na podstawie trendu dotyczącego zmian przyszłych, wyznaczonego na podstawie dotychczasowego przebiegu zmian. Trafność prognozy ekstrapolacyjnej maleje wraz ze wzrostem czasu między szukanym stanem przyszłym a ostatnim stanem znanym, wzrasta bowiem prawdopodobieństwo nieoczekiwanej zmiany przebiegu. Podstawą prognozy asocjacyjnej jest wspólność cech problemu rozpatrywanego z innymi problemami znanymi podobnego rodzaju (czyli rozumowanie przez analogię). Do opracowania prognozy wykorzystuje się wiedzę o problemach przeszłych, szczególnie takich, które mają przebiegi początkowe podobne do przebiegu początkowego w problemie rozpatrywanym. Zakłada się, że przebiegi przyszłe w problemie rozpatrywanym można ustalić z miarę trafnie wzorując się na problemach przeszłych. Główną trudnością prognozowania asocjacyjnego jest wybór problemu przeszłego, tak, by był rzeczywiście podobny do problemu rozwiązywanego.
Decyzje probiercze polegają na eksperymentowaniu (najlepiej w małej skali) w celu ustalenia właściwego kierunku decyzji. Postępowanie takie jest jednak nieprzydatne w sytuacjach dopuszczających tylko jednorazową decyzję. Wśród decyzji probierczych można wyróżnić kilka sposobów ich realizacji: wyrywkowo ("na chybił trafił"), systematycznie (we wcześniej ustalonej kolejności) oraz metodycznie (metoda prób i błędów, skuteczna, jeśli problem charakteryzuje się określoną zasadą, w której ustaleniu ma pomóc metoda prób i błędów). Decyzje probiercze nie powinny być stosowane w przypadkach, gdy skutki decyzji ujawniają się dopiero po długim czasie, ani w okolicznościach, kiedy podejmuje się równolegle wiele innych decyzji w sprawach pokrewnych, co utrudnia jednoznaczne ustalenie skutków wywołanych poszczególnymi decyzjami. Przykładem decyzji, których skutki ujawniają się z dużym opóźnieniem, są zmiany programów nauczania w szkołach. W produkcji roślinnej jest to np. dobór odmiany do siewu.
Decyzje probiercze podejmowane w sposób metodyczny są niewątpliwie postępem w porównaniu z decyzjami wyrywkowymi, ale obecny rozwój nauki spowodował, że należą już do prymitywnego stylu zarządzania. Sprawne zarządzanie wymaga rozległej wiedzy, m.in. z dziedziny badań operacyjnych. Metody badań operacyjnych umożliwiają znajdowanie rozwiązań optymalnych w problemach, w których dąży się do osiągnięcia określonego celu w największym możliwym stopniu. Znalezienie wielkości optymalnej (minimalnej lub maksymalnej) nazywa się optymalizacją problemu. Decyzje optymalizacyjne różnią się od innych decyzji tym, że etapy procesu podejmowania decyzji (osąd i akceptacja) są często rozdzielone pomiędzy różne osoby. Analiza problemu jest wykonywana przez specjalistów z zakresu techniki podejmowania decyzji, posługujących się metodami zmatematyzowanymi i zinformatyzowanymi. Akceptacja (lub odrzucenie) zaproponowanego rozwiązania należy do podejmującego decyzję (decydenta).
Jednak zastosowanie modeli optymalizacyjnych, a zwłaszcza ich "opakowanie" w interfejsy ułatwiające obsługę może czynić zbędnym angażowanie specjalistów do wykonania analizy problemu. W IUNG-PIB w Puławach np. opracowano w 2011 roku Model optymalizacyjny NPK [Zaliwski 2012]. Oblicza on ilość nawozów w [kg*ha-1], wybierając z listy nawozów taki zestaw, który przy spełnieniu dawki NPK, charakteryzuje się najmniejszym kosztem w [zł*ha-1]. Pomimo zastosowania algorytmu, który może byż niezrozumiały dla przeciętnego użytkownika, dzięki udostępnieniu modelu w postaci strony internetowej z łatwym interfejsem obsługi Model optymalizacyjny NPK może być obsługiwany przez każdego rolnika lub doradcę. Prawdą jest natomiast, że analiza problemu została przeprowadzona wcześniej, kończąc się budową modelu ogólnego, pozwalającego rozwiązywać wszystkie problemy danej klasy. Model optymalizacyjny NPK wykorzystano m.in. do walidacji Modelu doboru nawozów ZeaSoft.
Wojciech Sikora [2008] charakteryzuje następująco badania operacyjne: "zespół modeli i metod poszukiwania optymalnych rozwiązań (tj. decyzji najpełniej realizujących preferencje decydenta) w danych warunkach ekonomicznych (sytuacjach decyzyjnych)". Początki dziedziny badań operacyjnych sięgają XVIII wieku, kiedy ówcześni ekonomiści sformułowali pierwsze modele programowania matematycznego [Trzaskalik 2008]. Bardziej skomplikowane modele ekonomiczne zaproponowali przed drugą wojną Leonid Kantorowicz (nagroda Nobla w dziedzinie ekonomii - 1975) oraz John von Neuman, twórca teorii gier i pionier informatyki. Sama nazwa 'badania operacyjne' została przyjęta dopiero w okresie II wojny światowej i początkowo określała metody analizowania i planowania operacji wojskowych. Od czasu drugiej wojny światowej dziedzina ta gwałtownie się rozwija.
Badania operacyjne wiążą się w dużym stopniu z programowaniem matematycznym i teorią podejmowania decyzji. Programowanie matematyczne zajmuje się głównie konstrukcją i analizą algorytmów rozwiązywania problemów optymalizacyjnych. Teoria podejmowania decyzji stara sie wypracować reguły decyzyjne na podstawie analizy właściwości konkretnych (mniej lub bardziej sformalizowanych) modeli podejmowania decyzji. Badania operacyjne natomiast kładą nacisk na budowę modeli sytuacji decyzyjnych oraz na analizę i usprawnianie procesu decyzyjnego.
Wypracowane zostało postępowanie charakterystyczne dla badań operacyjnych, składające się z następujących etapów:
Ze względu na stopień pewności warunków podejmowania decyzji (pewność, ryzyko lub niepewność), można wyróżnić następujące klasy modeli: Modele deterministyczne charakteryzują procesy podejmowania decyzji w warunkach pewności. Parametry modelu są znane i stałe, a rozwiązanie optymalne prowadzi do decyzji optymalnej (jeżeli model realistycznie odzwierciedla proces decyzyjny). Podejmowanie decyzji w warunkach ryzyka opisują modele stochastyczne. Określone parametry modelu są zmiennymi losowymi o znanym rozkładzie prawdopodobieństwa. Wynik decyzji jest wypadkową działań podjętych przez decydenta i czynników losowych. Rozwiązanie optymalne niekoniecznie prowadzi do decyzji optymalnej, ponieważ w momencie podjęcia decyzji parametry modelu, będąc realizacjami zmiennych losowych, mogą przybrać wartości niekorzystne dla wyniku decyzji. Podejmowanie decyzji w warunkach niepewności ma miejsce wtedy, gdy nie są znane rozkłady prawdopodobieństwa parametrów modelu.
Ze względu na horyzont czasowy decyzji (krótki, długi) można wyróżnić następujące klasy modeli:
Ze względu na liczbę kryteriów oceny wyróżniamy klasy modeli:
Ze względu na typ relacji zachodzących między zmiennymi, na które decydent ma wpływ, modele mogą być:
Ze względu na typ zmiennych decyzyjnych wyróżniamy modele:
Postać obliczeniowa modelu stanowi kompromis między wiernością zobrazowania rzeczywistości a możliwościami wyznaczenia rozwiązania optymalnego. W grę wchodzi czas i koszty. Jeżeli uzyskanie rozwiązania optymalnego pochłania zbyt dużo czasu lub pieniędzy, należy ograniczyć się do rozwiązania przybliżonego (tzw. suboptymalnego).
Strategie w podejmowaniu decyzji
Obiekcje wysuwane w stosunku do klasycznej teorii decyzji dla psychologów były motywacją do głębszego badania procesów podejmowania decyzji zachodzących w rzeczywistości. W rezultacie tych poszukiwań wykryto szereg prostych heurystyk (strategii), stosowanych przez ludzi przy podejmowaniu decyzji [Gigerenzer, Todd, 1999] cytowani przez [Nęckę, Orzechowskiego i Szymurę, 2008].
W jednej z pierwszych prac opublikowanej na ten temat Herbert Simon [Simon 1947] opisał tzw. strategię zadowolenia. Polega ona na przeglądaniu dostępnych opcji w przypadkowym porządku i wyborze pierwszej wystarczająco satysfakcjonującej. Zdaniem Simona ludzie nie porównują wszystkich dostępnych opcji pod każdym możliwym względem w celu wybrania najlepszej, bowiem jest to najczęściej niemożliwe do zrealizowania (z braku czasu, wiedzy, pieniędzy, itd.). Racjonalność umysłu ludzkiego jest więc inherentnie (siłą rzeczy) ograniczona [Simon 1957].
Innym przykładem jest strategia eliminacji według aspektów. Polega ona na ustaleniu szeregu kryteriów, które muszą być spełnione, a następnie eliminowaniu dostępnych opcji niespełniających jednego z kryteriów. Postępując konsekwentnie w ten sposób można bardzo ograniczyć liczbę opcji. Opcje odfiltrowane można następnie przeanalizować według bardziej wyrafinowanej metody.
Heurystyki podejmowania decyzji powinny charakteryzować się szybkością (ze względu na dostępny czas) i prostotą. Przykładem szybkiej i prostej heurystyki jest strategia "kieruj się tym, co najważniejsze". Ludzie podejmując decyzje, kierują się w analogicznych sytuacjach różnymi kryteriami, przy czym nie wszystkie kryteria są dla różnych osób jednakowo ważne. Opisywana strategia polega na tym, aby do przesiania opcji najpierw zastosować najważniejsze kryterium, a kolejno mnie ważne. W przypadku, gdy żadne kryterium nie doprowadzi do wyboru, decydent wybiera opcję na chybił trafił.
Heurystyka rozpoznania polega na tym, że obiektom rozpoznanym przypisuje się wyższą wartość niż nie rozpoznanym. Osoby o większej wiedzy, które rozpoznają wszystkie alternatywy, nie mogą zastosować tej heurystyki. Może to spowodować paradoksalną sytuację, gdy pełna wiedza prowadzi do mniej trafnych decyzji (co jednak należy traktować jako wyjątek).
Inna heurystyka nosi nazwę "kieruj się ostatnim sprawdzonym wyborem". Bierze się tutaj pod uwagę kryterium sprawdzone w ostatnim podobnym wyborze.
"Szybkie i proste" heurystyki są wytworem umysłu w celu przystosowania się do stawianych mu wymagań. Psychologia ewolucyjna zakłada, że przystosowanie to nie tylko poziom anatomiczny i fizjologiczny człowieka, lecz także procesy poznawcze. W obliczu konieczności szybkiego podjęcia decyzji w warunkach ograniczonych zasobów poznawczych człowiek posługuje się regułami heurystycznymi zamiast długimi i skomplikowanymi obliczeniami.
Podejmowanie decyzji: ograniczona racjonalność
Model racjonalny odpowiada rzeczywistemu procesowi podejmowania decyzji w przypadkach problemów prostych, nieograniczonych małą ilością czasu ani kosztem wyszukania informacji i oceny poszczególnych opcji. Takie sytuacje należą jednak raczej do wyjątków.
Większość decyzji w problemach złożonych jest podejmowana na podstawie niepełnych informacji. Oprócz czynnika limitującego jakim jest dostępność informacji, ludzie mają ograniczoną zdolność przetwarzania i przyswajania sobie większych ilości informacji potrzebnych najczęściej do podjęcia optymalnej decyzji. Złożone problemy muszą zostać sprowadzone do ram łatwych do objęcia umysłem. W praktyce zatem stosowane są uproszczone modele, uwzględniające tylko zasadnicze cechy problemów. Simon nazywa taki proces podejmowania decyzji ograniczoną racjonalnością. Nie wychodząc poza ramy modelu uproszczonego, decydent może postępować racjonalnie stosując model racjonalnego podejmowania decyzji. W efekcie często są wybierane rozwiązania nie najlepsze z możliwych, ale najlepsze w ramach modelu, a w praktyce wystarczająco dobre (zadowalające).
Uproszczenie modelu odbywa się na etapie zdefiniowania problemu (określenia celów) i ustalenia kryteriów (rys.1). Wykaz kryteriów na ogół ogranicza się do bardziej oczywistych. Często oznacza to niestety brak innowacyjności - opracowane rozwiązania nieznacznie różnią się od stosowanych dotychczas w podobnych problemach [Robbins i DeCenzo, 2002]. Po ustaleniu ograniczonego zbioru alternatyw decydent przystępuje do ich analizy, ale jedynie do chwili znalezienia takiej, która zadowalająco rozwiązuje problem. Ocena alternatyw kończy się zatem wraz ze znalezieniem takiej, która spełnia kryterium wystarczająco dobrego rozwiązania. Następnie decydent przystępuje do etapu wdrożenia swojej decyzji (rys.1).
Zasada maksymalizacji użyteczności: obiekcje
Socjologowie mają inne spojrzenie na sprawę racjonalności wyborów niż ekonomiści. Wyjaśniają oni zachowanie człowieka tradycjami i normami społecznymi. Np. Hofstede [1991] (cytowany przez Dzika i Tyszkę, [2004]) jako ważną cechę społeczeństw wyróżnia np. tolerancję na niepewność (chodzi o reakcję ludzi z różnych krajów i kultur na nieprzewidywalność środowiska, w którym żyją). Zdaniem Hofstede'a (1991) w rozwoju społeczeństw widoczne są następujące dążenia do redukcji zagrożeń wynikających z niepewności: Z badań Hofstede'a wynika, że w różnych społeczeństwach odmienny jest też poziom lęku będącego następstwem niepewności: wysoki w Ameryce Łacińskiej i Japonii, średni - w Niemczech, Austrii i Szwajcarii, a niski - w Anglii i w krajach skandynawskich. Społeczeństwa rozwinęły odmienne sposoby radzenia sobie z niepewnością, wyrażone zarówno przez prawo jak i obyczaje. Członkowie społeczeństw o niskiej tolerancji na niepewność bardziej poszukują zabezpieczenia, by jak najmniej pozostawić przypadkowi. Jak widać, podejście socjologii i ekonomii do zachowań ludzkich wyraźnie różni się.
Także psychologowie mają inne spojrzenie na sprawę racjonalności wyborów niż ekonomiści. Koncentrują się oni na słabości poznawczej człowieka. W ludzkich ocenach i wyborach występuje wiele błędów i tendencyjności. Okazuje się, że najwięcej problemów z wyborem występuje w sytuacjach porównywania opcji należących do różnych kategorii (pieniądze - honor, przyjemność - moralność). Ponadto zasada maksymalizacji zysku nie jest regułą absolutną. Ludzie czasami przedkładają nad zysk własny zysk innych osób, a jeszcze częściej zamiast maksymalizować własny zysk, kierują się sprawiedliwością (w grę wchodzi tzw. motywacja altruizmu).
Nie ulega wątpliwości, że duża część decyzji ekonomicznych jest podejmowana pod wpływem emocji. Choć wpływ emocji może być pozytywny, to bywa także negatywny. Przykładem pozytywnego wpływu jest strategia zadowolenia. Emocje chronią tutaj przed zastanawianiem się nad wyborem najlepszej opcji w nieskończoność, przerywając wyszukiwania w odpowiednim momencie. Jest to szczególnie ważne w przypadku problemów o dużej złożoności obliczeniowej, kiedy znalezienie rozwiązania optymalnego jest rzeczą bardzo trudną lub wręcz niemożliwą. Negatywny wpływ emocji na proces decyzyjny polega głównie (ale nie jedynie) na zniekształceniu przetwarzania informacji, co prowadzi do wyrobienia sobie błędnych poglądów, np. przeszacowania własnego potencjału.
Literatura
  1. Davenport T.H., Harris J.G. 2010. Inteligencja analityczna w biznesie: nowa nauka zwyciężania. Wydawnictwo MT Biznes, Warszawa.
  2. Drucker P.F. 1999. The Practise of Management. Butterworth-Heinemann, Oxford, UK.
  3. Dzik B., Tyszka T. 2004. Czy zachowania ludzi są racjonalne? W: Tyszka T. (red.). Psychologia ekonomiczna, GWP. ISBN: 83-89120-90-9.
  4. Edwards B.R. 1988. Understanding maths and statistics in business. Unwin Hyman Ltd., London.
  5. Gigerenzer G., Todd P.M. 1999. The ABC Research Group (eds.). Simple heuristics that make us smart. Oxford University Press, Oxford UK.
  6. Goodwin P., Wright G. 2011. Analiza decyzji. Oficyna Ekonomiczna Grupa Wolters Kluwer, Warszawa.
  7. Górski T., Górska K.: An algorithm for evaluating the temperature sums in Poland. Proc. 2-nd European Congress on Applied Climatology ECAC98, 19-23 Oct. 1998 (CD ROM). ZAMG, Wien, 1998.
  8. Hofstede G. 1991. Cultures and Organizations: Software of the Mind. NYM McGraw- Hill, New York.
  9. Kennerley M., Mason S. 2008. The Use of Information in Decision Making. Electronic document, PDF.
  10. Kisielnicki J. 2008. Zarządzanie. PWE, Warszawa, stron 318. ISBN: 978-83-208-1729-4.
  11. Mazur M. 1969. Cybernetyka a zarządzanie. Ministerstwo Spraw Wewnętrznych, Departament Szkolenia i Wydawnictw, Warszawa.
  12. Nęcka E., Orzechowski J., Szymura B. 2008. Psychologia poznawcza. PWN, Warszawa, 739 stron. ISBN: 978-83-01-14586-6, 83-7285-091-7.
  13. Pettinger R. 1994. Introduction to Management. The Macmillan Press Ltd. London, UK.
  14. Roberto M.A. 2009. The Art of Critical Decision Making. Digital Audio Course. The Teaching Company.
  15. Robbins S.P. 2001. Zasady zachowania w organizacji. Zysk i s-ka, Poznań, stron 295. ISBN: 83-7298-536-7.
  16. Sikora W. (Red.). 2008. Badania operacyjne. PWE, Warszawa. ISBN: 978-83-208-1743-0.
  17. Simon H.A. 1947. Administrative behavior. Macmillan, New York.
  18. Simon H.A. 1957. Rational Choice and the Structure of the Environment. In: Simon H., Model of Man: Social and Rational (pp. 261-273). Wiley, New York.
  19. Stachak S., Świtłyk M. 1995. Teoria zarządzania przedsiębiorstwami rolniczymi. Książka i Wiedza, Warszawa.
  20. Trzaskalik T. 2008. Wprowadzenie do badań operacyjnych z komputerem. Wydanie II. PWE, Warszawa. ISBN: 978-83-208-1718-8.
  21. Tyszka T. 2000. Psychologiczne pułapki oceniania i podejmowania decyzji. GWP, Gdańsk, stron 236. ISBN: 83-85416-95-1.
  22. Zaliwski A.S. 2009. System wspomagania decyzji w wyborze odmiany kukurydzy (ZeaSoft). Studia i Raporty IUNG-PIB, 2009, 16:83-96. PDF.
  23. Zaliwski A.S. 2012. Walidacja systemu wspomagania decyzji ZeaSoft - moduł nawożenia. Inżynieria Rolnicza 2(137): 357-365, PDF.
  24. Zaliwski A.S. 2013. Informacja, wiedza, decyzje i systemy wspomagania decyzji. Studia i raporty IUNG-PIB 33(7): 45-68, PDF.
  25. Zaliwski A., Górski T. 1999a. Numerical Maps of Expected Income from Maize Production in Poland. Conference "GIS and its Applications in the Rural Field", University of Santiago de Compostela, Escola Politécnica Superior, Lugo, Spain, July 1-2, 1999. Conf. proc. Electronic Document PDF.
  26. Zaliwski A., Górski T., Lipski S., Winiarski R., Wróblewska E. 1999. Numerical Maps of Profit Probability for Maize Production in Poland. EFITA/99 conference: Perspectives of Modern Information and Communication Systems in Agriculture, Food Production and Environmental Control. 27-30 Sep. 1999. University of Bonn, Department of Agricultural Economics. Bonn, Germany. Conf. proc., vol. A p. 217-224. Paper: PDF, presentation: PDF.
  27. Zaliwski A., Górski T. 1999b. Wykorzystanie przestrzennego modelu agroklimatu do określenia opłacalności uprawy kukurydzy na ziarno. Wydział Techniki Uniwersytetu Śląskiego, Stowarzyszenie SILGIS Centre. International Conference, Kraków, 15-17.11.1999. Mat. konf., s. 198-204. PDF.
  28. Zaliwski A., Hołaj J. 2001. Wybrane aspekty wspomagania decyzji technologicznych w gospodarstwie rolnym. Pam. Puł. 124:421-428.
  29. Zaliwski A., Hołaj J. 2005. ZEASOFT - System wspomagania decyzji w uprawie kukurydzy. Inżynieria Rolnicza 14(74):385-393. PDF.
  30. Ziętara W. 2001. Zasób informacji niezbędnych do podejmowania decyzji w gospodarstwach i przedsiębiorstwach rolniczych. Pam. Puł. 124:465-477.
Sugerowany sposób cytowania tej strony:
Zaliwski A.S. 2014. Informacja w podejmowaniu decyzji. System doradztwa w zakresie zrównoważonej produkcji roślinnej. IUNG-PIB Puławy.