กรณีศึกษาบทที่ 7

กรณีศึกษา: ระบบสนับสนุนการตัดสินใจเกี่ยวกับการจัดบ้านพักทหาร
กระทรวงกลาโหมสหรัฐอเมริกา มักทำการเซนสัญญาระบบยาวในการเช่าซื้อหรือสร้างอาคารบ้านพักในบริเวณที่ไกล้ๆ กับฐานทัพต่างๆ ซึ่งการตัดสินใจว่าจะสร้างบ้านพักที่ไหน สร้างเมื่อใด อย่างไร มีรูปแบบใด เป็นเรื่องที่ซับซ้อนมาก และจำต้องทำการวิเคราะห์ตลอดอาคารบ้านพักเป็นส่วนๆ ด้วย โดยการวิเคราะห์ นี้เรียกว่า Segmented Housing Market Analysis หรือ SHMA ที่ต้องใช้ค่าใช้จ่ายในการจัดทำถึงห้าหมื่นเหรีญญ และมีวัตถุประสงค์เดียวคือ ช่วยสนับสนุนการตัดสินใจ การวิเคราะห์โดย SHMA จะต้องตรงตามงบประมาณที่มมีอยู่และจะต้องสอดคล้องกับข้อกำหนดขององค์การที่ทำหน้าที่ตรวจสอบที่มีอยู่หลายแห่งด้วยกัน นอกจากนั้นการวิเคราะห์ยังต้องพิจารณาสภาพเศรษฐกิจรอบๆ ฐานทัพและตลาดอาคารบ้านพักที่มีอยู่ในขณะนั้นด้วย เช่น จะต้องพิจารณาว่ามีบ้านพักให้กองทัพเช่าได้เพียงใด ปัญหานี้จะมีความซับซ้อนมากขึ้นเพราะในกองทัพมียศอยู่ถึง 20 ขั้น นายทหารยิ่งมียศสูงมากเท่าใดก็ยิ่งจำเป็นจะต้องมีอาคารบ้านพักที่ดีมากขึ้นเท่านั้น อาคารบ้านพักมีอยู่หกขนาด คือ จากขนาดห้องเดียว ไปจนถึงขนาดบ้านพักที่มีห้าห้องนอนขนาดของครอบครัวก็เป็นปัจจัยหนึ่งที่ต้องนำมาพิจารณา การวิเคราะห์ SHMA นั้นใช้แบบจำลองเชิงปริมาณหลายรูปแบบ รวมทั้งแบบจำลองทางเศรษฐมิติด้วย ดังนั้นการวิเคราะห์คำรวณสำหรับฐานทัพ 200 แห่งต้องใช้เวลานานและยังเกิดความผิดพลาดได้ง่ายโดยเฉพาะหากทำการคำนวณด้วยมือ ระบบสนับสนุนการตัดสินใจจึงได้รับการพัฒนาขึ้นมาโดยสามารถโต้ตอบกับโมเดลระบบวางแผนทางการเงิน (Financial Planning System (IFPS) Modeling Language) แผนผังของระบบ DSS แสดงในรูปแบบที่ 7.12 โดยส่วนประกอบของระบบที่อยู่ทางด้านซ้ายของรูป จะมีสองส่วนที่สำคัญคือ ฐานข้อมูล (Database) และฐานแบบจำลอง (Model Base)
1) ฐานข้อมูล (Database) ประกอบด้วย

- Off-post Data : ข้อมูลเกี่ยวกับลักษณะสภาพเศรษฐกิจรอบๆ ฐานทัพ

- On - post Data : ข้อมูลเกี่ยวกับการหาบ้านพักของนายทหารโดยแหล่งรข้อมูลภายในมาจากฐานข้อมูลภายในกระทรวงกลาโหมและรายงานต่างๆ สำหรับข้อมูลภายนอก มาจากรายงานสถิติ หอการค้า หรือจากฐานข้อมูลออนไลน์ (Online Databese) เป็นต้น

2) ฐานแบบจำลอง (Model Base) มี 2 ส่วน คือ

- Regional Economic Model (RECOM) for the Area : เป็นโมลเดลที่มีตัวแปรและข้อจำกัดต่างๆ เกี่ยวข้องจำนวนมาก เช่น ราคาบ้าน ดัชนีผู้บริโภค รายได้ต่อคน และเงินช่วยเหลือ หรือสวัสดิการของทหาร ฯลฯ

- Modifed Segment Housing Market Analysis (MSHMA) : เป็นโมเดลที่เกี่ยวข้องกับตัวแปรหลายตัวแปรและข้อมูลที่ใช้มาจาก On - Post และ Off - post data เช่น ส่วนแบ่งตลาดบ้านพัก จำนวนบ้านพักใกล้ฐานทัพที่มีให้กองทัพเช่า ภาษีที่ต้องจ่าย รายได้ต่อครัวเรือน รวมถึงจำนวนประชากรทั้งหมด ฯลฯ

คำถาม

1. การตัดสินใจซื้อหรือสร้างบ้านของบุคคลโดยทั่วไปสามารถทำได้โดยไม่จำเป็นต้องอาศัยระบบสนับสนุนการตัดสินใจ ท่านคิดว่าการตัดสินใจเกี่ยวกับการจัดบ้านพักทหารว่าจะสร้างบ้านพักที่ไหน เมื่อใด และมีรูปแบบอย่างไร มีความจำเป็นต้องอาศัยระบบสนับสนุนการตัดสินใจหรือไม่ เพราะเหตุใด

ตอบ
มีความจำเป็นต้องอาศัยระบบสนับสนุนการตัดสินใจ เพราะว่าการวิเคราะห์นั้นจะต้องพิจารณาไปถึงสภาพเศรษฐกิจรอบ ๆ และตลาดอาคารบ้านพักที่มีอยู่ เช่น จะต้องพิจารณาว่ามีบ้านพักให้กองทัพเช่าได้เพียงใด เพราะปัญหานี้มีความซับซ้อนมากเนื่องจากในกองทัพมียศทางทหารถึง 20 ขั้น นายทหารที่ยศสูงจะต้องมีอาคารบ้านพักที่ดีตามไปด้วย ขนาดของครอบครัวก็เป็นปัจจัยที่ต้องคำนึงถึงด้วย ดังนั้นการใช้ระบบสนับสนุนการตัดสินใจมาช่วยจะทำให้การวิเคราะห์มีความถูกต้อง
2. องค์ประกอบหลักของระบบสนับสนุนการตัดสินใจเกี่ยวกับบ้านพักทหารมีอะไรบ้าง

ตอบ
1. ฐานข้อมูล (Database) ประกอบด้วยOff-post Data เป็นข้อมูลลักษณะสภาพเศรษฐกิจรอบๆ ฐานทัพOn-post Data เป็นข้อมูลเกี่ยวกับการหาบ้านพักของนายทหาร
2. ฐานแบบจำลอง (Model Base) มี 2 ส่วนคือRegional Economic Model (RECOM) for the Area โมเดลที่มีตัวแปรและข้อจำกัดต่างๆModified Segment Housing Market Analysis (MSHMA) โมเดลที่เกี่ยวข้องกับตัวแปร หลายตัวแปรและข้อมูลที่มาจาก On-post และ Off-post Data
เขียนโดย SuperStar ที่ วันอังคาร, สิงหาคม 12, 2008 0 ความคิดเห็น
วันพฤหัสบดี, กรกฎาคม 31, 2008
กรณีศึกษา: ระบบประมวลผลภาพใบสั่งของกรมการขนส่งในกรุงนิวยอร์ก

กรณีศึกษา: ระบบประมวลผลภาพใบสั่งของกรมการขนส่งในกรุงนิวยอร์ก
(รายละเอียดศึกษาได้จากวารสาร Eworld ฉบับเดือนกุมภาพันธ์ 2549)

สถิติการออกใบสั่งเรียกค่าปรับในการฝ่าฝืนกฏจราจรของกรมการขนส่งที่เกิดขึ้นที่เมืองอัลบานีในกรุงนิวยอกร์ก มีจำนวนตั้งแต่ 30,000 ใบถึง 50,000 ใบในแต่ละสัปดาห์ โดยในกรุงนิวยอร์กใบสั่งเรียกค่าปรับทั้งหมดจะถูกรรวบรวมและส่งไปยังกรมการขนส่งที่สำนักงานอัลบานีฝ่านทางไปรษณีย์ เพื่อนำมาประมวลรวมใบสั่งทั้งหมดและจัดเป็นปึก ปึกละ 50 ใบ และส่งปึกใบสั่งทั้งหมดนี้ไปยังอีกแผนกหนึ่งเพื่อถ่ายโอนลงในฟิล์มขนาดเล็กที่เรียกว่า ไมโครฟิช (Microfiche) ต่อไป ซึ่งวิธีการดำเนินการแบบนี้นอกจากนี้จะใช้งบประมาณจำนวนมากแล้วยังให้คุณภาพไม่ดีนัก เนื่องจากมีความผิดพลาดอย่างมากจากการพิมพ์ของพนักงานในขั้นตอนของการพิมพ์ข้อมูลเข้าสู่ระบบ นอกจากนั้นการที่ผุ้พิพากษาไม่สามารถรู้ข้อมูลที่บันทึกในใบสั่งในระหว่างการไต่สวนคดีทางจราจรยังเป็นการถ่วงประสิทธิภาพในการพิพากษาคดี ทำให้การตัดสินนั้นใช้เวลานานเกินกว่าที่ควรจะเป็นเพื่อเป็นการแก้ปัญหาดังกล่าว ทางกรมฯ จึงตัดสินใจนำระบบประมวลผลภาพมาใช้ ทำให้การทำงานเดิม ๆ เปลี่ยนไป โดยระบบนี้จะช่วยลดเวลาการออกใบสั่งลงได้ถึง 2 ใน 3 ของเวลาเดิมที่เคยใช้ การทำงานของระบบใหม่จะเริ่มจากขั้นแรกใบสั่งจะถูกสแกรนเข้าในเครื่องแอสเซนต์ (Ascent Platform) ผ่าน แอสเซนต์ แคปเจอร์ และเครื่องนี้จะแปลงรูปภาพนั้นไปอยู่ในรูปแบบที่นำกลับมาใช้งานได้ หลังจากนั้นเครื่องเมเนเจอร์ ของไอบีเอ็ม (IBM Content Manager) ซึ่งซอฟต์แวร์นี้จะนำข้อมูลทั้งหมดถ่ายไปยังระบบแมนแฟรมเป็นขั้นตอนต่อไป เนื่องจากระบบการจัดการเอกสารแบบอีเล็กทรอนิกส์นีมีคามแม่นยำในการทำงานสูง

คำถาม
1. ระบบประมวลผลภาพมีผลต่อการกระบวนการออกไปสั่งเรียกค่าปรับในการฝ่าฝืนกฏจราจรของกรมการขนส่งอย่างไร
ตอบ
- ช่วยลดเวลาการออกใบสั่ง 2 ใน 3 ของเวลาเดิม
- ข้อมูลไม่ตกหล่น
- ประหยัดแรงงาน
- มีความแม่นยำในการทำอาหาร
- ลดค่าใช้จ่ายในการจัดเก็บเอกสาร
- ระบบถูกส่งไปยังระบบเมนเฟรมเร็วกว่าปกติ

2. ระบบประมวลผลภาพเป็นระบบสารสนเทศประเภทใด มีลักษณะอย่างไร
ตอบ
เป็นการประมวลผลแบบทันที Real time เป็นการประมวลผลแต่ละรายการแล้วเป็นผลลัพธ์ทันทีเพื่อมีการป้อนข้อมูลเข้าสู่ระบบ ใบสั่งจะถูกสแกนเข้าเครื่องแอสเซนต์ ผ่านแอสเซนต์แคปเจอร์ และเครื่องนี้จะแปลงรูปไปอยู่ในรูปที่กลับมาใช้งานได้