从DSS到IDSS企业信息化过程中两种系统的比较分析.docx
- 文档编号:30157816
- 上传时间:2023-08-05
- 格式:DOCX
- 页数:14
- 大小:68.63KB
从DSS到IDSS企业信息化过程中两种系统的比较分析.docx
《从DSS到IDSS企业信息化过程中两种系统的比较分析.docx》由会员分享,可在线阅读,更多相关《从DSS到IDSS企业信息化过程中两种系统的比较分析.docx(14页珍藏版)》请在冰豆网上搜索。
从DSS到IDSS企业信息化过程中两种系统的比较分析
从DSS到IDSS:
企业信息化过程中两种系统的比较分析
胡鑫(上海财经大学信息管理与工程学院,上海200433)学号:
2011210787
摘要:
本文采用对比分析的方法研究决策支持系统和智能决策支持系统在企业信息化过程中的作用,通过对比分析得出IDSS代表未来发展的趋势的结论。
本文首先提出了研究的背景。
并分别从发展过程、功能、结构、目前发展方向4个方面分别对决策支持系统与智能决策支持系统进行介绍。
然后介绍了决策支持系统与智能决策支持系统在企业信息化建设中的发展。
文章的最后进行了总结与展望。
关键词:
DSSIDSS系统比较企业信息化
1问题的背景
在知识爆炸、信息化不断融合的今天,决策支持系统因其良好的交互式、强大的扩展性受到研究者们的重视,在不同领域均取得了不少的研究成果。
尤其是在人工智能技术的支持下,智能决策支持系统更是成为其中的主流。
但决策支持系统的发展仍然有不少问题值得探讨,比如数据模型的选择与存储,知识的表达形式等,尤其是自然语言的理解。
自然语言理解是一门由认知学、语言学、信息学等组成的交叉学科,它的目的是能够使计算机更好的理解人类,更好的提高计算机人机交互的易用性。
自然语言理解的进步,不仅具有工程上的意义,更具有重大的社会意义。
从1985年开始,为了能够对集体讨论、效果评估等提供更方便、高效的支持,以及随着人工智能领域(ArtificialIntelligence,AI)的日趋活跃,将DSS与AI相结合智能决策支持系统(IntelligentDecisionSupportSystem,IDSS)开始受到广泛的关注,并已经成为当前DSS领域中最热门的研究方向。
在信息不断融合、联系越来越紧密的今天,智能型、交互式、集成化的智能决策支持系统,吸引了学者的关注。
2决策支持系统(DSS)
决策支持系统(DecisionSupportSystem,DSS)是以管理科学、运筹学、控制学和行为科学为基础,以计算机技术、仿真技术和信息技术为手段,辅助决策者以人机交互方式进行半结构化或非结构化决策,具有一定智能行为的人机交互的计算机应用系统【1】。
2.1决策支持系统发展概述
决策支持系统的概念最初是由Gorry和ScottMorton在整合了Anthony对管理行为的分类和Simon对决策类型的描述而提出的【2】。
DSS在发展过程中可以分为两条路线。
第一条是从Sprague【3】提出的两库结构开始,逐渐发展到五个部件的四库结构组成:
人机接口(对话系统)、数据库、模型库、知识库和方法库。
并且随着系统的愈发完善与规模扩大,在开发过程中又加入了对这些部件的管理系统,共计十个基本组件。
这些组件的组合与应用基本能满足不同类型的DSS系统。
这种结构被当前大多数DSS所采用。
第二条是由Bonczek【4】等人提出的三系统结构。
在此种结构中,更多的是强调知识系统在整个DSS中的作用。
但此种路线的局限在于语言系统的开发,尤其是对于用户的自然语言的理解,使其发展相对迟缓。
2.2决策支持系统DSS的功能
为有效地辅助决策,DSS具备以下功能:
①提供与决策问题有关的数据,如提供系统内有关决策问题的数据、提供系统外有关决策问题的数据以及提供各有关决策方案的反馈数据;
②提供与决策问题有关的模型和方法,如数学方法、逻辑表达式方法、自然语言描述方法及图形描述方法;
③提供数据库和模型库的管理功能,如对数据和模型、方法进行查询、修改、增加、删除和连接的功能,决策者在使用系统时,能方便地完成上述操作;
④提供综合信息和预测信息,运用各种模型和方法,灵活地对数据进行加工、汇总,通过分析和预测,提供综合信息和预测信息;
⑤提供各种方案模拟运行的功能,通过对模拟运行结果的分析和评价,为正确选取决策方案提供依据;
⑥提供人-机会话的功能,提供方便的人-机会话接口,决策人员的知识、经验和判断能力的主动作用,需要通过及时的人-机会话才能体现。
2.3DSS的组成结构
DSS同时具有数据库、模型库和人-机会话管理系统DGMS(DialogGenerationManagementSystem),通过人-机会话管理系统,决策者可进一步对数据库管理系统DBM(DataBaseManagementSystem)和模型库管理系统MBMS(ModelBaseManagementSystem)实施操作【5】,具体如图2所示。
图1DSS组成结构
2.4决策支持系统的目前发展方向
在近些年DSS的发展过程中,与新技术的不断融合,促成了其在不同方向上的研究不断深入,可以大体分为以下几个方面【6】:
2.4.1与数据仓库的结合
数据仓库(DataWarehouse,DW)的是由W.H.Inmon所提出的:
数据仓库是面向主题的、集成的、时变的、永久的数据集合【7】。
数据仓库最初是为了支持经营、管理之中的决策,而将不同数据库中的数据加以融合、整理的解决方案而提出的。
数据仓库发展的是基于对于数据库技术改进的需要而进行的。
数据仓库技术最适合开发数据驱动型的DSS,通过对内部的海量数据合理的存储组织,选择需要的数据和分析达到决策支持的目的。
2.4.2与联机分析处理的结合
联机分析处理(OnlineAnalyticalProcessing,OLAP)是数据仓库环境下的最典型应用。
在OLAP的数据模型中,信息被抽象视为一个立方体,其中最重要的概念是“维”和“度量”。
其中,“维”是OLAP的核心概念,是主题的基础,,是对主题的一种类型划分。
OLAP采掘的与“维”有关的度量信息才是用户关心的焦点【8】。
2.4.3与数据挖掘的结合
虽然OLAP工具在数据仓库的基础上得到了一定的发展,但是数据挖掘(DataMining,DM),包括一系列的人工智能和统计方法等在更精确的数据分析得到了越来越多的应用。
数据挖掘,是指从大型数据库或数据仓库中提取隐含的、未知的、非平凡的及有潜在应用价值的信息或模式【9】,一般又称数据库中的知识发现(KnowledgeDiscoveryinDatabase,KDD)。
2.4.4与仿真技术的结合
仿真技术与决策支持系统相结合,指的是通过建立并利用模型来模拟系统的运行,得到被仿真系统的输出参数和基本特性,为DSS提供数据来源,对用户的最终决策提供支持。
由于仿真技术已经得到了广泛应用,所以仿真决策支持系统也在各个领域展现了它的强大生命力【10】。
2.4.5与网络环境的结合
网络环境对于决策支持系统来说,是一个良好的开发和分发平台。
从21世纪初开始,网络已经成为发展DSS的中心。
网络DSS最初的概念是管理者或是商业分析者通过网络浏览器向远方主机请求,存有相应的决策支持系统的应用程序主机通过对于请求的分析和处理,得出相应的决策支持信息,并传递回请求方。
基于网络的DSS极大的减少了处于不同位置的管理者和工作人员的交流,使整个决策过程能够更加方便的进行,同时成本更低。
更重要的是,网络与其他已有决策支持技术的融合,产生的如网络智能决策支持系统、分布仿真决策支持系统等,更是极大的推进了整个智能决策技术的发展。
3智能决策支持系统(IDSS)
智能决策支持系统(IDSS,IntelligenceDecisionSupportingSystem),是人工智能(AI,ArtificialIntelligence)和DSS相结合,应用专家系统(ES,ExpertSystem)技术,使DSS能够更充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的概念最早由Bonczek等人于80年代提出,它的功能是,既能处理定量问题,又能处理定性问题。
IDSS的核心思想是将AI与其他相关科学成果相结合,使DSS具有人工智能。
3.1智能决策支持系统发展概述
70年代初,美国的Seott.Morton【11】等人提出了决策支持系统DSS(Decisionsupportsystem)的概念,此后,该系统在各个领城中得到了广泛的应用,特别是用它求解半结构化与非结构化的问题尤为有效。
但是在应用中也发现了DSS的单纯的数值分析方法也颇有欠缺之处,尤其是在八十年代专家系统广泛流行之际,将知识处理思想引人DSS中以解决DSS之不足已成为必然趋势,因此就出现了智能决策支持系统。
智能决策支持系统IDSS(IntelligentDecisionSupportSystem)起源于八十年代初期。
首先.Bonezek等人提出DSS与专家系统ES(Expertsystem)相结合,分别发挥DSS数值分析与ES的符号处理的特点,用于有效地解决定量与定性的问题以及半结构化、非结构化的问题。
这种DSS与ES结合的思想即构成的IDSS的初期模型。
IDSS的这种模型扩大了DSS处理问题的范围.提高了决策能力,因此它具有很强的生命力,并且在应用中发挥了巨大的作用,因而成为目前DSS发展中的重要方向。
目前的IDSS的构造模型与应用范围已大为扩大,所开发的系统也大为成熟,如Inforym公司推出的REVEAL系统与Caregie一Mellon大学开发的JMS系统均在实际应用中发挥出很大的作用。
3.2智能决策支持系统的功能
根据IDSS智能的实现可将其分为以下4种功能【8】。
利用AI实现系统的智能,又分为基于ES的IDSS、基于机器学习的IDSS和基于AI新技术Agent的IDSS。
其中Agent的研究成为目前人工智能研究的热点,主要有智能型Agent研究、多Agent研究和面向Agent的程序设计研究3个方面,基于Agent的计算被认为是软件开发的下一个重要的突破。
利用数据库领域的新工具数据仓库、联机分析处理及数据挖掘技术来帮助实现智能。
这些工具使用户在分析大量复杂数据时变得轻松而高效,可以迅速做出正确判断。
其中数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术,它可以从DSS执行者没有想到去问的数据库中找出与决策问题相关的信息,帮助决策者寻找数据间潜在的关联,发现被忽略的要素,并通过分析现有的方式来预期将来的行为。
随着网络及数据库的普遍应用,这种方法具有广泛的应用前景。
利用逻辑观点、面向对象方法或关系来表示系统各部件,使IDSS在总体上统一表示、相互协调以实现系统的整体智能行为。
具有知识学习能力的IDSS。
根据IDSS的学习能力的不同,知识系统可分为静态知识系统和动态知识系统。
静态知识系统的知识维护需要人工干预,系统的行为在求解过程开始前就已经确定了,而动态系统则可以自动从决策过程中获得经验,自动对知识库进行维护与更新,从而支持复杂环境下的决策过程,反映了较高级的智能活动。
3.3IDSS的组成结构【XX百科】
3.3.1智能人机接口
四库系统的智能人机接口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,这较大程度地改变了人机界面的性能。
3.3.2问题处理系统
问题处理系统处于DSS的中心位置,是联系人与机器及所存储的求解资源的桥梁,主要由问题分析器与问题求解器两部分组成。
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。
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。
3.3.3知识库子系统和推理机
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(如图2所示)
知识库管理系统。
功能主要有两个:
一是回答对知识库知识增、删、改等知识维护的请求;二是回答决策过程中间题分析与判断所需知识的请求。
知识库。
知识库是知识库子系统的核心。
知识库中存储是那些既不能用数据表示,也不能用模型方法描述的专家知识和经验,也即是决策专家的决策知识和经验知识,同时也包括一些特定问题领域的专门知识。
知识库中的知识表示是为描述世界所作的一组约定,是知识的符号化过程。
对于同一知识,可有不同的知识表示形式,知识的表示形式直接影响推理方式,并在很大程度上决定着一个系统的能力和通用性,是知识库系统研究的一个重要课题。
知识库包含事实库和规则库两部分。
推理机。
推理是指从已知事实推出新事实(结论)的过程。
推理机:
是一组程序,它针对用户问题去处理知识库(规则和事实)。
图2智能决策支持系统结构
3.4智能决策支持系统的目前发展方向
3.4.1基于专家系统的IDSS
专家系统从诞生之初,就一直受到学者们的关注与研究,现在已经成为人工智能领域中研究最为活跃,也是成果最为成熟的一个分支。
斯坦福大学的EdwardFeigenbaum【12】教授将专家系统定义为“一种智能的计算机程序,它运用知识和推理过程来解决只有专家才能解决的复杂问题。
”专家系统的核心包括知识库和推理机两个部分,知识库存有已收集到的专家知识,推理机使用其中的知识进行推理并给出推理结果。
经典的专家系统一般均采用基于规则的推理(Rule-BasedReasoning,RBR)。
这在智能决策支持系统里面已经得到了广泛的应用。
3.4.2基于神经网络的IDSS
神经网络的快速发展,使其在知识获取、并行推理、自学习、自适应能力等方面显示了明显的优越性。
人工神经网络是模仿动物的神经网络行为特征而建立的【13】。
它可进行大规模的并行式处理,同时具有较强的学习记忆能力和模式识别能力。
建立人工神经网络专家系统不需要组织大量的规则,也不需要进行树的搜索,而且通过神经网络学习、联想能力,使机器进行自组织、自学习,不断地充实、丰富决策系统中原有的知识库,使专家系统中最困难的知识获取问题得到很好的解决,同时也帮助实现了IDSS的并行推理【14】。
3.4.33I决策支持系统【15】
在信息不断融合、联系越来越紧密的今天,3I决策支持系统(Intelligent,InteractiveandIntegratedDSS,3IDSS),即智能型、交互式、集成化决策支持系统,也开始崭露头角,吸引了学者的关注。
4DSS和IDSS在企业信息化过程中的发展
4.1企业决策支持系统的目标
企业在发展信息化过程中希望达到的目标就是:
在人的分析与判断能力的基础上借助计算机与科学方法支持决策者对半结构化和非结构化问题进行有序的决策,以获得尽可能令人满意的客观的解过方案。
为了实现这个目标,面向不同企业的各种DSS应运而生。
但目标要通过所提供的功能来实现,系统的功能由系统结构所决定,不同结构的DSS功能不尽相同。
在总体上,陈文伟【1】认为DSS的功能可归纳为:
管理并随时提供与决策问题有关的组织内部信息和外部信息,如定单要求、库存状况、生产能力和财务报表、政策法规、经济统计、市场行情、同行动态与科技进展等。
收集、管理并提供各项决策方案执行情况的反馈信息,如合同执行进程、物料供应计划落实情况等。
能以统一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。
能够存储并提供常用的数学方法及算发,如回归分析方法、线性规划等。
各种数据、模型和方法能容易地修改和添加,如数据模式的变化、模型的连接或修改等。
通过运用模型和方法对数据进行加工、汇总、分析、预测,得到所需的综合信息和预测信息。
具有方便的人机对哈和图象输出功能,能够回答"如果则"之类的问题。
能够提供良好的数据通信功能,以保证及时收集所需要数据并将加工结果传送回给使用者。
加工速度和响应时间不能过长,要在使用者忍受范围之内,不影响使用者的情绪。
4.2DSS目前存在的问题
在运用DSS过程中,DSS的一些问题也渐渐凸显出来。
主要有以下几个问题【16】:
脆弱性和知识获取困难。
DSS的核心是知识和对知识的处理,不同的DSS是针对特定的应用领域开发的。
但是不同领域的知识,由于其不同的特点,往往在知识获取和知识表示上存在很大的差异。
DSS各个部件的协调统一性差。
智能决策支持系统是由数据库、模型库、方法库和知识库组合而成的一个统一的整体。
各个部件之间如何进行通信与协调,直接影响到DSS能否正确和高效运行,因此如何寻求一种有效的机制保证DSS各部件的统一,成为制约DSS发展的另一个瓶颈。
灵活性和适应性差。
智能决策支持系统的各个部件在为决策者提供各种决策支持时,其推理机制和解释机制往往是静态的,被动的,即按照已经预先设定好的搜索策略和推理策略进行。
因此,不能根据实际环境的变化来制定动态的策略缺乏主动的学习机制。
封闭性。
即系统只能利用本地资源,另外,系统一旦设计完成,再向系统内增加资源就比较困难,因为各个模块之间的联系比较紧密,稍加改动就会影响整个系统。
人机协调性差。
主要表现在人机分工不合理和人机智能难结合。
而且计算机不能正确、及时理解用户提问和需求;用户不能及时获得计算机的回答和解释用户难以对计算机进行动态干预,加入启发信息。
4.3IDSS的引入
为了解决以上DSS存在的问题,企业引入了IDSS。
IDSS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,又充分利用了决策支持系统以模型计算为核心的解决定量分析问题的特点,将定性分析和定量分析有机的结合起来,使解决问题的能力得到进一步的提高。
智能决策支持系统具有以下优点:
具有一定的自主学习能力,允许决策者可以修改和扩充知识库中的知识,从而使得解决问题的的能力进一步提高。
具有推理机构,能模拟决策者的思维过程,根据决策者的需求,通过人机会话,应用有关的知识引导决策者选择合适的决策模型。
具有智能的模型管理功能,将模型作为一种知识结构进行管理,简化各个子系统间的接口。
建立更为通用的决策支持系统的结构,以扩大系统的服务领域,也使系统对环境的变化和决策方式的变化具有一定的适应性。
5结论
决策支持系统最早以数据和模型来支持决策,随着科技的不断发展,决策支持系统吸收和融入了多学科的技术,变得更加智能化。
决策支持系统已经在社会发展和企业运作中发挥着越来越大的作用。
目前在IDSS领域的研究己有不少成果,但总体上发展较缓慢,在应用上与期望有较大的差距,这主要反映在软件制作周期长,生产率低,质量难以保证,开发与应用联系不紧密等方面。
人工智能研究领域的新成果,如基于案例推理,模糊处理技术,分布式人工智能和多智能体技术,数据挖掘技术等,为智能决策支持系统提供了强大的技术支持。
借助于人工智能领域的最新技术和理念,必将极大的推动智能决策支持系统的研究和开发。
随着技术的日益成熟,IDSS必将成为企业未来信息化建设的趋势。
参考文献
[1]陈文伟.决策支持系统及其开发[M].第2版.北京:
清华大学出版社,2000.
[2]GAGorry,MSScottMorton.Aframeworkformanagementinformationsystems[J].SloanManagementReview(S0019-848X),1971,13
(1):
50-70。
[3]SpagueRH.AFrameworkfortheDevelopmentofDecisionSupportSystems[J].MISQuarterly(S0276-7783),1980,12:
1-26。
[4]BonczekRH,CWHolsapple,ABWhinston.FoundationsofDecisionSupportSystems[M].NewYork,USA:
AcademicPress,1981。
[5]葛钧.企业经营决策支持系统构架及模拟系统设计[D].四川大学,2002。
[6]JPShim,MerrillWarkentin,JamesFCourtney,DanielJPower,RameshSharda,ChristerCarlsson.Past,present,andfutureofdecisionsupporttechnology[J].DecisionSupportSystems(S0167-9236),2002,33:
111-126。
[7]InmonWH.Buildingthedatawarehouse[M].NewYork,USA:
JohnWiley&Sons,1996。
[8]马丽娜,刘弘,张希林。
数据挖掘、OLAP在决策支持系统中的应用[J].计算机应用研究,2001,11:
10-12。
[9]吉根林,帅克,孙志挥。
数据挖掘技术及其应用[J].南京师大学报(自然科学版),2000,23
(2):
25-27。
[10]肖田元,范文慧.系统仿真导论[M].第2版.北京:
清华大学出版社,2010。
[11]R.H.Booezok,C.W.Holsapple,A.B.Winston,DevelopmentInDecisionSupportSystems,DecisionSupportSystem,1992
[12]EdwardAFeigenbaum.KnowledgeEngineeringinthe1980s[D].Stanford,CA,USA:
DeptofComputerScience,StanfordUniversity,1982。
[13]张亮,王端民,许炳。
神经网络与专家系统结合的DSS模型智能构造[J].计算机工程与设计,2006,27(8):
1429-1430。
[14]高广耀,王世卿。
基于神经网络集成技术构建IDSS知识库的研究[J].计算机工程与设计,2005,26(8):
2083-2085。
[15]姚苏.智能决策支持系统研究[J].甘肃科技,2007,21
(1):
23-24。
[16]黄梯云.智能决策支持系统及其发展[R].第二次全国青年博士后会议(报告),2002.
论文评注
对论文“Decisionsupportsystem:
real-timecontrolofmanufacturingprocesses”的评注
本文是南非PretoriaUniversity教授KarelTerblancheSwanepoel写的一篇关于DSS在企业制造过程中实时控制方面发挥的作用。
本文首先介绍了DSS以及实时控制的相关概念,然后对DSS在实时控制的互动能力方面进行了深入讨论。
最后列举DSS在电子管焊接过程所发挥的作用,并提出了不足和改进意见。
本文是我选题的启发文章,本文对DSS讨论让我意识到DSS在企业过程中发挥的巨大作用。
同时作者最后也提到DSS不足,这就让我想到是否有DSS的改进系统。
参考相关文献,找到DSS基础上出现了GDSS(群体决策支持系统),DDSS(分布式决策支持系统),IDSS(智能决策支持系统)等。
但最热门的是对IDSS的研究,也代表了未来的研究主方向。
所以我就收集了关于IDSS的资料,对DSS于IDSS进行了比较。
对论文“DevelopmentInDecisionSupportSystems”的评注
本文是R.H.Booezok,C.W.Holsapple,A.B.Winston发表的一篇关于DSS未来发展的综述性论
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- DSS IDSS 企业 信息化 过程 种系 比较 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)