Hoofdstuk 3 Automatisering en beslissingsprocessen 3.1 Inleiding In hoofdstuk 2 is het gebruik van modellen in het beslissingsproces beschreven. De aard van de modellen hangt samen met de vorm van ondersteuning die door informatiesystemen kan worden geleverd. In dit hoofdstuk staat het ondersteunen van dit beslissingsproces met behulp van een computer centraal. De invloed van computers op het beslissingsproces is in de loop van de tijd groter geworden. In de beginjaren was de computer met name gericht op het verwerken van gegevens (zie paragraaf 3.2). In de loop van de tijd werden computers meer gericht op het programmeren van goed gestructureerde problemen (paragraaf 3.3) en later ook op de ondersteuning bij het nemen van beslissingen in geval van minder goed gestructureerde problemen (paragrafen 3.4 en 3.5). Aan de hand van die ontwikkeling kunnen een aantal fasen worden onderscheiden 36. Deze fasen zijn: 1. verwerken van gegevens, Electronic Data Processing (EDP), 2. oplossen van goed gestructureerde problemen, Management Information Systems (MIS), 3. de twee voorafgaande plus de ondersteuning van de besluitvorming, Decision Support Systemen (DSS) en Kennissystemen (KS). In de laatste jaren is een trend waar te nemen naar de integratie van kennissystemen en decision support systemen, die tot uitdrukking komt in systemen met namen als kennisgebaseerde beslissingsondersteunende systemen en aanverwante termen. Deze ontwikkeling wordt beschreven in paragraaf 3.7. 36 De hier beschreven fasering moet niet worden verward met de groeifasen van het gebruik van informatiesystemen in een specifieke organisatie, zoals die door Nolan zijn gespecificeerd. In eerste instantie onderscheidt Nolan (Gibson en Nolan, 1974) vier fasen, nl.: initiation, diffusion, formalization en maturity. Dit aantal breidt hij later uit tot zes (Nolan, 1979), initiation, contagion, control, integration, data en maturity.
54 Hoofdstuk 3 De hierboven genoemde fasen beschrijven zowel de historische ontwikkeling van informatiesystemen in het algemeen als het gebruik van informatiesystemen in een specifieke organisatie. Boersma (1989) maakt een onderscheid tussen concrete en abstracte informatiesystemen. Een abstract informatiesysteem is een model, een afbeelding van een reëel systeem. Het abstracte systeem speelt een rol bij de ontwikkeling van het concrete systeem. In dit hoofdstuk wijzen wij bij het gebruik van de term informatiesysteem op het concrete informatiesysteem, tenzij expliciet anders vermeld. Een organisatie moet de fasen in de genoemde volgorde doorlopen omdat de latere fasen zijn gebaseerd op de eerdere fasen. Zo vormen bijvoorbeeld de in de EDP-fase ontwikkelde bestanden de basis voor de andere vormen van informatieverwerking. De invloed van de verschillende fasen op het beslissingsproces loopt sterk uiteen. De EDP-fase heeft ten hoogste een indirect effect op de besluitvorming. Specifieke decision support systemen en kennissystemen zijn daarentegen direct gericht op specifieke beslissingsprocessen. In de volgende paragrafen worden de verschillende systemen en de invloed van deze systemen op de besluitvorming beschreven. 3.2 Electronic Data Processing Electronic Data Processing (EDP) vormt de eerste fase in het gebruik van computers binnen organisaties. Deze fase wordt gekenmerkt door het automatiseren van arbeidsintensieve, relatief eenvoudige en frequente verwerkingen van gegevens. Het automatiseren van deze regelmatige verwerkingen heeft met name tot doel een efficiency-verhoging te realiseren. Met beslissingsprocessen binnen organisaties heeft deze fase nog weinig van doen. Ten hoogste worden bepaalde overzichten vervaardigd die bij het verwerken van de gegevens als bijprodukten ontstaan. De EDP-fase heeft een grote invloed gehad, en heeft die nog steeds, op de werkverdeling rond de dataverwerking in organisaties. Een groot deel van de standaardverwerkingen van gegevens worden nu succesvol uitgevoerd door computers. Salarisadministratie, facturering en voorraadregistratie zijn voorbeelden van gegevensintensieve processen die uitstekend door computers kunnen worden uitgevoerd. EDP omvat de toepassing van computers bij routinematige gegevensverwerkende activiteiten in een organisatie. In de loop van de tijd zijn computers daarnaast in toenemende mate toegepast bij veelvoorkomende kantoortaken. Een belangrijk deel van deze taken wordt gevormd door één of andere vorm van communicatie. Kantoorautomatisering richt zich op de ondersteuning van deze communicatie binnen organisaties. Alter (1992) definieert kantoorautomatisering als: An office automation system facilitates everyday communications and information processing tasks in offices and business organizations. Deze communicatie kan betrekking hebben op spraak, tekst en beelden (Hicks, 1993). De ondersteuning kan diverse vormen aannemen, afhankelijk van het type
Automatisering en beslissingsprocessen 55 communicatie. Tekstverwerking, elektronische mail (e-mail), desktop-publishing en fax-transmissies zijn gericht op tekstcommunicatie. Spraakverwerking (zowel menselijke spraak als door de computer gegenereerde spraak), telefoon en videoconferencing zijn gericht op spraakcommunicatie. Beeldcommunicatie wordt onder andere ondersteund door middel van desktop-publishing en fax-transmissies. Uit de voorgaande opsomming blijkt dat bepaalde middelen gericht zijn op meer dan één type van communicatie. Een fax wordt bijvoorbeeld zowel gebruikt bij de communicatie van tekst als de communicatie van beelden. Kantoorautomatisering heeft betrekking op de communicatie binnen organisaties. Recente ontwikkelingen maken communicatie en datatransport tussen organisaties mogelijk. De electronic highway 37 biedt de mogelijkheid internationaal en intercontinentaal te communiceren. De electronic highway biedt een informatieinfrastructuur voor de communicatie van tekst, beeld en spraak, alle in digitale vorm. Het belang van een goede infrastructuur wordt beschreven door Porter (1990): a nation s industry depends on a modern and improving infrastructure. This is particular true in advanced transportation, logistics and telecommunications, all integral to introducing modern technologies and to competing in foreign markets. Both firms and governments have a responsibility in creating and upgrading infrastructure. Door de technologische ontwikkelingen op het gebied van computers en telecommunicatie, wordt de elektronische infrastructuur een steeds belangrijker deel van de totale infrastructuur (Kettinger, 1994). Kettinger beschrijft welke functionaliteit een dergelijke infrastructuur moet bieden: The vision of the proposed national information infrastructure is one of a universally accessible widely distributed, private and public interconnected networks that permit access to a variety of databases and that can transmit voice, text, images, video, and virtually any other format for depicting information to anyone, at any time, in any place. Kettinger beschrijft de ontwikkeling van deze informatie-infrastructuur aan de hand van een innovatiediffusiemodel 38. De eerste gebruikers van de informatieinfrastructuur waren vooral te vinden in de wetenschappelijke wereld. Het gebruik bestond met name uit elektronische mail. In de daarop volgende fasen maken ook bedrijven, bibliotheken, scholen etc. gebruik van de infrastructuur. In de volwassenheidsfase benadert de infrastructuur de in het vorige citaat beschreven 37 De Amerikaanse term highway wordt hier gebruikt omdat de vertaling electronische snelweg geen recht doet aan de oorspronkelijke betekenis van het woord. De ruimte en vrijheid die het begrip highway impliceert wordt niet goed weerspiegeld door de Nederlandse equivalent van dat woord. 38 Kettinger (1994) hanteert het model van McFarlan en McKenney. Dit model bestaat uit de fasen: (1) technology identification and initial investment, (2) technological learning and adaptation, (3) rationalization and control en (4) maturity / wide spread technology transfer.
56 Hoofdstuk 3 functionaliteit. Informatiesystemen van organisaties kunnen direct worden aangesloten op netwerken. De financiering van de infrastructuur verandert bij het doorlopen van de ontwikkelingsfasen. De eerste fase is met name gebaseerd op overheidssteun en adhoc financiering. In de latere fasen zal de commerciële exploitatie van de infrastructuur belangrijker worden. 3.3 Management Information Systems De tweede fase die wordt onderscheiden is die van de Management Information Systems (MIS). Davis en Olson (1987, pag. 6) definiëren een MIS als: an integrated, user-machine system for providing information to support operations management, and decision making functions in the organization. The system utilizes computer hardware en software; manual procedures; models for analysis, planning, control and decision making; and a database De MIS-fase richt zich ten opzichte van EDP minder op de verwerking van gegevens en meer op het aanleveren van informatie. Hierbij is het onderscheid tussen gegevens en informatie van belang. Gegevens representeren feiten, objecten etc. Informatie betreft zodanig verwerkte gegevens dat de betrokken persoon er een betekenis aan kan toewijzen. Met een MIS kunnen bijvoorbeeld periodiek vaste overzichten worden vervaardigd die het verloop van allerlei kenmerken in de organisatie weergeven. Wekelijks wordt bijvoorbeeld de debiteuren- en crediteurenpositie getoond. Naast deze periodieke standaardrapportering is het tevens op beperkte schaal mogelijk specifieke rapporten te genereren. De invloed van MIS op het beslissen in organisaties bestaat uit het automatiseren van bepaalde keuzefasen. Goed gestructureerde problemen kunnen, na modellering, met behulp van een algoritme worden opgelost. Een voorbeeld van een dergelijk probleem is de bepaling van de optimale bestelhoeveelheid. Frowein (1990) merkt op dat de MIS-fase geen succes blijkt te zijn. Hij draagt hiervoor twee redenen aan. De organisatie omvattende modellen komen niet echt uit de verf omdat een koppeling tussen modellen op verschillende niveaus in de organisatie nodig is. Deze koppeling is met mathematische modellen moeilijk te realiseren mede doordat de doelstellingen van de organisatie niet altijd kunnen worden vertaald naar doelstellingen van de afzonderlijke afdelingen. De tweede reden die hij noemt is de door Bosman en Sol geconstateerde scheiding tussen planning (problemen waarop een MIS vaak is gericht) en administreren. De administratie kan vaak de benodigde gegevens niet leveren. De problemen die in de MIS-fase werden opgelost zijn goed gestructureerde problemen die vervolgens met behulp van een algoritme kunnen worden opgelost. Bekende toepassingen in deze categorie zijn de netwerkplanningsystemen en de voorraadreguleringssystemen. In deze systemen is de problematiek van de keuze in software (men kan zeggen formele regels) vastgelegd.
Automatisering en beslissingsprocessen 57 3.4 Decision Support Systemen De term Decision Support Systeem (DSS 39 ) is geïntroduceerd door Scott Morton in 1971. De betekenis van het begrip is direct uit de woorden af te leiden. De term beslissing (decision) benadrukt dat dergelijke systemen zijn gericht op het nemen van beslissingen en niet alleen op het verwerken van gegevens en informatie. Support duidt erop dat het systeem niet gericht is op het vervangen van de beslisser maar op de ondersteuning van de beslisser. Systeem geeft aan dat er sprake is van geïntegreerde aanpak waarbij de gebruiker, de machine c.q. de computer en de probleemcontext een rol spelen. Sinds de introductie van het begrip DSS is er door een groot aantal auteurs een groot aantal verschillende interpretaties van DSS opgesteld. Er bestaat een grote spraakverwarring over wat nu precies als een DSS moet worden opgevat. Uitgaande van de term DSS kan elk systeem, waarbij op één of andere manier sprake is van ondersteuning bij het nemen van een beslissingen, als een DSS worden gekwalificeerd. Op deze manier kan bijna elk systeem, behalve de puur transaktieverwerkende systemen, als een DSS worden aangemerkt. Een dergelijke definitie die geen indeling geeft is weinig zinvol. Om hieraan tegemoet te komen zijn diverse scherpere definities ontwikkeld. Sommige benadrukken hierbij de functionaliteit van het systeem terwijl andere de technische aspecten centraal stellen. Elementen die in deze definities terugkomen zijn: het al dan niet gestructureerd zijn van beslissingen, de niveaus van DSS software en de componenten van DSS software Decision Support Systemen zijn bedoeld om de beslisser te ondersteunen bij het nemen van beslissingen, en niet zozeer deze beslisser te vervangen. Deze aanpak erkent de cognitieve beperkingen van de mens en probeert de zwakke punten in het functioneren van de mens te ondervangen door middel van ondersteuning met behulp van een computer. De DSS aanpak probeert de sterke punten van de mens en de computer samen te voegen. Thierauf (1982) schrijft over decision support systemen: Fundamentally, the main thrust of decision support systems is on decisions in which there is sufficient structure for the computer and quantitative models to be of value but where the user's judgement is essential. Met andere woorden, het probleem wordt niet volledig door de computer opgelost, de mens behoudt een significante en zelfs doorslaggevende rol in het beslissingsproces. Spraque en Carlson (1982) definiëren een DSS als: A DSS is an interactive computer based system that helps decision makers to use data and models to solve unstructured problems De ondersteuning vindt plaats door het beschikbaar stellen van methoden en data. Het moet voor de beslisser mogelijk zijn toegang te krijgen tot bepaalde databases 39 Afhankelijk van de context verwijst de afkorting DSS naar het begrip decision support systeem in enkelvoud of meervoud.
58 Hoofdstuk 3 om over de noodzakelijke gegevens te beschikken. Deze gegevens komen voor een groot deel uit bestanden, die in de EDP-fase tot stand zijn gekomen. Tevens moet de beslisser mogelijkheden worden geboden gegevens te manipuleren met behulp van modellen. 3.4.1 Gestructureerde en ongestructureerde beslissingen In veel definities van DSS komt naar voren dat deze systemen gericht zijn op het ondersteunen van ongestructureerde problemen. Goed gestructureerde problemen kunnen op een andere en eenvoudiger manier worden opgelost. Zoals reeds bij de bespreking van MIS is genoemd, worden in die fase bepaalde formaliseerbare problemen in de software vastgelegd. DSS daarentegen zijn gericht op die problemen waarbij nog wel van enige structuur sprake is, zodat computers kunnen worden gebruikt, maar waar de inbreng van de beslisser van doorslaggevend belang is. Sol (1980, pag. 5) definieert goed gestructureerde problemen als problemen die voldoen aan de volgende drie voorwaarden: 1. the set of alternative courses of actions or solutions is finite and limited; 2. the solutions are consistently derived from a model system that shows a good correspondence; 3. the effectiveness or the efficiency of the courses of action can be numerically evaluated. Ongestructureerde problemen voldoen niet aan een of meer van deze voorwaarden. De gestructureerdheid van een probleem kan persoons- en tijdgebonden zijn. Een probleem dat voor iemand op een bepaald moment niet gestructureerd lijkt, kan na uitvoerige bestudering toch gestructureerd zijn of gestructureerde componenten bevatten. Naast het onderscheid tussen goed en slecht gestructureerde problemen kan het onderscheid worden gemaakt tussen programmeerbare en niet programmeerbare problemen (Simon, 1960): Decisions are programmed to the extent that they are repetitive and routine, to the extent that a definite procedure has been worked out for handling them so they won't have to be treated de novo each time they occur. Decisions are nonprogrammed to the extent that they are novel, unstructured and consequential, there is no cut and dried method for handling the problem because it hasn't arisen before, or because its precise nature and structure are elusive or complex, or because it is so important that it deserves a custom-tailored treatment. Vaak worden de programmeerbare problemen gelijk gesteld aan de goed gestructureerde problemen en de slecht gestructureerde problemen aan de niet programmeerbare problemen. Sol (1980) wijkt hier vanaf door te stellen dat beslissers oplossingen kunnen vinden voor slecht gestructureerde problemen die kunnen worden geprogrammeerd. De goed gestructureerde problemen zijn op deze manier een deelverzameling van de programmeerbare problemen.
Automatisering en beslissingsprocessen 59 Van belang is de vraag waar de ondersteuning van slecht gestructureerde problemen zich op richt. Die vraag kan in een aantal vragen worden onderverdeeld: 1. Richt de ondersteuning zich op alle fasen van het proces van beslissen of op één daarvan? 2. Richt de ondersteuning zich op een bepaalde functie of op een bepaald niveau? 3. Richt de ondersteuning zich op het gebruik van formele regels, informele regels of beide? 4. In welke vorm wordt die ondersteuning gegeven? In het algemeen wordt in de literatuur aan deze vragen weinig aandacht besteed. In paragraaf 3.8 komen wij, na de bespreking van de verschillende varianten van beslissingsondersteunende systemen, op die vragen terug. 3.4.2 Niveaus van DSS software Een manier om tot een structurering van het begrip DSS te komen is de door Sprague en Carlson (1982) gedefinieerde opdeling in drie niveaus van DSS software: DSStools, een DSS-generator en een specifiek DSS. Door recente ontwikkelingen kunnen hier een aantal niveaus aan worden toegevoegd, nl. de generieke DSS, kennissystemen en de integratie van deze categorieën (zie de paragrafen 3.4.5, 3.5 en 3.7). DSS-tools De DSS-tools c.q. gereedschappen vormen de basis voor zowel de specifieke DSS als de DSS-generatoren. Met de gereedschappen kunnen specifieke DSS worden gebouwd maar in de meeste gevallen is het raadzamer om met de gereedschappen een DSS-generator te ontwikkelen. De gereedschappen die bij het ontwikkelen van een DSS of SDSS kunnen worden gebruikt, hebben betrekking op lineair programmeren, simulatie, spreadsheets, grafieken-generatoren en tekstverwerking. DSS-generator Sprague en Carlson (1982) definiëren een DSS-generator als: A DSS generator is a package of related hardware and software which provides a set of capabilities to build specific DSS quickly and easily Een DSS-generator bestaat uit een verzameling componenten waarmee een specifiek-dss kan worden ontwikkeld. De componenten kunnen bestaan uit de in de vorige paragraaf gedefinieerde gereedschappen. De bouwer van een DSS-generator moet een keuze maken welke gereedschappen in de generator worden opgenomen. Specifiek DSS Het specifiek DSS (SDSS) is gericht op een specifiek probleem en één beslisser die dat specifieke probleem heeft. De gebruiker van het systeem kan de gegevens uit de databank en de methoden uit de methodenbank gebruiken om zijn beslissingsproces te modelleren. Het specifiek DSS hoeft niet het gehele beslissingsproces van
60 Hoofdstuk 3 intelligence tot choice te beslaan. Het SDSS kan zijn gericht op één of meerdere fasen van het beslissingsproces. Dit is niet per definitie alleen de keuzefase. Een SDSS kan ook gericht zijn op de probleemherkenning, de probleembeschrijving en/of het genereren en evalueren van alternatieven. De gebruiker van het systeem kan de beslisser zijn of een intermediair die het systeem gebruikt. De constructie van een specifiek DSS Een specifiek DSS kan direct met behulp van de gereedschappen worden ontwikkeld. Een in de meeste gevallen efficiëntere manier voor het ontwikkelen van een SDSS is het gebruik van een DSS-generator. Een DSS-generator maakt het mogelijk op een vrij eenvoudige wijze een eerste versie, oftewel een prototype 40, van een SDSS af te leveren. Ervaringen met het gebruik van dit prototype kunnen aanleiding zijn tot het doorvoeren van wijzigingen. Deze wijzigingen hebben betrekking op het verbeteren van fouten, het aanpassen van het systeem aan nieuwe wensen etc. Benbasat en Nault (1990) concluderen op basis van diverse empirische onderzoeken: DSS usage is higher, and user satisfaction, attitudes, and perceptions are more favorable when prototyping and iterative design are used. 3.4.3 Componenten van een DSS-generator Een DSS-generator wordt vaak beschreven als een systeem bestaande uit drie componenten. Een methodenbank, een databank en een gebruikersinterface. Een specifiek DSS bezit in veel gevallen dezelfde drie componenten. Gebruikersinterface De gebruikersinterface is van belang voor de interactie tussen de gebruiker en het systeem. De gebruikersinterface is hierdoor van grote invloed op de acceptatie van het systeem. Als de gebruiker een beeldschermopbouw herkent zal de kans op acceptatie van het systeem groter zijn. Deze herkenning wordt gerealiseerd door bijvoorbeeld overeenkomsten na te streven tussen het beeldscherm en de daarvoor gebruikte formulieren. Bennett (1983) beschrijft de interactie tussen de computer en de gebruiker van de generator aan de hand van drie zaken, die richtlijnen geven bij het construeren van een user-interface: What the user sees. Hetgeen de gebruiker op het beeldscherm ziet is bepalend voor de interactie en het gebruik van het systeem. Het beeld bepaalt de context van de interactie. De kwaliteit van deze interactie zal bepaald worden door de overeenkomsten tussen de context en de ervaringen van de gebruiker. Als de context goed overeenkomt en herkenbaar is, zal de gebruiker de informatie herkennen en weten welke acties uit te voeren. What the user has to know. 40 Zie hoofdstuk 4 voor een uitgebreide beschrijving van prototyping.
Automatisering en beslissingsprocessen 61 De gebruiker moet een zekere kennis hebben om de getoonde informatie te begrijpen en te interpreteren en om op basis van deze informatie een specifiek DSS te kunnen bouwen. Voor de bouw van een SDSS moet de gebruiker in elk geval enige kennis hebben van de in de generator beschikbare methoden. What the user can do. Wat kan de gebruiker doen in het gebruik van het systeem? Bij de beantwoording van deze vraag is het van belang te weten welke functies en commando's beschikbaar zijn en hoe eenvoudig het is hulpschermen op te roepen. De gebruikersinterface is voor een groot deel bepalend voor de gebruiksvriendelijkheid van het systeem. De gebruiksvriendelijkheid wordt in deze paragraaf besproken omdat deze met name onder invloed staat van de gebruikersinterface 41. Voor een deel is de gebruiksvriendelijkheid afhankelijk van softwarematige aspecten. Voor een ander deel is de gebruiksvriendelijkheid afhankelijk van de hardware waarop en de omgeving waarbinnen het systeem wordt gebruikt. Factoren die de gebruiksvriendelijkheid beïnvloeden zijn (Kendall en Kendall 1992, Davis en Olson 1985, Sprague en Carlson, 1982): de dialoog het schermontwerp de gebruikersinterface de responsietijd de feedback de ergonomie Het gebruiksgemak van een systeem staat ondermeer onder invloed van de manier waarop de dialoog tussen de gebruiker en het systeem inhoud is gegeven. Mogelijke invullingen van deze dialoog zijn: natuurlijke taal interfaces, vraag en antwoord interfaces, menu s, invoer- en uitvoerformulieren en commando interfaces. Verder wordt het gebruiksgemak bepaald door de manier van bediening. Was tot voor kort het toetsenbord de enige manier om interactief met de computer om te gaan, de laatste tijd worden steeds meer systemen ontwikkeld die met de muis, een lichtpen, een touch-screen of zelfs met spraakherkenning kunnen worden aangestuurd. Coll et al. (1994) onderzoeken de snelheid van werken met, het aantal fouten door en de voorkeur voor de verschillende vormen van besturing. Zij concluderen dat met de muis werken sneller is dan werken met een lichtpen of het toetsenbord. Daarnaast concluderen zij echter dat het gebruik van het toetsenbord minder fouten oplevert. De participanten van het onderzoek zeggen de muis voor algemeen gebruik te prefereren. Een computerscherm dient zodanig ontworpen te zijn dat het relevante informatie op een heldere wijze weergeeft. Davis en Olson (1985) beschrijven twee richtlijnen voor het ontwerpen van een scherm: (1) geef alleen gegevens weer die essentieel zijn 41 De in deze paragraaf besproken aspecten van de gebruiksvriendelijkheid zijn ook van toepassing op de andere in dit hoofdstuk besproken systemen zoals kennissystemen en executive information systems.
62 Hoofdstuk 3 voor het nemen van die beslissing of het uitvoeren van die specifieke actie, en (2) geef alle relevante informatie op één scherm weer. Verder beschrijven zij richtlijnen als: plaats items bij elkaar die logisch samenhangen, plaats de items in een logische volgorde, plaats belangrijke items meer naar boven en meer naar links op het scherm en laat voldoende ruimte tussen de afzonderlijke items zodat de items duidelijk gescheiden blijven. De manier van interactie wordt in de jaren negentig steeds meer gedomineerd door de zogenaamde Graphical User Interfaces (GUI). Microsoft Windows en X- Windows zijn voorbeelden van deze GUI s. De GUI s zorgen voor een belangrijke standaardisatie van de interactie tussen de gebruiker en het systeem. Diverse soorten programma s hebben vergelijkbare menustructuren, dialoogvensters etc. Met behulp van de muis, menu s en drukknoppen geeft de gebruiker commando s aan de computer. Het aanleren van een nieuw programma, dat dezelfde interface-conventies naleeft, zal veel sneller verlopen 42. De mate van gebruiksvriendelijkheid en dan met name de mate van ergernis, wordt voor een groot deel beïnvloed door de responsietijd van het systeem. De wachttijden mogen niet te hoog oplopen en moeten met name consistent zijn. Het consistent zijn betekent dat opdrachten met een soortgelijke complexiteit een vergelijkbare responsietijd dienen te hebben (Davis en Olson, 1985). Indien de responsietijd meer dan een aantal seconden bedraagt, moet de gebruiker in ieder geval feedback krijgen dat de opdracht in uitvoering is genomen. Een gebruiker heeft behoefte aan feedback tijdens het werken met de computer. De gebruiker moet weten dat de invoer juist is verwerkt of dat de computer bezig is een opdracht uit te voeren. Kendall en Kendall (1992) onderscheiden 7 typen van feedback. Het bevestigen van invoer door het afbeelden van de invoer op het scherm, het bevestigen van correcte invoer (b.v. Ready ), het geven van een foutmelding bij onjuiste invoer, het aangeven van een bewerking (b.v. Wait ), het bevestigen van het afronden van een bewerking (b.v. Done ), het geven van een foutmelding indien een opdracht niet kan worden uitgevoerd en tenslotte het beschikbaar stellen van meer gedetailleerde hulpinformatie (b.v. Assist ). De ergonomie van een systeem wordt niet door softwarematige aspecten bepaald. De ergonomie wordt beïnvloed door de hardware zoals het beeldscherm, het toetsenbord, de ruimtelijke opstelling van beide, de verlichting van de kamer, het meubilair etc. Methodenbank Een tweede component van een DSS wordt gevormd door de methodenbank (Brennan en Elam, 1986). Deze bank bevat methoden waarmee bepaalde problemen conceptueel kunnen worden gemodelleerd. Met de gegevens uit de databank kunnen de conceptuele modellen empirisch worden gemaakt en kan met die modellen worden geëxperimenteerd. Bekende voorbeelden van methoden in DSS-generatoren 42 Hertogs en Helms (1995) beschrijven een onderzoek door een Amerikaans adviesbureau waaruit blijkt dat bij mensen die met Windows werken gevoelens van frustratie en vermoeidheid in vergelijking met niet grafische interfaces zijn gehalveerd. Daarnaast konden de proefpersonen sneller en beter omgaan met voor hen onbekende programma s.
Automatisering en beslissingsprocessen 63 zijn: lineair programmeren, simulatie en statistische analyses. De beslisser moet zelf kiezen op grond van de kenmerken van het probleem of de situatie, welke methode in een bepaalde situatie moet worden toegepast. Databank De derde component van een DSS is de database oftewel databank (Garnto en Watson, 1986). De databank bevat gegevens die de beslisser kan opvragen of die kunnen worden gebruikt voor het opstellen en doorrekenen van modellen. De gegevens uit de databank kunnen uit verschillende bronnen afkomstig zijn. Zowel gegevens van binnen de organisatie als gegevens van buiten de organisatie kunnen voor het nemen van beslissingen van belang zijn. Het probleem hierbij is dat de vereiste gegevens niet altijd beschikbaar zijn in de transactie-database. De gegevens zoals de tussenaankomsttijden in geval van een simulatiemodel zullen afzonderlijk moeten worden verzameld en vastgelegd. Het uitvoeren van zoekacties en selecties op databases kan een groot beslag leggen op de capaciteit van het systeem. Om de normale verwerkingen, die gebruikmaken van de database, niet te vertragen kan een speciale database voor de DSS worden ontwikkeld en onderhouden. Hierbij moet men wel organisatorische maatregelen treffen teneinde te waarborgen dat de DSS-database een getrouwe afspiegeling van de overige databases vormt. 3.4.4 DSS en beslissingsprocessen Een SDSS is gericht op het ondersteunen van een beslissingsproces van de beslisser. De beslisser behoudt een doorslaggevende rol bij het nemen van beslissingen. Het SDSS kan, zoals hiervoor reeds is beschreven, één of meerdere fasen van het beslissingsproces ondersteunen. De beslisser maakt gebruik van de beschikbare methoden en gegevens, maar vult zelf het beslissingsproces in. Hofstede (1992) beschrijft het beslissen met behulp van een DSS aan de hand van een aantal geschakelde niveaus (zie Figuur 3-5). Figuur 3-5 suggereert dat de informatie over de omgeving en over het probleem wordt gefilterd door de persoons- en managementcontext. Op dezelfde wijze wordt de gevonden oplossing gemanipuleerd door de management- en persoonscontext. In de management- en persoonscontext wordt de oplossing gemanipuleerd omdat het model zoals opgenomen in het SDSS bepaalde aspecten buiten beschouwing laat. Het model abstraheert bepaalde persoonlijke aspecten, zoals persoonlijke voorkeuren en doelstellingen en bepaalde management aspecten, zoals de samenhang met en invloed op andere beslissingen. Uit de figuur blijkt dat de persoonscontext het meest dominant is. De beslisser bepaalt welke informatie wordt gebruikt en neemt de uiteindelijke beslissing.
64 Hoofdstuk 3 Environment Information Personal context (learning, goals, attitudes) Management context (objectives, other problems) Problem context as supported by DSS adopted solution Real problem Figuur 3-5 : Probleemoplossen met behulp van een DSS. Het model van Hofstede van het probleemoplossen met behulp van een SDSS geeft geen volledige beschrijving van het gebruik van een SDSS. Bij het gebruik van een SDSS moet een beslisser zelf het model invullen. Hij bepaalt zelf welke methoden in welke samenhang worden toegepast en welke gegevens hierbij een rol spelen. Hierbij spelen eigen beslissingsregels een rol. De problem context as supported by DSS in Figuur 3-5 kan in dat geval niet worden gezien als een losstaande component waarover de persoonlijke en management context worden geschoven. Er is een interactie tussen de diverse componenten, inclusief de omgeving. Het model van Hofstede is wellicht beter toepasbaar op het gebruik van generieke Decision- (zie volgende paragraaf). In dergelijke systemen wordt een conceptueel model aangeleverd waarna de beslisser het model empirisch maakt en bepaalde beslissingen kan evalueren. In deze situatie bepaalt de beslisser welke informatie hij al dan niet wil gebruiken en de beslisser kan het systeem overrulen indien de uitkomsten niet bevallen. Bij het aanleveren van een model door een Executive Information System (zie paragraaf 3.6) kan ook worden gesproken over a problem context as supported by the system. Het model bepaalt de probleemcontext. Onderzoeken met betrekking tot de effecten van het gebruik van decision support systemen leveren geen eenduidige conclusies op. Benbasat en Nault (1990) beschrijven een groot aantal empirische onderzoeken waarvan sommige verbeteringen laten zien door het gebruik van DSS en andere onderzoeken geen verschillen tonen tussen gebruikers die wel of niet worden ondersteund. Benbasat en Nault (1990) noemen als mogelijke oorzaken van deze tegenstrijdige conclusies: het verschil in de mate van ondersteuning die door het DSS wordt geboden, de complexiteit van het gebruik van het DSS, gebrek aan toetsen om de kwaliteit van het DSS vast te stellen en tenslotte een verschil in training van de DSS gebruikers. Daarnaast geldt dat verschillende onderzoeken de effecten van het DSS gebruik op zeer uiteenlopende manieren hebben geoperationaliseerd. In de meeste onderzoeken
Automatisering en beslissingsprocessen 65 wordt uitsluitend gekeken naar de uitkomsten, bijvoorbeeld de winst of de tijd die men nodig heeft voor het nemen van een beslissing. Het beslissingsproces wordt niet geëvalueerd. Benbasat en Nault (1990) stellen dan ook: It is ironic that even though the fundamental studies in this field have placed emphasis on understanding the influence of computerized support on changes in decision processes, few Management Support System studies that examine these relationships have emerged. Het gebruik van een DSS hoeft echter niet uitsluitend te zijn gericht op het totstandkomen van kwalitatief betere beslissingen. Keen (1986) noemt behalve dit voordeel nog elf andere: het groter aantal alternatieven dat wordt bekeken, een beter begrip van de organisatie en de omgeving, een snellere response op onverwachte omstandigheden, ad-hoc analyses, nieuwe inzichten, een betere communicatie, een betere beheersing, kostenbesparingen, effectief groepswerk, tijdbesparingen en tenslotte een beter gebruik van beschikbare gegevens. Uit deze opsomming blijkt dat betere beslissingen slechts één van de mogelijke voordelen is. Alter (1992) pleit ervoor de hele discussie over decision support systemen en de hieraan gerelateerde begrippen en definities aan de kant te schuiven en zich weer te concentreren op datgene dat echt essentieel is, namelijk het verbeteren van de beslissingsprocessen. De activiteiten van mensen moeten als uitgangspunt worden genomen bij het bestuderen van beslissingsprocessen. Alter classificeert informatiesystemen aan de hand van de mate waarin het systeem de manier van werken bepaalt (als hulpmiddel, voorschrijvend of als vervanging van de mens) en het niveau van coördinatie (individu, groep, organisatie) dat het systeem ondersteunt. Alter (1992) concludeert: Instead of starting by saying we are going to study DSS, we should start by saying we are going to study ways to improve decision making. This will focus attention on what is important, will eliminate wasted effort distinguishing between overlapping and poorly defined types of systems, and may lead to more applicable results. Alter benadrukt de beslissingsprocessen, maar deze processen kunnen vanuit een groot aantal gezichtspunten worden bestudeerd. Iedere discipline benadrukt en bestudeert bepaalde zaken van het beslissingsprobleem. Men zal binnen een discipline dus wel moeten aangeven welke zaken worden bestudeerd. Binnen de informatiekunde zal de nadruk liggen op faciliteiten om deze beslissingsprocessen te ondersteunen. Daarbij zal naar de mogelijkheden van decision support- en expertsystemen worden gekeken. Deze systemen moeten niet om het systeem zelf worden gebruikt, maar omdat een dergelijk systeem een goede ondersteuning biedt in een specifieke situatie (zie Paragraaf 3.7.1 voor een beschrijving van de toepasbaarheid van beide categorieën van systemen).
66 Hoofdstuk 3 3.4.5 Generieke decision support systemen Naast de hiervoor beschreven categorieën van decision support systemen onderscheidt Stegwee (1992) generieke decision support systemen (GDSS 43 ). Dergelijke generieke systemen zijn gericht op een klasse van gelijksoortige problemen. Met die gerichtheid onderscheidt een GDSS zich van een SDSS, gericht op een specifiek probleem en een specifieke beslisser, en een DSS-generator, gericht op een grote verzameling van mogelijke problemen. Door dit verschil in toepasbaarheid van een generieke DSS zal ook het ontwikkelingsproces anders verlopen. Stegwee (1992) splitst de ontwikkeling van een generieke DSS in een aantal stappen. De ontwikkeling van een generieke DSS moet daarbij duidelijk onderscheiden worden van het daaropvolgende gebruik van het generieke DSS. Net als bij een SDSS geldt dat een GDSS op verschillende manieren kan worden geconstrueerd. Een GDSS kan rechtstreeks met behulp van de benodigde tools worden ontwikkeld (zie paragraaf 3.4.2 voor een beschrijving van deze tools). Daarnaast bestaat de mogelijkheid gebruik te maken van een generator. Ook bij een GDSS dienen faciliteiten beschikbaar te zijn voor het toegankelijk maken van databases, het gebruik van methoden en het specificeren van de interactie met de gebruiker (de database management component, de modelbase management component en de gebruikersinterface). Deze faciliteiten kunnen ter beschikking worden gesteld door een dergelijke generator. De hierna te beschrijven stappen (zie Figuur 3-6) zijn gericht op het ontwikkelen van het generieke DSS. Het uitgangspunt voor het ontwikkelen van een generieke DSS is een klasse van problemen. De eerste stap bestaat uit het waarnemen en beoordelen van een voorbeeldprobleem uit een dergelijke klasse. Vervolgens wordt het probleem op een conceptueel niveau beschreven. Hierbij worden de doelstellingen geformuleerd en het probleem beschreven. Deze fase resulteert in een conceptueel model van de probleemklasse. Dit conceptuele model wordt vervolgens ondergebracht in een computerprogramma, het generieke DSS. Na de constructie van het generieke DSS moet dit systeem worden getest. Hiertoe wordt een experimenteel model opgesteld. Dit experimentele model is een empirische beschrijving van één probleem uit de gedefinieerde probleemklasse. Het experimentele model is een empirisch model. De term experimenteel geeft echter aan dat het een beschrijving van een fictieve case betreft. Gegeven de kenmerken van dit specifieke probleem wordt het generieke DSS omgezet in een experimenteel SDSS. Dit SDSS biedt een beschrijving van het experimentele probleem en kan worden gebruikt binnen het beslissingsproces. Door het gebruik van dit specifieke DSS wordt de functionaliteit van het generieke DSS getest. Als het specifieke DSS de verschillende testen doorstaat, leidt dit tot de acceptatie van het generieke model. Afwijzing van het specifieke DSS kan aanleiding zijn tot het opnieuw doorlopen van één van de voorgaande fasen. 43 Niet te verwarren met Group Decision Support Systemen. A Group DSS aims to improve the process of group decision making by removing common communication barriers, providing techniques for structuring decision analysis, and systematically directing the pattern, timing or content of discussion (DeSanctis en Gallupe, 1987). Zie voor meer informatie over Group DSS, Gallupe en DeSanctis (1988), Watson et al. (1988), Dickson et al. (1993).
Automatisering en beslissingsprocessen 67 Problem Class Observation and assesment of problem instance Formulation of objectives and description of problem instance Conceptual model Transformation of conceptual model into generic dss Generic DSS Experimental model Testing of the generic DSS Construction of experimental model Transformation of generic DSS into specific DSS Experimental SDSS Testing of specific DSS Accepted Generic DSS Figuur 3-6: Ontwikkeling van het generieke DSS 3.4.6 Generieke DSS en beslissingsprocessen. De vorige paragraaf heeft uitsluitend betrekking op het construeren van het generieke DSS. Voor het ondersteunen van specifieke beslissingen dient het generieke DSS verder te worden ingevuld. Nadat het generieke DSS is ontwikkeld kan het systeem bij problemen uit de probleemklasse worden toegepast. Gegeven het conceptuele model zoals dat in het generieke systeem is ondergebracht wordt een empirisch model voor de specifieke probleemsituatie geconstrueerd. Met behulp van dit empirisch model wordt het generieke DSS omgezet in een SDSS gericht op een specifiek probleem. Het empirisch model dient geverifieerd te worden. Het gebruik van dit SDSS kan betrekking hebben op één of meerdere fasen van het beslissingsproces. Het empirisch model kan worden gebruikt bij de probleemherkenning, de probleembeschrijving, het genereren en evalueren van alternatieven en tenslotte het kiezen van één van de alternatieven.
68 Hoofdstuk 3 3.5 Kennissystemen De vierde categorie van systemen betreft kennis- of expertsystemen. Deze systemen vormen een deel van het onderzoeksgebied van de Artificial Intelligence (AI). Minsky definieert AI als: AI is the science of making machines do things that would require intelligence if done by man. Andere onderzoeksgebieden binnen de AI zijn onder andere natuurlijke taalsystemen, patroonherkenning en robots (Nebendahl, 1988). Een expertsysteem 44 wordt door Feigenbaum (1982) 45 gedefinieerd als: an intelligent computer program that uses knowledge and inference procedures to solve problems that are difficult enough to require significant human expertise for their solution. Wanneer een onderscheid tussen expert en kennissystemen wordt gemaakt, is dit vaak op basis van de bron van de kennis waarop het systeem is gebaseerd 46. Indien de kennis afkomstig is van een menselijke expert wordt gesproken over een expertsysteem. Als de kennis van meerdere bronnen afkomstig is, spreekt men van een kennissysteem (Puppe, 1993). Naast de menselijke expert kunnen bijvoorbeeld documenten als kennisbron worden gebruikt. In de loop der tijd zijn systemen ontwikkeld in diverse toepassingsgebieden 47. In kennissystemen wordt kennis over een specifiek domein gerepresenteerd. Uit deze voorgaande zin mag niet worden geconcludeerd dat in andere informatiesystemen geen kennis wordt vastgelegd. Wel geldt dat de aard van de gemodelleerde kennis in kennissystemen anders is. Kennissystemen maken een scheiding tussen de kennis waarmee wordt geredeneerd, de kennisbank, en het mechanisme dat met deze kennis redeneert, het redeneermechanisme (Lucas en van der Gaag, 1988). Schuwer en Kusters (1990) stellen dat deze scheiding de volgende logische stap was na de scheiding tussen systeem-software en bewerkings-software en de daaropvolgende scheiding tussen gegevens en applicaties. De AI was in de beginjaren met name gericht op het redeneren. Een voorbeeld van onderzoek uit deze periode is de General Problem Solver. In de daaropvolgende periode kwam men tot de constatering dat het vastleggen van veel domeinkennis nodig is voor het nabootsen van het gedrag van experts (Simon, 1991). Simon (1991) stelt: 44 Zie Oldenkamp (1993) voor een aantal definities van kennissystemen. 45 In Grant (1986) 46 Schuwer en Kusters (1990) definieren het onderscheid op basis van de prestatie van het systeem: Onder een expert systeem wordt vaak een kennissysteem verstaan met prestaties vergelijkbaar met die van een menselijke expert. 47 Zie bijvoorbeeld De Witte en Kwee (1987a, 1987b, 1988) voor toepassingen in de medische wereld, het onderwijs en industie en Mertens et al. (1988) voor diverse toepassingen binnen organisaties.
Automatisering en beslissingsprocessen 69 In general, we need to have some combination of inferencing capability and knowledge, and every expert system makes provision for that. De scheiding tussen kennis en het redeneermechanisme biedt de mogelijkheid op basis van één en hetzelfde redeneermechanisme meerdere kennissystemen te implementeren. Wanneer de kennisbank wordt vervangen door een kennisbank met de kennis uit een ander kennisdomein ontstaat een kennissysteem voor een ander probleemgebied. Hoewel een redeneermechanisme voor meerdere toepassingen kan worden gebruikt, zijn er wel verschillende inferentiestrategieën denkbaar. De kennissysteemschil moet wel over de geschikte inferentiestrategie beschikken. Hieruit kan worden geconcludeerd dat één en hetzelfde inferentiemechanisme kan worden gebruikt voor meerdere kennissystemen, maar dat hierbij wel de voorwaarde geldt dat het inferentiemechanisme over de juiste redeneerstrategieën beschikt. Er is dus wel degelijk een samenhang tussen het probleemgebied en het inferentiemechanisme. 3.5.1 Componenten van een kennissysteem Een kennissysteem is opgebouwd uit een aantal componenten. Deze componenten zijn: de systeeminterface, de gebruikersinterface, het redeneermechanisme en de kennisbank. Een kennissysteemschil voor het ontwikkelen van een kennissysteem bevat daarnaast een ontwikkelaarsinterface. De samenhang tussen de verschillende componenten is in Figuur 3-7 weergegeven. Systeem Interface Gebruikers Interface Redeneer mechanisme Kennis Bank Ontwikkelaars Interface Figuur 3-7: Kennissysteemschil Een kennissysteem bestaat uit alle in Figuur 3-7 genoemde componenten behalve de ontwikkelaarsinterface. Een kennissysteemschil bevat alle componenten behalve de kennisbank. De schil biedt faciliteiten voor het ontwikkelen van een kennissysteem en het daaropvolgende gebruik van het ontwikkelde systeem. Ontwikkelaarsinterface Om een kennissysteem te ontwikkelen is met name de ontwikkelaarsinterface van belang. Deze biedt een editor of een menugestuurde interface waarmee de
70 Hoofdstuk 3 systeembouwer de diverse facetten van een kennissysteem, zoals bijvoorbeeld de produktieregels, kan ontwikkelen. In een editor kan de ontwikkelaar de regels intypen waarbij hij zich aan een bepaalde syntax moet houden. Via menu's kunnen regels worden geconstrueerd door de commando's, syntax-woorden, objecten en kenmerken uit lijsten te selecteren. De ontwikkelaarsinterface maakt geen deel uit van het uiteindelijke kennissysteem. Deze interface is alleen van belang tijdens de constructie van het systeem. Kennisbank Om een kennissysteem in staat te stellen te redeneren met kennis over een specifiek domein moet deze kennis op één of andere manier worden vastgelegd. In de loop van de tijd zijn een aantal kennisrepresentatietechnieken ontwikkeld. In de beginfase van het gebruik van expertsystemen lag de nadruk op produktieregels voor het modelleren van kennis. Een bekend voorbeeld van een dergelijk systeem is MYCIN (Buchanan en Shortliffe, 1985). Andere manieren voor het vastleggen van kennis zijn frames, scripts en semantische netwerken. Kennis wordt ontwikkeld door training en ervaring. Klein en Methlie (1990) maken het onderscheid tussen deep en shallow knowledge. De shallow knowledge bestaat uit allerlei vuistregels en short cuts om tot een oplossing te komen. De deep knowledge is gebaseerd op theorieën, axioma s en wetmatigheden die de onderliggende samenhang beschrijven. Het beschrijven van de shallow knowledge leidt tot een systeem dat vergelijkbaar is met de redenering van een expert op basis van zijn heuristieken. Het vastleggen van de shallow knowledge heeft echter tot gevolg dat de kennis is gericht op een specifiek probleemgebied. Het toepassingsgebied van het kennissysteem is daardoor beperkt. Veel expertsystemen zijn met name gebaseerd op de shallow knowledge. Volgens Simon (1986) kan dit op twee manieren worden uitgelegd: You can draw two kinds of conclusions from that. One is that we are going to have to go a long way in deepening these systems. The other conclusion you might draw, and I think in considerable measure a valid conclusion, is that we are sometimes kidding ourselves about how deeply modeled is the situation human beings use in order to solve problems. Het vastleggen van kennis is niet voldoende. Deze kennis moet vervolgens worden toegepast, er moet met de kennis worden geredeneerd. De wijze van redeneren is afhankelijk van de kennisrepresentatietechniek. Met regels wordt anders geredeneerd dan met frames of semantische netwerken. Wel geldt dat in veel gevallen een vertaalslag mogelijk is van de ene representatietechniek naar de andere. Produktieregels Kennis kan worden vastgelegd in zogenaamde produktieregels (zie paragraaf 2.4.4. voor een beschrijving van regelmodellen waarin dergelijke regels worden gemodelleerd). Dit zijn regels met een zogenaamde if.. then.. structuur. Als aan de voorwaarden van een regel is voldaan, dan mogen de conclusies worden getrokken. Regels representeren kleine losstaande stukjes kennis. Dergelijke losstaande stukjes kennis worden chunks genoemd (Giarratano en Riley, 1989). Een voordeel van de
Automatisering en beslissingsprocessen 71 regel-representatie is dat de regels makkelijk zijn te interpreteren. Daarnaast kan ook het redeneerproces duidelijk worden gevolgd doordat is vastgelegd aan welke voorwaarden moet zijn voldaan om een regel uit te voeren. De samenhang tussen de regels wordt echter niet expliciet gemodelleerd. Het inferentiemechanisme brengt een samenhang tussen de regels aan. Agarwal en Tanniru (1992) stellen: Conventional programming languages exhibit low transparency (i.e. an individual line of code provides little information about the program s overall functionality) and high behavior visibility (i.e. the sequence of code execution can be determined easily). Rule based formalisms, on the other hand, exhibit high transparency (each rule provides information about its logical context) and extremely low behavior visibility (the sequence of rule firings is difficult to determine a priori). Semantische netwerken In een semantisch netwerk wordt de betekenis van een object beschreven door de relaties met andere objecten weer te geven. Fysieke of abstracte objecten of concepten worden in knooppunten weergegeven. De relaties tussen deze knooppunten geven de aard van de relatie tussen de objecten weer. Bekende relaties hierbij zijn 'has-a' voor het beschrijven van het feit dat een object een bepaald kenmerk bezit en 'is-a' voor het feit dat een object gerekend mag worden tot een ander objecttype. Naast deze twee vaak gebruikte relaties kunnen allerlei andere relaties worden toegevoegd. De relaties worden in een netwerk gespecificeerd. Men noemt deze netwerken semantische netwerken. Semantische netwerken bieden een goede mogelijkheid om associaties vast te leggen. Deze associaties kunnen verschillend van aard zijn. De aard van de samenhang wordt met behulp van de naamgeving van de pijlen aangegeven. Scripts Scripts worden gebruikt om de opeenvolgingsrelaties van activiteiten en gebeurtenissen in situaties te beschrijven. In veel situaties bezit een mens kennis over de 'normale' gang van zaken. Een script helpt bij het doorgronden en interpreteren van een situatie en geeft richtlijnen hoe te handelen in die situatie (Gioia en Poole, 1984). Luger en Stubblefield (1989, pag. 363) omschrijven een script als: a structured representation describing a stereotyped sequence of events in a particular context. Een script bestaat uit een aantal componenten: De ingangscondities beschrijven de eisen waaraan voldaan moet zijn voordat een script van toepassing is. De resultaten beschrijven de veranderde feiten nadat een script is uitgevoerd. De 'props' beschrijven de objecten en subjecten die in het script een rol spelen.
72 Hoofdstuk 3 Subjecten in een script spelen een bepaalde rol. Een script kan tenslotte bestaan uit een aantal scènes. Een scène vormt een afgebakend stuk uit een script. Het bekendste voorbeeld van een script is het restaurantscript van Schank en Abelson (1977). Schank, die het script in de jaren zeventig introduceerde, beschrijft hierin de normale gang van zaken vanaf het moment dat een klant een restaurant binnenkomt tot aan het afrekenen en vertrek van deze klant. Op basis van een script kan geredeneerd worden over een specifieke situatie door deze te vergelijken met de standaardpatronen. Als bepaalde gebeurtenissen zich hebben voorgedaan kan met grote waarschijnlijkheid worden geconcludeerd dat de daaraan voorafgaande gebeurtenissen ook hebben plaatsgevonden. Als in het restaurantscript iemand het restaurant na betalen verlaat kan hieruit worden afgeleid dat deze persoon hiervoor een bestelling zal hebben geplaatst, zijn maaltijd geserveerd zal hebben gekregen en deze maaltijd waarschijnlijk zal hebben opgegeten. Frames Net als scripts is het doel van frames de samenhang tussen kennis te modelleren. Zodoende kan common knowledge in een structuur worden vastgelegd. In het voorbeeld op de volgende pagina is aangegeven dat een vogel vliegt. Door deze common knowledge op een hoog niveau in de framestructuur vast te leggen hoeft deze kennis niet bij elke soort vogel of elke individu te worden vastgelegd. Het verschil tussen scripts en frames is dat scripts tijd- c.q. volgordegebonden zijn. Binnen de databasewereld is het gebruikelijk de werkelijkheid te beschrijven aan de hand van objecttypen, objecten en kenmerken. Een objecttype definieert een klasse van objecten. Objecten worden binnen de AI-wereld vaak als frames aangeduid. Kenmerken van objecten worden hierbij als 'slots' aangemerkt. Alle informatie die betrekking heeft op een bepaald concept wordt in één frame opgeslagen. Hierbij kan het onderscheid worden gemaakt tussen frames die een klasse van objecten beschrijven en frames die een individueel object beschrijven. De eerste categorie van frames worden klasse-frames genoemd en de tweede categorie instanties. De klasseframes geven een conceptuele beschrijving van de typen objecten oftewel objecttypen. Een objecttype wordt gedefinieerd door een opsomming van de kenmerken die van belang zijn voor dat type. Een instantie daarentegen beschrijft een individueel object door de waarden van de kenmerken empirisch in te vullen (zie entiteiten en objecten bij simulatiemodellen). De klasseframes worden bij het ontwikkelen van het systeem gespecificeerd. De instanties kunnen van tevoren worden gespecificeerd, maar kunnen ook dynamisch tijdens het gebruik van het systeem worden gecreëerd, gebruikt en eventueel weer worden verwijderd. Bij de dynamische creatie bevat een instantie de specifieke gegevens van een object die tijdens die consultatie van belang zijn. Bij de beoordeling van een kredietaanvraag kunnen zodoende de specifieke gegevens van een klant in een instantie van het klasseframe klant worden vastgelegd.