Significant change has been observed in problem-solving perspective in the fields of management science, that is, a shift away from general purpose algorithmic approaches to the use of problem domain-specific knowledge. In the fields of expert systems, this new perspective has been used most extensively. And in the areas of management planning, simulation has become one of the most widely used techniques because the aim of business simulation is to help the manager analyze complex problems and make decisions in a more scientific and objective way.
Therefore, to the extend of this views, this study deals with decision support mechanism using the knowledge-based simulation technique in the strategic planning field, one of highly ill-structured problems, and a fuzzy logic-driven multiple knowledge integration framework for dealing with uncertainty and/or fuzziness.
In this study, we analyze three issues. The first is an issue of multiple knowledge integration (MKI) for improving the performance of expert systems. To maintain high performance in ill-structured situation, expert systems should depend on multiple sources of knowledge rather than a single kind of knowledge. For this reason, Our major concern is to develop a fuzzy logic-driven framework for MKI, and apply it to stock market stage prediction (SMSP) problem which is one of ill-structured decision problems. Types of knowledge being considered herein are threefold: machine knowledge, expert knowledge, and user knowledge. The target problem domain of this study is one week-ahead stock market stage prediction: Bull, Edged-up, Edged-down, and Bear. The proposed fuzzy logic-driven framework for MKI plays a role of integrating user knowledge, expert knowledge, and machine knowledge. Extensive experiments with real data proved that the proposed fuzzy logic-driven framework for multiple knowledge integration can contribute significantly to improving the performance of expert systems.
The second issue is a strategic planning simulation based on cognitive map knowledge and differential game. It is very difficult for strategic planning managers to fully understand complex chains of influence process of the changing environments on the strategy performance. To resolve this kind of problem, this study presents a mechanism of integrating the use of cognitive map with a strategic planning simulation, where a cognitive map (CM) helps decision makers understand the complex dynamics between a certain strategic goal and related environmental factors. A differential game is applied to execute CM knowledge-based simulation with time-variant competition in a corporate environment. A detailed numerical example is presented to illustrate the performance of the proposed strategic planning simulation mechanism.
And we finally presents a strategic planning simulation based on neural expert system approach. The main recipe of the proposed neural expert system approach is a bi-directional inference mechanism capable of performing forward and/or backward inference. The proposed neural expert system could provide "what-if" functions as well as "goal-seeking" functions, which proved to be very useful for the unstructured decision making problems such as strategic planning problems. What-if functions were accomplished through the forward inference mechanism, enabling the neural expert system to provide appropriate outputs with respect to the given inputs. Also goal-seeking functions were realized through the backward inference mechanism, enabling the neural expert system to show the appropriate inputs (or conditions) to guarantee the desired level of outputs. To implement our idea, we developed a prototype system, named StratPlanner, running on Windows 95. Using the Korean automobile data, we performed experiments under the experimentally designed competitive situations. Results support our supposition that the neural expert systems approach is useful for performing competitive analyses.
경영과학 분야에서의 문제해결 관점에 있어 상당한 변화가 있어 왔다. 즉, 범용 알고리즘적 접근법으로부터 문제 영역에 제한된 지식을 사용하는 접근법으로의 변화가 있어 왔다. 또한, 경영계획 분야에 있어서 시뮬레이션 테크닉이 널리 사용이 되고 있다. 그 이유는 비즈니스 시뮬레이션의 목적이 경영자로 하여금 복잡한 문제를 분석하고 좀더 과학적이고 객관적인 방법으로 의사결정을 하도록 도와주는 데에 있기 때문이다. 따라서 경영분야의 비구조적 문제의 해결을 지원하기 위한 수단으로서 지식 기반의 테크닉과 시뮬레이션 테크닉의 결합을 통한 메커니즘의 개발은 효율적 의사결정의 지원을 위해 그 중요성이 인식될 수 있다. 그러므로 이러한 관점에서 본 연구는 대단히 비구조적인 문제 중의 하나인 전략계획 분야에 지식기반의 시뮬레이션 테크닉을 이용한 의사결정 지원 메커니즘을 다루며, 불확실성과 모호함을 처리하기 위한 퍼지 로직 기반의 다종 지식 결합틀을 다룬다. 이와 관련하여 본 연구에서는 3가지의 주제를 다룬다. 첫째, 전문가 시스템의 성능을 향상시키기 위한 다종 지식의 결합에 관하여 다룬다. 비구조적인 상황에서 높은 성능을 유지하기 위?臼♭ 전문가 시스템은 한 종류의 지식 보다는 많은 종류의 지식에 의존하여야 한다. 이런 이유로 본 연구에서는 다종 지식 결합을 위한 퍼지 로직 기반의 프래임워크를 개발하고, 이를 비구조적 의사결정문제의 하나인 주식시장 단계예측 문제에 적용해 본다. 여기서 고려되는 지식은 기계 지식, 전문가 지식, 사용자 지식의 세 종류이다. 해당 문제 영역은 주식시장의 일주일 후의 단계(초강세, 강세, 약세, 초약세) 예측문제이다. 제안된 프래임워크는 사용자의 지식과, 기계 지식, 그리고 전문가의 지식을 결합하는 역할을 한다. 실제 자료를 이용한 광범위한 실험을 통해 제안된 퍼지 로직 기반의 지식결합틀이 전문가 시스템의 성능을 유효하게 증가시킬 수 있음을 보여 준다. 두 번째 주제는 코그니티브 맵 지식과 미분게임을 이용한 전략계획 시뮬레이션이다. 전략계획 관리자가 전략 성과에 영향을 미치는 변화하는 환경의 복잡한 영향과정을 완전히 이해하는 것은 대단히 어렵다. 이 문제를 해결하기 위하여 본 연구는 코그니티브 맵의 사용을 전략계획 시뮬레이션과 결합하는 메커니즘을 제안한다. 여기에서 코그니티브 맵은 의사결정자가 특정한 전략 목표와 관련된 환경 요인들 간의 복잡?? 동적 구조를 이해할 수 있도록 도와준다. 미분게임은 기업 환경에서의 시간이 변함에 따른 경쟁구조하의 코그니티브 맵 지식 기반의 시뮬레이션을 실행하는 데에 적용된다. 제안된 전략계획 시뮬레이션 메커니즘의 성능을 보여주기 위한 상세한 예제가 제시된다. 마지막으로 신경망 전문가 시스템 접근방법에 기반한 전략계획 시뮬레이션이 가능한 시스템을 제시한다. 제안되는 시스템의 주된 특징은 전방향 및 후방향 추론이 가능한 양방향 추론 메커니즘이다. 제안되는 신경망 전문가 시스템은 "What-If" 기능과 "Goal-Seeking" 기능을 제공하며, 전략계획 문제와 같은 비구조적 의사결정 문제에 대하여 그 유용성이 검증된다. "What-If" 기능은 전방향 추론 메커니즘을 통하여 수행되는데, 주어진 투입에 대한 적절한 산출을 제공해 준다. 그리고 후방향 추론 메커니즘을 통하여 수행되는 "Goal-Seeking" 기능은 원하는 수준의 결과를 보장하기 위한 적절한 투입 또는 조건을 제시해 주는 역할을 수행한다. 윈도우 95에서 동작하는 StratPlanner라는 프로토타입 시스템이 구현되었으며, 한국의 자동차 산업자료를 이용하여 실험을 수행한다. 실험결과는 제안된 접근방법이 경쟁분석을 수행함에 ℃羚 }유용한 것으로 나타났다.
