Materiały konferencyjne SEP 2020

Rys. 2. Proces analityki predykcyjnej. Opracowanie własne na podstawie [43] Figure 2. Predictive analytics process. Based on [43] Kolejnym etapem wdrożenia analityki predykcyjnej w obszarze zarządzania projektami będzie wstępne rozpoznanie, które opiera się na wyznaczeniu spośród całego zbioru danych, istotnych parametrów, które mogą przynieść korzyść pod kątem wyznaczonego celu oraz na wyelimino- waniu redundancji danych. Po przygotowaniu danych, nastąpić może selekcja modelu wynika- jąca z ich charakterystyki [43]. W przypadku danych projektowych, słabe zastosowanie będzie miała klasyczna analiza regresji ze względu na dużą ilość danych jakościowych, aczkolwiek nie można jej zupełnie wykluczyć ze względu na możliwość analizy danych finansowych. Zdecydowanie bardziej charakterystyka gromadzonych informacji projektowych odpowiada zastosowaniu algorytmów nie stosujących jasnych, matematycznych powiązań między danymi (sieci neuronowych, drzew decyzyjnych i klasyfikacyjnych, sieci bayesowskich, itp.). Do mo- delowania wykorzystać można uczenie maszynowe zarówno bez nadzoru, jak i pod nadzorem, gdyż istnieje duży zbiór danych historycznych, w których dla zadanych danych wejściowych (parametrów projektu) znany jest efekt końcowy (opóźnienie). PODSUMOWANIE W referacie przedstawiono teorię procesów decyzyjnych uwzględniającą niektóre ze znanych modeli decyzyjnych opartych na typach ludzkich zachowaniach w sytuacjach podejmowania wyboru spośród możliwych alternatyw działania, a także warunki które dane sytuacje definiu- ją. W dalszej części opisano rozwój narzędzi informatycznych odpowiadających za wsparcie procesów decyzyjnych (DSS) oraz scharakteryzowano najważniejszą w ostatnich latach tech- nologię, która rozwinęła możliwości tych systemów – analitykę predykcyjną. Przedstawiono najnowsze zastosowania analityki w branży górniczej, które skupiają się wokół predykcji awa- rii maszyn i urządzeń w zakładach górniczych oraz predykcji wpływu wstrząsów rejestrowa- nych w górotworze. Zaproponowano nowy obszar zarządzania, w którym możliwe jest zasto- sowanie analityki predykcyjnej w przemyśle wydobywczym– zarządzanie projektami inwesty- cyjnymi, które w przypadku KGHM Polska Miedź S.A spełnia wszystkie kryteria wymagane dla takiego wdrożenia. Są to: jasno zdefiniowany cel biznesowy – predykcja opóźnień w reali- zacji projektów; złożoność problemu – ponad 400 projektów realizowanych w 11 Oddziałach Spółki; istniejący dostęp do rozległych danych – m. in. dane gromadzone m.in . przez System Zarządzania Projektami. Określony został etap procesu analitycznego, jakim jest etap groma- dzenia informacji poprzedzający ich wstępne rozpoznanie, który wraz z selekcją modeli, a na- stępnie ich ewaluacją realizowany będzie w ramach Programu Doktoratów Wdrożeniowych w KGHM Polska Miedź S.A. LITERATURA [1] Jun H. 2018: Theory to Practice: Deconstructing Inappropriate Hierarchical, Dichotomous, and Linear Thinking Styles/Patterns. In Social Justice, Multicultural Counseling, and Practice : Beyond a Con- ventional Approach, Cham: Springer International Publishing, 311–33.