决策支持技术范文（精选12篇）

决策支持技术 第1篇

网格技术对决策支持系统带来了一次革命, 网格技术的运用将扩宽决策支持系统的可用资源, 增加其统御和协调资源的能力, 解决现存的一些问题, 极大地推进决策支持系统的发展。

1 网格技术及其特点

1.1 网格概念的提出

网格的概念最初是I-WAY项目于1995年提出的[3]。网格的基础设施是基于IP协议的宽带数字通信网络, 它改变了传统的Client/Server和Client/Cluster结构, 形成新的Pervasive/Grid体系结构, 这种结构体系将使得用户把整个网络视为一个巨大的计算机, 可以将一个个“资源孤岛”组织起来, 实现动态多机构虚拟组织中的资源共享和协同问题解决, 使用户享受一体化的、动态变化的、可灵活控制的、智能的、协作式信息服务[4]。

Ian Foster认为, 网格是构筑在互联网上的一组新兴技术, 它的目标是将跨地域的各类计算资源 (包括高性能计算机、PC机、集群等) 、大型数据库、贵重科研设备 (电子显微镜、雷达阵列、粒子加速器、天文望远镜等) 、通信设备、存储设备、可视化设备和各种传感器统一组织管理, 形成一个可相互利用、相互合作、多用户透明的高性能计算环境, 以聚集分散的计算能力, 形成超级计算的能力, 为科技人员和普通用户提供更多的资源、功能和交互性。互联网主要为人们提供电子邮件、网页浏览等通信功能, 而网格功能则更多更强, 能让人们透明地使用计算、存储等其他资源[5]。

网格计算系统的典型代表是Globus研究项目[6]。Globus是在美国Argonne国家实验室领导下, 由多个协会共同开发的一个网格计算项目。Globus提供了一个使应用程序能够在单一的虚拟机上处理分布、异构计算资源的软件基础部件[7]。

1.2 网格技术的体系结构

网格计算系统自下而上可分为四个层次:资源层、中间件层 (网格操作系统层) 、工具环境层和应用层[8]。

①网格资源 (Grid Resource) 层 (见图1) 是构成网格系统的基础设施, 包括本地资源和网络资源 (网格节点) 。

②网格中间件 (Grid Middleware) 层 (见图2) 提供核心服务, 如远程进程管理服务、资源分配服务、存储访问服务、信息服务、安全控制服务、质量服务 (QoS) 等。其功能是屏蔽网格资源层中计算资源的分布、异构特性, 向网格应用层提供透明、一致的使用接口。

③工具环境 (Grid Tools) 层 (见图3) 提供应用开发工具。包括开发语言、函数库、API、SDK、调试器、Web工具等, 以构造良好的开发环境。

④网格应用 (Grid Application) 层 (见图4) 是用户需求的具体体现, 是各种应用软件的研究。这些应用通常需要相当多的计算资源以及远程数据访问。

1.3 网格技术的特点[8]

①资源最大范围和最彻底的共享, 用户和程序以一种位置透明的形式存取非本地资源。

②网格上的各类资源 (硬资源和软资源) 类型多样、跨越不同节点, 网格软件可根据用户和程序的需求定位到特定的资源, 从而优化选择资源, 使得开发异构性成为可能。

③一个复杂的求解任务可能要用到许多资源, 网格能够有机动态地将它们集成到应用任务中, 资源无缝地集成。

④闲置资源的开发, 计算力的聚集, 从而减少浪费。

⑤虚拟现实成为可能, 从而屏蔽网格基础设施的复杂性。

⑥网格将统一软件标准, 实现互操作环境。

2 网格技术在DSS中的运用

2.1 当前DSS存在的问题[9]

当前DSS的主流是基于Web的DSS, 具有用户界面友好、覆盖区域广、资源丰富、易构建等优势。但随着Internet的逐渐普及和规模的不断扩大, 信息资源的数量也在成倍增长, Web技术的缺陷逐渐显露出来:如缺乏全局的管理和协调机制, Web上各站点间关联松散等。这些缺陷导致了运行和管理决策资源组织的困难。虽然Web实现了各站点网页间的连接, 但是未能实现应用层的相互连通, 这使得Web上的决策资源协同工作仍旧非常困难。而且由于DSS所具有的复杂性、差异性等先天特点, 加上在传统理论和技术上的不足, 发展受到很大的限制。当前DSS研究中所面临的问题主要包括以下方面:[10]

①结构僵硬, 通用性差。当前, 许多DSS针对具体问题而构造, 没有充分考虑组件的独立性;没有提供对组件的灵活访问;在组件间没有灵活映射和集成机制;没有实现插件形式的组件。这些导致DSS结构僵硬, 重用性差, 生命周期短, 不能依照环境和用户的需求而变化, 造成人力物力财力的浪费。

②无法实现大规模资源共享。基于Web的DSS实现了全球决策资源的连接, 但是, 这些决策资源零散地分布在各个网络站点上, 缺乏有效的组织和管理, 发现并利用这些资源非常困难, 而使这些资源协同工作、共同完成决策任务则更加困难。

很多DSS中共享的资源仅指模型、方法、知识和数据等, 并不包括支持这些资源运行的软硬件支撑平台。这使得共享资源的使用受到了很大的限制, 决策资源的用户即使得到了这些决策资源, 由于软硬件环境的限制, 也无法运行。

③标准不统一。由于用户界面、组成部件结构和信息交互等方面标准的缺乏, 导致了各种DSS用户接口千差万别、DSS各组件集成异常困难。这些给DSS的建造、使用以及推广带来了很多困难。

以上问题极大地影响了DSS的推广范围和实际应用。解决这些问题, 需要改进现有DSS理论, 引入更先进的技术平台。

2.2 网格与DSS的结合

网格具有资源共享、异地协同工作、支持开放标准等特性, 能够克服Web平台给DSS带来的困难, 较好地解决当前DSS中存在的一些问题。因此, 网格技术与DSS的结合必将对DSS的发展产生重要的指导作用。[8]

①提供决策服务运行环境。在传统的DSS中, 多数决策技术必须在特定的软件和硬件环境下运行, 而使用者却又往往不具备所需的运行平台, 使得这些决策技术很难得到应用。而在网格环境下, DSS可以提供决策服务的运行环境, 使决策系统在其提供者的服务器环境下运行, 克服了因运行环境不同而导致的兼容性问题, 同时还解决了决策系统的升级问题。

②提供动态决策服务。传统的DSS有很强的针对性, 并且建成后很难修改, 而决策者面对的情况在不断变化着, DSS难以跟上需求的变化。在网格环境下, 决策技术的提供者提供决策技术的形式将是决策服务, 可以动态地注册和删除, 还可以根据决策者的需要进行动态组织, 构成动态DSS, 适应需求的变化。

③提高信息资源的利用率。目前, 绝大部分的互联网资源都处于闲置状态, 没有得到充分的利用。网格强大的信息服务和资源管理能力能对这些分布的资源进行有效地组织和管理, 大大提高信息资源利用率。

④加强协同工作支持。网格可实现几乎所有互联网上资源的共享, 而这些丰富多样的资源能从信息源、软硬件环境等方面给决策者提供强有力的支持。决策者可充分利用这些资源协同工作, 解决问题。另外, 网格还能实现应用层的相互连通, 加强决策者间的协同工作能力。

⑤其它影响。在网格环境下, 人工智能技术的使用将使DSS具有智能程度高、界面友好等特点, 平台更具灵活性。此外, 由高性能计算机和高速通信网络组成的网格环境增加了功能强大的安全、故障检测与修复等服务, 将使DSS具有更高性能, 更加安全可靠。

2.3 在网格技术在决策支持系统的运用上, 不少学者提出了自己的构想

文献[6]根据网格的开放式网格服务体系结构 (Open Grid Service Architecture, OGSA) , 提出了一个基于网格环境的开放式决策支持系统 (Grid-Based Open Decision Support Systems, GBODSS) 系统构成框架。由于网格的显著特征是为复杂问题的求解提供全球化资源与服务共享以及协同工作。这使得以网格技术为平台的GBODSS具有许多良好的性质, 如:提供丰富的资源和强大的资源管理;加强决策者之间的协同工作;提供动态的决策服务;为决策者提供决策服务的运行环境;提高信息资源利用率;优秀的并行性和良好的可扩展性等, 也使GBODSS成为了DSS新的发展方向。而如何对这些扩展的资源进行有效的管理和配置成为GBODSS的核心问题之一。基于这些特性, 文献[6]提出了GBODSS的框架模型 (见图5。)

在此框架模型下, 系统分为4个主要模块。

①决策服务

决策服务是指网格平台上能够提供决策支持功能的应用及其运行环境。该模型以决策服务为中心, 通过决策服务来整合网格平台上的各种决策资源。OGSA定义了“网格服务”的概念, 网格服务是Web Service的扩展, 它能够支持临时服务实例的动态创建和删除, 几个网格服务还可以以不同的方式聚集起来形成一个更大的网格服务, 完成更复杂的任务。网格服务的这些特性使它非常适合用于构建决策服务。

②网格环境

网格环境由两层组成。网格环境的底层由认证机制、安全机制、通信协议和故障检测及处理等网格基础服务构成, 为网格环境提供基本的服务支撑;网格环境的第二层由网格信息服务和网格资源管理服务构成, 为用户提供各种信息和资源组织和管理服务等更高层次的网格服务。网格信息服务能够实现网格上所有资源 (并不仅限于信息资源) 的注册、发布和查询, 网格信息服务可以用来发现、管理和规划网格上的资源。网格资源管理服务能够利用网格信息服务提供的信息把各个需要完成的任务分配到合适的网格资源上, 并组织和协调各个任务的完成。网格环境能够为决策者发现并提供决策所需的各种决策服务信息, 并组织和协调这些决策服务来共同完成决策任务。

③决策服务代理模块

决策服务代理模块是决策者和网格环境的中介, 它能为决策者提供决策服务的查询和集成的功能, 是基于网格的决策支持系统模型提供决策支持的中心部件。决策服务代理模块实现传统DSS中的问题处理及求解系统的功能, 不同的是它在一个开放的环境中处理和求解并行、分布的问题。决策服务代理模块接受决策者通过决策者终端应用下达的决策服务查询请求, 调用网格环境提供的网格信息服务, 完成决策者的查询请求;决策服务代理接受决策者下达的决策任务, 并根据查询到的决策服务信息, 将决策任务分解成子任务;然后调用网格资源管理服务来为这些子任务分配网格资源, 将子任务分配给各决策服务, 规划并监控各子任务的执行, 并且集成子任务的执行结果, 将最终执行结果返回给决策者终端应用。

④决策者终端应用模块

决策者终端应用是决策者与GBODSS交互的人机接口, 决策者通过决策者终端应用向决策资源代理模块发送决策资源查询请求和决策任务;决策服务代理模块通过决策者终端应用向决策者反馈决策服务查询结果和决策任务执行结果。

文献[8]认为, 网格技术给决策支持系统带来了许多新的特性, 这也使得设计除了的GBODSS框架具有许多非常良好的特性, 能大大加强对决策者的辅助决策支持能力, 如丰富的资源和强大的资源管理、优秀的并行性、良好的可扩展性、较高的智能性、统一的数据交换形式和资源定位方式等, 非常有利于DSS的集成、开发、使用和维护。

文献[7]利用Globus工具对GBODSS的实现方案进行了研究, 并提出GBODSS目前还处在系统设计和原型开发阶段, 今后进一步的研究包括:GBODSS决策资源管理和集成研究、GBODSS中决策资源的语义扩展模型研究以及结合实际背景展开的应用研究等。

文献[11]对GBODSS进行了规范化的描述, 分析了由决策资源到决策服务转化的机制, 并将GBODSS和传统DSS进行了比较。

文献[12]在文献[6]和文献[7]的基础上, 将Agent和多Agent系统引入GBODSS的系统建模中, 提出一种改进的基于Agent Grid的GBODSS模型 (AGBODSS) 再以国民经济动员DSS为案例, 提出基于AGBODSS的分析设计方法和角色分派方案, 并在网格环境下用基于Grid的国民经济动员DSS对原国民经济动员DSS的功能模块进行了改进, 检验了GBODSS理论与方法的合理性、有效性和技术可行性。

文献[13]提出了一种基于网格的融合Agent技术和数据仓库、数据挖掘及联机分析处理技术的开放式DSS模型, 对该模型的结构进行了详细分析, 给出了系统的运行流程, 并讨论了该模型与传统DSS的区别。其构建的系统结构见图6。

传统的DSS通常以模型驱动为动力, 这就制约了其开放性和动态适应性, 缺乏对动态决策问题进行实时调控的能力, 而这种新构建的DSS内部系统将传统DSS, IDSS与基于数据仓库和数据挖掘的DSS进行综合和集成, 改变了DSS的开发模式, 使得DSS开发由独立的、封闭式的模式转变到以市场为中心的开放的、分工合作的开发模式, 从而为推动DSS的资源共享、技术进步、成本降低、领域扩展起到了巨大作用。同时这样也使新构建的系统具有更强大的功能和智能性。此外, 新构建的DSS系统用移动Agent技术来完成控制中心派给的决策任务, 利用Agent的智能性和强大的分布式问题处理能力来提高系统的智能性和解决分布式问题的能力。

文献[10]提出一种经济模型来研究GBODSS中的资源管理问题, 原理是建立一个经济学中商品市场模型的交易环境, 提供网格环境中进行资源管理和交易的基础设施, 依据资源的供需、价值, 利用价格协商协议进行资源定价。买卖双方的协商过程是不断调整利润率水平, 从而动态适应并调整买卖双方报价, 实现对网格虚拟组织中分布的决策资源进行有效的组织和管理, 消除信息孤岛, 提高了网格环境中的信息资源利用率, 最终使得每个决策者都能够充分利用这些资源协同工作。模型结构见图7。

图7中各层次之间交互作业的步骤时序见图8。

这种用经济模型来规划资源分配的模型的好处在于提出的经济模型能够模拟商品市场环境, 通过交易和代理优化资源提供者和消费者的目标函数。资源价格随供需动态变化, 极大地调动了资源提供者和消费者的积极性, 从而优化决策资源的配置。

文献[14]则更进一步地利用市场机制和价格规律提出几种可以被使用到网格资源分配中的经济模型:商品经济模型、议价模型、拍卖模型、招投标模型等, 并给出一种基于市场竞标机制的网格决策服务交易模型极其算法实现。

文献[15]从决策支持系统三部件的角度阐述网格技术对于数据、模型和人机交互对资源管理的影响和支持, 主要从决策支持系统的资源角度提出资源的自适应管理, 讨论了Agent网格技术用于实现自适应资源管理的可行性。

3 总结

决策支持技术 第2篇

技

术

报

告

2007年12月25日 贵州青鹏天目科技有限公司1 / 17

一、现状

1、背景

随着市场全球化以及全球性竞争格局的形成，企业要谋求更大的发展，必须不断进行技术创新、管理创新和体制创新，并借助先进的计算机技术、信息技术和管理技术等，实现企业的信息化，增强企业的市场快速响应能力，提高工作效率，缩短产品的开发生产周期和降低产品成本，最终提高企业的市场竞争能力，适应市场竞争全球化的要求。

我国加入WTO后，每个企业在国内市场就直接面临着国际竞争，企业在获得了许多新的发展机遇的同时，也面临着许多的困难和挑战，要在激烈的市场竞争中生存和发展，必须与国际接轨，适应全球化的市场竞争。因此如何应对加入WTO后的国际国内市场竞争，提高我国制造业的市场竞争力，已成为我国政府和企业急需探索的一个问题。在分析和研究国外制造业发展历程的基础上，经过多年的实践和研究，我国政府确立了以信息化带动工业化的方针，党的十六大明确指出“以信息化带动工业化，以工业化促进信息化，发挥后发优势，实现跨越式发展”的信息化战略，提出了加快国民经济信息化进程、逐步实现整个经济由粗放型经营向集约型经营转变的思路，同时国务院信息化领导小组对我国信息化也提出了“以市场为导向，以管理为核心，以效益为驱动，以集成为原则，以信息技术为基础，提高企业核心竞争力”的指导原则，目前制造业信息化工作已成为各级政府和

/ 17

企业的重要工作内容，在我国一个在企业推进信息化工程实施的运动正在向全社会蓬勃开展。

企业信息化包括产品设计信息化、生产过程信息化、产品销售与服务信息化、经营管理与决策信息化等多个方面。各企业要在国际国内这样的大环境里求得生存和发展，必须借助先进的管理理念与高科技的管理工具有机融合，对信息准确、及时的高效处理，使企业内的资金流、物流和信息流集成，实现资源共享，提升综合绩效，从而有效解决企业的诸多困扰，提高企业的技术创新能力、企业管理水平、企业的生产效率和缩短产品的开发时间，实现“扩大国内市场，开拓国际市场”的战略目标。

2、项目的目的及意义

据资料显示，各种信息产品在我国的发展已有20多年，国家对信息化建设投了巨额资金，仅对ERP投资就超过80亿元。我国目前拥有15000家大中型企业和1000万家中小型企业，到2008年将有60%～90%左右的企业实现现代化管理。

ERP是先进的管理思想和管理工具，在发达国家的成功应用为企业带来了丰厚的回报。然而ERP的实施是一项复杂的工程，如何实施需要对企业内部的需求进行周密细致的研究论证，如可行性分析，论证技术经济上是否可行，明确要达到的具体目标。许多企业在进行ERP的投资决策时，对自身的需求缺乏深入的研究，对与企业经营目标是否相适应的问题考虑不周，更有一些企业管理观念尚停留在计划

/ 17

经济模式中，对企业如何参与竞争及如何在市场中定位等问题尚无成熟的思路，这就大大降低ERP系统实施的目标。有的企业缺乏前期全面准确的需求分析，具体操作起来带有一定的盲目性，所选择的软件往往不完全适合本企业的实际需要，增大了投资风险。

现今的ERP软件还不完善，目前市场上流行的各种ERP软件，虽然也有销售、库存、生产、供应等应用模块，但这些模块大都是按照ERP的理念，针对各类企业的共性进行开发的，进行的是一种粗旷管理，往往不能满足企业的个性化需求，没有切实做到计算机管理与企业的具体情况相一致，实现精细化管理。例如：在制药企业，按照GMP生产管理的要求，要求在库存管理方面必须具有寄库、转库等功能，销售管理要有资信审查、退货处理、换货等管理，生产管理必须要有中间站管理等，而目前的ERP软件大多缺乏这些功能。另外现有ERP软件的生产调度模块和制造资源计划模块通常也没能适时地以现有的资源响应客户的需求，因而难以对现实企业的供应链管理提供决策支持。麦肯锡咨询公司有专家曾做过统计分析，在全球每100个破产倒闭的大公司中，破产原因主要是公司决策失误的比例高达85%。在我国，随着市场经济体制逐步建立和国民经济日益融入世界经济大潮，国有企业正在成为自主经营、自负盈亏的市场竞争主体，直接面对国内外经营环境和市场波动带来的各种风险，并主要由企业自身承担经营活动的后果，经营不善、资不抵债的企业面临关停并转、职工下岗的危险。在这种情况下，企业决策的重要性及其风险性也更加凸显，重大决策失误成为企业最大的失误，一项错误的决策导致一个原

/ 17

来红红火火企业破产倒闭的实例已有所闻。特别对在国民经济中具有重要作用的大公司、大集团来说，由于所处外部环境复杂多变，内部结构繁复，专业领域宽广，不确定因素导致的风险更多，管理和控制的难度更大，因而对企业决策科学性的要求更高、更迫切。但是现在大部分企业所实施的ERP（包括国外ERP实施方案），并企业的个性特点进行开发，这也是导致ERP实施了二十多年，但成功案例却寥寥无几的原因之一。

由贵州青鹏天目科技有限公司开发的《企业资源计划（ERP）智能决策支持系统软件》，能帮助企业大幅提高工作效率、降低运营成本、把握新的商业机会，也可以帮助企业进行生产、财务、产品质量、办公自动化等方面的管理，乃至帮助企业进行快速正确地决策。

我们如能针对自身的具体情况，成功实施制造业信息化工程，借助先进的信息技术和管理技术，使企业内的资金流、物流和信息流集成，解决信息“孤岛”现象，实现信息流、物流与资金流的一体化，使企业业务流程、管理流程更具精细化、规范化和制度化，做到决策靠数据，调研论证有依据，减少决策的简单化、盲目化和失误，使决策更具科学化、规范化。这样必将大大提高企业的生产效率，降低成本，提高企业的市场适应和市场竞争能力，从而实现“扩大国内市场，开拓国际市场”的战略目标。

同时，还能在贵州省的企业形成一种示范效应，促进贵州企业的信息化改造进程，有利于整个企业和体制创新和管理创新，达到“以信息化带动产业化，实现生产力的跨越式发展”。

/ 17

二、整体设计策略

企业资源计划（ERP）智能决策支持系统软件是一个与企业管理、企业文化、企业发展状况、企业环境紧密相关的管理系统，它不是一个纯计算机技术的问题，它是一个集成管理学、经济学和计算机科学于一身软件系统工程。为此我们不仅在计算机技术上应用先进的计算机技术解决系统的具体实现问题，更重要的是了解和分析企业的真实需求，所以整体设计策略如下： 1．集成性

为了实现销售、生产、供应、库存等过程的信息共享，必须按照信息集成和功能集成的思路规划和开发系统。集成主要体现在：销售、生产、供应、库存等部门的信息集成。做到原始数据来源唯一，数据充分共享，消除信息孤岛，避免数据的重复录入和不一致。2．先进性与实用性相结合

系统规划时必须考虑到引入先进的管理思想和技术手段，提升公司的管理水平和生产水平，缩短研发周期，整合企业业务流程，降低成本，提高效益。力求方案的先进、灵活、高效。作为一种大型、复杂的计算机软件系统，其体系结构、开发技术的先进性非常重要的。采用先进的软件规划与设计方法，软件开发工具，在系统中融入先进的项目管理、协同工作、知识共享等管理思想，并结合神奇药业有限公司的实际需求进行规划和开发。

强调系统的实用性，注重实用和成效。系统始终以用户需求为导

/ 17

向，功能全面，切合实际。实用并产生效益是判断系统成功与否的重要标准。强调系统能够解决神奇药业有限公司实际工作中的问题，并能真正为使用人员接受。

系统的设计与开发人员要深入现场，与各职能部门的业务和专业人员合作，充分听取用户意见，细致了解业务，研究管理模式，使双方对新系统的理解不断加深并逐步趋于一致，使建立的新系统更富有实用性。

一个软件不但要看它的理论设计水平高不高，算法先进不先进，更重要的是看它是否适用于本企业。软件功能应以满足企业当前和今后的发展需求为准。多余的功能只会造成使用和维护的复杂性。如果有些功能要在软件版本升级后才能实现，必须认清升级的可能性、时间及条件等能否满足企业的实施进度。软件的可用比率，取决于企业深化改革的程度及软件功能对用户适用程度，而不是进口的或国产的。

3．基于成熟、先进的产品和技术

为降低信息化工程应用实施的风险，必须基于已有的成熟、先进、适用的产品与技术构建系统。在此基础上，有针对性的进行集成开发和二次开发。可以集成拼装国内外已有的产品和技术，集成拼装的原则是：成熟（已经在相关的行业得到了应用）、先进（技术上和管理思想上具有先进性）、适用（能够切实满足神奇药业有限公司的信息化工程的需求）。

/ 17

4．易于管理和操作

在系统设计时，充分考虑神奇药业有限公司的现有人员状况和传统习惯，使系统界面友好、易于理解、易于管理、易于操作、易于验证。结合扎实的培训工作，让系统真正地正常运行，发挥作用，创造实际效益。如果系统难以使用而被束之高阁，再好的系统也没用。

由于我国业务人员普遍缺乏计算机应用经验，应用软件是否容易操作直接影响使用效果。特别是考虑了中国人操作习惯针对性的设计，对提高可操作性非常有用。5．开放性与可扩展性

采用开放的软件体系结构以及面向对象的分析、设计技术，基于组件的开发技术，使系统具有良好的开放性和可扩展性。既考虑到神奇药业有限公司目前的需求和应用，还要考虑到神奇药业有限公司将来发展的需要，有利于将来的应用升级和二次开发，以适应内部和外部环境的变化（如体制的变动、企业需求的变化、技术进步和设备更新等），使系统具有可持续发展的能力。6．可维护性

系统在用户界面上要做到直观清晰，并提供详尽完善的技术手册和维护手册，方便系统维护。

/ 17

7．安全性和可靠性

本方案所设计的网络系统应具有很好的安全性能，通过防火墙、病毒防患、灾难处理等手段，保证各种在网数据安全、完整。系统在硬件、软件上能防止非法入侵和破坏，系统能抑制广播风暴和地址过滤。整个网络要便于统一管理、监控和维护，并能跟踪、诊断和排除故障。

设计提供的系统是能保持持续运作的高可靠性、高通量的网络系统。通过采用先进的开发平台和一套先进的开发管理体系，保证网络系统能安全、可靠的运作。充分考虑冗余、容错能力，万一出现局部故障时做到不影响网络其它部分的正常运行，并且做到故障便于诊断和排除，充分体现计算机网络的高可靠性。8．重视实施和服务

信息化工程成功与否不仅取决于有很好的规划和软件产品，后续的实施、二次开发、服务同等重要。在系统规划时，必须考虑到系统的实施、服务、二次开发的可行性。

三、关键技术实现及应用

1、建立数据模型

企业之间的具体情况千差万别，没有任何成熟的理论可以直接套用。因此在实施本项目时，在分析和研究多家企业业务流程的基础上，采用运筹学、人工智能等方法，建立了符合企业标准的业务模型，包括：生产计划、销售预测、库存模拟等模型。如生产计划模型应根据

/ 17

市场需求计划、生产能力、库存情况，供应商信誉等情况进行制定，生产是直接对物料的使用，它决定物料的最终库存；销售预测模型，对市场时时的把握，以最快的速度最大限度的满足市场不断变化的要求，销售要以生产为基础，生产受生产能力所控制，只有准确的预测市场的变化情况，合理的安排生产，才能有效的控制库存，控制产品质量，合理的分配资金；销售预测和销售计划模型：企业的最大追求是零库存，减少资金的占用率，提高产品质量，但受生产能力的限制，供应商供应是否及时的控制，产品合格率的限制和人为因数的各种关系，所以合理的库存是必须的，要时时管理控制库房库存情况，需要及时对产品盘点，整理，尽量的适应市场的需求，同时减少不必要的产品积压等各种模型。

2、建立数据仓库解决方案

采用B/S和C/S混合计算模式，基于面向对象和数据仓库技术设计系统，系统结构分为表示层、逻辑层、数据层三层结构。三层（客户机<->中间层（应用服务器)<->服务器(数据库服务器)）方式中的“中间层”就是将两层中客户机中的“逻辑运算”等事务处理工作移出来的。从而减少客户机和服务器的压力。三层结构将界面与业务逻辑分开,而两层结构中界面与业务逻辑是不分的,这样的好处是今后的维护方便,便于功能的扩充。三层好比是第一层画图，第二层写代码，第三层处理数据。由于一般的数据库技术只能以面向对象的连机事务处理为核心，它支持业务操作的环境和平台，但不能提供数据的合成、分析和结合等功能，不能提供有效的提供决策制定过程的信

/ 17

息，这样数据仓库技术就出现了，数据仓库使人们从一个全新的角度认识数据之间的关系，数据不仅用于检索，还用于分析未来的发展趋势，为决策和管理提供支持。数据仓库的建立不是一次性可以完成的项目，而是随着业务发展平滑地不断进行丰富、充实和维护过程。我们收集了大量的数据源，并结合企业的实际需要完成了数据流图的设计，数据字典的核定，及数据仓库模型的建立等。

3、数据挖掘技术

借助数据库产品提供的联机分析处理（OLAP）工具，研究数据挖掘技术，对企业积累的大量的市场、销售、生产、设备、人力资源、原辅料供应及消耗、财务数据构建数据仓库，并进行知识挖掘，提炼、总结出人工手段、常规编程不易发现的具有一定指导意义的结论性的信息，将所蕴含的市场、销售、生产、供应等趋势、事实，通过报表、图形、视频、音频等方式直观、概括地表现出来，提供决策基础。数据挖掘技术是结合大量的数据进行分析归纳，找出有价值的商业规律的技术，它的算法的探索不是一次性可以完成的，数据挖掘的需要总是随着企业发展的变化和数据量的变化而变化的。目前我们利用数据挖掘技术已经实现了客户资信分析、生产能力计划安排、销售预测等方面。

4、推理技术

由于实际管理过程具有许多随机的、不确定的、不确知的因素，因此分析和处理数据的工作非常复杂，处理效率可能会很低，且数据处理的结果与实际情况差异也可能很大，而企业生产、经营、销售和

/ 17

供应计划的制定通常希望能快速、准确地完成，以适应市场快速的变化，在这样的情况下，采用传统的基于案例的推理方法和基于规则的推理方法，进行案例匹配或规则推理，可能达不到及时提供决策支持信息的要求，为此需要研究和探索新的决策方法，建立相应的推理机制，对各种数据或信息进行综合处理。神经元算法和遗传算法研究的发展，为决策方法提供了新的手段，在传统决策方法的基础上，引入人工智能的思想，通过神经元算法和遗传算法的综合应用，可以优化数据分析和推理的过程，提高数据处理和数据优化的能力，但是目前在此方面的研究目前国内在理论上已有一些研究成果，取得了许多可喜的结果，但在应用方面还不是十分成熟，在这一方面还有大量的工作需要探索和研究。

本项目中目前成功地应用了推理技术到项目实际系统中，其中较为典型是生产能力资源计划系统，在本系统的生产能力安排时，系统先根据定单情况、基本能力资源、能力现状、计划要求、以往历史生产情况、完成情况、产品质量难度系数等复合因素推导出一个计划安排结果，然后根据此结果自动进行安排生产计划。当当天计划完成后，会把当天的实际完成情况记录入数据仓库中，然后根据实际计划安排的情况对计划进行比较修正，从而为新的计划生成修正比例数据，这样可以预期新的计划会更加靠近企业生产线真实能力。

如果对此进一步深入，甚至可以为企业深入到机台、生产线、固定员工、班组、车间、时段进行复合的能力分析和推理，这为企业进一步精细化管理和完善生产计划专家系统提供更充实、更可靠、更真

/ 17

实的推导结果，对企业实际生产安排具有极为有效而实际的作用。

四、检测与质量保证

1、检测目的

通过测试验证该软件是否达到设计指标与要求，是否执行了软件开发与工程管理标准。

2、检测环境

客户端硬件环境：CPU：Pentium III 800以上，RAM：128M，硬盘：60M空余空间，CD-ROM 客户端软件环境：Windows NT 4.0/2000/XP/2003操作系统 服务器端硬件环境：CPU：Pentium IV 2.4以上，RAM：1G，硬盘：5GB以上，CD-ROM 服务器端软件环境：Windows NT 4.0/2000/XP/2003操作系统、SQL Server 2000

3、测试方案及质量保证

在软件开发团队中，由于质量被视为软件产品的生命，而始终被人们所高度关注。然而在现实生活中，许多软件产品却时常陷入质量低下的旋涡，总是不尽人意。究其根源，在于这些软件产品对其质量内涵的把握，仅仅停留在减少软件运行错误、加强软件测试、避免软件缺陷的一般性层面，而对整个软件开发生命周期的全过程质量管理，缺乏总体架构。因此，在《企业资源计划（ERP）智能决策支持系统软件》的开发与设计中，始终贯彻全过程质量管理思想。

/ 17

3.1 质量定义

满足或超出认定的一组需求，并使用经过认可的评测方法和标准来评估，还使用认定的流程来生产。由此可见，质量不仅是我们孜孜以求的结果，它更体现在软件开发的整个过程。3.2质量保证思想

1)质量保证思想之一：全过程质量保证思想

《企业资源计划（ERP）智能决策支持系统软件》的开发过程分解成：业务建模、需求管理、分析设计、实施、测试、部署、配置与变更管理、项目管理和环境等九个核心工作规程。每个核心工作规程由多个详细工作流程组成。基于人类对软件工作过程最原始的感受，使用角色、活动和作为输入输出的工件来组织每个详细工作流程，实现软件开发组织内部人、资源和流程的融合。通过建立完整的软件开发过程，使得产品的质量由项目团队的每个成员共同负责,具体体现在：

/ 17

◆ 每个角色承担相应的质量任务

◆ 每个活动产生合格的工件

◆ 为每个工件建立指南、模板和检查点

◆ 每个工作流程设定相应的工作指南和检查点

在《企业资源计划（ERP）智能决策支持系统软件》中，整个软件开发过程如上图所示，它以指定的工件为输入，通过软件开发角色和标准化的软件开发活动，生产出满足质量要求的输出工件。为确保每个工作环节的有效执行和每个工作环节产生的工件质量，为主要工作流程提供了对应的工作指南和检查点，为每个工件建立指南、模板和检查点，从而保证了软件开发的过程质量。

2)质量保证思想之二：软件工程成功经验共同铸就软件质量的思想

/ 17

激烈的市场竞争催生高质量的软件。同时，软件行业经过几十年的发展，软件生产工艺、软件开发方法和工具都大大进步、日趋成熟，这一切使软件开发质量越来越好。《企业资源计划（ERP）智能决策支持系统软件》以迭代式软件开发、架构为核心的软件开发、用例驱动的软件开发和风险驱动的软件开发为特色，集中体现了以下六个软件工程成功经验，通过它们共同铸就了高品质软件：

迭代式软件开发：能够有效控制项目风险、增加对项目控制能力、减少需求变更对项目的影响，实现持续的质量验证；

有效管理需求：能够做到质量保证从头作起，在软件开发一开始，就把好需求质量关，实现需求的可追踪性和需求变更的有效管理；

基于构件和面向服务的软件架构：采用可视化建模技术来构建以构件为基础、面向服务的系统框架，可以有效地管理系统的复杂度，增强系统的灵活性和可扩展性；

可视化建模：能够有效解决团队沟通、管理系统复杂度、提高软件重用；

持续的质量验证：借助迭代式软件开发方法，可以大大提前软件集成测试和系统测试在整个开发生命周期中的时间，实现持续地软件质量验证，做到尽早测试、尽早反馈，从而确保产品满足客户的需求；

/ 17

管理变更：能够为整个软件开发团队提供基本协作平台，使企业管理好自己的软件资产，通过有效管理所有的变更请求，使开发团队能够很好的控制开发进度、及时了解项目状况，同时为项目的量化管理提供帮助。

3、检测项目与结果

我们投入大量的人力物力，进行大量自动测试和人工测试，得到了较好的测试效果，并且通过用户的实际应用验证。

五、存在的问题及下一步工作 １、存在的问题

由于软件系统开发完成不久，用户数还比较少，还有大量的企业个性没有兼顾到，需要在不断客户增长的情况进行不断完善。２、下一步工作

企业在发展，市场在拓展，计算机技术不断的更新，我们下一步的工作不断满足用户不断发展增加的需要，和应用新的计算机技术提高产品的性能和友好性。

六、总结

我们公司将坚持不懈地推进《企业资源计划（ERP）职能决策支持系统》应用和完善，这与公司领导的积极参与、员工的配合、政府的大力支持和引导分不开，虽然我们在开发上遇到了很多困难，但我们始终以坚定的信念不断地研究企业的信息化建设，以推动企业的发展，从而为推动贵州经济的发展尽自己最大的努力。

决策支持技术 第3篇

摘 要 面对当前企事业单位普遍存在各类数据庞大，但快速提取有效信息却十分困难的现状，如何在海量数据中发现有用的数据，即所谓的数据挖掘技术便应运而生。针对财务决策中数据海洋的现状，本文提出了如何采用数据挖掘技术，来提高财务决策的效率。

关键词 数据挖掘 财务决策 应用

随着计算机、网络技术的发展，获得有关资料非常简单易行。但对于数量大、涉及面宽的数据，传统统计方法无法完成这类数据的分析，特别是公司财务数据之类。因此，一种智能化的、综合应用各种统计分析、数据库、智能语言来分析庞大数据资料的“数据挖掘”技术应运而生。数据挖掘技术的产生和发展使得人们可以利用这些数据挖掘出有用的、隐藏的商业和科学信息。

一、数据挖掘含义

1．数据挖掘的定义

目前普遍认同的一个数据挖掘（DM-Data Mining）定义是：从数据库中抽取隐含的、以前未知的、具有潜在应用价值的模型或规则等有用知识的复杂过程，是一种深层次的数据分析方法。

数据挖掘可以根据企事业单位的既定业务目标和存在的问题，对大量的业务数据进行探索，揭示隐藏其中的规律，并将其模型化，指导并应用于实际的企事业单位经营管理中。是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以对财务信息做出预测。

2．数据挖掘的主要功能

数据挖掘的目标是从数据库中发现隐含的、有意义的信息，它主要有以下功能：

（1）估计与预测：估计是根据已有积累的资料来推测某一属性未知的值，预测是根据对象属性的过去观察来估计该属性未来之值。数据挖掘技术能够自动在大型数据库中寻找预测性信息。

（2）关联和序列发现：关联是要找出在某一事件或是资料中会同时出现的东西；序列发现与关联关系很密切，所不同的是序列发现中相关的对象是以时间来区分的。

（3）聚类：数据库中的记录可被化分为一系列有意义的子集，即聚类。聚类技术的要点是在划分对象时不仅考虑对象之间的距离，还要划分出类具有某种内涵描述，从而避免了传统技术的某些片面性。

（4）偏差检测：数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏差包括很多潜在的信息，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等①。

二、数据挖掘在财务决策支持系统的应用

1．财务决策支持系统

财务决策支持系统是在传统电算化会计信息系统的基础上建立和发展起来的，传统会计信息系统输出的企事业单位财务数据及非财务数据都存在数据过剩而信息不足的情形，而财务决策的精确程度又取决于所用信息的正确程度。随着竞争的增加，财务决策的时效性也变得越来越重要了，面对这些结构化或半结构化的海量数据，将数据挖掘技术应用到系统中充分有效的预测企事业单位未来的发展趋势，有利于输出财务决策信息供高层管理者使用，提高企事业单位的竞争②。

（1）会计信息系统结构

会计信息系统可分为三个层次：会计核算层、财务管理层和财务决策层，分别属于事后核算、事中控制和事前预测与决策过程。财务决策支持系统是最高层，也是会计信息系统发展的最终目标。会计核算层和财务管理层输出的企事业单位财务数据及非财务数据都存在数据过剩而信息不足的情况，这严重影响了财务决策层发挥有效作用。

（2）财务决策支持系统的概念

财务决策支持系统（FDSS—Financial Decision Support System）是以现代管理科学和信息技术为基础，以电子计算机为工具，运用经济学、模糊数学、控制论和模型技术，对财务管理中的结构化、半结构化以及非结构化问题进行决策分析的人机交互系统。

在财务决策支持系统中，为了支持管理决策，首先必须建立各种数据库以备决策之需。其次要建立各种数学模型，组成模型库对数据库中的数据进行深加工以便探索其内部规律，对数据的运算结果进行比较、分析和评价。同时，为了充分利用管理者的经验、知识和智慧，系统还设置人机交互接口和专家知识库，采用人工智能技术判断环境生成方案、评价决策。

（3）财务决策系统国内外发展现状

在国内，会计核算系统和财务管理系统已发展良好，逐步地为用户理解和接受，但财务决策支持系统的发展尚处初级阶段。

在国外，财务决策支持系统已较为完善，以财务管理为核心构造财务决策支持系统，做到了账务系统与管理系统的有机融合，做到了事前预测与决策、事中控制、事后分析为一体的网络化、科学化的决策管理，数据挖掘在财务决策支持系统中的运用也较为成熟。

2．数据挖掘在财务决策支持系统的应用

数据挖掘技术在财务决策支持系统中的应用研究始于1995 年，研究内容包括将DSS 的结构体系引入过来，从二库、三库结构到四库、五库结构的研究，也就是从传统的FDSS 研究到智能的或高级的FDSS 的研究。随着信息技术的不断完善，把数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）也引入到财务决策支持系统中，出现了基于数据仓库和数据挖掘技术的财务决策支持系统结构，数据挖掘技术在财务决策支持系统中的应用主要包括：

（1）财务状况分析

财务状况分析是财务管理的重要组成部分，包括企事业单位偿债能力分析、企事业单位营运能力分析、企事业单位获利能力分析、企事业单位发展能力分析。它是利用已有的财务数据对企事业单位的财务状况、经营成果进行分析与评价。财务分析系统可以运用数据挖掘分类、预测等技术，根据企事业单位过去和现在的财务数据做进一步的加工、整理、分析和评价，在预测未来的财务状况的同时从中取得有用的信息供决策者使用。

（2）财务预测

财务预测系统是FDSS 的重要组成部分，其功能分为两个方面：一是利用已有的财务数据对企事业单位未来的财务状况和经营成果进行预测。二是利用专家经验和专门知识对某项财务专题进行预测。财务预测的主要内容包括销售预测、利润预测、成本预测、资金预测、财务指标预测等。利用回归，神经网络等技术根据已有的财务数据预测企事业单位未来的财务状况，进而判断企事业单位未来发生财务危机的可能性。

（3）筹资决策

筹资是指企事业单位何时、采用何种方式、获得何种规模资金的过程。企事业单位筹资决策主要包括筹资数量决策、筹资方式决策和债务偿还决策。一般地说，企事业单位筹资首先应考虑自有资本，即所有者权益筹资；其次再考虑债务筹资，其目的是使财务风险最小化。利用数据挖掘中的分类、聚类等技术可根据单位经营管理的需要进行决策信息输出，确定一个合理的筹资方案。

（4）投资决策

企事业单位的投资决策主要包括企事业单位内部长期投资决策、联营投资决策和证券投资决策。投资决策问题是决策问题中较为复杂的问题，其决策问题一般分为半结构化或非结构化问题。我们可利用预测、关联等技术对投资时机、投资规模、投资方式等方面来确定投资方案。通过在众多可投资项目中选择出最具价值的项目决策信息，实现投资资金效率最大化。

（5）成本决策

成本决策涉及企事业单位供产销、生产经营和资本运作等各个领域，可以说凡是发生成本费用支出的各项经济活动，都存在成本决策问题。企事业单位成本决策包括：存货成本决策、生产成本决策、资金成本决策、销售成本决策、服务成本决策等，其中销售成本决策和服务成本决策，其非结构化因素较多，包括促销费用、广告费用、销货服务费等，从而使其决策方案的确定更加复杂化。这就需要利用数据挖掘技术中的时间序列分析，关联分析等技术对历史数据进行分析预测，以确定最优方案。

（6）股利分配决策

股利分配是指公司向股东分派股利。股利分配决策的合理与否，将会对公司的持续发展和股东利益产生重大影响。股利分配决策包括股利发放决策、股利支付比率决策和股利发放形式决策等。由于股利分配决策要受到法律、经济、公司政策、股东利益、以及股票市场等诸多因素的影响，其决策问题大多为半结构化和非结构化问题，我们可利用数据挖掘技术中的分类技术来提供支持。

（7）存货决策

存货决策主要是指原材料和产成品的决策，即确定合理的经济订货量以及何时订货才是最佳时机，力求使存货上耗费的成本最低。销售的不确定性使得存货决策成为一种风险性决策，它需要根据以往的经验储存、历史统计资料的分析以及输入用户的调研数据，运用数据挖掘技术中的决策树方法帮助决策者确定需求变量的范围及发生概率，并提供最优方案的参考数据。随着数据库技术和网络技术的迅速发展，传统会计核算层及财务管理层的不断完善，人们获取数据的能力越来越强，将海量的数据存储在数据库和数据仓库中。将数据仓库（DW）、数据挖掘（DM）和联机分析（OLAP）等信息技术应用于财务决策支持系统，更能将数据仓库里的海量数据从执行系统中筛选出来，减少冗余，完成一系列转换处理，便于决策者从宏大的信息系统中分辨、析取、整理、挖掘出对财务决策有用的信息，极大提高企事业单位管理信息系统的工作效率③。

三、数据挖掘技术在财务决策支持系统中应用的难点与展望

数据挖掘技术在财务决策支持系统中的应用还是一门崭新的技术或方法，接受数据挖掘的概念容易，但将其落在实处却比较困难。其中最重要的就是成本问题。数据挖掘功能对企事业单位财务数据进行分析虽然存有优势，但前提条件是具备完整、正确的数据，即在建立数据仓库系统基础后，与此功能结合运用以达到事半功倍的效果。但目前单位财务部门提供的数据本身就可能存在水分，因此需要数据信息使用者在经过会计信息质量分析等前提下调整或重新估计，然后再利用数据挖掘等技术应用到财务决策支持系统中。数据挖掘仅依靠计算机或者软件是无法完成任务的，更多的是需要依靠专业人士的职业判断。

虽然在单位财务决策支持系统中利用数据挖掘技术还不十分成熟，但是伴随着科学技术的迅猛发展，以及数据挖掘技术在财务决策支持系统中的广阔市场前景，相信基于数据挖掘的财务决策支持系统必将更加成熟！

但是，数据挖掘作为一门新兴的科学和技术，它的发展还处于幼年期，要想基于数据挖掘的财务决策支持系统模型得到更为广泛的应用，面临的挑战为：

1．建立基础的数据挖掘理论体系；

2．提高数据挖掘算法的效率和处理能力；

3．良好的人机交互界面；

4．挖掘各种数据类型，包括半结构和无结构数据。

注释：

①何京舟.浅议数据挖掘技术与财务分析.中国集体经济.2009(6):155-156.

②汤九斌.基于数据挖掘技术的决策支持系统及其关键技术研究.中国优秀博士论文全文数据库.南京理工大学.2009.

③周喜,王加阳.数据挖掘技术在财务决策支持系统中的应用研究.湖南商学院学报.2009(4):99-101.

参考文献：

[1]何京舟.浅议数据挖掘技术与财务分析.中国集体经济.2009(6).

[2]郑日军.数据挖掘综述.科协论坛(下半月).2008(10).

[3]洪沙,向芳.数据挖掘与决策支持系统.科学咨询(决策管理).2008(4).

[4]汤九斌.基于数据挖掘技术的决策支持系统及其关键技术研究.中国优秀博士论文全文数据库.南京理工大学.2009.

决策支持技术 第4篇

1 能源行业发展面临的挑战

我国人均能源资源拥有量较低, 资源禀赋与能源消费逆向分布, 制约了能源发展。煤炭和水力资源人均拥有量仅相当于世界平均水平的50%, 石油、天然气资源仅为世界平均水平的1/15左右。同时, 我国的主要能源消费区集中于东南沿海等经济发达地区, 资源禀赋与能源消费地域存在显著差别。另外, 我国大部分煤炭资源需要井工开采, 石油、天然气资源埋藏深, 未开发的水力资源多集中于西南部的高山深谷之中, 能源资源的开发难度相对较大。

能源供应对外依存度高, 能源供应安全面临较大挑战。“十一五”以来, 我国经济高速发展以能源消费的快速增长为代价。2000年至2010年间, 我国能源消费年均增长达到8.4%。然而, 由于我国常规化石能源可持续供应能力不足, 能源运输体系不尽合理, 煤电运紧张现象反复出现, 可再生能源的并网消纳难题尚未完全攻克, 我国能源供应缺口逐年增加, 不得不依赖于进口, 201 0年, 我国能源供需缺口达到了2.6亿吨标准煤, 能源 (尤其是石油) 对外依存度快速上升[2]。根据工业和信息化部于2011年公布的数据显示, 我国原油对外依存度首次超过了美国, 达到了55.2%。

能源消费结构不合理, 过度依赖煤炭资源。煤炭在我国能源消费中占一次能源消费总量的比重一直保持在65%以上, 过度依赖煤炭资源, 消费量从1978年的4.0亿吨标准煤增长到2010年的24.5亿吨标准煤, 年均增长5.8%。以煤炭为主的能源消费结构偏离了世界能源结构以油气、清洁能源发电为发展趋势的主流, 滞后的用煤方式、生产设备、管理方式加剧了能源消费结构的不合理。

能源发展造成环境污染, 生态环境压力较大。大规模的煤炭开发, 给我国山西、内蒙等主要煤炭产区带来了土地塌陷、水资源和植被破坏等生态环境问题;以煤为主的大量化石能源消费, 同时也给我国华东、华中、华南部地区带来严重的酸雨等环境问题。我国是目前世界第二大经济体, 年排放总量全球第一, 而且人均排放量已接近全球平均水平。

2 能源决策支持技术研究的必要性

能源决策支持研究始于20世纪60年代, 早期的能源决策支持过程多依赖于单目标函数对能源供需进行预测和规划, 往往难以兼顾系统的复杂度和不确定度, 而频繁采用假定和简化处理又无法有效反映客观环境和主观因素的变化。由于早期模型的预测结果不甚理想, 70年代的两次石油危机以后, 单目标函数的能源决策模型逐步被多优化输出的能源模型所取代, 取得了较好的反响。石油危机结束后, 世界石油市场趋于平衡, 全球气候变暖问题逐渐被能源决策者所重视, 这一时期的能源决策模型不再单独考虑能源供需关系, 综合能源模型已现雏形。90年代以后, 世界各国能源需求量逐渐增加, 能源决策目标更加丰富和趋于多元化, 关注焦点涵盖了能源、环境、经济、技术、安全等诸多方面, 经典决策技术的综合性进一步提升[1]。进入新世纪以来, 风能、太阳能等可再生能源的发展得到了世界各国的重视, 可再生能源一般通过发电加以利用, 其发电出力具有随机性和间歇性特点, 并网消纳相对比较困难, 目前国际上已有的能源决策支持技术多将可再生能源的开发与消纳作为研究的重点。

我国能源决策支持技术的基础能力比较薄弱, 主要表现为缺乏适应市场经济的能源规划方法论、能源统计信息不完整, 能源政策实施的有效性不强等诸多问题。另外, 区域经济发展不平衡、能源生产中心和消费中心逆向分布、能源运输基础设施建设滞后、市场经济体制尚有待完善等比较突出, 已有的决策支持技术不能有效回答目前我国能源转型发展过程中的关键核心问题, 包括能源消费总量控制、化石能源供应不足、能源大范围优化配置、新能源大规模集中开发和跨区消纳等问题, 因此迫切需要研究能够适应我国能源发展国情的能源决策技术。

3 能源决策支持技术的研究重点

未来我国能源决策支持技术应在构建能源、经济、环境与电力的各类数据库的基础上, 整合现有能源规划、电力规划、环保规划、经济社会发展规划等各行业研究资源, 通过技术创新, 深入研究能源电力生产、输运与消费各环节的关键规划问题, 紧密跟踪国家经济发展形势、经济能源政策, 研究能源与电力发展战略规划, 为政府和企业提供决策参考。

一是新形势下能源基地开发潜力与评估方法研究。针对能源发展过程中所面临的新形势, 结合资源条件、前期工作进展、开发成本、生态环境保护、运输通道等因素, 系统研究和评估各类能源基地的开发潜力, 重点研究煤炭基地和可再生能源基地。

二是能源转化利用体系研究。站在整体能源系统的角度, 全过程分析能源转化利用技术发展发展趋势, 提出技术可行、经济合理的技术路线, 进而研究煤电/煤化工、新能源发电/新能源供热等能源综合转化利用方案。

三是能源基地外送目标市场综合优化。统筹考虑能源、环境、运输和市场等因素, 围绕能源基地的外送方式、外送的合理流向和规模问题, 以能源供应总成本、能源效率、能源安全等为综合目标, 以能源供需平衡、化石能源基地可开发规模、新能源开发潜力、能源输送通道、各地区环境资源等为约束条件, 优化确定我国能源基地的外送规模、外送方式和目标市场。

四是能源发展模式及综合效益评估方法研究。在科学预测未来经济、能源发展规模与需求的基础上, 结合我国能源资源及开发潜力, 充分考虑国内国外两个市场、两种资源的利用, “十二五”及中长期经济发展方式转变、能源与产业结构调整的动态影响, 研究我国能源就地平衡和跨区配置的合理匹配关系, 完善“十二五”及中长期我国能源发展的指导思想、发展思路与目标, 并评估所产生的其综合效益。

五是清洁能源发展战略构建方法及实施研究。重点研究清洁能源的合理开发布局和高效消纳利用, 以及常规化石能源的清洁高效利用。鉴于清洁能源大多通过转化为电力加以利用, 因此要重点研究电网在清洁能源输送过程中的功能与定位, 尤其是跨区输送和消纳方面所发挥的重要作用。

参考文献

[1]魏一鸣, 吴刚, 刘兰翠, 等.能源-经济-环境复杂系统建模与应用进展[J].管理学报, 2005, 2 (2) :159-170.

决策支持系统论文 第5篇

【论文关键词】设备维修 决策支持系统 故障诊断

该系统中包含多个决策模块，按其功能可主要分为以下几类决策问题：设备技术状态等级决策、设备维修管理决策、设备故障诊断决策、备件优化库存决策。该系统可以辅助设备维修管理人员进行泵站设备的维修决策。一般一个DSS的核心是模型库系统，其作用是管理各种决策方法、模型，设备维修管理及决策支持系统包含了多种决策模型，如线性规划、模糊决策方法、神经网络方法、层次分析法、灰色系统等。这些模型及其组合可分别在几个功能模块子系统中得到应用，如设备技术状态等级决策中用到模糊综合评判法，设备维修管理决策中用到了逻辑综合决断法、模糊综合评判法等，设备故障诊断决策中使用了模糊诊断理论、专家系统等。以下将着重探讨设备维修管理决策和设备故障诊断决策两类核心决策问题。

1.设备维修管理决策

对设备磨损（有形磨损和无形磨损）的补偿方式有维修和更新。维修可分为事后维修、预防维修和状态维修三种方式。这里的更新概念是指以全部的设备来代替旧设备。因此设备维修管理决策问题可分为：设备更新决策、设备维修方式决策、设备状态维修决策和设备维修周期决策等。以下主要讨论设备更新决策、设备维修方式决策。

1.1设备更新决策

设备更新是修理以外的另一种设备综合磨损的补偿方式，设备更新有两种形式：一种是用相同的设备去更换有形磨损严重、不能继续使用的旧设备；这种更新只是解决设备的损坏问题，不具有更新技术的性质，不能促进技术的进步。另一种是用较经济和较完善的新设备，即用技术更先进、结构更完善、效率更高、性能更好、耗费能源和原材料更少的新型设备，来更换那些技术上不能继续使用或经济上不宜继续使用的旧设备。这种更新不仅能解决设备的损坏问题，而且能解决设备技术落后的问题。在当今技术进步很快的条件下，设备更新应该主要采用后一种。

对设备实行更新，不仅要考虑促进技术进步，同时也要能够获得较好的经济效益。对于一台具体设备来说，应该不应该更新、应在什么时间更新、应选用什么样的设备来更新，主要取决于更新的经济效果。设备更新的时机，一般取决于设备的技术寿命和经济寿命。

有些设备在其整个使用期内并不过时，也就是在一定时期内还没有更先进的设备出现。在这种情况下，设备在使用过程中同样避免不了有形磨损的作用，结果将引起维修费用（特别是大修费用）以及其他运行费用的不断增加。这时，即使进行设备原型替换，在经济上往往也是合算的，这就是原型更新问题。在这种情况下，可以通过分析设备的经济寿命进行更新决策。

设备原型更新的模型可按其费用函数分为低劣化模型、最小年费用模型等。这两种模型都是以追求设备寿命期内的费用最低为目标，当设备的费用最低时的年数也就是设备的设备维修管理及决策支持系统的辅助决策研究最佳更新期。

（1）低劣化模型①

t=t=

其中，t：设备的经济寿命；

B：设备原值；

q：设备的低劣化数值（即每年增加的使用维护费）。

实际分析时，考虑到资金利息，会进行适当的修正。当使用年限超过设备的经济寿命时，一般考虑更新，而不再考虑维修。

（2）最小年费用模型②

如果设备的低劣化值每年变化率并不相同则可采用最小年费用模型计算设备的最佳更新期。

Ct=

式中，ct表示某一确定年份的年平均费用（元）； cp表示某年设备的使用成本（元）；k0表示设备原值； kc表示设备残值；t表示某一确定年数。ct最小时的年数就是设备更新的年限。

1.2设备维修方式决策 毕业论文酷 www.lwkoo.cn

设备可划分为重点设备、重要设备和一般设备，并根据设备的特点和状态，确定最适宜、最经济的维修方式：事后维修、预防维修或状态维修。因此维修方式决策的目标是在保证设备安全运转的基础上，实现设备寿命周期费用最经济、综合效益最高，具体来说，就是提高设备的利用率，降低设备维修费用和运行成本。

维修方式决策的总原则为：对于故障有发展过程且可监测、维修成本高的重要设备实施状态维修；对可靠性和安全性要求高的、故障属于寿命型但不易检测的设备采用定期预防维修，此时需要优化维修内容和间隔期；而对故障危害性较小、故障率恒定且故障不易检测的设备实施事后维修；并针对具体情况见缝插针的实施同步维修和改进维修。

设备维修方式决策的适用对象可以是整机，也可以是某一个子系统，甚至是子系统的某一个子系统，也就是说，维修方式的决策对象可以是所有的泵站系统、子系统，也可以是其中一种设备，甚至是主机的某一个零部件。不论是哪一级的维修对象，使用的决策模型都一样，以下介绍两种决策模型，分别是逻辑综合决断法、模糊综合评判法。

（l）逻辑综合决断法

“逻辑综合决断法”首先把设备分类，然后根据决策目标的要求，就设备性能指标提出一系列逻辑问题，最后根据答案决定建议实施的维修方式。“逻辑综合决断法”主要是一种定性分析方法，其分析步骤为：

第一步，确定企业实施不同维修方式的比例。由于设备、检测能力和维修人员素质等的差异，不同企业实施状态维修、定期维修和事后维修的比例是不同的；

第二步，按照下图所示的流程回答问题，确定设备的维修方式；

第三步，根据步骤一确定的比例关系，调整设备的维修方式，同时考虑其它重要的影响因素，如水电部门对某些设备实施维修方式的限制，最终确定设备的维修方式。

可以看出，逻辑综合决断法简单易行，能在时间短、开支少的情况下，对设备分类，还可充分吸收专家和使用人员的意见，逐步完善分析过程。

（2）模糊综合评判模型

模糊综合评判法决策的基本原理是认为设备特征参数与维修方式之间存在模糊关系：B=A。R ，其中A为设备特征参数模糊集，B为维修方式模糊集，R为识别矩阵，“。”为模糊算子，根据设备特征参数的隶属函数和识别权矩阵可以得到设备的评价集，然后依据一定的决策原则就可以进行设备维修方式决策“。”③

决策好维修方式是实现以可靠性为中心的维修策略的基础，以上两种决策模型各有优缺点，逻辑综合决断法比较简单，但只能利用设备的定性信息；模糊综合评判法在某种程设备维修管理及决策支持系统的辅助决策研究度上能够反映问题的本质，但自学习能力要差一些。对泵站设备而言，维修方式的决策受到诸多因素的限制，模糊综合评判方法有时因不能量化，忽略了某些因素，得到的决策结果不准确，失去辅助决策的意义，因此本系统偏重于采用逻辑综合决断法。

2.模糊理论在设备故障诊断决策中的应用④

作为一门崭新的数学学科，模糊数学的出现与发展，对许多领域尤其是工程技术领域产生了极大的影响，使这些领域不断出现新的成果，从而加速了这些领域的发展.设备维修管理就属于这样的领域。在这一领域中，有些设备的故障原因和现象是明确的、清晰的和肯定的，即模式是明确的、清晰的和肯定的，而大量的诊断对象的模式带有不同程度的模糊性，属模糊式的设备故障诊断及维修管理的问题。

模糊数学为复杂设备的故障诊断及维修管理提供了有力的数学工具。这是因为，随着现代科学技术的飞速发展，各种设备不断复杂化。根据模糊数学创始人Zadeh提出的“不相容原理”，当系统的复杂性增加时，精确而有效地描述系统行为的能力就减少，当达到某一闽值时，精确性和有效性变得相互排斥，因此，设备的复杂程度越高，其系统的模糊性也就越强。运用模糊数学的基本原理，分析处理设备状态监测和故障诊断及维修管理中遇到的模糊信息，将为设备的维修管理开辟新的有效途径。

总之，设备维修管理及决策支持系统的设计及应用将减轻设备维护过程中决策人员的工作负担，提高工作效率、设备运行率及可靠性，产生显著的经济效益。

参考文献：

①②方淑芬、吕文元.设备维修管理智能决策支持系统的研究.系统工程理论与实践［J］，20xx（12）：53-59

③张曾科.模糊数学在自动化技术中的应用［M］.北京：清华大学出版社，1997.

④石涛.模糊数学在机械故障诊断专家系统中的应用［J］.武汉造船，1998（6）：17-18

毕业论文酷 www.lwkoo.cn

决策支持技术 第6篇

关键词:智能决策支持系统;AI;ES

中图分类号:TP315 文献标识码:A文章编号:1006-8937(2009)10-0146-01

1智能决策支持系统的概念

智能决策支持系统(IDSS,Intelligence Decision Supporting System),是人工智能(AI,Artifieial Intelligence)和DSS相结合而成的决策支持系统,它应用专家系统(ES, Expert System)技术,通过逻辑推理的手段充分应用人类知识处理复杂的决策问题。

2智能决策支持系统的特点和功能

智能决策支持系统,我们又称为高阶决策支持系统,它将决策支持系统的人机交互系统、模型库系统、数据库系统和专家系统的知识库、推理机及动态数据库相结合,因此能拥有优于传统决策支持系统的特性和功能:

①由于智能DSS具有推理机构,能模拟决策者的思维过程,所以能根据决策者的需求,通过提问会话、分析问题、应用有关规则引导决策者选择合适的模型。②智能DSS的推理机能跟踪问题的求解过程,从而可以证明模型的正确性,增加了决策者对决策方案的可信度。③决策者使用DSS解决半结构化或非结构化的问题时,有时对问题的本身或问题的边界条件不是很明确,智能DSS却可以通过询问决策者来辅助诊断问题的边界条件和环境④智能DSS能跟踪和模拟决策者的思维方式,所以它不仅能回答“what……if……”,而且还能够回答“why”,“when”之类的解释性原因,从而能使决策者不仅知道结论,而且知道为什么会产生这样的结论。

IDSS充分发挥了专家系统以知识推理形式解决定性分析问题的特点,又发挥了初级决策支持系统模型计算为核心解决定量分析问题的特点,充分做到定性分析和定量分析的有机结合,使得解决问题的能力和范围得到了一个大的发展。IDSS中DSS和ES的结合主要体现在三个方面:①DSS和ES的总体结合。由人机交互系统把DSS和ES一体化。②KB和MB的结合。模型库中的数学模型作为知识的一种形式即过程性知识,加入到知识推理过程中去。③DB和动态DB的结合。DSS中的DB可以看成是相对静态的数据库,它为ES中的动态数据库提供初始数据。ES推理结束后,动态DB中的结果再送回到DSS中的DB中去。

3管理决策中智能决策支持系统的应用

DSS与ES相结合,意味着智能化决策支持系统不仅能提供许多传统的决策支持功能,还可以提供知识编辑、推理、学习等更接近于人类决策方式的功能。同时,系统还可能在一定程度上接受自然语言所提出的问题,让系统使用起来更加友好。人工智能技术引入DSS中可以有几种途径。首先,Simon提出有限合理性模型是和人工智能技术紧密结合的,有限合理要求建立一个紧密跟踪人的行为的系统,而专家系统正是这样的一种系统。其次,人工智能因为可以处理定性的、近似的知识而引入DSS中,这方面正是专家系统的优势所在。最后,DSS的一个共同特征是交互性强,这就要求高阶的决策支持系统使用起来更方便,并且在接口水平和在进行的推理上更为透明。人工智能在接口水平,尤其在对话功能上对此可以做出有益的贡献。

正因为智能决策支持系统具有优于一般决策支持系统的特性,使其有可能在企业日常管理中发挥重要作用,甚至影响企业组织的方方面面。

目前,企业中决策支持系统的运用已经是一件很普遍的事情,但是在企业日常决策中应用IDSS还不是很常见,然而由于IDSS能够进行知识编辑、推理、学习且更为友好,在企业决策中的应用也日渐增多。IDSS能向企业各类管理人员提供越来越多的企业内外部信息和各种经营分析与管理决策功能,丰富的决策信息与灵活的决策功能使企业的管理决策工作不再局限于少数专门人员或高层人员。外部环境的要求,IDSS提供的可能,已使企业中许多不同职能、不同技能的各类管理与技术人员参与决策工作,许多决策问题也不必再有上层或专人解决。这种趋势必将使企业组织结构更为扁平化。

虽然IDSS目前在理论上还有较大的难度,还有许多问题尚待研究,特别是当前的计算机系统在自然语言、推理机、学习性能等方面还不够完善,而要彻底实现它的应用,其难度是相当大的,但由于IDSS在应用上具有重大的现实意义,它成为众多国内外的研究人员的重要课题。

参考文献:

[1] 王红,刘建辉.人工智能在决策支持系统中的应用与研究[J].人工智能,2005,(3).

决策支持技术 第7篇

传统的决策支持系统(Decision Support System-DSS)采用各种定量模型,综合利用大量数据,旨在对半结构化和非结构化决策问题提供支持。由于DSS采用静态数学模型,并且是在决策者的主导下采用模型求解,DSS对决策中普遍存在的定性问题、模糊问题和复杂性问题缺乏相应的支持手段[1]。随着人工智能理论(Artificial Intelligence-AI)的逐渐成熟,得到了研究人员的广泛关注,并将其引入DSS研究领域,产生了一个新的研究分支智能决策支持系统(Intelligence Decision Support System-IDSS),AI的深入发展为IDSS的研究注入了新的活力,克服了传统DSS的缺陷,称为DSS的重要研究方向[2]。智能体(Agent)理论的研究是近年来计算机科学领域的一个重要方向。从80年代开始,Agent研究与其他领域相互借鉴和融合,在许多应用领域得到了更为广泛的应用。特别是多Agent的理论和技术,为分布式开放式系统的实现提供了一个新途径,被誉为“软件开发的又一重大突破”[3]。近年来针对各种应用领域出现了各种各样的Agent,在复杂系统的开发和实现中起到了越来越重要的作用。多Agent技术和网络技术的发展为建立IDSS提供了新的途径。研究基于多Agent技术的新一代IDSS具有重要意义。本文将多Agent技术引入到IDSS的设计中来,力图通过多个Agent的协同工作,实现IDSS的综合化和集成化,为解决复杂的决策问题,提供动态信息,从而提高决策水平。

2 基于多智能体技术的智能决策支持系统

2.1 智能体(Agent)与多智能体(Multi-Agent)

目前学术界对于Agent还没有一个明确的定义,但一般认为Agent是一个运行于动态环境的、接受另一个实体的委托并为之提供服务的、具有较高自治能力的实体。Agent也可以理解为一种模拟人类智能行为并提供相应服务的计算机程序,它能够持续的、自主的进行操作。Agent自身应该具有知识、目标和能力,能够通过感知器对外界环境中的条件作出反应,并运用学习和推理的功能来对外界环境作出解释,产生推理并作出决定。一般认为,Agent具有自主性、协同性、响应性、预动性及智能性的特点。

多智能体(Multi-Agent)系统是指由多个Agent组成的一个松散耦合的网络,各个Agent成员之间相互协同、相互服务共同完成一个复杂任务。各Agent之间的活动是自治、独立的,它们通过竞争、协商、协作等手段来完成系统设定的目标,并在一定程度上代替人完成部分工作,扮演人的角色[4]。多智能体系统提供了一种解决复杂问题的方法,即将复杂问题划分为若干个子问题,构造若干具有相应功能的Agent,由这些Agent分工处理相应的子问题。多智能体系统为决策支持系统提供了一种新的设计思路。

2.2 IDSS体系结构

1981年Bonczek等人提出将决策支持系统与专家系统(Expert System,简称ES)相结合,分别发挥决策支持系统数值分析与专家系统符号处理的特长[5],将定量分析与定性分析相结合,形成了最初的IDSS,从而能有效地解决半结构化和非结构化的问题。IDSS利用人工智能和专家系统技术在定性分析和不确定推理上的优势,充分利用人类在问题求解中的经验和知识,克服了传统决策支持系统的缺陷。把专家系统技术应用到决策支持系统当中,可以克服专家系统和决策支持系统各自的局限性,更好的支持管理决策[6]。

近年来,几乎所有关于决策支持系统的研究都是围绕人工智能技术的应用而展开的[7]。IDSS的研究重点也逐渐转移到各部件的综合集成上。IDSS研究的理论与方法逐渐成熟,但如何使系统各部件统一起来,仍然是IDSS研究热点之一。黄梯云教授认为,智能决策支持系统应该具有以下5个特点[8]:1具有友好的人机接口;2能对知识进行表示与处理;3具有智能的模型管理功能;4应具有学习能力;5能综合运用人工智能中的各种技术,对整个IDSS进行统一协调、管理和控制。

早期的IDSS主要由决策支持系统和知识库构成,后来为了增强知识处理能力,又发展出了由问题处理与人机交互系统、模型库管理系统、数据库管理系统以及知识库系统组成的IDSS,其基本结构如图1所示[9]。该系统模型只是简单的反映了IDSS的必要组成部分,对于上述IDSS应该具备的5个特点并没有很好的予以解释并实现。另外,该模型的智能部件只强调了知识库或知识系统的作用,忽略了数据中也隐含着决策知识或规则,没有充分利用数据信息来帮助决策。同时,模型库与知识库相分离,在分析过程中没有充分地将定性分析与定量分析结合起来[19]。本文将引入多Agent技术,对智能决策支持系统的各部件进行统一协调、管理和控制。

2.3 基于多智能体技术的智能决策支持系统框架结构

国内外学者对基于多智能体技术的智能决策支持系统(Intelligent Decision Support System Based on Multi-Agent-IDSSBMA)进行了大量的研究。澳大利亚昆士兰大学Shijia Gao等学者研究了IDSSBMA对家庭财务规划问题提供支持[10],以及反洗钱领域中IDSSBMA的模型建立[11]。国内学者至今仍没有针对专门领域对IDSSBMA进行研究。结合行业背景对IDSSBMA进行研究将是该领域未来的研究方向。

针对不同的任务,人们可以构造不同种类的Agent来满足需要。浙江大学刘金琨等人提出了由界面Agent、信息Agent和移动Agent构成的智能决策支持系统,并提出进一步的研究方向是解决Internet环境下的信息资源异构和动态变化的问题[12];大连理工大学毛海军等人提出了利用界面Agent、信息Agent和协作Agent来实现智能决策支持系统的思路,为解决多Agent系统中Agent之间的协作问题提供了一种新的思路[13]。在上述学者研究的基础上,本文构造7种Agent,将IDSSBMA模型进行拓展,力图更好的解决智能决策支持系统的综合化和集成化。

2.3.1 面向智能决策支持系统Agent设计

(1)界面Agent。

界面Agent是由人和计算机通过人机界面组成的一个有机的整体[14]。它的主要功能是代替传统智能决策支持系统中的问题与人机交互系统来与用户进行交互。它采用的是一种间接管理的风格。在基于该Agent的系统中,用户只需给出大体的指导即可以控制系统的运行,而无需显式地告诉计算机具体的行为。由于Agent本身具有面向目标和协作性的特点,因此它可以针对不同用户进行不同的处理。界面Agent可以针对不同用户进行个性化处理,从而能够适应于特定用户的特定行为。当它能够确定用户在某个特定的情况下将如何做出反应时,它就开始替代或者帮助用户完成相应的任务。

通过界面Agent可以实现人机智能的结合。一方面,通过多Agent系统对其进行集成可提高人机系统的综合智能水平;另一方面,通过对界面Agent技术的开发可促进人的智能随之发展,达到人机系统高度智能化、协调化。利用界面Agent技术可以为人和机器间的双向通信提供友好交互、自然对话的条件,构成人机协调系统并可进行各种智能管理活动,实现智能预测、智能规划、智能决策、智能调度、智能监控和智能评价等功能。

(2)协作Agent。

协作Agent是定义Agent之间协作关系的Agent,包括各种协作协议、策略、对协作的处理和评估。协作协议包括对协作过程中Agent之间的通信规则作出的定义、表示、处理以及解释[15]。协作策略指Agent之间的决策和控制过程,旨在寻求一种让协作双方都能接受的策略。协作处理指在协作过程中Agent所做出的具体行为。协作评估是对接收到的信息和采取的协作方式进行评估。协作Agent可以解决Agent之间的协作问题,单独完成协作任务,使其他Agent的构建变得简单,协作变得更灵活、更容易操作。

(3)信息Agent。

信息Agent对信息进行各种检索和处理,可以实现对信息的管理、控制和分类[16]。信息Agent根据需要从信息源检索出决策者需要的信息,以供问题求解的需要。这类信息Agent可用在网络系统中,实现对信息的实时检索,提高检索效率。另一类信息Agent不只是对信息进行检索,还要对检索到的信息进行某种程度的加工,使信息能够满足具体的需求,即进行信息处理,并在此基础上进行问题的求解,兼有解决问题的能力。在需要时可使用一种信息Agent,也可同时使用两种信息Agent。前一种信息Agent结构简单,但功能太少;后一种相对前者结构较复杂,但功能强大。在使用时,后者常常用在需要在本地进行问题求解的系统中,可以对分布式信息进行管理、控制和分类。

(4)管理Agent。

管理Agent的职能是对问题的决策、查询及对其它Agent进行控制和监督,对不同项目组之间的成员进行协调。Multi-Agent系统中需要解决的难点问题是任务分解、任务分配和Agent之间的磋商。管理Agent根据用户提出的要求制订任务规划和调度、分解、协调模型Agent等,并与其它子系统中的管理Agent进行磋商[17]。

(5)决策Agent。

决策Agent是完成决策任务的主体,各个决策Agent将根据自己的能力决定是否接受决策任务或确定完成决策任务的哪个部分。每个决策单元对应组织中的一个决策者或者决策部门,负责整个组织复杂决策的一部分。当一个决策单元接收到管理Agent分配的任务时,决策Agent利用本地本体知识库的知识与其它决策单元进行必要的协作求解[18]。

(6)模型Agent。

模型Agent在管理Agent的调度下和信息Agent的支持下提供问题的具体求解方法。模型Agent是将多智能体引入DSS模型的建立,用Agent来描述模型。一个模型Agent可以描述一个简单模型,复杂模型由多个模型Agent通过磋商与合作的方式形成,模型库系统即可以是一个多智能体系统。利用Agent的特性,可使基于Multi-Agent建造的DSS模型库系统较好地实现模型与数据、模型与方法的集成、共享与重用,并可大大减少模型库管理系统的工作,模型的管理只是更高层的协调与监控。

由于模型库系统中的模型均是可以完成某一种任务的模型,使用时一般不需要改变其结构与功能,因此采用多智能体设计的模型库系统较为简单,即将问题划分到子问题,由单个Agent尽可能完全地负责某个子问题。使用时Agent间可以有共同目标,以共同的合作方式进行协商与重组,这样可以减少通讯量,降低协商的难度。同时,还可以将每个Agent限制在其问题领域中,Agent之间的领域不重叠,可以避免冗余推理[17]。

(7)知识Agent。

为了实现知识管理在智能决策支持系统中的核心位置,本系统增加了知识Agent来协助系统合理有效地利用知识库中形式多样的知识。知识Agent主要进行知识的选择与推理,可与其他Agent或专家通信,获取选择知识的信息。

2.3.2 基于多智能体技术的智能决策支持系统建立。

基于上述Agent和IDSS的特点,本文提出了一种新的IDSSBMA模型,该模型的结构如图2所示。

该系统模型主要分为四个层次:任务理解层、任务分配层、任务求解层和信息数据层。

第一阶段为任务理解层,这一阶段系统通过界面Agent与用户交互,充分理解需要求解的问题,通过界面Agent将理解的问题转换成系统语言指令,为解决问题打下基础。

第二阶段为任务分配层,通过管理Agent掌握系统内所有Agent的情况,将对需要求解问题的理解传递给信息Agent;再将决策任务分配给决策Agent,决策Agent决定是否接受决策任务或确定接受决策任务的哪个部分。

第三阶段为任务求解层,根据任务求解提取所需要的数据信息,或从模型库调用所需模型,或从知识库中查找所需知识进行推理。其中,当需要多个信息Agent共同协作时,各信息Agent通过协作Agent进行相互通信,协调工作。模型Agent和知识Agent共同作用,分析信息Agent检索来的信息。决策Agent进行量化决策处理,得出结论。

第四阶段为信息数据层,将求解过程中所得到的信息储存起来,以备今后使用。

在实际应用中,可以将上述七种智能体充分结合,构建IDSSBMA来完成决策支持任务。基于IDSSBMA,多个用户可以通过各Agent部件实现人机协作,从而实现决策的智能化、集成化和综合化。

3 结论

决策支持技术 第8篇

关键词：数据整合,商业智能,数据转换工具,数据仓库,在线分析处理,数据挖掘,Brio前端展现工具,决策支持系统。

1 概述

近几年来新兴铸管公司信息化建设高速发展,计算机辅助管理已经深入到了各个部门。相关的计算机管理系统应用也逐步走向成熟化。但随着信息化建设的进一步深入也逐渐暴露出不少问题,比如由于公司信息化建设经历的时间跨度较长,不同时期的建设都遗留了具有历史特点的问题。1994年我们开始组建局域网时,主要是以外界为主、自己为辅进行联合开发的方式开发了一些小型MIS系统,在这个时期国内的各大企业信息化建设都处在摸索阶段,往往缺乏企业级总体规划设计。1999年以来,公司采取“群体一把手挂帅制,全员动员信息化”的方法按照成熟ERP理论“总体规划设计、分步实施”的原则对现有信息化资源(硬件、网络、软件资源)进行了扩充建设,取得了较为显著的效果。在此过程中也因不同部门对“总体规划设计、分步实施”的原则理解上的差异造成了某些“信息孤岛”现象的存在。公司的信息系统多年来生成了大量的历史数据,而现有各计算机管理系统的分析功能比较单一,多停留在部门级层面上,而缺乏公司级层面多维度对历史数据挖掘分析,致使公司大量历史数据资源没有得到充分的利用。企业的高速发展对信息化建设提出了更高的要求。如何充分利用企业现有信息资源,消除“信息孤岛”,实现各系统间的数据整合,提升企业信息化应用水平使各大企业的信息化建设面临具大挑战。我们在通过对公司现有各管理系统、数据库结构、信息数据的充分调研的基础上,提出了“建立企业级经营分析数据仓库,按需整合数据,实施商业智能应用”的新思路,并结合在线分析处理(OLAP)、Brio前端展现工具等一系列商业智能技术快速搭建公司领导决策支持系统,为公司的数据整合及信息化应用的提升开辟了一条新的途径。

2 商业智能(BI)技术简介

商业智能是企业利用现代信息技术收集、管理和分析大量商业数据与信息,创造和累计商业知识,改善商业运营和决策水平,采取有效的商业行动,提升各方面商业绩效,增强企业综合竞争力的智慧和能力。商业智能的体系主要包括数据仓库、在线分析处理以及数据挖掘三个核心部分。部署商业智能的关键是如何从来自企业内部、外部纷杂数据源中,提取出企业有用的数据进行清理以保证数据的正确性、统一性、一致性,然后经过抽取、转换和装载,整合到一个公司级的数据仓库里,从而得到企业数据的一个全局视图,在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理,最后将知识呈现给管理者,为管理者的决策过程提供支持。商业智能的这个基本过程如下图所示,从图中我们不难看出“建立数据仓库”是商业智能技术的基础及核心。

3 建立公司经营分析数据仓库

数据仓库(D W)就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,它用于支持管理决策。我们根据数据仓库的核心技术原理,按照标准企业级数据仓库结构建立了公司经营分析数据仓库。在数据仓库的数据库选型上我们结合本企业实际采用了SQL SERVER2000数据库作为建立数据仓库的数据库,其建仓的过程主要包括以下步骤:

1)确定公司数据仓库主题

主题是一个抽象的概念,它是在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象。我们在确定商业主题的时候始终坚持了这样一个原则:“结合企业自身的特点,以企业宏观管理为中心,以增强企业综合竞争力为目标”。经过分析调研,初步确立了公司经营分析数据仓库的主题包括::采购分析、销售分析、财务分析、生产分析、质量能源分析、人力资源分析等,这几方面的主题体现了公司日常管理工作的重点。其中采购主题中又细化为:采购资金分析、采购量分析、采购账款余额分析、市场价格变化趋势分析等;销售主题细化为:产品销量分析、产品库存分析、销售价格分析、货款应收、实收分析、客户信誉度分析等;财务主题细化为:产品日成本日利润分析、资产负债表、损益表、公司效绩评价指标分析等;生产主题细化为:合同完成情况分析、产品产量分析、生产指标完成情况分析、产品库存及结构分析等;质量能源主题细化为:质量指标完成情况分析、能源指标完成情况分析;人力资源主题细化为:人工成本分析、人均收入分析、人员结构比例分析、人员分布分析等。

2)调研公司主题数据源,利用ETL工具集成的数据

在确立了主题之后,我们应该找到主题数据的源头。数据仓库中存贮的数据是从原来分散的各个子系统中提取出来的,但并不是原有数据的简单拷贝,而是经过统一、综合。原因其一,数据仓库的数据不能直接从原有数据库系统中得到。原有数据库系统记录的是每一项业务处理的流水帐,这些数据不适合于分析处理,在进入数据仓库之前必须经过综合、计算,抛弃分析处理不需要的数据项,增加一些可能涉及的外部数据。其二,数据仓库每一个主题所对应的源数据在原分散数据库中有许多重复或不一致的地方,必须将这些数据转换成全局统一的定义,消除不一致和错误的地方,以保证数据的质量。否则,对不准确,甚至不正确的数据分析得出的结果将不能用于指导企业作出科学的决策。对源数据的集成是数据仓库建设中最关键,也是最复杂的一步。由于现行公司内部数据源数据种类繁多,结构不同,使用的操作系统平台也不同(UNIX和WIDOWS),有大型数据库的数据如SQLSERVER2000、SYBASE11.0、SYBASE11.5、SYBASE11.9;有小型数据库的数据如ACCESS、DBASEⅢ;还有电子表格EXCEL中的数据。在这种情况下我们必须借助数据转换工具(ETL)才能实现对跨平台的异构数据库的数据抽取。在应用中我们选取SQLSERVER2000中集成的数据转换服务作为建立数据仓库的主要数据转换工具。DTS具备以下几个特点:(1)具备对异构数据库的访问能力。(2)具备数据转换功能如:字段映射;字段的拆分;多字段的混合运算;跨异构数据库的关联;多数据类型支持;复杂条件过滤;数据的批量装载;排序;统计;增量抽取的处理方式等功能。(3)具备管理和调度功能。(4)具备管理元数据功能。数据转换服务(DTS)还为高级用户还提供了添加用于自定义各数据抽取操作阶段的程序的功能。通过自定义数据抽取操作,可以在包中添加多种多样的功能。

3)以经营主题为中心,建立公司多维数据模型

多维数据模型是分析企业数据最有效的方法,是在线分析处理技术的基础,OLAP展现在用户面前的就是一幅幅的多维视图。比如我们以销售为主题建立的数据立方体如图3所示。

假定我们需要从四维的角度观察销售数据,附加一维,如供应商信息。我们可把4-D立方体看成3-D立方体的序列,维的概念允许用户从不同的角度来审视立方体数据。如图4示。

基于数据立方体结构的多维数据模型,我们可以用OLAP灵活操纵数据进行决策分析。OLAP通常将三维立方体的数据进行切片,显示三维的某一平面。如一个立方体有时间维、产品维、地区维,其图形很容易在屏幕上显示出来并进行切片。对于更高维比如4维、5维数据模型,OLAP采用了钻取、旋转、切块以及高维可视化技术,比如:某销售分析涉及三个维的切块。条件为:(地区=“南京”OR“北京”)AND(时间=“Q1”OR“Q2”)AND(产品=“铸管”OR“复合管”)。则OLAP进行切块操作的结果示意图如图5。

4 使用Biro前端展现工具快速构建决策支持系统

有了基于多维数据模型的数据仓库和大量历史数据,我们就可以利用先进的前端展现工具快速展现数据,实施决策支持应用。Brio是一个完全集成的产品套件,它提供了完整的、集成的商业智能功能——从新一代的分析报表能力,到增强的交互式OLAP查询和分析工具,到一个新的、用于创建和交付分析应用的可视化设计工具。它是为最终用户而设计、为IT人员而建造的——这意味着可以迅速地设立大量的用户并使他们迅速进入角色,同时对IT资源的需求减少到最小。用户可以非常高效的对多维数据库进行查询(通过Client/Server或Web方式)。Brio可以把多维数据库(MDD)结构显示为层次的树型结构,方便用户浏览和查询。旋转报表可以迅速的显示出多维数据,来方便客户对数据的理解和使用。另外,用户可以将查询结果储存起来,这样在离线的方式下也能对数据库进行分析。Brio还具有强大Internet应用和元数据管理功能。下图是我们基于商业智能技术使用Brio开发的领导决策支持系统部分界面。

5 结束语

决策支持技术 第9篇

随着社会经济的发展和多样化, 决策者为了能够尽快调整策略, 需要一个决策系统以辅助解决各方面的问题, 也就是说需要一个能够自动进行调整来满足决策者需求的系统。本文提出在数据仓库基础上建立一个决策支持系统。

一、数据仓库技术

数据仓库 (Data Warehouse, DW) 技术是在传统数据库技术的基础上发展起来的, 是现代计算机系统信息处理技术的热点之一, 它的出现给决策支持系统的发展注人了新的活力。与传统数据库面向OLTP进行数据组织的特点相比, 数据仓库的数据具有面向主题的、集成的、随时间不断变化的、不可更新的四个基本特征。数据仓库的主要功能是把决策所需的信息从原始业务操作数据中分离出来, 把分散的、难以利用的原始业务操作数据转化为集中统一、随时可用的信息, 同时提高访问和处理数据的速度和效率。

数据仓库系统不是一个简单的由各种数据合并而成的超大型数据库, 其建立也不是要取代传统数据库, 它应建立在一个较全面和完善的信息应用的基础上, 为高层决策分析提供支持。数据仓库是一种专为联机分析应用和决策支持系统提供数据源和决策工具的结构化数据环境, 通过运用其中的数据与信息, 企业能获取更多经营效益。比如, 企业可以从数据仓库中进行利润增长分析, 了解产品和服务间的关系、利润、产品线等, 有利于指导决策, 提高效益。

二、决策支持系统

决策支持系统是在信息管理系统的基础上建立起来的, 弥补了管理信息系统的不足, 适应了人们对于信息管理向智能化方面的发展。决策支持系统可以为决策者提供及时、准确、科学的决策信息。决策支持系统的体系结构最初包括三个部分:数据库、模型库和用户接口。该系统结构反映了人们对于当时决策支持的要求, 但是还有很大的局限性, 只强调数据、模型和两者的集成, 而且进行的主要是数学运算, 对于有些知识和经验却不能很好处理。随着人们需求的提高, 要求决策支持系统不再仅仅在模型的基础上利用数据库中的数据进行计算, 而要求能够进行一些必要的推理, 进一步降低人的参与, 提高决策支持系统的智能性。与决策支持系统同步发展的专家系统为决策支持系统的智能化发展提供了有限的支持, 决策支持系统吸收了专家系统在知识学习和推理方面的特点, 增加了知识库部分, 可在某些方面进行推理和知识的学习。

三、基于数据仓库决策支持系统

目前新兴的数据仓库和数据挖掘技术为决策支持系统的智能化发展提供了新的方法, 开创了决策支持系统发展的新阶段。作者在开发决策支持系统的实践中提出了一种基于数据仓库的决策支持系统体系结构, 能够较好地解决决策支持系统智能化的自适应功能。图1所示为基于数据仓库的决策支持系统体系结构框图。它主要由两部分组成, 一个是比较传统的决策支持系统, 另一部分是数据仓库和数据挖掘, 这两部分只是形式上放在了一起, 实际上并不完全独立, 而是紧密结合起来的。传统的决策支持系统部分主要负责决策支持, 通过对模型库、方法库、知识库和数据仓库的模型、方法、知识、数据处理提供相应的辅助决策支持, 这也是决策支持系统的功能所在;而数据仓库和数据挖掘部分则是该系统的智能化的核心, 数据挖掘处理单元通过对数据库中数据采用有关的方法, 结合相关的知识和规则进行数据挖掘, 获取有用的知识、规则和模型。在这里数据仓库和决策支持系统得到了比较完美的结合。

1. 系统基本结构

数据仓库技术和数据挖掘技术相结合建立的辅助决策系统是决策支持系统 (决策支持系统) 的新型式, 使决策支持系统的发展跃上了一个新的层次其系统结构如图1所示其中数据仓库用于数据的存储和组织OLAP侧重于数据的分析。数据挖掘则致力于知识的自动发现将这三种技术有效地结合起来发挥它们各自的特长和互补作用就能设计出企业决策支持系统的可行方案。

采用这种模型后, 决策支持系统通过上述三种技术后结构变的更加紧凑, 而且更重要的是将数据仓库和OLAP结合后能将普通的大量信息转换成有价值的辅助决策信息, OLAP是一种对多维数据库分析和处理更加有效的数据分析技术, 它具有强大的分析功能, 可以提供给用户强大的统计、分析和报表处理功能及进行趋势预测的能力, 从宏观到微观对数据进行深入分析行不同维间的比较等等。

数据挖掘工具运行于高性能的并行处理系统上, 可以使分析数据更加准确和深入, 在深度上进行延伸, 深入的分析能够发现一些潜在的信息在广度上进行扩展, 扩大的样本降低了错误发生率利用数据挖掘技术可以自动地找出数据仓库中的模式及关系, 数据挖掘就是知识的提取知识的提取过程即为决策支持过程。

2. 系统设计关键技术

(1) 数据仓库设计

政府数据仓库结构的设计要从决策目标出发合理安排各元素, 保证数据仓库的规范化和完整体系。数据仓库设计的各个数据定义均保存在元数据库中。数据仓库的数据结构一般采用星型模型和数据模型。首先是要定义各主题及其所需数据源;数据源分内部、外部数据源, 其涉及属性有计算机平台、数据拥有者、数据结构、使用该数据源的处理过程、仓库更新计划等。其次是要定义数据抽取、提炼和装载原则。最后是细化主题, 形成主题表, 根据主题表定义数据集市。

(2) 数据预处理

数据预处理的主要任务是对来自不同平台的数据进行分析、处理, 找出不一致的数据, 进行清洗、转换、再加工等, 再装载到数据仓库。具体步骤分为两步:首先是对DB1, DB2, , DBn的数据进行提取、清洗、标准化、集成等, 将不一致的数据转化成一致的数据;在这一过程中, 可以建立一个名字映射表。其次, 在组织不同来源的数据过程中, 先将数据转换成一种中间模式, 再把它移至临时工作区。最后是将不一致的数据转化成标准的、一致化的数据后, 将其存人数据仓库的数据区。

(3) 数据管理

数据仓库规模一般都很大, 从建立之初就要保证它的可管理性, 一个政府机构可能建立几个数据仓库或数据集市, 但他们可共用一个元数据库对其进行管理。首先从元数据库查询所需元数据, 然后进行数据仓库更新作业, 更新结束后, 将更新情况记录于元数据库中。当数据源的运行环境、结构及目标数据的维护计划发生变化时, 需要修改元数据。元数据是数据仓库的重要组成部分, 元数据的质量决定整个数据仓库的质量。

四、决策支持系统在税务上的应用

税务部门是一个数据密集型部门, 数据管理任务繁重, 需要高效的数据管理工具。一方面, 税务部门几乎每天都要产生大量的原始数据, 需要及时对这些数据进行处理和保存, 并且, 从税务登记到税务申报再到税务核定等一系列过程中, 对数据需要反复使用;另一方面, 税务各部门领导需要分析税务, 了解税收情况, 以便作出有效工作安排。因此, 数据的有效管理是一个非常重要的任务, 有必要建立以数据仓库和OLAP系统技术为基础的决策支持系统。

税务系统整体规划的功能及系统体系结构可以概括为以下几方面:

1. 系统可实现的功能

(1) 建立面向整个税务系统的数据仓库, 包括从操作数据库存到数据仓库的抽取转换模块、面向主题的数据仓库、特定需要的数据商场、元数据库、元数据浏览程序等;

(2) 建立基于数据仓库的应用系统, 包括报表查询系统、通用查询系统、区域经济分析系统、网上在线分析系统、基于地理信息系统的税务分析系统等OLAP工具。

2. 数据分析

该系统可完成税务征收数据的采集和加工, 构成可供本单位及其它政府部门共享的时间系列数据库。数据主要来自终端征收系统。指标主要包括税收额、税基和纳税户, 税收额按性质又分为应交税金、实交税金、退税额、补税额和未交税额, 每个指标又可按要求分时段指标, 如年指标、月指标、累计指标。数据仓库中的数据以月为基本粒度从操作数据库抽取数据。因此, 系统中的指标数据主要是经过计算后所得的数据。

3. 系统结构

税务信息系统主要由一个终端应用系统和操作数据库系统、一个数据仓库系统及基于数据仓库的0LAP系统组成, 处理各种税务征收业务, 并提供较强的税收查询、分析功能。它利用TCPI/P协议、X.25公共数据网建立全市税务系统计算机网络, 连接市局和各分局。

4. 系统的物理结构

系统利用C/S结构实现。数据从各分局计算中心的业务数据库传到同一地点或上级部门的数据仓库里。0LAP SERVER和WEB

SERVE:从数据仓库里抽取数据, 提供给客户端使用, 部门各单位相关人员利用PC机上的分析软件, 通过部门局域网访问数据仓库上的数据。

5. 系统实现方案

该系统利用ORACLE数据库系统建立数据仓库, 用局域网, 并以Windows NT作为OLAP SERVER的工作平台。采用TCP/IP和X.25进行分局与市财政局联网。利用ODBC和OLEDB进行数据连接, 并利用OLAP SERVER所提供的功能, 尽可能使数据访间本地化, 以提高响应速度。

五、结束语

数据仓库技术为决策分析系统的研制与开发提供了一种有效的、可行的体系化解决方案。本文对数据仓库技术在该系统建立中的应用作了较深入的探讨, 提出了建立该系统的理论框架。据统计, 美国500强中98%的企饭已经建立了基于数据仓库的应用, 而我国在这方面还存在很大的空白。但随着我国综合国力的增强, 以及信息技术的飞速发展, 越来越多成功的决策支持系统应用将会出现。一个完整的决策分析系统数据仓库解决方案集成了数据仓库、联机分析、数据挖掘等多种信息处理技术, 如果这一解决方案得到广泛的采用, 必将把决策分析系统的研究与开发工作推向一个更高的层次。

参考文献

[1]冯海霞:基于数据仓库的HR决策支持系统初探, 当代经理人 (中旬刊) , 2006/19

[2]李睿:基于数据仓库的寿险决策支持系统设计与实现, 现代电子技术, 2006/19

[3]李捷:基于数据仓库和数据挖掘的企业决策支持系统研究, 科技经济市场, 2006/07

[4]钱开余:数据仓库聚集优化在电力决策支持系统中的应用构想, 江苏电机工程, 2006/04

[5]何可立:构建南方电网数据仓库与决策支持系统的探讨, 广东电力, 2006/07

决策支持技术 第10篇

教育决策是教育行政管理的首要工作, 教育管理者的决策决定了区域教育工作的方向。运用先进的数据仓库和商业智能 (BI) 技术, 开发了教育决策支持系统, 从大量的基础数据中获取能够真正反映教育状况的有效信息, 从而为教育决策、宏观调控提供科学支持, 创新了教育决策的有效模式, 实现了业务信息有效的存储和分析, 对数据进行多层次、多维度的加工处理, 从而发现和挖掘揭示教育规律的有效信息, 为教育宏观决策提供量化和科学的数据支持。

1 商业智能 (BI) 的优势

1.1 商业智能技术的出现

BI (Business Intelligence) 即商业智能, 是加特纳集团 (Gartner Group) 在1996年最早提出, 由计算机技术与企业管理理论所支撑, 其实质是将智能计算技术应用于传统商业领域中, 延长数据的生命周期, 提高数据分析应用能力, 优化业务过程, 提高企业效益与竞争力。目前, 商业智能已在金融、零售和大型企业中广泛应用, 成为大中型企业经营决策的重要工具。

1.2 商业智能的特点

高效的数据管理能力:大量的数据实现了高效存储与维护方便, 数据根据企业业务发展的特点经过抽取 (Extract) 、转换 (Transform) 、清洗 (Cleansing) 、装载 (Load) 等步骤, 有效去除错误和冗余数据, 以保证数据的准确性。

强大的数据分析能力:具备了OLAP (Online Analytical Processing) , Legacy等多种数据分析功能;终端信息查询和报表生成能力;数据可视化能力。

先进的知识发现能力:将计算技术和智能技术应用于大量数据中, 让计算机在复杂情况下从海量数据中发现与本领域相关的、潜在的、有用的和企业管理感兴趣的规律。

科学的建模能力:根据企业的发展方向、特点、目标、规模等信息, 建立企业关心的决策分析模型, 为企业决策者揭示建立在科学动态数据分析基础上的内在和外因的规律。

1.3 引入商业智能的教育决策

把商业智能技术应用在教育决策中, 运用先进的数据仓库和商业智能 (BI) 技术, 实现对教育基础数据的有效存储和管理, 消除教育管理系统信息孤岛, 全面、准确、及时、深入地分析数据, 建立多种决策分析模型, 多层次和多维度地加工数据, 从中发现和揭示教育发展规律性的有效信息, 为各级教育行政领导决策提供支持, 使地区教育行政部门能及时、真实地全面掌握下属各区、各学校的教育信息。为教育部门提供宏观调控和决策支持服务, 极大地提高教育系统的管理效率和服务水平, 推动教育事业科学协调发展。

2 教育决策支持系统的设计

教育决策支持系统 (Education Decision Support System, E-DSS) 是引入BI技术的教育决策创新模式。通过将各区基础教育数据进行提取、分类、汇总、分析, 建立教育管理数据仓库, 为教育的宏观决策、统计应用和公共服务提供数据依据。在教育管理数据仓库的基础上建立高效的数据统计和报表系统, 提供给需要各种统计数据和决策支持的用户。建立数据交换平台, 保证市与区、区与区教育局之间的数据交换。教育决策支持系统分为决策分析系统和数据交换平台两大部分。

2.1 决策分析系统

教育决策支持系统由数据源、教育数据中心、应用服务器和Web服务器、教育决策分析4部分组成。

2.1.1 系统结构

(1) 数据源通常包括企业内部信息和外部信息。佛山市各区产生的数据 (包括其历史数据、业务数据和其它数据) , 其特点是分散、很难相互共享和再次分析利用。内部信息包括存放于各区操作型数据库中的各种业务数据, 如各区教育局业务数据库和办公自动化 (OA) 系统包含的各类文档数据。外部信息包括各类教育信息、各类外部统计数据和各类文档等。

(2) 教育数据中心由数据仓库、多维数据库、数据集市组成。源数据经过抽取、清洗和转换之后装载到数据仓库中。在现有各业务系统的基础上, 对数据进行抽取、清理, 并有效集成, 按照主题进行重新组织, 最终确定数据仓库的物理存储结构。同时, 组织存储数据仓库元数据 (包括数据字典、记录系统定义、数据转换规则、数据加载频率以及业务规则等。按照数据的覆盖范围, 数据仓库存储可以分为企业级数据仓库和部门级数据仓库 (通常称为“数据集市”, Data Mart) 。

(3) 应用服务器和Web服务器层负责连接用户对访问应答和数据的发布;OLAP服务器对分析需要的数据按照多维数据模型进行再次重组, 以支持用户多角度、多层次的分析, 发现数据趋势。

(4) 教育决策分析平台具有数据共享、发布、分析、决策等功能。前端工具主要包括各种数据分析工具、报表工具、查询工具、数据挖掘工具, 以及各种基于数据仓库或数据集市开发的应用。

系统结构见图1。

2.1.2 系统功能设计

(1) 采用B/S方式完成系统数据展现;提供包括多维分析、随机查询、基本统计、统计学分析、业务告警等分析工具, 在现有数据源的基础上, 为业务、发展、管理提供相对有价值数据呈现与提取。

(2) 提供各种向导式界面、图形查询生成器、联机帮助、提示窗口等, 使教育决策者通过简单的鼠标拖拉操作即可实现即席查询、报告生成、图表生成、深入分析和发布等功能。提供切片、切块、旋转、钻取和钻透等多维分析基本操作。提供丰富的饼图、线图、散点图、直方图图形显示。提供图、表、文的可视化混排功能。供报表生成工具, 能够通过各种向导式界面、联机帮助、提示窗口等方式, 帮助用户定义各种复杂报表。

(3) 提供用户可视化自定义查询需求, 系统自动完成连接操作、条件定义等复杂的SQL定义操作。同时, 提供资源控制机制, 使系统管理员可以监控系统各种查询、分析的运行进程, 并能方便地中止长时间运行的查询分析等任务, 控制资源使用效率。

(4) 提供用户可视化自定义派生分析指标、自定义分析维度能力。对基于Cube主题之间、RDBMS数据对象之间, 以及Cube与RDBMS数据对象之间、各种报表之间, 提供分析流引擎。提供Cube指标告警、报表告警的功能。提供最大值统计、最小值统计、合计值统计、平均值统计、整体排序、多列排序、分组排序、条件过滤等基本统计功能。提供基比分析、环比分析、增长率分析、同期分析、前期分析等时间智能函数。提供80/20集合分析、比重分析、异常值分析、TOPN分析等统计学算法。

(5) 提供数据挖掘功能, 包括趋势分析、时间序列分析、决策树、聚类分析、假设分析、回归分析、因子分析、评分模型等。

(6) 提供多种数据输出方式。可以根据需要打印输出、文件输出、Web发布等, 并可以将生成的报表输出到各种文件格式, 如Excel、HTML、XML、Text等。

2.1.3 决策模型设计

根据教育发展的规律, 建立科学有效的教师分析模型、学生等分析决策模型, 可以帮助教育行政管理部门及时掌握本地区教育发展的态势, 准确制定发展的纲要, 具有创新性。

教师分析模型:为决策者建立观测教师结构的分析模型。通过教师分析模型, 使决策人与业务人员可以及时动态了解教师队伍的学历结构与分布、专业技术结构与分布、年龄结构与分布、任课结构与分布等数据。

学生分析模型:建立各级各类学校学生的分析模型。通过学生分析模型, 让决策人与业务人员可以及时动态了解学生的学习情况、表现, 及时掌握学生在各学校各区的分布与发展趋势。

学校分析模型:使决策人与业务人员可以及时动态了解本地区各级各类学校的布局、规模、办学水平等数据。

教学设备分析模型:提供学校教学装备的现状与分布, 以及使用的年限, 发现教育装备的补充规律, 为教育的投入提供科学的依据。

2.2 数据交换平台

教育决策支持系统中的数据交换平台的作用:是实现5区教育信息基础数据库的学生与教师档案数据交换, 使市内的学生转学、教师的调动可以实现网上申请与业务办理。

2.2.1 系统结构

数据交换平台是分布式信息服务系统不同部分之间的核心通讯接口, 其目的是为不同的应用系统提供安全可靠的、基于消息的通讯和数据交换服务。在电子政务的应用环境中, 不同的应用系统通过数据交互平台进行信息数据的交互和共享, 从而集成为一个功能更加强大的复杂系统。系统结构如图2所示。

2.2.2 系统功能设计

(1) 数据共享交换

把某区基础教育信息数据库的数据转换成标准XML数据集。把源数据按照一定数据转换规则转换到目标数据。通过数据网关的数据转换工具, 可以进行数据的导入导出。支持大多数数据源格式的导入和导出, 如mdb文件、dbf文件、xml数据集。

(2) 支持多种数据源

良好的扩展性, 支持各种数据库, 如SQL Server 2000或后续版本、Oracle 8或后续版本、Ole DB的数据源等。

(3) 灵活的工作方式

数据服务支持灵活的工作方式:

随时:手工方式或者编程方式触发数据服务运行。

定时:通过数据服务管理工具设置, 数据服务可以有效地以定时方式运行。

实时:数据网关支持实时的数据交换。数据的更新可以及时反应到数据服务。

(4) 标准规范化

支持XML数据集, 对数据库结构完全屏蔽。数据服务的定义具有很大灵活性, 能最大程度满足数据业务需求。符合World Wide Web Consortium (W3C) 标准。

(5) 安全可靠

通过验证授权机制、加密数据, 保证数据可靠性、完整性和安全性。

3 结束语

通过引入商业智能 (BI) 建立教育决策支持系统, 实现系统与实际业务的无缝集成, 大大提高教育行政管理部门的管理效率和服务水平。有效变革传统的教育决策方式与方法, 推动教育决策科学化、系统化、规范化, 为教育发展提供动态客观的数据参考。

摘要：运用数据仓库和商业智能技术开发教育决策支持系统, 从而为教育决策提供科学支持, 成为教育决策的有效模式。

关键词：BI技术,教育决策,数据仓库,支持,应用

参考文献

[1]杨林.如何正确理解商业智能 (BI) [J].AMT公共知识库, 1999 (2) .

[2]岑健林.统筹规划协调发展加快教育现代化步伐[J].现代计算机, 2006 (3) .

决策支持技术 第11篇

关键词：农业机器；折旧决策支持系统；信息查询；日常管理；日常维护

中图分类号：S23-0 文献标识码：A 文章编号：1674-1161（2015）05-0057-03

农业机器的管理工作包括农业机器基础数据的统计分析、农业机器选型与配备、农业机器更新与折旧等内容，其中农业机器折旧是农业机械化管理工作中的一个重要部分，关系到农业机器的作业成本核算及经济效益。传统的折旧管理工作是由决策人员确定折旧方法，并进行大量的数据计算及统计。现行的农业机器折旧方法众多，且折旧模型都有各自的特点及适用性，在农机管理者对折旧模型选择不规范的情况下，折旧费用的计算存在一定的不合理性。同时，随着农机数量及种类的不断增加，农机管理部门处理折旧数据的工作量随之加大，尤其复杂折旧模型计算耗费的资源量巨大。

将决策支持系统应用到农业机械化管理中，不仅可以通过数据库管理系统方便快捷地查询、了解各种农机信息，而且能够通过模型库管理系统中的各种问题处理模型，选择合理的决策方案和科学的决策信息，辅助相关人员在正确处理问题的同时，提高决策的质量及效率。依据农业机械化管理工作的特点和要求建立信息数据库，结合模型库中的折旧模型，帮助农户及相关部门进行农业机器信息管理和查询，并科学地选择折旧模型，为农机折旧决策提供科学依据。

1 农业机器折旧决策支持系统的总体结构

系统在满足实际农业机器折旧管理决策需求的同时，需保证以下性能要求：1） 实用性。系统开发能满足农业机器折旧管理的实际情况，为管理者提供更高效的帮助。2） 稳定性。系统运行稳定可靠，避免程序运行出现异常。3） 先进性。在保证折旧管理各种功能的基础上，系统开发工具、数据库数据及模型库模型选用等都应具有一定的代表性。4） 安全性。系统对不同的用户进行权限设定，管理各级用户的使用权限。5） 完整性。折旧决策支持系统是农业机械化管理中一个相对独立的子系统，应具有独立的完整结构。6） 开放性。系统在设计时应保留相应接口，与其他相应系统进行数据共享。

根据农业机器作业特点，在对比分析各种折旧模型后，选取折旧方法时应遵循以下原则：1） 为保证农机在使用周期内有效回收资金、减少无形损耗，应尽可能采用加速折旧的方法。2） 尽可能保证在使用周期内，机器每年的年度成本趋于平稳且为最低。3） 折旧额的计算尽可能简化，折旧方法要具有通用性，以便在实际中使用。4） 选择折旧方法要考虑农业机器工作的实际情况及使用规律，正确反映设备的磨损情况。5） 折旧要和农业机器的生产力水平及一定时期的管理水平相适应。6） 折旧初期制定的折旧率不宜偏低，折旧年限也不宜过长，避免设备的投资回收期延长，影响设备的更新换代。7） 通过对折旧方法研究可知，动态方法要比静态方法更符合经济规律要求；改进的动态双倍余额递减法N1值的计算方法，可有效避免原方法的折旧额倒置问题；与动态双倍余额递减法和改进双倍余额递减法相比，动态改进双倍余额递减法更为合理。

设计农业机器折旧决策支持系统时，以自上向下、逐步求精为原则，根据总体设计确定系统的功能，通过模块化、结构化的方法对各模块功能进行划分，详细确定模块具体功能。系统应具有农业机器信息查询、辅助折旧决策、日常管理、系统维护等功能。按照决策支持系统结构形式，系统采用最为常用的部件结构：人机交互系统、数据库管理系统和模型库管理系统。数据库管理系统主要实现数据资源的存储和管理；模型库管理系统主要存放各种折旧模型并对模型库进行管理；人机交互系统是用户与决策支持系统之间的交互界面，用户通过人机交互系统调用“模型部件”与“数据部件”，运行决策支持系统。

2 农业机器折旧决策支持系统的功能划分及设计

农业机器折旧决策支持系统的主要任务是对农机设备折旧进行综合管理，保持农机设备正常运行和适时更新，确保农机单位取得良好的经济效益。根据这些实际需求，从农业机器折旧工作的实际出发，开发的农业机器折旧决策支持系统主要包括农机基本信息查询模块、农机折旧决策支持模块、日常管理模块和系统维护等功能模块。

2.1 基本信息查询模块

基本信息查询模块通过人机交互界面调用数据库中的农业机器基本信息，实现农业机器信息的查询功能。用户可以查询浏览各种农业机器的基本信息，包括农业机器的名称、所属类别、型号、制造厂家、购置参考价格等。在此基础上，系统提供按条件检索功能，用于显示符合用户指定条件下的机型信息。

2.2 折旧决策支持模块

农业机器折旧决策支持模块是整个系统最重要的部分，通过数据库中的数据支持及模型库方法，为管理人员提供科学的折旧决策参考。折旧决策支持模块对折旧模型的特点与适用条件进行简介，并根据用户输入的条件推荐折旧模型，在输入农业机器原值、参考使用年限、预计净残值率等具体数据后，对选定折旧方法进行求解，为用户折旧决策提供科学参考。

2.3 日常管理模块

日常管理模块记录农业机器在实际生产作业和日常维护中的各种数据，利用日常数据为折旧决策提供参考。建立农机折旧日常管理数据库，包括农业机器运行及报废处理等相关信息。系统可以根据需要对数据进行导出，并以文档的形式对数据进行管理。

2.4 系统维护模块

系统维护模块用于系统的维护和管理，是保障系统正常运行的关键，包括机器数据库管理维护、模型库管理维护和用户管理维护三部分。数据库管理维护是指有权限的管理员对农业机器的基本信息进行增加、修改、删除、查询等操作；模型库管理维护用于有权限的管理员对模型库中的折旧模型程序代码进行修改、增加、删除和管理；用户管理维护模块用于管理员对用户进行管理，进行用户增减、信息修改、权限设定等操作。

nlc202309040933

3 农业机器折旧决策支持系统折旧模型库的设计

折旧模型库系统是农业机器折旧决策支持系统的核心部分，包括折旧模型库和模型库管理系统两部分。模型库将众多模型按一定的结构形式组织起来，通过模型库管理系统进行管理和使用。

3.1 模型文件库

1） 模型以某种形式对一个系统的本质属性进行描述，以解释系统的功能、行为和规律。通过对影响农业机器折旧的主要因素进行分析，建立农业机器折旧方法体系，对产量法模型、直线法模型、年数总计法模型、偿债基金模型、动态双倍余额递减模型、改进双倍余额递减模型等三大类11种折旧模型进行研究。鉴于工作量法计算条件的限制，系统采用MATLAB编译实现静态和动态10种折旧模型的建立。模型程序以M文件形式储存折旧模型源程序文件，模型程序通过MATLAB的COM组件技术生成并以.dll文件形式存储折旧模型目标程序文件。

2） 模型文件库用于存储所有的模型文件，是模型库的主体。模型文件中的源程序文件和目标程序文件是主要的模型文件。若对模型进行文字说明，将形成模型的说明文件；若对模型的输入输出数据进行说明，将形成模型的数据描述文件，这样一个模型至少有2～4个模型文件。模型库中众多的折旧模型对应着大量的模型文件，为便于模型文件的管理和存储，需建立模型文件库。结合农业机器折旧模型的研究结果，系统按照模型文件文件类别建立4个子目录，分别用于存储各折旧模型的源程序文件、目标程序文件、说明文件和数据描述文件。

3.2 模型字典库

模型字典库是对模型文件的索引描述，用于存放模型的名称、编号、文件说明。模型文件的运行，一般是先通过模型字典找到模型文件的存储路径，进而找到具体模型。字典库的组织结构一般有文本形式、菜单形式和数据库形式等。为便于模型的分类、查询及修改，系统的字典库采用数据库形式。

3.3 模型库管理系统

模型库管理系统（MBMS）用于对模型库进行有效的管理和使用，是一个支持模型生成、存储、维护、运行和应用的软件系统，主要对模型库中的模型进行存储管理、运行管理和支持组合。到目前为止，模型库管理系统还没有统一的标准和相对成熟的专业软件。

在对农业机器折旧决策支持系统折旧模型库进行设计分析的基础上，建立具有折旧模型管理和折旧模型维护功能的模型库管理系统。模型库管理系统将模型文件库与模型字典库进行连接，对各折旧模型文件的名称、名称代码、文件类型、文件地址等信息进行管理。

3.4 折旧数据库

数据库系统是决策支持系统的基本组成部分，由数据库和数据库管理系统两部分组成。数据库是按一定结构组成的相关数据集合。数据库管理系统是一组能描述、管理、维护数据库的程序系统，对数据进行统一管理，能够对数据库中的数据进行查询、增加、删除、修改。

系统数据库名称为depreciation，包含用户信息表、农业机器基本信息数据表、机器使用年限表、机器运行状况表、机器报废记录表、参考利率表等数据表。

在对影响农业机器折旧的主要因素及折旧模型进行分析的基础上，建立农业机器折旧数据库。其主要任务是存储管理农业机器产品基础资料和折旧相关数据，并根据实际需要进行增加、删除、修改等数据维护工作。

参考文献

[1] 王奕娇，乔金友，王福林，等.农机双倍余额递减法折旧存在问题及改进研究[J].农机化研究，2015（3）：42-45.

[2] 张胜文，程运福，孟鑫.机器设备折旧要素确定的技术分析[J].中国科技信息，2008（5）：172-173.

[3] 王炳荣.对固定资产更新决策中旧设备折旧问题的探讨[J].会计师，2012（4）：31-32.

决策支持技术 第12篇

2010年7月颁布的《国家中长期教育改革和发展规划纲要(2010一2020年)》提出:“信息技术对教育发展具有革命性的影响,必须予以高度重视”。数据仓库是在以事务处理为主要任务的数据库基础上发展起来的,数据仓库的安全控制有着更高的复杂性,原因主要在于数据仓库的建立目的与限制对数据的访问是矛盾的;决定了对数据仓库安全的研究是一个复杂的领域。OLAP是数据仓库之上的一个自然地应用,它使用数据的领域背景知识,允许在不同的抽象层上提供数据。建立决策支持系统主要是基于web数据仓库安全和OLAP技术,既是信息化建设成果的展示,也是向智慧校园迈进的重要里程碑,对高校未来的发展和建设有着重要的实际意义。

1数据仓库安全问题及防范措施

数据仓库中的安全问题涉及到对数据仓库技术实质的理解、 数据仓库的设计、管理、操作等各个方面。尽管数据仓库的目的是利用信息,但还是需要限制数据仓库用户可以访问的信息并控制用户可访问的内容。在数据仓库的建立过程中,每一步的安全都可能受到威胁。从数据仓库的体系结构与资源组成来分析,数据仓库的安全大致包括实体安全、数据安全、软件安全、运行安全四个方面。

传统安全措施包括防火墙、 数据库视图、 基于LOGON/LOGOFF的安全措施等。每一种类型的安全性都是把需要保护的数据库从外部包围起来,这种外部安全管理容易出现人为错误,难以管理。数据仓库的安全需要建立在深层次级别上, 即数据仓库自身内部的数据安全。因此有人提出了数据仓库最有效的安全是内部安全,包括网络系统的安全措施、服务器的安全措施、应用系统的安全措施、信息传输的安全措施及访问控制。 由于数据仓库系统的存在形式大多借助于其它传统系统来支撑, 而这里最直接的安全措施就是访问控制,原有系统的访问控制对于数据仓库的支持明显存在不足,这也是目前数据仓库系统安全防护的重心。数据仓库是一项基于数据管理和利用的综合性技术和解决方案,它将成为数据库市场新一轮的增长点。对数据仓库的安全性访问作为数据仓库技术与信息安全技术的结合点,必将面临更大的挑战和机遇。

2系统设计思路

以三大平台数据库为基础,将数据进行抽取、转换、关联、 整理、存储建立数据仓库,并通过联机分析处理(On-Line Analytical Processing,OLAP)技术对数据进行查询、分析、挖掘、 总结,最后设计开发一套决策支持系统为决策者和管理者服务。 使小数据产生大能量,提高服务质量、提升服务效率、降低服务成本。例如对银校一卡通数据进行挖掘,可以统计出学生每天、 每月、每季度的平均消费金额,对学院贫困生的选择及每月补助的发放金额等相关政策的制定起到指导作用。同时也可以总结出学院食堂的经营状况,就餐人数,各个档口就餐率,以及菜价制定的合理性。对数字校园数据库中学生成绩数据的挖掘,可以总结学生的学习状态,统计各区队平均成绩、学习状元、某一课程历年的分数变化规律等数据,各省市生源的学习状况,对学生评优、奖学金、入党等条件进行总体掌握,对招生时分配各省招生指标提供参考。对数字图书馆数据进行总结归纳,可以总结学生借阅图书的种类、数量以及频率等信息,对图书借阅榜单进行排名。另外,对三个数据库数据进行整合关联,形成数据仓库,再对数据进行挖掘、归纳。可以根据需求查询学生学习成绩与借阅图书数量、种类之间的关系,还可以根据需求查询学习成绩好坏与是否吃早餐之间的关系等特定的检索条件。总之,学院决策支持系统的建立可以提高工作效率、提升组织控制率、改进问题的求解方式、节约时间和成本、提供特定的分析和报表等优势,最终为学院制定相关政策提供科学依据,对学院由数字校园向智慧校园迈进具有重要意义。

3系统设计流程

学院决策支持系统主要是基于数据仓库和OLAP技术为核心,以银校一卡通、数字校园、数字图书馆三个数据平台为研究实例进行数据分析,将系统分为数据源、数据管理、数据分析以及数据应用几个层次来划分。数据源主要是指三大数据平台的数据库,通过SQL Server的导入导出数据功能实现。对数据源进行提取、清理、装载等数据转换功能,形成以学号为关键字段,以消费交易流水、历年学习成绩、借阅图书信息为主体的数据仓库。 数据管理过程主要是通过SQL Server 2008中的整合服务(SQL Server Integration Services,SSIS)来实现的。数据仓库建立后, 联机分析处理(OLAP)是在此基础之上建立的数据分析的高效工具。应用SQL Server 2008中提供一个良好的分析平台Analysis Services,通过数据分析最终以简单易懂的多维图形方式将分析结果展现出来,为决策支持提供可靠的依据。该分析系统的开发环境是SQL Server 2008 + Microsoft Visual Studio 2005,使用C# 语言编写程序代码。系统的开发过程如表1所示。

该分析系统的开发流程基本是按照系统的分析与设计、数据提取、决策支持、系统维护与评价四个步骤来实现的。特别是在分析与设计时重点放在了数据仓库的需求分析、概念设计、逻辑设计、物理设计实现,这也是该分析系统的重点实现过程。在概念设计中主要完成数据仓库内数据的E-R图设计。在逻辑设计过程中,主要是将E-R图转换为数据模型,该系统应采用的是星型数据模型,可以在SQL Server 2008中的Analysis Services工具平台中实现。

以学院三大数据平台中数据作为数据来源,从数据源中提取的数据经过转换装载处理后才能存储进入数据仓库,然后根据用户的需求,利用数据管理中联机处理(OLAP)等数据仓库的应用工具,对数据集市或数据仓库进行决策查询分析或知识挖掘。 最后再将数据发布到前端数据应用层,用户通过前端提供的各种工具(如查询工具、报表工具、分析工具等)处理数据仓库,以供用户决策分析使用,系统设计流程如图1所示。

4结束语

基于web数据仓库安全及OLAP技术的决策支持系统的设计与开发对数据中的隐含信息进行研究和分析,利用学院现有信息化成果,关联三大数据库平台,充分收集、整理学院信息化建设中所产生的海量数据,更好的服务于广大师生,为领导决策提供科学依据,为特定需求提供数据查询、报表等功能、为师生提供更好的服务,为学院的发展方向提供了良好的、有力的决策支持。