企业信息化课件10.ppt

《企业信息化课件10.ppt》由会员分享，可在线阅读，更多相关《企业信息化课件10.ppt（47页珍藏版）》请在三一办公上搜索。

1、企业信息化(10),符长青博士,第10章 企业决策智能化,主要内容：（1）决策和决策支持系统（DSS）（2）智能决策支持系统（IDSS）。（3）新决策支持系统（NDSS）。（4）综合决策支持系统（SDSS）。（5）专家系统（ES），商业智能（BI）。,决策的定义和基本要素,决策是对未来行为的方向、目标、原则和方法所做的决定，即是决定行动的策略。在企业管理中会存在各式各样的问题，需要研究对策并决定采取合适的措施加以解决，这个过程也就是决策过程，即决策贯穿于企业管理的整个进程。由于全球经济一体化的进程以及信息技术的飞速发展，消除了许多流通壁垒，现代企业面临着比以往任何时候都更为复杂的生存环境，激烈

2、竞争的压力对企业制定决策的质量、速度都有更高要求，决策的整体质量对企业的成败有重大影响，因此可以说决策是现代企业管理的核心。决策的基本要素有：（1）目标明确 明确的目标是决策的方向和依据。（2）方案选优 有多种可以相互替代的可行性方案可供选择，这是决 策的基础。（3）不同意见 存在各种不同意见是在选择方案过程中保证决策正确 性的必要条件。（4）资源保证 对决策的执行要有一定的资源保证。（5）留有余地 决策要留有回旋和变通的余地。,决策的分类（1）,（1）战略决策和实施性决策：战略决策是关系全局未来发展的决策，包括企业目标、发展方向的确定，机构调整，产品更新换代和重大技术改造等。实施性决策是在企

3、业内部贯彻执行战略决策过程中的具体决策，包括企业生产计划和销售计划的制定，资源合理使用以及日常工作分配、检查等。（2）长期决策和短期决策：长期决策是指有关企业今后发展方向的长远性的重大决策。短期决策则是对实现长期战略目标所采取的短期策略手段的决策，包括企业日常营销、物资储备等。（3）程序化决策和非程序化决策：程序化决策适用于例行问题，如重复出现的、日常的管理问题等。非程序化决策适用于日常管理的例外问题，如重大投资、开拓新市场等。（4）定性决策和定量决策：定性决策是指决策目标难以定量化，主要依赖决策者的经验进行判断和非定量分析进行的决策。定量决策是决策目标有明确的数量标准，并可用数学模型进行的决

4、策。（5）理性决策和经验决策：理性决策指的是依据各种资料经过设计模型或采用各种数理技术经过分析、演算、模拟，得出结果。这种决策方式主要不是依赖决策者的经验，而是依赖资料、数据得到结论。经验决策则主要依靠决策者或决策群体的学识、经验及胆略来进行。,决策的分类（2）,（6）单目标决策和多目标决策：单目标决策是指只有一个目标或标准的决策。多目标决策是指决策的目标或标准有两个或两个以上，而这些目标又具有互斥性。（7）集体决策和个人决策：集体决策的决策者可以是几个人、一群人，甚至扩大到企业的所有成员。个人决策的决策者是单个人。（8）确定型、风险型和不确定型决策：确定型决策是在确定的条件下进行的决策，每一

5、方案只有一个确定的结果。风险型决策是指在对决策问题所面临的风险了解不全面的情况下所做的决策。不确定型决策是指在不稳定的条件下进行决策，该种决策适用范围最小。（9）结构化、非结构化和半结构化决策：结构化决策是指对某一决策过程的环境及规则，能用确定的模型或语言描述，以适当的算法产生决策方案，并能从多种方案中选择最优解的决策。非结构化决策是指决策过程复杂，不可能用确定的模型和语言来描述其决策过程，更无所谓最优解的决策。半结构化决策是介于结构化决策和非结构化决策二者之间的决策，这类决策可以建立适当的算法产生决策方案，使决策方案中得到较优的解。非结构化和半结构化决策一般用于企业的中、高管理层，其决策者一

6、方面需要根据经验进行分析判断，另一方面也需要借助计算机为决策提供各种辅助信息。,决策的过程,（1）发现问题并形成决策目标，包括建立决策模型、拟定方 案和确定效果度量等。（2）用概率定量地描述每个方案所产生的各种结局的可能性。（3）决策者对各种结局进行定量评价，一般用效用值来定量 表示。效用值是决策者根据个人才能、经验、风格以及 所处环境条件等因素，对各种结局的价值所作的定量估 计。（4）通过综合分析各方面信息，最后决定方案的取舍，有时 还要对方案作灵敏度分析，研究原始数据发生变化时对 最优解的影响，决定对方案有较大影响的参量范围。（5）决策往往不可能一次完成，而是一个迭代过程。,决策支持系统（

7、DSS）,决策支持系统（DSS）是指计算机辅助决策者进行半结构化或非结构化决策的软件应用系统。它是管理信息系统（MIS）向更高一级发展而产生的先进信息管理系统，能为决策者提供分析问题库、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。决策支持系统能够为决策者提供所需的数据、信息和背景资料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并且对各种方案进行评价和优选，通过人机交互功能进行分析、比较和判断，为正确的决策提供必要的支持。从而减轻了管理者从事低层次信息处理和分析的负担，使得他们专注于最需要决策智慧和经验的工作，因此提

8、高了决策的质量和效率。,决策支持系统的基本结构,决策支持系统基本结构主要由四个部分组成，即数据库系统、决策模型库、推理部分和人机交互部分。其中数据部分是一个数据库系统。模型部分包括模型库及其管理系统，模型是为了交流认识而形成的关于客观存在问题的框架，模型库是联系决策问题、数据与模型的桥梁，它将多个模型以一定组织形式存储起来。推理部分由知识库、知识库管理系统和评价分析系统组成。人机交互部分是决策支持系统的人机交互界面，用以接收和检验用户请求，调用系统内部功能软件为决策服务，使模型运行、数据调用和知识推理达到有机地统一，有效地解决决策问题。,数据库系统,决策模型库,推理部分：知识库、评价分析系统,

9、人机交互部分,DSS的主要特征,数据和模型是DSS的主要资源。DSS主要是解决半结构化及非结构化问题。DSS把模型和分析技术与传统的数据存取技术检索技术结合起来。强调对用户决策方法改变的灵活性及适应性。用来辅助用户作决策，但不是代替高层决策者制定决策。DSS的目的在于提高决策的有效性而不是提高决策的效率。,模型的定义和类型,模型是对于现实世界的事物、现象、过程或系统的简化描述。模型反映了实际问题最本质的特征和量的规律，即描述了现实世界中有显著影响的因素和相互关系。主要类型有：物理模型：也称实体模型，又可分为实物模型和类比模型。数学模型：用数学语言描述的一类模型。数学模型可以是一个或一组代数方程

10、、微分方程、差分方程或统计学方程，也可以是它们的某一种适当的组合，通过这些方程定量或定性地描述系统各变量之间地相互关系或因果关系。结构模型：结构模型是反映系统的结构特点和因果关系的模型，是研究复杂系统的有效手段。结构模型中的一类重要模型是图模型。仿真模型：仿真模型是通过数字计算机、模拟计算机或混合计算机上运行的程序所表达的模型。采用适当的仿真语言或程序，物理模型、数学模型和结构模型一般都能转变为仿真模型。,数学模型的类型与建模,数学模型的种类很多，包括原理性模型、系统学模型、规划模型、预测模型、管理决策模型、仿真模型、计量经济模型等。建立步骤如下：模型准备：了解问题的实际背景，明确建立模型的目

11、的，研究对象的各种信息、数据，弄清对象的特征，在此基础上探讨解决问题的办法。简化问题：根据实际对象的特征和建模目的，分析对象有关联的多种因素，找出主要与次要因素，本质与非本质因素，对问题进行必要的简化，并用明确的语言做出假设。模型建立：根据假设，利用适当的数学工具描述各变量之间的关系，建立相应的数学结构（公式、表格、图形等），即模型。建模应该遵守一个原则，那就是尽量采用简单的数学工具，以便建立的模型能被更多的人了解和使用。模型求解：运用适当的数学工具，以及利用计算机对模型进行求解。模型分析：对求得的结果进行数学上的分析，即根据问题的性质分析各变量之间的依赖关系或稳定性态，或给出预测或给出最优决

12、策或控制。模型检验：将模型分析的结果返回到实际对象中，用实际的结果对模型的合理型、适用性、正确性、灵敏性、健壮性做出评价。,决策的结构化程度,结构化程度是指对某个决策问题的决策过程、决策环境和规律，能否用明确的语言（数学的或逻辑学的、形式的或非形式的、定量的或定性的）给予说明或描述清晰程度或准确程度。（1）结构化决策问题：问题相对比较简单、直接，其决策过程和决策方法有固定的规律可以遵循，能用明确的语言和模型加以描述，并可依据一定的通用模型和决策规则实现其决策过程的基本自动化。例如，应用运筹学方法等求解资源优化问题，如：饲料配方、生产计划、调度等。（2）非结构化决策问题：是指那些决策过程复杂，其

13、决策过程和决策方法没有固定的规律可以遵循，没有固定的决策规则和通用模型可依，决策者的主观行为（学识、经验、直觉、判断力、洞察力、个人偏好和决策风格等）对各阶段的决策效果有相当影响。往往是决策者根据掌握的情况和数据临时做出决定，如：聘用人员，为杂志选封面等。（3）半结构化决策问题：半结构化决策问题介于上述两者之间，其决策过程和决策方法有一定规律可以遵循，但又不能完全确定，即有所了解但不全面，有所分析但不确切，有所估计但不确定。这样的决策问题一般可适当建立模型，但无法确定最优方案。如：开发市场，经费预算等。,决策支持系统的功能,（1）管理并随时提供与决策问题有关的组织内部信息，如订单要求、库存状况

14、、生产能力与财务会计报表等。（2）收集、管理并提供与决策问题有关的组织外部信息，如政策法规、经济统计、市场行情、同行动态与科技进展等。（3）收集、管理并提供各项决策方案执行情况的反馈信息，如订单或合同执行进程、物料供应计划落实情况、生产计划完成情况等。（4）能以一定的方式存储和管理与决策问题有关的各种数学模型，如定价模型、库存控制模型与生产调度模型等。（5）能够存储并提供常用的数学方法及算法，如回归分析方法、线性规划、最短路径算法等。（6）数据、模型与方法能容易地修改和添加，如数据模式的变更、模型的连接或修改、各种方法的修改等。（7）能灵活地运用模型与方法对数据进行加工、汇总、分析、预测，得出

15、综合信息与预测信息。（8）具有方便的人机对话和图像输出功能，能满足随机的数据查询要求。（9）提供良好的数据通信功能，以保证及时收集所需数据传送给使用者。（10）具有使用者能忍受的加工速度与响应时间，不影响使用者的情绪。,决策支持系统（DSS）的主要应用,（1）销售支持：应用DSS能够分析和评价企业产品的销售业绩，以确定产品成功或失败的因素，并进行决策。（2）客户分析和市场研究：应用DSS可以统计分析每天收集的交易数据，以确定各种类型客户的消费模式，然后采取相应的营销措施，从而实现最大的利润。（3）财务分析：应用DSS可以按年、月、日进行实际费用和预算的比较，审查过去现金流的趋势，并预测未来的现

16、金需求量，编制复杂项目的预算计划和成本分摊，整合各分支机构的财务数据，形成正确、一致的财务报表。（4）运筹和战略计划：应用DSS可以制定企业生产计划，研究分支网点的设立，制定大规模资本投资计划，计算投资风险。（5）企业组织分析：应用DSS可以对企业组织结构进行战略性分析，包括行业因素、环境因素和组织因素,决策支持系统（DSS）的由来和发展,（1）第1阶段：初阶决策支持系统阶段。20世纪70年代，1975年首次提出了决策支持系统的新概念，并形成了决策支持系统新学科。到70年代末，DSS大都由模型库、数据库及人机交互系统等三个部件组成，被称为初阶决策支持系统。（2）第2阶段：智能决策支持系统阶段。

17、20世纪80年代初至90年代中期，决策支持系统开始与专家系统（ES）相结合，形成智能决策支持系统（IDSS）。（3）第3阶段：新决策支持系统阶段。20世纪90年代中期至21世纪初期，出现了数据仓库（DW）、联机分析处理（OLAP）和数据挖掘（DM）新技术，DW+OLAP+DM逐渐形成新决策支持系统（NDSS）的概念，为此，将智能决策支持系统称为传统决策支持系统。（4）第4阶段：综合决策支持系统阶段。21世纪初期至今，出现了把数据仓库、联机分析处理、数据挖掘、模型库、数据库、知识库结合起来形成的决策支持系统，即将传统决策支持系统和新决策支持系统结合起来的决策支持系统是更高级形式的决策支持系统，成

18、为综合决策支持系统（SDSS）。,决策支持系统与管理信息系统的关系,MIS是面向管理的信息系统，DSS则是面向决策的信息系统，两者目标一致，是相互交叉的关系。DSS可能是一个独立的系统，也可能作为MIS的一个子系统而存在。两者主要区别在于DSS由模型库管理系统和数据库管理系统组成，是以模型库管理系统为核心的，而管理信息系统则以数据库管理系统为核心。（1）管理信息系统（MIS）的特点：MIS能将企业中的数据和信息集中起来，进行快速处理，统一使用。MIS的处理方式是在数据库和网络基础上的分布式处理，不仅能把企业内部的各级管理联结起来，而且能够克服地理界限，把分散在不同地区的计算机网互联，形成跨地区

19、的管理信息系统。MIS利用定量化的科学管理方法，通过预测、计划优化、管理、调节和控制等手段来支持决策。（2）决策支持系统（DSS）的特点：DSS是在人和计算机交互的过程中帮助决策者探索可能的方案，为管理者提供决策所需的信息。由于支持决策是MIS的一项重要内容，DSS无疑是MIS重要组成部分。DSS是把数据库处理与经济管理数学模型的优化计算结合起来，具有管理、辅助决策和预测功能的管理信息系统。DSS能够利用数据和模型来帮助决策者解决非结构化问题，以提高决策效果。,智能决策支持系统（IDSS）,智能决策支持系统（IDSS）是人工智能（AI）和DSS相结合，应用专家系统（ES）技术，使DSS能够更充

20、分地应用人类的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。IDSS的核心思想是将AI与其它相关科学成果相结合，使DSS具有人工智能。它的功能是，既能处理定量问题，又能处理定性问题。,人工智能（IA）,人工智能（AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能研究如何用计算机去模拟、延伸和扩展人的智能；如何把计算机用得更聪明；如何设计和建造具有高智能水平的计算机应用系统；如何设计和制造更聪明的计算机以及智能水平更高的智能计算机等。人工智能是计算机科学的一个

21、分支，属于计算机科学技术的前沿科技领域。人工智能与计算机软件有密切的关系。一方面，各种人工智能应用系统都要用计算机软件去实现，另一方面，许多聪明的计算机软件也应用了人工智能的理论方法和技术。例如，专家系统软件，机器博弈软件等。但是，人工智能不等于软件，除了软件以外，还有硬件及其他自动化和通信设备。人工智能虽然是计算机科学的一个分支，但它的研究却不仅涉及到计算机科学，而且还涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知（思维）科学、行为科学和数学以及信息论、控制论和系统论等许多学科领域。因此，人工智能是一门综合性的交叉学科和边缘学科。,智能决策支持系统的基本结构,（1）人机接口：人机接口

22、接受用自然语言或接近自然语言的方式表达的决策问题及决策目标。（2）自然语言处理系统：转换产生的问题描述由问题分析器判断问题的结构化程度，对结构化问题选择或构造模型，采用传统的模型计算求解；对半结构化或非结构化问题则由规则模型与推理机制来求解。（3）问题处理系统：是IDSS中最活跃的部件，它既要识别与分析问题，设计求解方案，还要为问题求解调用四库中的数据、模型、方法及知识等资源，对半结构化或非结构化问题还要触发推理机作推理或新知识的推求。（4）知识库子系统：知识库子系统的组成可分为三部分：知识库管理系统、知识库及推理机。,智能决策支持系统的特点,（1）基于成熟的技术，容易构造出实用系统。（2）充

23、分利用了各层次的信息资源。（3）基于规则的表达方式，使用户易于掌握使用。（4）具有很强的模块化特性，模块重用性好，开发成本低。（5）系统的各部分组合灵活，可实现强大功能，并且易于维护。（6）系统可迅速采用先进的支撑技术，如AI技术等。,新决策支持系统（NDSS）,智能决策支持系统（IDSS）是基于数据库和模型库的，被称为传统的决策支持系统。与传统的决策支持系统相对应的是新决策支持系统（NDSS），也称为基于数据仓库的决策支持系统。新决策支持系统（NDSS）是基于数据仓库（DW）、联机分析处理（OLAP）和数据挖掘（DM）等新技术组合的决策支持系统，它最重要的特征是以数据仓库为依托，通过对企业历

24、史数据的挖掘，为企业提供全方位的决策支持。即新决策支持系统是从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统。（1）传统DSS是以模型资源和知识资源辅助决策，新DSS是以数据资源辅助决策。（2）传统DSS知识来源于专家的领域知识和经验知识，新DSS的知识来源于数据仓库中的数据。,相关新技术的概念,（1）数据仓库（DW）：数据仓库是在数据库的基础上发展起来的一种存储技术，是面向主题的、集成的、不可更新的（稳定性）、随时间不断变化（不同时间）的数据集合，用以支持经营管理中的决策制定过程。数据仓库中的数据面向主题，与传统数据库面向应用相对应。它将大量的数据库的数据按决策需求进行重新组织，以

25、数据仓库的形式进行存储，数据存储量是一般数据库的100倍。（2）联机分析处理（OLAP）：联机分析处理是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。随着数据仓库的发展，联机分析处理（OLAP）也得到了迅猛的发展。数据仓库侧重于存储和管理面向决策主题的数据，而OLAP则侧重于对数据库中的数据进行分析，转换为辅助决策信息。OLAP的一个重要特点就是多维数据分析，这与数据仓库的多维数据组织正好形成相互结合、相互补充的两个方面。（3）数据挖掘（DM）：数据挖掘是目前人工智能和数据库领域研究的热点问题，是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化

26、技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。,新决策支持系统（NDSS）的驱动方式,（1）数据驱动的DSS：数据驱动的DSS强调以时间序列访问、操纵公司内部和外部数据，通过查询和检索进行访问的文件系统提供了最基本的功能。（2）模型驱动的DSS：模型驱动的DSS强调对于模型的访问和操纵，比如，统计模型，金融模型，优化模型和/或仿真模型。（3）知识驱动的DSS：知识驱动的DSS可以就采取何种行动向管理者提出建议或推荐。这类DSS是具有解决问题的专门知识的人机系统。（4）基于Web的DSS：基于Web的DSS通过“瘦客

27、户端”浏览器向管理者提供决策支持信息，运行DSS应用程序的服务器通过TCP/IP协议。（5）基于仿真的DSS：基于仿真的DSS可以提供决策支持信息和决策支持工具，以帮助管理者分析通过仿真形成的半结构化问题。（6）基于GIS的DSS：基于地理信息系统（GIS）的DSS通过GIS向管理者提供决策支持信息或决策支持工具。（7）通信驱动的DSS：通信驱动DSS强调通信、协作以及共享决策支持，简单的公告板或电子邮件就是最基本的功能。通信驱动DSS能够使两个或者更多的人互相通讯，共享信息，以及协调他们的行为。群体决策支持系统（GDSS）是一种混合型的DSS，允许多个用户使用不同的软件工具在工作组内协调工作

28、。,群体决策支持系统（GDSS）,群体决策支持系统（GDSS）是一种基于计算机系统决策者的共同工作来解决半结构化问题的交互式系统。群体决策支持系统由于综合运用了群件、DSS功能和远程通信，使得团队决策更加方便。（1）环境设置：群体决策支持系统（GDSS）由DSS的大部分组成元素，加上能支持在群体环境下进行决策的相应部件组成。会议通常是协同工作的群体进行决策的一种重要形式，包括同一时间召开的会议和不同时间召开的会议。最后就会议提出的问题达成协议。（2）群体的决策要经过以下几个过程：集体讨论：团队成员提出各种想法和建议。问题的分类与分析：对团队成员提供的意见和建议进行分类，然后再进一步讨论这些建议

29、。合作与表决：团队成员为每一个建议赋予权重，排列优先顺序，再通过表决确定最后的顺序。（3）群件：群件是帮助群组协同工作的软件，它可以协助一个组织中不同的人员安排进度、进行交流和管理从而更有效率地工作。群件主要包括电子邮件、文档管理与工作流应用几大部分，从功能上必须满足通讯、合作及协调的要求。,决策支持中心（DSC）,决策支持中心（DSC）是一个利用现代信息技术提供决策支持，具有定性定量相结合的综合集成功能的人机系统机构（部门）。它以决策支持小组为核心，为决策的全过程提供技术支持。通常DSC在位置上和高层领导十分接近，以便能及时地提供决策支持，决策支持小组随时准备开发或修改DSS以支持高层领导做

30、出的紧急和重要的决策。DSC的特点是处在高层次重要决策部位，有一批参与政策制定、决策分析和系统开发的专家，装备有计算机等先进设备，通过人机结合等多种方式支持高层决策者做出应急和重要决策。在DSC系统中，决策者将要解决的问题先发送给决策专家小组，通过网络、多媒体设备和其它现代化的设备，召开电视会议，也可通过电子公告牌、电子白板发布各自意见和信息。在这一过程中，每位专家把自己的处理意见通过网络发送给小组人员，为了避免彼此受到影响，可以采取专家不面对面交流，也不公布他们的姓名和职务等措施。,综合决策支持系统（SDSS）,传统决策支持系统（IDSS）以模型和知识为决策资源，通过模型的计算和知识推理为实

31、际决策问题辅助决策。新决策支持系统（NDSS）是以数据仓库中的大量数据为对象，从数据仓库中提供综合信息和预测信息；联机分析处理提供多维数据分析信息；数据挖掘提供所获取的知识，共同为实际决策问题辅助决策。将IDSS和NDSS两者相互补充，结合起来便是综合决策支持系统（SDSS）。它将数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）、模型库（MB）、数据库（DB）、知识库（KB）和专家系统结合为一个整体，发挥各种新技术的特长和各自的辅助决策优势，相互补充、相互依赖，以实现更有效的辅助决策。,SDSS的体系结构,综合决策支持系统（SDSS）把数据仓库、数据挖掘、模型库、数据库、知识库和专

32、家系统结合起来，形成了更高级形式的决策支持系统。其综合体系结构包括三个主体：（1）第一个主体是模型库系统和数据库系统结合的主体。它完成多模型的组合与大量共享数据的处理，是决策支持的基础，为决策问题提供定量分析（模型计算）的辅助决策信息。（2）第二个主体是数据仓库与联机分析处理（OLAP）结合的主体。它从数据仓库中提取综合数据和信息，这些数据和信息反映了大量数据的内在本质。（3）第三个主体是知识库系统（知识库、推理机和知识库管理系统）与数据挖掘结合的主体。数据挖掘从数据库和数据仓库中挖掘知识，并将其放入专家系统的知识库中，由专家系统完成知识推理，利用知识资源进行定性分析辅助决策。,网络环境综合决

33、策支持系统（NSDSS）,网络环境的综合决策支持系统（NS-DSS）是基于Internet网络技术的成熟和应用的普及，其综合部件（问题综合与交互系统）由网络上的客户机来完成，即在客户机上编制和运行DSS控制程序，由它来调用或者组合模型服务器上的模型并完成模型计算，调用知识服务器上的知识，完成知识推理以及实现数据仓库的综合信息查询，或用历史数据进行预测。其组合方式有以下几种：客户机与模型服务器、数据库服务器组合。客户机与知识服务器组合。客户机与数据仓库、联机分析和数据挖掘服务器组合。建立统一的决策资源服务器。,网络环境综合决策支持系统的特点,网络环境的综合决策支持系统（NS-DSS）的特点主要有

34、以下三点：网络环境下的数据仓库、模型资源和知识资源皆以服务器形式在网络上提供并发、共享模型服务和知识服务。模型服务器中可以集成大量的数学模型、数据处理模型、人机交互的多媒体模型等，为用户提供不同类型的模型服务，也可以为用户提供组合多种类型模型的综合服务。知识服务器中可以集中多种智能问题的知识库，或者是不同知识表示形式的知识（规则知识、谓词知识、框架知识、语义网络知识等）和多种不同的推理机，如正向推理机、逆向推理机、混合推理机等。,专家系统（ES）,专家系统（ES）是一种模拟人类专家解决某个领域问题的计算机程序系统，其内部包含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题

35、的方法来处理该领域问题。换言之，专家系统（ES）是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。自1965年世界上出现第一个推断化学分子结构的专家系统，至今已有40多年历史。随着专家系统的理论和技术不断进步，其应用已经渗透到了人类社会的各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的

36、水平，并在实际应用中产生了巨大的经济效益。,专家系统（ES）的体系结构,专家系统（ES）的任务是解决需要经验、专门知识和缺乏结构的问题的计算机应用系统，可以解决的问题通常包括解释预测、诊断、设计、规划、监视、修理、指导和控制等。它是人工智能发展的一个重要分支。专家系统与用户进行“咨询对话”，对于用户而言，就像他在与某些方面有经验的专家进行对话一样，解释他的问题，建议进行某些试验以及向专家系统提出询问以求得到有关解答等。专家系统与传统的计算机程序系统有着完全不同的体系结构，通常它由知识库、推理机、综合数据库、知识获取机制、解释机制和人机接口等几个基本的、独立的部分所组成，其中尤以知识库与推理机相

37、互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。早期的专家系统采用通用的程序设计语言（如fortran、pascal、basic等）和人工智能语言（如lisp、prolog、smalltalk等），通过人工智能专家与领域专家的合作，直接编程来实现的。其研制周期长，难度大，但灵活实用，至今尚为人工智能专家所使用。大部分专家系统研制工作已采用专家系统开发环境或专家系统开发工具来实现，各领域专家可以选用合适的工具开发自己的专家系统，大大缩短了专家系统的研制周期，从而为专家系统在各领域的广泛应用提供条件。,专家系统（ES）的主要功能,（1）存储问题求解所需的知识。（

38、2）存储具体问题求解的初始数据和推理过程中涉及的各种信息，如中间结果、目标、字母表以及假设等。（3）根据当前输入的数据，利用已有的知识，按照一定的推理策略，去解决当前问题，并能控制和协调整个系统。（4）能够对推理过程、结论或系统自身行为做出必要的解释，如解题步骤、处理策略、选择处理方法的理由、系统求解某种问题的能力、系统如何组织和管理其自身知识等。这样既便于用户的理解和接受，同时也便于系统的维护。（5）提供知识获取，机器学习以及知识库的修改、扩充和完善等维护手段。只有这样才能更有效地提高系统的问题求解能力及准确性。（6）提供一种用户接口，既便于用户使用，又便于分析和理解用户的各种要求和请求。,

39、专家系统（ES）的特点,（1）启发性：不仅能使用逻辑知识，而且也能使用启发性知识，它运用规范的专门知识和直觉的评判知识进行判断、推理和联想，实现问题求解。（2）透明性：它使用户在对专家系统结构不了解的情况下，可以进行相互交往，并了解知识的内容和推理思路，系统还能回答用户的一些有关系统自身行为的问题。（3）灵活性：专家系统的知识与推理机构的分离，使系统不断接纳新的知识，从而确保系统内的知识不断增长以满足新的需要。（4）相关性：为解决特定领域的具体问题，专家系统除需要一些公共的常识，还需要大量与所研究领域问题密切相关的知识。（5）抽象性：系统在解题过程中除了用演绎方法外，还要运用归纳方法和抽象方法

40、。（6）模糊性：系统需处理的问题具有模糊性、不确定性和不完全性。（7）知识性：系统采用基于知识的问题求解方法，知识库与推理机分离，能对自身的工作过程进行自推理或解释。,专家系统（ES）的分类,1、按知识表示技术划分：基于逻辑的专家系统、基于规则的专家系统、基于语义网络的专家系统和基于框架的专家系统。2、按任务类型划分（1）解释型专家系统：根据表层信息解释深层结构或内部情况。（2）预测型专家系统：根据现状预测未来情况。（3）诊断型专家系统：根据输入信息和对症状的分析，找到故障和缺陷。（4）决策型专家系统：对可行方案进行综合评判并优选出最佳方案。（5）维修型专家系统：实施并纠正产品某类故障的维护和

41、维修。（6）规划型专家系统：根据给定目标拟定行动计划，用于制定行动规划。（7）设计型专家系统：根据给定的产品要求设计产品方案和图样。（8）监护型专家系统：完成实时监护任务。（9）控制型专家系统：完成实施控制任务。（10）调试型专家系统：同时具有规划、设计、预报和诊断等功能。（11）教学型专家系统：诊断型和调试型的组合，用于辅助教学和培训。,专家系统（ES）的优点,（1）能够高效率、准确、周到、迅速和不知疲倦的工作。（2）解决实际问题时不受周围环境的影响，也不会忘记或遗漏。（3）可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识和经验。（4）能够促进各领域的发展，使各领域专家的专

42、业知识和经验得到总结和精炼，能够广泛而有力的传播专家的知识、经验和能力。（5）能够汇集多领域专家的知识和经验，以及解决重大问题。（6）专家系统的水平是一个国家现代化能力的重要标志之一。（7）专家系统的研制和应用，具有巨大的经济效益和社会效益。（8）研究专家系统能够促进整个科学技术的发展。专家系统对人工智能各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。,专家系统（ES）的发展历程,第一个专家系统是在1956年创立和的。从20世纪80年代后期开始，专家系统便能够逐渐脱离实验室的研究而广泛应用于各行业中。（1）第一代专家系统以高度专业化、求解专门问

43、题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。（2）第二代专家系统属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。（3）第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。（4）第四代专家系统是在总结前三代专家系统的设计方法和实现技术的基础上，开始采用大型多专家协作系统、多种知

44、识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体方案。,专家系统（ES）的发展趋势,（1）通用性专家系统：专家系统集成多种模型，根据用户的需要，可以选择其中的任何一种或多种，形成某一类型的专家系统，从而提高了专家系统的准确率和效率；（2）分布式专家系统：系统具有分布处理的特征，其主要目的在于把一个专家系统的功能经分解后分布到多个处理器上去并行的工作，从而在整体上提高系统的处理效率。（3）协同式专家系统：能综合若干相关领域多个方面的单一专家系统互相协作，共同解决一个更广领域问题。系统将总任

45、务合理的分解为几个分任务，分别由各分专家系统来完成。（4）分布协同式专家系统：将分布式专家系统与协同式专家系统相结合，在逻辑上或物理上分布在不同处理结点上的若干专家系统协同求解问题。现实中有很多复杂的任务需要一个群体（多位专家）来协同解决问题，当单个专家系统难于有效地求解问题时，使用分布协同式专家系统求解是一个有效的途径。,专家系统与决策支持系统的区别,（1）专家系统目标是提供“专家”查询，是专用的，由系统做出决策，机器向人提问，问题域比较狭窄，数据库包括过程和数据，支持固定的问题域。决策支持系统强调通用性，目标是辅助人，由人做出决策，人向机器提问，问题域是复杂而广泛的，数据库包括事实性的知识

46、，适应于变化的环境。（2）企业管理领域内问题复杂多变，决策支持系统不可能将解决问题的过程完全自动化，即在解决问题过程中对某些不能解决的仍需调用人脑解决，人机是紧密配合的；而专家系统除了要求用户回答问题、提供必要的数据外，基本是自动独立工作的。（3）专家系统一般应用到重复发生的问题，一般应用于战术的、底层的问题；决策支持支持系统一般用于支持战略决策。,商业智能（BI）,商业智能（BI）是将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具平台或解决方案。其关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取、转换和装载，即ETL过程

47、，合并到一个企业级的数据仓库里，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、联机分析处理（OLAP）工具等对其进行分析和处理，最后为管理者的决策过程提供支持。随着企业信息化的发展，大量的数据积累，大量的信息涌现，造成了企业对数据信息的困惑，从而引发了企业对于专业商业智能软件产品的需求。商业智能不再仅仅是一种概念、一种技术，它更多的成为了一种业务层面的需求，为企业应用服务。商业智能产品在制造业领域应用的核心就是通过数据提取、整理、分析，最终通过分析结果制定有关策略、规划，达到资源的合理配置，节约成本提高效益。,商业智能（BI）的关键过程,企业信息化是商业智能

48、应用的基础，商业智能最大程度地利用了企业信息化中各应用系统的数据，将企业日常业务数据整理为信息，逐步升华为知识，从而为决策者提供最大力度的支持。构建一个完整的商业智能系统必须经过数据的抽取、转换和装载这样一个关键过程，该过程负责将分布的、异构数据源中的数据，如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。数据仓库是一个独立的数据环境，需要通过抽取过程将数据从联机分析处理环境、外部数据源和脱机的数据存储介质导入到数据仓库中；在技术上，ETL主要涉及到关联、转换、增量、调度和监控等几个方面；数据仓库系统中数据不要求

49、与联机事务处理系统中数据实时同步，所以ETL可以定时进行。但多个ETL的操作时间、顺序对数据仓库中信息的有效性至关重要。ETL能够按照统一的规则集成并提高数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤。如果说数据仓库的模型设计是一座大厦的设计蓝图，数据是砖瓦的话，那么ETL就是建设大厦的过程。在整个项目中最难部分是用户需求分析和模型设计，而ETL规则设计和实施则是工作量最大的，约占整个项目的60%80%，这是国内外从众多实践中得到的普遍共识。,主数据和主数据管理（MDM）,主数据是指在整个企业范围内各个系统之间要共享的数据，比如，企业与客户、供应商的数据，

50、企业帐户及其他相关的数据等。需要注意的是，主数据不是企业内所有的业务数据，只是有必要在各个系统间共享的数据才是主数据，主要指描述企业核心业务实体的数据，但大部分的交易数据、帐单数据等都不是主数据。主数据是企业内能够跨业务重复使用的高价值的数据，这些数据在进行主数据管理之前经常存在于多个异构或同构的系统中。要想实现企业主数据共享，就必须要求主数据在整个企业范围内保持一致性、完整性、可控性，为了达成这一目标，企业需要进行主数据管理。主数据管理（MDM）主要用于统一定义企业信息化过程中所需的核心数据，这些数据包括：物料、设备、供应商、客户、财务科目、固定资产等。由于主数据是企业实现全面信息化的基础，