第3章信息系统技术的发展

管理信息系统（MIS)广东工业大学经济管理学院信息管理工程系2006.02.18第3章信息系统技术的发展本章所讲的信息系统技术不是信息技术本身，而是在广义MIS发展进程中逐步形成的各类信息系统本身的技术。或者说，是从技术的角度来讨论这些系统。主要包括电子数据处理（EDP）技术、（狭义）管理信息系统（MIS）技术、决策支持系统（DSS）技术、管理专家系统（MES）及其他智能管理（IM）技术。3.1电子数据处理技术（EDP）3.1.1完全独立的应用程序的EDP模型、方法与数据都包括在应用程序中，组成一个不可分割的整体，要运行时输入机内，运行完后就提出来。各个应用程序都是自封闭的，各项具体业务的各个应用程序完全互不相干。3.1.2共享子程序库（方法库）的EDP把各项管理业务中一些普遍使用的公用方法编成独立的子程序，组成子程序库（即方法库），供需要使用的应用程序调用，实现了子程序即公用方法的共享，既减少了程序员的重复劳动，又可以把子程序编得很精巧，提高其运行效率。但依然是一项具体业务用一个独立的应用程序来完成。3.1.3共享数据文件的EDP随着计算机外存储器容量增大，操作系统出现并提供了文件管理功能，数据可以组成数据文件独立存放，但依然由应用程序根据自己的需要来建立和存取数据文件。不过几个相关业务的应用程序有可能以文件为单位共享数据。3.1.4以业务数据库为中心的EDP——事务处理系统（TPS）把一个管理职能中各项具体业务所要用到的数据组织到一个数据库中，各项具体业务以数据库应用程序形式以记录与字段为单位来共享库中的数据。这就实现了相关应用程序对数据的灵活共享，可以组成一个事务处理系统来完成较大的管理业务。EDP技术的基本特点EDP技术以固定的应用程序对某项或某组具体业务的当前数据进行处理，因而主要面向局部具体业务控制，实现事后控制，并且只能解决较为简单的结构化问题。3.2管理信息系统（MIS）技术本节中所讨论的是作为一种技术的狭义的管理信息系统。其基本特征有：①以数据为中心，是数据驱动的。依据用户的信息需求，调用相应的应用程序，处理从数据库中抽取的数据，得到满足用户需求的信息。②用固定的应用程序求解相应的问题，当然只能解决结构化问题。③在固定的应用程序中可采用各种数学模型、运筹学模型、管理系统仿真模型以及其他管理科学模型，因而可解决大规模复杂的结构化问题。④以解决作业控制业务的应用程序组作为其子系统，并拥有集成控制功能，可以形成综合集成的较大规模的系统。3.2.1集中式的MIS“经典”MIS是以集中的大型数据库管理系统为基础的。它设想把企业管理决策需要的所有数据，放进一个称为“企业模型”的结构中，组成一个集中数据库，使企业数据具有合理的整体结构、较高的独立性、良好的安全性与完整性、可控的冗余度并可方便地共享，为企业信息系统的集成控制和引入并使用预测与决策的许多模型创造了条件，但数据在物理上的集中存储，带来数据采集的滞后和信息反馈的延迟，造成“事中控制”和“事前决策”的困难。3.2.2实时的MIS以集中的大型DBMS、实时操作系统、在线访问为基础的MIS是实时MIS。其基本特征是在于它在线（on-line）实时接受用户需求并及时作出响应，主要用于一些多用户的专项服务管理，例如，航空预约订票服务系统、银行储蓄系统、医院门诊管理信息系统等等。对需要有全局控制又及时响应的专项服务，实时MIS是有效的。3.2.3分散式的MIS企业各职能部门采用微机及其关系数据库来开发本部门的信息系统。其优点是能适应部门的需要，调动部门的积极性，灵活机动，投资少，见效快。缺点是形成了一个个信息化“孤岛”，当整体规划和管理控制乏力时，则可能形成目标分散，资源分割，交流受阻，集成困难的局面。3.2.4分布式的MIS以计算机网络与分布式数据库为基础，实现企业数据的统一组织，分级存储，共享管理。这种分布式系统有数据库服务器的中央存储与处理作为支撑，而每个用户又有自己的微机、本地数据库和业务应用程序来完成本身的工作；当本地资源不足时，才向服务器提出资源共享的请求；而且在逻辑上用户并不会直接感觉到这一点。但其应用程序形式的模型在运行中是固定不变的，很难满足半结构化决策与非结构化决策的需要。3.3决策支持系统技术（DSS）决策者在解决半结构化问题时，一般是依据问题的初始条件，凭自己的经验，选择最开始可用的一种方法，得到中间结果后再从下一步可用方法中，选择自己认为是最优者，一步步进行，遇到无法选出下一步方法是回溯到上一步，再选用另一可用方法试探，直到求出满意解。DSS就是用这样的基本思路来进行半结构化决策的。3.3.1经典的DDM结构的DSS“经典”DSS除了共享方法库与数据库外，还把管理决策所用方法（模型）分解为称为“单元模型”的基本方法，组织到由模型库管理系统统一管理的模型库中。管理决策者要具备运用单元模型来建模解决问题的知识与能力，从而通过人机会话，依据已选单元模型的运行结果，选用下面的单元模型，遇到无法选出下一步的单元模型时，就回溯到上一步，这样反复试探，一步一步地在DSS支持下构建模型，进行决策。数据管理模型管理对话管理数据库模型库对话库推理机1知识库1知识管理知识库2推理机2用户图3.1三角式DDM结构的DSS结构示意图3.3.2智能的DSS(IDSS)把决策专家选用单元模型的知识与经验存放在知识库里，依据他们用其知识与经验选用单元模型的推理思维设计人工智能程序作为推理机（如图3.1中粗实线框所示）。在用户使用DSS支持决策时，系统通过模拟决策专家选用单元模型思维的推理机，从知识库中得到相应的知识，自动地试探着选用单元模型来解决问题。只有计算机系统感到无能为力时，或者用户要求干预时，才需要人的帮助。这就是智能DSS(IDSS)。3.3.3高级智能DSS如果把管理专家解决相关类型非结构化问题的知识、经验与推理过程加工为知识表示与推理程序，组织到IDSS的模型库、知识库与推理机中，形成高级IDSS，就具备了解决该类非结构化问题的能力（如图3.1中虚线框所示）。3.3.4DSS的LKP结构对这类基于知识和问题求解的DSS又常把它们划分成更合理的语言系统，问题求解系统和知识系统三个部分，如图3.2。问题求解系统（PPS）是其核心，功能主要包括问题识别和表述，建立和分析求解模型，相关信息的搜集、加工和输出。知识系统（KS）是管理求解问题相关的知识的。知识指的是数据、模型、方法、事实和规则等，包括决策产生的中间结果。语言系统（LS）提供用户与DSS的对话机制，包括数据语言系统、模型语言系统、知识语言系统和问题求解语言系统。语言系统LS问题处理系统PPS知识系统KS用户图3.2DSS的LKP结构示意图DSS技术的基本特点1.在解决问题的过程中，用模型库中的单元模型通过启发式的试探，构造出问题求解模型（程序），适宜于解决半结构化问题。2.模型驱动，由求解问题来选用单元模型，再由模型从数据库中取得数据，从而驱动系统运行。3.通过增加相关的智能部件，可自动选用单元模型构造求解模型（程序），并能解决部分非结构化的问题。3.4智能管理及其管理专家系统技术（IM&MES）智能(Intelligent)是在一定的环境下针对特定的问题和目的而有效地获得信息、处理信息和利用信息来解决问题，从而成功地达到目的的能力，具体地说，它包括感知能力（视觉、听觉、嗅觉、触觉等）、记忆能力、思维能力（识别、理解、判断、联想、推理等）、学习能力、自适应能力和行为能力（运动控制、生理调节、语言生成等）。人工智能(AI)是人所赋予机器的一种智能，即机器在一定的环境下针对一定的问题、为了一定的目的而成功地获得、处理和利用信息来解决问题，达到目的的能力。智能管理(IM)技术是利用人工智能解决管理问题的技术称为。3.4.1人工神经网络和管理中的模式识别人工神经网络（artificialneuralnetwork,ANN）是由大量的简单处理单元经广泛并行互连形成的一种网络系统。网络中的每一个简单处理单元称为人工神经元，是对生物神经细胞的抽象和模拟。网络的功能是通过大量人工神经元的广泛互连，以规模宏伟的并行运算来实现的。在人工智能领域，它已实际应用于模式识别、专家系统、机器学习等许多方面。3.4.1人工神经网络和管理中的模式识别人工神经网络的主要优点有：信息以分布方式存储于整个网络中，即使网络局部受损，也不会对整个网络造成很大影响，还可根据不完整或模糊的信息联想出完整的信息，导出正确的输出；具有自适应、自组织、自学习能力，可通过训练样本，根据周围环境来不断改变自己的网络，并根据变化的信息，调整自身的结构；具有并行处理特征，在完成训练样本后，运行速度很快；能从训练样本中自动获取知识。3.4.1人工神经网络和管理中的模式识别人工神经网络的主要局限有：难以表达结构化知识；需要大量实例进行训练，且训练时间可能很长，可能陷入局部最小化；难以处理事先未训练的异常情况；系统以“黑箱”方式运行，解释系统的结论比较困难。3.4.1人工神经网络和管理中的模式识别在模式识别理论中，模式是指对某一事物所作的定量或结构性描述的集合。模式识别（patternrecognition）就是使计算机能对给定的事务进行鉴别。利用人工神经网络进行模式识别前，要用一训练样例对人工神经网络进行训练，然后才能对有待识别的事务进行识别。这方法适用于对复杂事物的分类，并具有并行分布式、容错、学习、自组织和自适应等特点。在管理决策中常遇到要对复杂事物分类的问题，这时就可运用这种技术。3.4.2遗传算法和管理决策方案的生成与优选遗传算法(GeneticAlgorithms,简称GA)是人工智能的重要分支，是基于自然选择和遗传机制，在计算机上模拟生命进化机制的寻优搜索算法。它根据适者生存，优胜劣汰等自然进化规则来进行搜索计算和问题求解。3.4.2遗传算法和管理决策方案的生成与优选遗传算法把搜索空间(欲求解问题的解空间)映射为遗传空间，即把每一个可能的解编码为一个向量(二进制或十进制数字串)，称为一个染色体(chromosome，或个体)，向量的每一个元素称为基因(genes)。所有染色体组成群体(population，或集团)。并按预定的目标函数(或某种评价指标，如商业经营中的利润、工程项目中的最小费用等)对每个染色体进行评价，根据其结果给出一个适应度的值。算法开始时先随机地产生一些染色体(欲求解问题的候选解)，计算其适应度，根据适应度对诸染色体进行选择、交叉、变异等遗传操作，剔除适应度低(性能不佳)的染色体，留下适应度高(性能优良)的染色体，从而得到新的群体。由于新群体的成员是上一代群体的优秀者，继承了上一代的优良性态，因而明显优于上一代。遗传算法就这样反复迭代，向着更优解的方向进化，直至满足某种预定的优化指标。编码为染色体（向量）问题的初始（侯选）解种群P(t+1)解码染色体问题解答空间种群P(t)种群P(t+1)通过遗传算法存优去劣复制交换变异种群P(t)计算各染色体适应度种群满足预定指标N图3.3遗传算法的工作过程Y编码为染色体（向量）问题的初始（侯选）解种群P(t+1)解码染色体问题解答空间种群P(t)种群P(t+1)通过遗传算法存优去劣复制交换变异种群P(t)计算各染色体适应度种群满足预定指标N简单遗传算法的三个基本运算1、选择运算选择运算又称为繁殖、再生，或复制运算，用于模拟生物界去劣存优的自然选择现象。它从旧种群中选择出适应性强的某些染色体，放入匹配集(缓冲区)，为染色体交换和变异运算产生新种群做准备。适应度越高的染色体被选择的可能性越大，其遗传基因在下一代群体中的分布就越广，其子孙在下一代出现的数量就越多。有多种选择方法，比如：适应度比例法。2、交叉复制操作虽然能够从旧种群中选择出优秀者，但不能创造新的染色体，因此，遗传算法的开创者提出了交叉操作。它模拟生物进化过程中的繁殖现象，通过两个染色体的交叉组合，来产生新的优良品种。例如，从匹配集中取出的一对染色体为：染色体A11010│110染色体