医院管理决策支持系统

医院管理决策支持系统（精选12篇）

医院管理决策支持系统 篇1

随着信息管理系统 (MIS) 的日益发展和普及, 诸如学生信息管理、成绩管理、教学管理等MIS系统已经多数高校的日常管理中, 有的甚至成了学校正常运作中不可或缺的部分。就学生信息管理系统而言, 随着应用的不断深入, 我们发现该系统在日常学生管理中发挥的作用是非常有限的, 现在的学生信息管理系统多以学生信息数据存储为主, 是一个静态的, 无法动态地反映学生情况的系统。因此引入学生综合管理决策支持系统就非常迫切和正常了。

一、学生综合管理中存在的问题

1.学生信息管理系统数据单一, 无法充分反映学生的动态情况, 无法为辅导员、班主任和决策者提供有力的决策支持。

随着高校人数的急剧增加, 一个辅导员要管理几百名学生, 要了解每个学生的综合表现到底怎么样, 就需要花费人力和精力去摸清学生在学习、生活、活动等多方面的情况, 完成这个工作是非常艰巨的, 而学生信息管理系统由于自身的设计问题无法提供足够的支持。

2.学生管理事务繁杂, 数据整理、分析和保存难度大, 不能充分挖掘数据, 导致管理不科学、不到位。

学生的整体表现怎么样是通过收集、综合学生各项数据, 经过分析得出的, 单纯的依靠人来做, 一是分析有偏差, 二是工作量太大。数据易缺失, 不易保存, 大到一个记录本, 小到一张纸片, 保管起来比较困难, 一旦丢失, 对学生的分析就不准确。

3.学生综合管理不规范。

随着现实中人员的调整, 管理队伍的轮换, 管理者的工作思路带有一定的个人倾向性, 没有一个决策分析系统, 就不能保证全面科学地反映学生个体和学生的整体情况, 不利于作出有针对性的决策。

4.缺少毕业学生数据实时反馈系统支持, 不能有效分析学生的就业情况, 无法对学校的学生管理和培养的思路、方式方法提供科学的改进。

可以通过对毕业生的实时追踪调查, 帮助决策者认识到哪些教学和管理方式是优势, 哪些方面需要作出及时的调整和改进, 从而实现科学育人。

二、建立学生综合管理决策支持系统的可行性分析

信息管理系统 (MIS) 经过多年的发展, 已经在各行各业中广泛应用, 作为学生信息管理系统已经多数高校, 信息存储和应用成熟稳定。决策支持系统以数据仓库为依托, 通过对历史数据的挖掘, 为管理提供全方位的决策支持。它有以下几种驱动方式:数据驱动、模型驱动、知识驱动、基于Web、基于仿真、基于GIS、通信驱动等, 已经成为行之有效的辅助决策工具。首先, 决策支持系统的建立需要一个明确的焦点或较为固定的根源, 有较强的指向性;其次, 决策支持系统倾向于半结构化和非机构化问题的决策;最后, 决策支持系统可以为决策者解决大量耗时、费力的问题, 同时也可以帮助筛选大量有用的信息, 提供针对问题的解决方案供参考。下面逐一分析建立学生综合管理决策支持系统是否可行。

1.依托学生信息管理系统, 建立学生综合管理系统。

决策支持系统所需要的数据来源于学生综合管理系统, 现在学生信息管理系统已经非常成熟, 而且广泛地应用于各大高校中, 在学生信息管理系统基础上建立学生综合管理系统是可行的, 做结构的调整和数据的增删即可建立我们所需要的综合管理系统。

2.学生综合管理中存在典型的指向性问题。

决策支持系统的建立, 是“对事情当前状态与期望状态之间的差距感知”。显然, 我们之前分析学生综合管理中存在的问题, 正是决策支持系统需要解决的问题。为了及时感知学生日常学习、生活等各方面存在的问题, 同时也更加便捷地为班主任、辅导员和决策者提供改善问题的方案, 为协助决策者认清期望与现实情况之间的差距, 必须开发学生综合管理决策支持系统。

3.学生综合管理是半结构化系统。

现在的学生综合管理方式是简单划一的管理, 对学生在各方面的表现既不能完全实现量化, 又无法对已经量化的分数进行深入全面的分析, 从而无法发现更深层次的问题。解决学生中存在的问题时方式方法单一, 同时也无法对解决后的改进效果进行有效追踪, 无法保证对学生提高个人综合素质的持续性、有效性关注。学生综合管理的决策应该是多方位的:一是建立模型充分分析获取的学生综合表现的信息, 获知学生的特长、性格、缺点以及影响他发展的关键因素等重要信息;二是根据系统数据分析结果制定方案, 既能保证学生特长的发挥发展, 又能有效帮助他改进不足, 甚至涉及学生文化素养的提高、良好性格的养成、专业能力的提升等, 方案的核心思想是缩小科学全面发展与学生显示表现之间的差距;三是建立有效的追踪调查, 对方案实施以后的每周、每月、每学期的表现分阶段进行综合分析, 对反馈方案执行的效果进行实时调整。学生综合管理不是完全结构化管理, 其中既有结构化, 又具随机性, 属于半结构化, 而引入决策支持系统则可以保证管理成本最低和效果最优的双重目的。

4.学生综合管理系统数据信息化程度高、灵活多样。

学生综合管理需要整合大量的数据, 如学生信息包括年龄、性别、家庭、经济状况等, 又如学生综合管理内容包括考勤管理、奖惩情况、学习成绩、内务整理、社会实践等。需要解决学生在各方面表现的定量问题, 这些都是决策支持系统最擅长的。

三、学生综合管理决策支持系统的建立

1.决策支持系统过程。

图1展示的是学生综合管理决策支持系统工作过程示意图, 学生综合管理部分负责数据采集和整理。关键部分是模型的建立, 将对应数据导入模型, 通过分析得出决策方案, 通过评价步骤得出最终的最佳方案。

2.学生综合管理决策支持系统核心。

(1) 实现数据的集中化存储和管理, 该管理中心采集学生的个人基本信息、考勤信息、考试成绩、社会实践、奖惩信息、校外荣誉、学校任职等数据, 这是整个决策支持系统的数据仓库, 是一切分析模型和决策方案的数据源头。

(2) 通过数据分析, 最大程度地发现学生的特点, 灵活选择培养方案, 以有利于发挥学生的个人特长, 弥补不足。依据学生的经济情况、勤工助学、日常开销等信息综合确定需要进行资助的学生, 并给出补助方案 (捐助、国家奖学金补助、一般补助等) 。对学生的考勤、学习成绩、考试作弊等进行分析, 建立预警机制, 给出指导性方案, 有针对性地对学生自身不足进行教育管理。

(3) 数据挖掘。决策所需要的数据来源于透视数据库, 不是一般的数据库, 透视数据库中的数据通过数据挖掘即可获得, 挖掘的主要功能是通过分析数据库和外部数据从而获取有效数据, 生成透视数据库。过程如图2:

3.学生综合管理决策支持系统功能结构。

(1) 信息存储与服务功能。学生综合管理的主要作用是存储学生的各类信息, 同时将信息进行共享, 以供不同的用户 (决策者、班主任、辅导员与学生个人) 查询, 也为学生管理部门提供所需要的数据支持, 发挥好服务作用。

(2) 进行必要的科学运算的功能。该决策支持系统不是单纯的最优化选择, 也不是单纯的数据存储, 而是在必要的时候对数据库中的历史数据和外部输入的数据合并进行科学的利用和运算, 从而列出可供选择的方案, 以供决策者评估和抉择, 更多的是体现了不同用户的参与性。

(3) 突出的预警功能。通过对学生历史信息数据的分析, 提前对学生即将发生的违纪行为、学业成绩进行预警, 通过短信、电子邮件、警告提示、联系家长等方式帮助学生提高认识, 及时改正不足, 杜绝违纪行为的发生, 突出预防和堵漏。

(4) 规范化数据的输出功能。系统有一般信息管理系统的查询和报表功能, 同时可以输出学生综合发展的预测与培养方案。功能结构如图3:

四、学生综合管理决策支持系统实施要点

1.建立完备的学生综合管理系统。

以信息管理系统为基础, 以决策支持系统正常运作为最终目标, 组织人员群策群力建立完备的学生综合管理系统, 建立一个强大、完善的数据资源库, 为决策支持系统的运行提供强力支持。

2.领导牵头, 建设合理、高效的校园信息化网络系统。

学生综合管理决策支持系统在学校整体工作和管理中不是孤立的, 而是将学校信息化应用推向更高一级应用的关键, 同时该系统与教务管理、学籍管理、组织关系管理等若干部门也需要进行数据共享、信息共用。要完成决策支持系统的应用普及工作, 仅仅依靠技术人员是不够的, 需要领导集体作出统一规划, 大力支持下才能有所发展和作为。

3.建立信息小组, 专职负责学校信息化网络和系统建设是保证高效实施的有力举措。

信息小组的任务就是分析校园信息化建设现状、前景, 结合自身实际, 提出合理化建设方案, 负责方案论证与实施, 维护好整体信息化建设进程和发展。

五、结语

学生综合管理决策支持系统的建立是提高学生管理效率, 培养高质量人才的有效手段之一。系统建成后, 既可保证了数据的高度共享, 又可通过分析我们忽略的数据帮助我们及时改进培养思路和方式方法, 保证信息及时反馈, 高效处理, 是未来学生管理工作的主流方向。同时, 我们也认识到随着数据量的复杂程度提高, 数据挖掘环节和支持组织决策等方面值得深入细致地进一步研究。

参考文献

[1]张广钦.信息管理教程.北京大学出版社, 2005.

[2]周根贵.数据仓库与数据挖掘.浙江大学出版社, 2004.

[3]吕建强.高校学生信息管理系统的研究与技术分析.科技情报开发与经济, 2006, Vol.16, No.8

[4]郑晓艳.数据挖掘技术在大学生专业方向指导中的应用.天津工程师范学院学报, 2006, Vol.16, No.2.

医院管理决策支持系统 篇2

煤矿安全监管执法与决策支持系统

使用与管理办法（试行）

第一章 总则

第一条

为了规范山西省煤矿安全监管执法与决策支持系统（简称执法网系统）的建设、管理、使用和维护，保证系统的正常运行，充分发挥其在煤矿安全生产中的作用，依据《国务院关于进一步加强企业安全生产工作的通知》（国发〔2010〕23号）、《煤炭工业矿井监测监控系统装备配置标准》（GB 50581-2010）和《煤矿安全生产监控系统联网技术要求》（MT/T 1116-2011）制定本办法。

第二条 执法网系统是为了提高行政效率、加大对煤矿企业的安全监管力度，促进煤矿安全生产，根据相关国家标准，利用煤炭专网作为传输途径建立的煤矿安全监控系统、煤炭产量监测系统、煤矿井下作业人员管理系统由煤矿至县（集团、子公司）、市（省属集团）、省煤矿监管部门的同一平台联网、实现数据综合利用、对煤矿安全生产进行网络监管的计算机信息系统。

第三条

煤矿企业应当执行煤炭管理部门依据有关法律法规利用执法网系统下达的网络监管指令。

第二章 组织机构和职责 第四条

各级煤炭管理部门、集团公司和煤矿企业的调度机构（总调度室）负责执法网系统的管理和使用。

第五条

各级煤炭管理部门、集团公司和煤矿企业要建立和完善各项管理制度；确定分管领导，配备值班人员，每班值班人员不少于2人，实行24小时值班。

三章 系统的建设

第六条

省煤炭工业厅负责执法网系统的统一规划，对执法网系统建设工作进行指导。

第七条 各级煤炭管理部门、集团公司和煤矿企业应当使用省煤炭工业厅统一开发的执法网系统软件，配齐相应的硬件及系统软件。如因监管需求需对执法网软件进行适应性改动，应经省煤炭工业厅同意，并在保持软件主体结构、数据标准不变的情况下进行。

第八条 各级执法网系统应配备时间同步设备或采取定期进行人工对时等措施，保证各级执法网服务器的时间同步。

第九条 各煤矿企业要按照AQ6201-2006、AQ1029-2007、AQ6210-2007、AQ1048-2007、MT1082-2008、MT1080-2008等相关国家标准建设完善安全监控系统、井下作业人员管理系统、产量监测监控系统；按照《山西省煤矿安全监管执法与决策系统数据采集标准》为执法网系统上传合格的数据。用于上传数据的上传服务器要实现一主用一备用，并配备专用于执法网的终端。

第十条 安装执法网主机系统的机房要符合国家电子计算机机房的相关规定。煤矿企业的机房要有双回路供电，各机房均应配备在线式不间断电源系统（简称UPS），保证电网停电后执 法网系统连续运行时间不小于2小时。

第十一条 新建、改扩建、资源整合等建设矿井的执法网系统建设要与矿井建设同时设计、同时施工、同时验收。没有执法网终端或不能向执法网上传合格数据的矿井，不得通过投产验收。

第四章 系统使用和管理

第十二条

执法网系统信息接收和报警处理是指对煤矿安全监控系统、煤炭产量监测系统、煤矿井下作业人员管理系统等系统上传的各种配置数据、实时数据、报警数据及系统异常数据的接收和处理。

第十三条

执法网系统实行分级管理。省、市煤炭管理部门的调度机构（总调度室）负责本辖区内执法网监测数据的统计、分析，对下级煤炭管理机构执法网系统的运行进行指导、考核。县级煤炭管理部门、集团公司的调度机构（总调度室）负责对辖区内煤矿的监测监管、监管指令的下达和督办，并对煤矿企业执法网系统运行情况进行监管、指导和考核。

第十四条 省煤炭工业厅调度机构应在每月10日前对上月全省执法网系统运行情况、报警及处理情况等进行分析、总结，并通报全省。

第十五条 市煤炭管理部门调度机构应每月5日前对上月本市执法网系统运行情况、报警及处理情况等进行分析、总结，通报全市并上报省煤炭工业厅调度机构。

第十六条 县级煤炭管理部门、集团公司的调度机构（总调度室）值班人员应监视执法网系统显示的各类报警、异常和执法 指令执行情况的反馈等信息，对执法网系统显示的各种报警、异常情况应按有关规定处理，对未及时处理的报警信息应依据相关规定通过执法网系统向煤矿企业下达指令，并督促整改。值班人员应做好当班运行记录，打印有关报表，每周对所辖煤矿企业的执法网运行情况、报警及处理情况等进行分析、总结，通报所辖煤矿企业并上报上一级监管部门。

第十七条 煤矿调度机构（总调度室）应及时填写和更新煤矿基础数据和矿图；认真监视执法网终端显示的各种信息，通过执法网终端接收上级煤炭监管部门下达的监管指令，上报监管指令的处理结果。

第十八条 各级监管部门、集团公司和煤矿企业的执法网管理机构应按照规定打印执法网系统运行日报、旬报、月报、年报等，并呈报相关领导。

第十九条 各级调度机构（总调度室）要对执法网系统的数据进行备份，备份数据保存不少于2年。

第五章 系统维护和故障处理

第二十条 各单位应确定本单位执法网系统的维护机构，做好维护工作。

第二十一条 应保证执法网系统24小时正常可靠运行。第二十二条 网络出现故障后要积极组织抢修，并将发生故障的时间、现象、原因及处理方法、恢复时间等做好记录，同时向上级监管部门报告。

第二十三条 对于软件故障的处理，按照《山西省煤炭工业厅“安全网络系统”软件维护管理办法》（晋煤办调发【2011】 132号）执行。

第二十四条 系统管理人员应根据需要分级设置密码，操作人员应按照各自的权限进行工作，不得越级操作。执法网系统的各类设置和参数，未经许可不得变更。

第二十五条 执法网系统不得与互联网（Internet）联接，任何人不得在专用于执法网的服务器上运行与系统无关的任何程序。

第六章 培训

第二十六条 各级执法网系统值班人员必须具有中专（高中）或同等及以上学力，具备一定的煤矿安全生产专业知识和计算机知识并掌握系统运行的操作技能。

第二十七条 各级执法网系统值班人员必须经具备三级及以上煤矿安全培训资质的机构培训，取得各市、各集团颁发的培训合格证后，持证上岗。已取得合格证的人员每三年复训一次，每次不少于20学时。复训的主要内容包括法律法规、新政策、新标准、新技术等。

第七章 考核及处罚

第二十八条 执法网系统实行分级考核制度，并将执法网系统运行、管理等工作作为上级煤炭行政主管部门对下级煤炭行政主管部门和煤炭企业年度目标责任考核内容。

第二十九条 省煤炭工业厅每年、市煤炭工业局每半年、县（集团公司）每季度组织一次执法网系统运行、使用情况检查。

第三十条 煤矿企业发生下列情况要责令限期改正： 1．企业没有分管执法网工作的领导或调度室未确定执法网主管领导，未按规定配足值班人员或值班人员未经培训无证上岗的；

2.执法网系统值班人员漏岗、脱岗的。

3、未按要求向执法网系统提供安全监控系统、井下作业人员管理系统、产量监测监控系统数据的。

4.对报警、异常信息没有及时处理，未按规定上报的。5.对上级通过执法网系统下达的执法指令没有及时响应的。

第三十一条 市、县煤炭管理部门通过执法网系统发现煤矿企业存在违反法律法规、行业标准等行为时，应依据相关规定对该煤矿进行相应的处罚。

第八章 附则

第三十二条 本办法适用于山西省范围内省、市、县各级煤炭监管部门、各集团公司及各煤矿企业。

医院管理决策支持系统 篇3

【关键词】科技经费管理；决策支持系统；定性因素；设计

1.概述

科技经费管理决策支持系统本质上属于决策支持系统（DSS）的分支，其处理对象是科技经费投入和产出的分析。从科技经费管理决策支持系统的构成和设计依据来看，处理知识规则和逻辑判断，涉及到的环节较多，需要对经费使用的细节、目的性、使用效率等进行评估。对于一个通常意义下的科技经费管理决策支持系统而言，一般都包含了表示层、逻辑层和数据知识层三个基本的结构。其中逻辑层需要处理的内容最多，包括模型库、数据发掘和知识库管理等较为复杂的内容。本文就将对逻辑层的内容展开分析，主要分析在数据处理中较为关键的知识表示方法，这类数据属于定性分析（非定量）的内容，而处理方式对决策影响较大，因此有深入研究的必要。

2.知识表示方法

在决策支持系统中，有大量的定量数据，可以直观的给出某项指标的水平，也需要处理一些难以用定量数据来描述的内容。而这些定量和非定量的内容都可以用一种通用的概念——知识来表述，即可进一步的将知识定义为针对一个或一类问题或领域，通过对客观数据的分析和处理所抽象出来的规则集合，或是以特定结构和逻辑组织起来的数据集合。在明确了知识的基础上，便可进一步通过知识工程学的有关理论来进一步研究知识的表示方法，这是在处理决策支持系统时的重要基础。

知识表示方法主要有四类，产生式规则表示法、语义网络表示法、框架表示法和面向对象表示法[2]。本文以科技经费管理决策系统作为研究对象，由于该系统中所包含的内容具有对象类型多样的特点，其中包含较多定性指标，通常的系统设计逻辑不容易处理好这类问题。本文以此为背景，研究以面向对象的表示方法来作为科技经费管理决策支持系统的知识描述方法。

面向对象的知识表示方法所依据的林论基础为面向对象技术（OOKR），面向对象的知识表示是将多种单一的知识表示方法按照面向对象的设计原则组合到一起而形成的混合知识表示形式。面向对象的知识表示方法可以处理结构性知识、过程性知识和面向对象的推理三类较为复杂的知识表示。因此这一知识表示方法能够以较为接近人的认识方式来描述不同的数据，而且能够整合已有的表示方法，在不同的数据之间的融合方面具有明显的优势，加之可以利用对象之间的逻辑推理和协作，对较为复杂的问题能够进行有效的分解求解。

3.科技经费管理系统中的信息处理

3.1 信息类型

科技经费管理决策支持系统需要处理和科研经费的使用和决策相关的信息。从知识表达的角度看，不同类型的信息都可以归为某种知识。在科技经费管理决策支持系统的设计中，需要处理以下三类主要的信息（知识）：（1）科技项目相关信息。这是科技经费管理系统区别于其他类型的决策支持系统重要特征，这些特征性项目信息对于决策具有重要的参考价值。在这些和科技项目有关的信息中，包括科技项目的申报单位、科技项目所要研究的主要内容，以及通过项目的研究可能取得的成果和社会经济效益、项目研究中各个阶段和环节的经费计划使用情况等。对于这些和科技项目有关的信息形式多样，既有定量内容，也有文字描述的定性内容，因此是较为繁琐也较难表述的部分。（2）规则信息。这类信息主要用于描述科技项目的政治、法律法规等外部环境，如对于某些特定的科技项目是否有国家有关政策的支持和扶住、是否有专项资金支持等，通常在进行系统设计时都将这类外部信息作为规则信息处理，归为规则性知识。这类信息多数为逻辑型和定性描述的内容，不便量化，因此采用面向对象的逻辑推理方式进行描述较为方便。（3）评价模型。作为决策支持系统不可缺少的部分，评价模型在科技经费管理决策支持系统中非常重要，评价模型针对在科技项目不同阶段的特点，分别制定相应的评价模型来完成分析和决策，例如在科技项目的申请和审批阶段，就需要利用相应的模型来对科技项目的申请人具备的科研能力以及可能取得的研究成果、申请人所提出的经费合理性做出评价，从而供决策者利用评价结果来做出判断。

3.2 科技项目申报书信息的抽象和处理

对于系统设计者来说，对于某个申报的科技项目的了解，主要来自于项目申报书，且申报书的内容又大多以文字描述，因此对这些文字性的内容进行抽象和分类，提取和项目的有关的管理和决策信息就显得很关键。需要从项目申报书中提取的内容主要包括项目基本信息、项目负责人及项目组情况、项目承办单位情况、关于项目本身研究内容与进度的信息、项目经费预算。这五类信息中，前四类都属于定性描述的内容，最后一项属于定量描述的内容。

对于定性内容，在程序设计时可采用建立不同的类（class）来进行处理，对于上述五类信息，可分别建立起项目类（记录项目的名称、编号等信息）、参与人员类（记录参与人员姓名、职称等）、负责人类（记录项目负责人信息，如负责人所在单位、职称、联系方式等）、承办单位类（记录单位名称）、地址类（记录有关联系人的通讯地址、工作地址等）、账户类（记录和项目有关的资金支付账户）。

4.系统相似项目的匹配分析方式

科技经费管理决策支持系统的重要功能之一就是评估项目的经费预算的合理性，进而做出决策。在这个评估过程中的一个很重要的参考因素就是类似项目的预算情况。通过对比类似项目的经费使用情况，能够对申请项目的经费使用预算做出有益的参考。但两个项目之间的相似性程度是一个模糊概念，跟决策者的经验有关，因此难于采用定量分析的手段。为了解决这个问题，本文尝试采用面向对象的推理方式来做出决策。采用这种方式的步骤如下：

（1）选取匹配指标。这一步是为选定申请项目的控制性指标，作为在数据库中搜索类似项目的标志，如果找到了类似的项目，则调出该项目的决策信息。如果项目比较特殊，没有找到可参考的对象，则返回空值。（2）如果找到了参考项目，则分析和比较本项目和参考项目之间的指标，对项目预算进行评估和建议。在上述两个步骤中，关键是选择合适的指标，在评价项目之间的相似性时，需要利用一定的相似评判方法。通常情况下，计算两个数据之间的相似性需要借助于相似性理论，通过计算相似度来辅助决策。但这一方法还需要对不同相似评价指标之间的权重，要合理的拟定这些权重很困难。因此为了便于分析比较，采用以下方法来比较项目之间的相似性：选取项目类型特征指标，按如下优先级进行排序，项目的关键字、所用技术、应用领域、所属领域、经费数量等因素，通过对数据库中已有项目的遍历对比，来寻找与目标项目接近的项目，当存在某因素交集时记为1，无交集记为0，并做出累加，最后选取总得分最高的项目作为最佳参考项目。在找到接近项目后，调用对比项目的经费使用情况来判断。从理论上讲，应着重研究项目相似度的计算理论，通过对项目间进行全面的相似度分析，可以作为后续课题展开研究。

参考文献

[1]徐伟，王儒敬，杨化峰.基于RuleML的多级知识单元知识表示方法[J].计算机工程与应用，2005，1.

[2]贺玲，吴玲达，鲁汉榕.一种可用于基于内容智能检索的知识表示方式[J].计算机工程与应用，2000，35（1）：1-4.

医院管理决策支持系统 篇4

一、投资决策流程分析

美国经济学家Simon将经济组织内的决策过程进行了归纳总结, 提出了决策过程一般模型[2] (图1) , 认为决策的过程分为三个环节, 即情报活动, 确定决策目标;设计活动, 拟定不同的可行性方案;选择活动, 选择最优方案。三个过程相互关联, 互相作用, 形成了决策的动态过程。

根据Simon的模型, 结合投资决策过程实际, 将决策过程一般模型具体化, 可以得出支持DSS系统逻辑的投资管理决策过程模型 (图2) 。

二、投资管理DSS模型库管理系统设计

2.1投资决策DSS模型库规划。

本文使用面向对象语言搭建模型库管理系统, 其基础思想是将投资决策问题划分为不同的类[3]。根据投资决策的特点, 模型库划分为知识模型类和数学模型类两个子类, 并将数学模型类按照投资决策支持的需要, 进一步划分细类 (图3) 。知识模型在投资决策DSS中表现为对投资决策任务的分析和推理以及风险控制规则, 是对投资决策规则的定义及行为的约束;数学模型是投资决策DSS进行分析决策的核心, 用以实现对投资决策问题的计算分析。其本质是输入变量 (X) 到输出变量 (Y) 的映射, 即, 包含输入变量、输出变量、数学表达式和算法对象四要素。以β指数模型为例, 如果投资者希望使用β指数模型选择收益波动小于基准值的投资组合, 则其一般形式是:

则β指数模型类可描述为:

类名称:β指数模型类

父类:数学模型类

属性:ri//输入变量集

rm//输入变量集

输入变量集

决策变量集

Get_Function//获取目标函数

Get_Constraint//获取约束条件

Simplex//求解β指数问题的单纯形法;

[结束]

各类模型从模型的结构角度可划分为原子模型和组合模型两种[4]。原子模型不可分割, 在投资决策DSS中负责进行基础的运算, 如计算期间收益率、价值波动率等;组合模型则按照自身的模型结构组合原子模型而成, 负责进行趋势判断、策略等的计算, 如计算收益率的持续性、风险波动率的变动预测等。

2.2投资决策DSS模型库管理系统架构。

模型库管理系统由模型库、模型字典、内外部数据库和模型库管理模块构成 (图4) , 模型库储存的是模型的代码, 在面向对象语言下模型库就是模型对象集;模型字典储存着各个模型的编码、方程式、功能, 模型在模型库中的定位等信息, 以供决策计算时模型库管理系统调用;外部数据库提供支持决策的外部参考数据;内部数据库不但用于提供内部决策支持数据, 还会根据系统的运算情况进行动态调整, 实时跟进最新的内部管理情况。管理模块具备模型的运行, 存储和生成功能, 根据计算需求从模型字典中调用相应模型进行计算或生成新模型。

2.3投资决策DSS模型库管理系统运行流程。

模型库管理系统的运行流程首先是读取模型, 依照模型的属性执行模型的操作, 原子模型则直接进行参数取值和计算, 组合模型需要依照模型逻辑执行各个原子模型的计算, 并实现各个原子模型间数据的正确传递。原子模型结构固定, 组合模型的结构和运算逻辑可根据决策需要, 通过建模功能实现调整或者新的组合模型的生成。模型运算的结果会根据投资者在各个环节的反馈情况进行调整, 实现模型库管理系统的动态化。

结合图2的投资决策过程模型, 得出投资决策DSS模型库管理系统运行流程如图5所示。

三、总结

模型库管理系统设计的合理性体现为充分实现DSS系统的动态运作。本文基于面向对象法, 结合对投资决策流程的分析, 从模型库管理系统的模型类划分、系统结构和系统运作流程等方面论述了投资决策DSS的模型库管理系统设计方案。在其支持下能够保证投资决策DSS的性能和实用性, 满足投资决策的系统性需求。

参考文献

[1]黄梯云.智能决策支持系统[M].北京:电子工业出版社, 2001.

[2]何开伦, 李军.实用型营销决策支持系统原型研究[J].重庆工学院学报, 2000, 14 (3) :64-67.

[3]王冰, 琚春华.面向对象DSS模型库设计[J].计算机时代, 2005, 6:15-17.

决策支持系统论文 篇5

【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

智能决策支持系统探究 篇6

[关键词] 决策支持系统 人工智能 智能决策支持系统

一、引言

决策者要经常面临一些非结构化状态,这些状态处理起来既复杂又困难,并且不能用标准的常规的方式来解决。决策支持系统(DSS)是以交互式计算机为基础的系统,它允许决策者直接干预并帮助他利用他的经验和判断来解决半结构化或非结构化的问题。作为新的基于计算机的信息系统,DSS首先由Scott Morton早在1970s明确的提出,在20世纪70年代中期,Keen和Scott Morton引入了DSS的概念。智能决策支持系统(IDSS)是决策支持系统和人工智能的结合,在20世纪80年代中期,人工智能领域的研究者们把知识表示和知识加工的思想引进到DSS中,弥补了传统的DSS的只依靠模型技术和数据处理技术的缺陷。

二、DSS和IDSS的概念

决策支持系统(Decision Support System,DSS)是信息系统研究的最新发展阶段。它是一个融计算机技术、信息技术、人工智能、管理科学、决策科学等学科与技术于一体的技术集成系统。传统的DSS使用数据模型和数值计算方法来辅助决策,具有无法表示复杂决策过程的局限性,随着AI技术的发展,专家系统的出现,1981年Bonczek等人提出将DSS与ES相结合,分别发挥DSS数值分析与ES符号处理的特点,将定性分析和定量分析有机结合,使其能够进行知识处理,以方便、准确地模拟客观世界,全面地反映决策过程,从而有效地解决半结构化和非结构化问题,形成最初的IDSS。

IDSS是管理决策科学、运筹学、计算机科学与人工智能相结合的产物。利用专家系统(ES)技术,预先把专家(决策者)的建模经验整理成计算机表示的知识,组织在知识库中,并用称为推理机的一组程序来模拟决策专家的思维推理,形成一个智能的部件;在经典DSS中需要决策者干预时,就先访问此智能部件,只有当它也无能为力时,才请求人工干预,这样就可以大大提高决策效率并减轻管理决策人员的负担。

三、DSS和IDSS的结构

1.DSS的结构。DSS发展至今大家比较公认的一种为“三部件”结构。它主要由数据部件、模型部件和对话部件组成。具体表现为以下四个系统:(1)数据管理子系统;(2)模型管理子系统(3)知识管理子系统;(4)对话子系统。

2.IDSS的结构。智能决策支持系统(IDSS)是在决策支持系统的基础上集成人工智能技术,特别是专家系统而形成的,它既充分发挥了专家系统中知识及知识处理的特长,也充分发挥了传统决策支持系统中数值分析的优势。既可以进行定量分析,又可以进行定性分析,能有效地解决半结构化及非结构化的问题,这就大大扩大了决策支持系统的应用范围,提高了系统求解问题的能力。

四、基于AI的IDSS

人工智能(AI)是让计算机来模拟人类智能,由于模拟途径的不同,产生了不同的AI理论和技术。通过心理学的途径,总结人们思维活动的规律,产生了人工智能的符号机制,后发展成ES;根据生理学、认知科学等对人类学习机理的了解,建立人类学习的计算模型或认知模型,形成了机器学习理论;通过社会学的途径,研究人类在社会中的行为,将人类模拟成为多种智能体品质构成的有机的整体——Agent,综合考虑Agent技术及其在Agent环境中的行为,这就是Agent技术和理论。除此之外,还有自然语言理解等人工智能技术。将上述不同的AI技术与DSS相结合,形成不同形式的IDSS,下面对它们分别介绍。

1.基于ES的IDSS

ES是目前AI中应用较成熟的一个领域,一般由知识库、推理机及数据库组成,它使用非数量化的逻辑语句来表达知识,用自动推理的方式进行问题求解,而DSS主要使用数量化方法将问题模型化后,利用对数值模型的计算结果来进行决策支持。在IDSS中,将DSS和ES相结合,主要有三种结合方式:(1)DSS和ES的总体结合;(2)知识库(KB)和模型库(MB)的结合;(3)数据库(DB)和动态数据库的结合。

由以上DSS和ES三种结合方式,就形成了三种IDSS的集成形式:(1)DSS和ES并重的IDSS结构;(2)DSS为主体的IDSS结构;(3)ES为主体的IDSS结构。

2.基于Agent的IDSS

Agent是目前AI领域的研究热点,主要有智能型Agent研究、Multi—Agent系统研究和Agent—oriented的程序设计研究三个方面。Agent自身应该具有知识、目标和能力。知识是Agent对其周围环境和要求解的问题的某种描述。目标是Agent解决问题所能达到的程度。能力就是Agent自身具有的解决问题的技能。针对不同的具体任务,人们构造了不同种类的Agent来满足需要。界面Agent、信息Agent、移动Agent和协作Agent就是其中的四种。关于Agent的资料很多由于篇幅限制这里不再展开阐述。

五、IDSS研究过程中要解决的问题

1.智能部件的设计和实现。IDSS中的智能性可以表现在知识库部分,模型库部分和数据仓库(数据库)部分。对模型库系统部分包括模型库的组织结构、模型库管理系统的功能、模型库语言等方面的设计和实现,主要是模型的表示和智能构造及重用,如何使模型库中的模型具有知识,以有效地将定性和定量分析相结合。

2.系统各部件之间的交互。系统各部件之间的联系通过部件之间的接口来完成,包括对数据存取,对模型的调用,对知识的推理和修改,人机界面对各个模块的调用和协调.如何实现各个部件之间的高效交互,使信息能高效传递是一项需长期研究的任务。

3.系统的集成化。如何根据实际需要,以现实经济社会为依托,运用多种技术和方法进行系统综合集成,使系统各部件有机地结合在一起,形成完整实用的系统。

六、结束语

IDSS的发展趋势是向着综合化、集成化方向发展,综合利用多种技术来实现IDSS已是构建现代IDSS的必然趋势。IDSS的研究工作应该突出在系统的智能性和对决策支持两个方面。随着现代科学技术的发展,AI、数据库领域都出现新的技术,如何有效地将这些技术应用于IDSS的构建中,把数据仓库、数据挖掘、模型库、数据库、ES、面向对象、Agent、机器学习等的优点结合起来,集成综合的决策支持系统,开发出实用而有效的IDSS是当前IDSS发展中的首要问题之一。

参考文献:

[1]高洪深.决策支持系统(DSS)理论、方法、案例.北京:清华大学出版杜,2000.

[2]GA Gorry,MS Scott Morton. A framework for management information systems.Sloan Management Review,1999.

[3]黄梯云.智能决策支持系统北京:电子工业出版社,2001.

[4]陈文伟.决策支持系统及其开发(第二版).北京:清华大学,2000.

[5]赖景和.周运森.决策支持系统在企业管理中的应用.现代科学,2004,6.

[6]毛海军,唐焕文.智能决策支持系统研究进展.小型微型计算机系统,2003,5.

医院管理决策支持系统 篇7

在医疗信息技术飞速发展的今天,医院间的竞争也日益加剧,越来越多的医院认识到正确及时的决策是医院生存和发展的关键所在。因此,充分利用现代科技信息技术,自动快速获取有用的决策信息,为医院提供快速、准确的决策支持,已成为大多数成功医院的共识。计算机技术、网络技术的应用,深刻地影响着医院信息化发展进程,基于医院业务流程的各类信息管理系统,如HIS、LIS、PACS、人员管理系统、财务管理系统等在医院广泛应用,为医疗业务服务的流程化、规范化,提高人员工作效率发挥着不可替代的作用。同时,也积累了大量规范化的基础业务数据,利用这类基础数据,特别是从中提取管理决策者关心的数据信息,为医院经营决策提供数据支持,在提升管理水平、创新管理模式上发挥作用,已成为医院信息化建设追求的新目标。

2 决策支持系统的组成

2.1 决策支持系统

决策支持系统(decision support system,DSS)是以管理学、运筹学、控制论和行为科学为基础,以计算机技术为手段,综合利用现有的数据、信息和模型实现决策支持过程的一种工具[1,2]。

2.2 数据挖掘

数据挖掘就是从大量的数据中提取知识信息,称之为知识发现(knowledge discovery in databases,KDD),是知识发现的一个过程。

2.3 数据仓库与数据仓库系统

数据仓库就是支持管理决策过程的、面向主题的、集成的、稳定的、不同时间的数据集合。数据仓库系统是由外部数据源、数据源转换/装载形成新数据库和数据分析工具组成的集合。

2.4 联机分析处理

联机分析处理(on-line analytical processing,OLAP)是针对特定问题的联机数据访问和分析。通过对信息的多种可能的观察形式进行快速、稳定、一致和交互性的存取,允许管理决策人员对数据进行深入观察,以实现决策支持系统的各种要求。

2.5 维度与维度模型

维度是指提供一种观察数据的角度。维度模型是根据决策支持需求,按照各种观察数据的角度划分维数组织数据的方式的集合。

3 决策支持系统的构建

决策支持系统是建立在医院各类管理系统之上的,它将各类业务系统采集的基础数据加以整合,然后进行统计汇总分析。从医院管理运营的角度看,可分为核心决策、一般管理决策和业务分析决策3个层面,简单说就是领导层决策、职能部门管理决策、医务人员业务决策。由于他们各自的角色定位不同,故对决策支持系统的需求也有所不同。因此,要构建一个合理的决策支持系统,就必须从决策支持系统的需求分析入手。

3.1 决策支持系统的设计过程

首先,确立应用目标,对DSS进行需求分析,划分系统基本功能,确立数据呈现的内容,进而确定分析数据的方法与工具,借助工具结合需求创建数据仓库模型(维度模型),按照数据仓库模型组织数据的方法对已有数据源进行定义、转换、清洗、抽取,整合为符合分析方法所需的规范统一的数据源(数据仓库),如图1(a)所示。

3.2 决策支持系统的应用过程

用户通过系统功能调用查询相关信息,数据分析是指对数据仓库内的数据进行处理分析,将结果数据呈现给用户;数据加工则是将数据源的数据装载到数据仓库,供数据分析使用,如图1(b)所示。

上述设计和实现的过程,将数据分为原始数据、仓库数据、呈现数据3个部分,原始数据通过加工处理进入到数据仓库,仓库数据通过分析处理转化为呈现数据,这些部分有机地组织在一起就形成了决策支持系统的基本系统架构。所有决策支持系统无一例外都遵循这个模式。有的称为“总线结构”或“三层结构”,如图1(c)所示。

当然,这些并不是系统架构的全部,一个完整的决策支持系统还应包括诸如人工智能、专家系统及其知识库等其他内容,才能是一个完整的决策支持体系,如图2所示。

通过对决策支持体系架构的认识可以看出,数据仓库在整个系统中起到2个方面的作用:一方面它通过数据加工从基础数据源中提取数据(ETI),另一方面它又通过分析处理(OLAP)这些数据或称为“挖掘”,把分析处理结果呈现出来。所以说数据仓库是体系结构的核心,是决策支持系统(DSS)处理的基石[3,4]。

4 决策支持系统的实现

4.1 核心管理决策的实现

核心决策是医院决策层在全面分析了解多方面数据的基础上,所形成的一些前瞻性、方向性的重要决策,因此医院决策支持系统在建设上应注重在医院基本建设、重点学科建设、社会效益提升、人员绩效考核等重大决策方面发挥作用。例如,通过对患者病种的分析,可以找出疾病与发病人群分布、职业分布、年龄段分布以及地理分布的内在关联性,特别是与职业分布、地理分布的关系,从而指导医院开展“为兵服务”、“义诊”等活动决策更具针对性,避免在开展活动中流于形式。

核心管理决策的支持与管理者的意志有着很大的关联,同时也受医院的发展定位和自身条件因素的制约,对这类决策的支持决定了决策支持系统的特征,是建立决策支持系统的主要任务,然而其需求的多样性也是决策系统建设的难点。

4.2 一般管理决策的实现

一般管理决策是职能部门管理人员通过多视角统计分析数据,结合管理指标所作出的一些规范性、时效性较强的决策。例如,合理用药是各级卫生主管部门和医院管理部门对医生开具处方规范药品使用的一项管理要求,特别是抗菌素类药品的应用受到普遍关注。我们可以在决策支持系统中通过对每位医生、科室病区、乃至全院药品处方情况按照月、季、年时间段回顾,对每个药品品种及品规使用数量、金额进行统计回顾,采用药物利用指标等方式方法,建立合理用药动态监测分析,以此对经常出现的问题进行协调干预,促进临床合理用药,从而实现对医院非常态化用药现象的及时发现、提示、预警、纠错和规范,防范大处方等问题发生。

决策支持系统对一般管理决策的支持比较容易实现,其数据规范性较强,是医院整体运营状况的多视角反映。由于一般管理决策不受管理者的意志影响,也不因医院的自身条件的制约而改变,故而对这类决策的支持是决策支持系统的必须要求,是建立决策支持系统的基本任务。其重点和难点是各职能管理部门管理指标的确立,关键是这些指标的达成和修正,以及注重现有HIS已有功能与DSS功能的重叠。

4.3 医疗业务决策的实现

医疗业务决策是医务人员通过分析统计部分数据,所作出的一些知识性、专业性较强的决策,比如单病种人员在地区、年龄、职业、性别等的分布状况、治疗方案的确定等。对这类决策的支持,仅仅依赖统计、分析数据信息还难以提供很好的决策支持,还需要相关知识库、专家系统等共同完成。因此,对医疗业务决策支持系统只能采取成熟一个建立一个,在构建决策支持系统时应结合医院专业分布,有选择性地预留出接口,以便于今后扩充其功能。

5 决策支持系统的功能

决策支持系统是对医院各级管理者决策行为的支持过程,因此,决策支持系统在功能设计上必须建立在对医院的业务数据进行深层挖掘,形成具有决策性的管理信息,只有这样才能使医院高层领导始终掌握医院各种动态和运行情况,从容应对医疗服务市场,提供更好的医疗服务,从而提升医院的经营管理决策力[5,6]。

5.1 管理控制分析

管理控制分析包括医疗质量分析、医疗效益分析、医疗费用分析、医务人员工作效率分析等,如临床合理用药分析就是从药物的用法与患者病情2个方面帮助医院决策层或管理层综合分析医生是否存在故意开具大处方或不合理使用药物的现象,从而为其制定决策提供依据。

5.2 管理预测分析

管理预测分析主要包括经济效益、人才需求、医疗投入、中长期发展规划预测等方面。例如医院需要根据当前的医疗水平和市场环境等多因素来确定未来5 a的发展规划,医院决策层可以通过分析近几年门急诊人数、医疗收入与支出等数据来预测未来几年医院的发展趋势,进一步推算出医院对医疗设施设备、重点学科和人才建设等一系列的增长需求。

5.3 工作人员绩效分析

工作人员绩效分析可以借鉴企业资源管理中有关人员绩效管理的方式,系统地评价员工的工作行为和工作效率。例如对医生进行绩效分析:首先根据工作性质将全院医生进行分类,从工作数量与质量、效率与效益、科研与教学成绩、职业素养等多方面制定评价标准,并给予合理的权重和分值,进行综合考核[7,8]。

6 结语

建立决策支持系统是一个庞大、浩繁的系统工程项目,不能一蹴而就,多分析比较、把握需求,才能让它发挥应有的作用。需要特别指出的是,决策支持系统应该突出重点,强化对核心需求的支持,体现管理者意志,体现出医院自身特色,才能真正避免落入“为信息化而信息化”的怪圈。

摘要：目的:探讨构建一种适用于医院各级管理层的决策支持系统,从而全面提高医院的管理水平和决策效率。方法:从决策支持系统的基本概念与构架入手,结合医院各级管理决策的功能需求,构建与实现医院管理决策支持系统。结果:医院决策支持系统应满足核心决策、一般管理决策和医疗业务决策3个方面的决策支持。结论:核心决策是建立决策支持系统的主要任务,一般管理决策是建立决策支持系统的基本任务,医疗业务决策应结合医院实际逐步扩充。

关键词：决策支持系统,数据仓库,管理

参考文献

[1]杨鹏宏,韩俊.医院管理决策支持系统的建设方法[J].中国数字医学,2011,7(2):90-92.

[2]何彩升,彭望清,章向宏.基于数据仓库技术的医院管理决策支持系统的研究[J].现代医院,2010,10(2):1-4.

[3]刘丽华,胡凯,冯丹.如何提高医院管理者对DSS的利用率[J].中国医院,2009,13(10):2-4.

[4]郑万松,黄志中,杜战伟,等.基于HIS的医院管理决策支持系统设计研究[J].医疗卫生装备,2009,30(9):53-54.

[5]钟爱军,宋麒.基于数据仓库的医院决策支持系统的构建[J].数理医药学杂志,2007,20(4):535-537.

[6]刘佳,兰顺勇,张晓祥,等.数据仓库与数据挖掘在医院管理中的应用[J].医学与社会,2006,19(10):53-56.

[7]王春荣,李道萍.卫生管理决策支持系统的研究现状[J].医学与社会,2010,23(10):40-43.

医院管理决策支持系统 篇8

灌区管理DSS是指灌区管理人员在人和计算机组成的系统中, 以计算机为辅助工具完成灌区各种信息的分析、处理等工作, 产生供比较的方案, 帮助决策者进行问题识别, 并达到灌区合理规划和决策, 及时有效地利用资源, 获得最大的期望经济效益的目的。灌区管理DSS开发研究所达到的要求为:

1. 以支持水库灌区辅助管理和决策为落脚点, 提高灌区优化配水、安全排涝和抗旱减灾等方面的管理决策水平;

2. 界面友好, 交互操作方便、灵活;

3.模型库可以不断更新和完善, 且数据库能与其它外部数据资源共享。

一.DSS基本框架

水库灌区管理DSS是一种用于灌区辅助管理的软件平台, 主要由数学模型库、数据库管理系统 (Data Base Management System, DBMS) 和人机界面 (User Interface, UI) 三部分组成。

1、数学模型库是灌区管理DSS的核心, 含有灌溉配水子模型, 排涝子模型, 灌区农作物优化种植比子模型和灌区抗旱预报子模型等。具体介绍如下:

(1) 水库灌区配水子模型:该模型是根据灌区灌溉可用水量和各渠系农作物的需水情况, 优化灌区水量分配, 制定总干渠、干渠、支渠优化配水方案, 提高灌溉管理水平和经济效益, 对解决有限供水条件下的灌区配水问题效果比较明显。该模型具有供水能力分析, 用水分析, 供需平衡分析, 方案比选等功能。

(2) 排涝子模型:该模型根据我国水库灌区特点和灌区排涝系统实际, 综合考虑涝灾、渍灾对农作物的危害和地下水水位上升引起的土壤盐碱化影响, 分析排涝效益指标, 为决策者提供经济合理的排涝措施。

(3) 优化灌区农作物种植比子模型:该模型是解决在水库灌区可用水量、单位面积农作物收成、农作物价格、农作物净耗水量和农民在单位种植面积上的经济支出等前提下, 通过优化分配灌区农作物种植比, 使得灌区范围内农民的收入和管理单位的效益最大化。

(4) 灌区抗旱子模型:该模型是对实测的降雨、墒情、农作物生长情况、灌区可用水量和天气预报等信息进行分析处理和综合评价, 及时进行旱情预报, 并对旱情进行经济评估, 提出相应的抗旱措施。该模型应用随机模型和随机方法处理一系列随机数据, 在此基础上对灌区旱情进行概率分析。

模型库各子模型采用模块化程序设计方式, 各子模块之间互相独立, 这样可以根据需要编制或修改程序代码而不影响其它子模型的程序, 同时还可根据需要增减子模型, 因此有利于软件维护和功能的增减, 从而使系统具有良好的通用性和扩展性。

2、数据库管理系统 (DBMS) 是DSS建立的前提和重要组成部分, 具有数据产生、维护、存取、更新和准备等功能。

在DBMS结构设计中要充分考虑系统的安全性、保密性、可靠性、易使用性和响应速度等性能。

DBMS中数据主要分三类:水库灌区基本特性数据, 外部系统采集的实时数据和计算结果数据。

(1) 水库灌区基本特性数据包括水库库容特性, 灌区各渠系纵横断面特性, 灌溉面积及农作物分布等相对稳定的数据等。对该类数据的修改需要经过安全认证才可以操作, 从而保证数据安全保密真实有效。

(2) 外部系统采集的实时数据包括灌区水量, 旱情和雨情等数据, 由于该数据容量庞大, 在开发时要注意三点:

一是要考虑与外部数据接口, 以实现数据共享与兼容, 其措施为采用统一的数据库表结构、统一的数据接口和统一的字段标识符项目编码等;

二是对该类数据进行预处理, 提高辅助决策的效率, 要求进行实时数据交换和计算的程序能够实时连续工作, 不需要人的干预, 其措施是采用Client/Server结构, 应用程序安装在终端上, 实时数据和部分计算程序安装在后台服务器上, 服务器与外部数据库之间建立数据管道, 由触发器程序定时或人工实现数据的更新。

三是对历史数据进行归类处理, 避免数据占满有限的磁盘空间。

计算结果数据是决策支持系统的计算分析结果, 可以查询、显示和报表打印等。另外, 在计算过程中有大量的中间计算数据, 所以需要把中间数据存放到临时表格中, 这就要求在程序设计时删除后续程序不用的中间数据, 释放存储空间。

3、人机界面对话管理是为决策者提供用户接口的软件, 包括用

户登录, 程序驱动菜单, 数据修改接口, 图形显示, 数据结果提交和打印等操作。

根据该系统的特点要求人机界面具有:

(1) 高度可视化设计, 在输入/输出方面, 包括数据窗口和图形窗口, 可以将大量信息简单化, 直观化, 因而交互方便, 操作灵活;

(2) 前后关联的命令驱动及提示, 由于数学模型调用之前需要大量的数据准备, 因此采用按先后顺序的提示输入所需要的数据。

二、DSS系统开发

本系统基于面向对象的开发思想, 采用可视化的Visual C++作为前台开发工具, 运用SQL2000来进行后台数据库管理, 适用于Windows98/2000/NT/XP操作系统。

在灌区管理DSS各部分完成的基础上即可进行系统集成, 从而实现计算机、网络、数据库系统的协调工作。在该系统集成的过程中, 接口是考虑的关键环节。

随着科技的不断进步, 水库的建设也越来越完善。灌区管理DSS已经被广泛的应用于水库的管理系统中, 它是由人和计算机组成的系统, 首先, 以计算机为辅助工具完成灌区各种信息的分析、处理等工作, 产生供比较的方案, 帮助决策者进行问题识别, 由人的意识产生并达到灌区合理规划和决策, 及时有效地利用资源, 从而获得最大的期望经济效益, 有效的节省人力物力。

摘要：灌区管理决策支持系统是水利信息化建设的一个重要组成部分。本文介绍了水库灌区管理决策支持系统 (Decision Support System, DSS) 的基本框架, 探讨了数学模型、数据库、人机界面的解决方案及系统设计中应注意的问题。水库灌区管理DSS的开发研究对我国水利信息化具有重要意义。

医院管理决策支持系统 篇9

1 数据仓库、OLAP分析和数据挖掘技术

首先, 数据仓库是一个相对稳定的、面向主题的、集成的数据集合。这些数据来源于不同的事务处理系统, 数据仓库从这些不同的事务处理系统中抽取数据, 生成标准的报表和图表。对于高校来讲, 数据仓库将其所有的事务处理数据进行汇总归纳, 这保证了报表和图表反映的是整个高校的一致信息。

OLAP是重要的数据分析工具, 它可以让管理者从多方面、多角度对大量的数据进行迅速灵活地分析和处理, 从而提取出数据中的主要信息。OLAP的核心是多维分析, 它主要面向高层管理人员, 以数据仓库为基础对数据进行综合分析, 从而为管理层提供决策支持。

通常, 数据挖掘任务分为两大类:预测型模式和描述型模式。预测型模式主要包括序列模式、分类模式、回归模式、偏差分析等, 它是根据已有的数据集, 预测特定属性的值。描述型模式主要包括聚类模式、关联模式等, 它是对数据中存在的规律、规则作出一种描述, 或根据数据间的相似性将数据分组。

2 院校管理决策支持系统技术分析

2.1 院校管理决策支持系统架构

以数据仓库为基础, 以OLAP分析与数据挖掘为工具来构建院校管理决策支持系统 (如图1所示) 。

首先, 数据仓库从学校各个相关业务处理系统抽取数据, 对分散在学校各个部门的学评教相关数据进行综合、集成与转换, 提供面向全局的数据视图, 为数据查询分析和数据挖掘分析提供数据基础。

然后, 使用数据查询和联机分析处理, 从全局出发, 对各个部门的学评教相关数据进行分析处理, 进而实现对全校数据的综合分析。

最后, 采用数据挖掘技术对学校各部门学评教数据仓库中的数据进行挖掘, 发现数据中隐藏的模式和信息, 并对未来的趋势进行预测, 从而获得更多的辅助决策信息和知识。

2.2 院校管理决策支持系统主要功能

院校管理决策支持系统的生命周期管理的理念, 它的设计与开发主要从以下几个方面进行:获取信息、交换与传输信息、存储与管理信息、处理和发布信息以及信息共享服务。主要的功能模块包括:搭建数据指标体系、信息交换与传输、信息采集与管理、信息处理与发布、信息共享与服务、辅助决策动态展示以及系统管理等内容。

2.2.1 构建数据指标体系

为了给后续数据挖掘分析提供坚实、准确的数据保障, 院校管理决策支持系统首先要对数据指标体系进行梳理, 主要包含以下三部分内容:

(1) 基础业务数据指标:满足学校各部门日常管理与应用的数据指标。主要包含院、系两级系统模块的业务数据。

(2) 综合管理数据指标:满足院、系两级综合管理部门的数据指标。主要包括交换到信息资源中心的模块的业务数据实体。

(3) 核心数据指标:满足院校高级管理层用于决策的数据指标。主要包括信息资源服务用于院校宏观管理决策的相关数据指标, 来源于基础数据指标和综合管理数据指标。

2.2.2 信息交换与传输

数据交换与传输平台的总体架构分为三层:业务应用层、数据交换层及监控管理层。业务系统层用于提供信息交互的数据源;数据交换层通过不同种类的适配器和数据交换服务总线, 按照不同的业务需求进行编排, 使得有用的信息资源能够通过数据交换平台传递给资源使用者。监控管理层对整个信息交换平台的运行情况进行监控和管理, 它还提供了基础信息库管理与维护、用户及权限管理、日志管理及统计分析以及数据备份功能。

2.2.3 信息存储与管理

信息存储与管理平台可以为院校各部门间的业务互动及数据共享提供支持。主要包括信息的上传、发布、浏览及下载功能。

(1) 资源上载:各类信息由各自职责部门职责岗位业务人员上载;

(2) 资源发布:信息上载成功后, 可由相关权限人员进行发布操作, 从而决定该信息的授众, 进而控制信息的安全性。

(3) 资源的浏览与下载:在授权范围内查询浏览业务信息, 并且可对权限范围内的信息进行下载操作。

2.2.4 信息共享与服务

信息共享与服务模块是在信息资源服务上通过查询业务建模的定义与发布, 为用户提供常用的查询服务, 主要服务内容有:

(1) 业务查询。通过对查询业务模块的建模与定义, 实现院系两级基本数据库、业务数据库和管理数据库的无缝集成, 为用户提供界面友好的业务查询功能, 实现一站式管理数据的综合查询。

(2) 报表统计。在院校的日常管理中, 根据业务需要, 不同部门会有多种统计报表的需要, 通过报表组建可以提供强大的报表统计与集成功能, 使用户可以根据需要方便的浏览各种统计报表。

(3) 主题分析。对于关系较为复杂的数据集合, 可以使用主题分析功能, 从不同视角不同层次为信息管理与服务平台提供科研项目管理、人力资源管理、综合财务管理等各类智能分析应用。

(4) 全文检索。在资源目录下对用户输入的关键字进行检索, 查询到相关的文档、报表或图片资源。

2.2.5 辅助决策动态信息展示

搭建信息服务平台的关键是将信息服务由技术导向转变为业务导向。要解决这个问题, 需要开发辅助决策动态信息系统, 分析院校内各部门科研业务的内在规律, 充分发挥数据、信息和图表对业务管理和决策支持的效力, 提升服务质量, 对用户提供好友的服务平台。

辅助决策动态信息展示系统的应用架构为一个核心——管理元素 (资源元素) ;两类基础——资源管理、系统管理;三种模式——浏览模式、设计模式及管理模式。

(1) 一个核心。管理元素:是本系统的核心, 每个管理动态看板由多种基础元素组合而成, 主要包括文本 (描述性和分析结论性) 、图表、统计表等。

(2) 两类基础。系统管理:提供系统日常运行的管理功能。如用户管理和权限管理等;资源管理:维护管理元素基本信息 (包括类型、名称等) , 同时维护相关展示信息及数据信息。

(3) 三种模式。浏览模式:又称为基础应用模式, 主要提供查询、播放、下载、导出等常规功能。设计模式:又称为设计看板模式, 通过管理元素组合编辑管理看板, 提供所见即所得的设计界面。管理模式:又称为系统管理模式, 提供管理元素的维护功能, 包括维护元素的展示方式和业务数据集合, 提供资源管理、系统管理相关功能, 如图2。

3 总结和展望

数据仓库、OLAP分析和数据挖掘等技术都是新兴前沿科学, 为管理决策提供了一种有效的、可行的解决方案。随着决策支持系统的不断深入应用, 管理信息系统的作用将逐渐从服务于日常业务工作向为领导决策提供支持服务功能方面进行转变。

摘要：本文以科研教学资源管理为核心, 综合运用创新的管理理念和先进的信息技术, 对高校人力、资金、科研基础条件等资源配置及相关管理流程进行优化与整合。系统以数据仓库为基础, 利用联机分析处理和数据挖掘技术, 对数据进行了分析, 获取其中有价值的信息和知识, 为高校领导及管理人员提供决策支持。

关键词：管理决策支持系统,数据仓库,数据挖掘,OLAP分析

参考文献

[1]张震.数据挖掘技术分析及其在高校管理决策中的应用[J].远程教育, 2005.

[2]韩成勇.基于数据仓库技术的高职院校学评教数据分析决策支持系统的设计与实现[J].科技信息, 2009.

[3]陈文伟.数据仓库与数据挖掘教程[M].北京:清华大学出版社, 2006.

[4]曹煜.高校教学质量测评系统的开发及数据仓库与数据挖掘技术在其中的应用[D].沈阳:东北大学, 2005.

医院管理决策支持系统 篇10

关键词：Agent,智能,体育训练,决策支持系统

全民健身运动成为我国一项长期国策, 据有关方面统计, 我国国民整体身体素质呈现下降趋势, 其中, 大学生身体素质下降趋势最为严重。目前, 对于这一困扰问题, 我国政府高度重视, 先后出台了很多相应的政策和方法来应对, 由于体育教师水平参差不齐, 在制定体育训练计划、体育训练方法时个人主观意识比较浓厚, 不能有效地根据学生的个人身体素质有针对性的科学的制订计划和方法, 从而导致学生对体育训练的主动参与性不够高, 训练效果不明显, 在一定程度上制约了学生身体素质的有效发展。

1. 决策支持系统, Agent与MAS概述

Agent技术是一种在动态环境中能够自治运行, 并具有较高自治能力的计算机系统或实体。能感知不同环境下的变化, 并随变化主动做出相对应的调整。在众多Agent的研究中, 最经典和广为教授的是Wooldridge等人有关Agent的“弱定义”和“强定义”的讨论。每个Agent最基本的特性包括自主性、反应性、面向目标和针对环境性。强定义在此基础上加入知识、目标、责任、能力等精神概念。

2. 系统体系结构

根据大学生体育训练管理的特点, 结合Agent和MultiAgent的特性, 基于Multi-Agent的DSS大学生体育训练管理决策系统框架, 共定义4类Multi-Agent。

界面Agent主要用于实现和决策者之间实施交互, 界面Agent在实施交互过程中, 能够根据主动探测环境的变化, 获取决策用户的习惯、爱好、习性等主要特征信息, 从而在决策时, 提供最佳的用户界面, 为决策用户提供统一思想的辅助决策。

黑板控制Agent。黑板控制Agent是整个系统的控制中心, 它主要对黑板和系统中其他Agent进行直接地或间接地控制。通过自身的知识库和Agent之间的协作原则, 把需要解决的问题划分为若干相应的子问题, 然后分配到黑板中不同层次中, 对各层次进行相对应的管理, 消除Agent之间不同决策的冲突。

功能Agent。其功能对于从黑板接收过来的信息进行分类整理, 从中获取需要解决问题的目标, 之后对相关目标进行分割, 划分成若干个小任务, 转交给各自的一个或多个决策Agent来加以执行。

决策Agent。各个决策Agent与系统中的决策者或有关部门相对应, 完成全部系统每个具体决策任务, 在相应功能Agent的制约下, 借助决策Agent相互之间的协作, 实现决策。

3. 系统Agent的技术实现

3.1 Agent的实现

如今, 面向系统Agent的软件开发仅处于一个崭新的软件开发范畴, 由于Agent领域的相关理论知识和应用技术还不够成熟, 还没有形成统一的开发模式, 目前绝大多数采用面向对象技术的方法, 研发出拥有Agent一些基本特性的系统, 实现思路试将对象改装成Agent, 使改变装后对象具有Agent的反应性、自治性等一些基本的特性。Agent的功能实现需要三个部分组成:知识推理、通讯和执行模块。通讯模块主要任务是负责接收外部环境或别的Agent传输过来的信息, 并将信息转变成Agent所能理解的模式, 同时向外部环境或其他Agent发送此信息。知识推理模块, 它具有Agent的特性、方法和行为规范。能过自动进行更行, 为Agent自主活动的实施提供事实依据。执行模块, 是Agent内部的具体决策部件, 依据知识模块中的属性、方法和行为原则作出具体的判断, 同时及时更新知识推理单元的知识。

3.2 Agent间的通讯机制

在基于Multi-Agent的大学生体育训练管理决策系统中, Multi-Agent之间采用黑板模块来实现Agent间的通讯。

在Multi-Agent中黑板提供工作范围, Agent可以相互交换信息、数据和知识, Agent在最初创建时就已经在黑板上填写了信息项, 同时可分享给其他Agent所使用, 并更具Agent的具体需要可随时访问黑板, 以便获取更多新的信息。Agent采用筛选的方法提取自己所需的信息, Agent在黑板系统中, 他们之间不产生相互通信, 每个Agent独立解答求解的子问题。功能Agent, 把一个问题分解成若干个子问题, 让更多的Agent参与到求解的工作当中, 暂时性组成一个联盟, 一起去求解问题, 联盟求解工作结束后 (任务完成后联盟自动解散) 利用功能Agent将其信息传回给黑板汇总, 最终反馈给相应的Agent界面, 转交给用户。

4. 系统模型库、知识库管理系统

4.1 模型库管理系统

基于Multi-Agent的大学生体育训练管理决策系统中, 采用面向对象的模型来表现模型库, 还可把若干模型对看成一个对象进行储存和管理, 并提供与知识库系统相匹配的接口。

4.2 知识库管理系统

第一步要做好知识库基本结构的构建工作, 然后按照有关体育方面的专家所提供的知识, 经过吸收提取产生规则, 并储存在知识库系统中。知识库主要用于储存于决策有关的规则, 每一个规则都会被自动或人为的加上一个权重系数, 知识规则进行工作时会有很多规则符合相应的条件, 这时我们就会提取权重系数最高的规则来进行推理, 以便解决匹配问题的冲突现象, 产生式规则储存的同时决策过程中所产生的新的规则也一同储存到知识库里。

5. 系统实现

体育训练管理系统中的数据主要来源与陕西工院学生信息管理系统, 服装学院体育成绩管理系统, 体育训练计划数据库, 运动项目数据库等, 模型分为预测和优化模型, 例聚类模型、回归模型、EMSR模型等, 规则库中有预测计划规则, 例身体素质综合评估规则、体育训练手段规则、体育训练间歇安排规则等。

结论

本文针对目前大学体育教师很难根据学生实际情况制定出科学有效的训练计划, 结合Multi-Agent技术, 设计了大学生体育训练管理决策系统, 为大学生量身定做科学有效的训练计划。在大学体育训练管理中具有一定的应用价值。

参考文献

[1]刘大有, 杨鲲, 陈建中.Agent研究现状与发展趋势[J].软件学报, 2000, 11 (3) :315-316.

[2]黎建兴等.软件Agent的一种面向对象设计模型[J].软件学报, 2007, 18 (3) :583-584.

[3]冯梅, 郑明春.Agent的行为研究与应用[D].山东师范大学, 2001.

医院管理决策支持系统 篇11

【摘要】电力企业作为电力市场中的重要成员，时时刻刻都要面临市场的竞争压力，准确分析并科学结算发电成本，对合理控制发电成本具有重要意义，才能使企业获得最大的利润。论文对电厂报价辅助决策支持系统进行设计研究，并对其主要模块和功能作了简要地介绍。

【关键词】发电成本；电厂报价辅助决策支持系统

1.系统设计原则与功能需求

1.1设计原则。决策支持系统的目的是协助管理者做出科学决策，其三个主要成分包括对话部件、模型部件、数据部件。对话部件的功能是完成人机交互，即将用户需求转变为计算机内部可执行的形式，该部件通过控制、调用模型部件和数据部件，从而达到完成其目标的效果。模型部件有两个重要组成部分，模型库和模型库管理系统。模型库包括方法和组合模型，具有解决复杂实际问题的功能；模型库管理系统的主要功能是运行模型和管理模型，根据模型特点形成。数据部件也有两个重要组成部分，数据库和数据库管理系统，它是决策支持系统的重要组成部分，也是管理信息系统核心。它的主要功能是为模型提供数据，用以完成数据计算和非数值处理功能。同时，它也可以通过提供数据的形式起到辅助决策起作用。针对电厂发电报价的特点与具体流程，本文设计四库三功能的系统结构如图1所示。

1.2实现功能。电厂报价决策支持系统的主要实现如下几个功能：（1）数据采集存储及查询。采集电力市场与电力公司内部的实时数据，使管理人员能够及时、全面的掌握整个电网系统的运营状况，并合理分析电力市场的供需情况；（2）市场结算和校核。采集市场下载的年、月、日结算清单与带时间的上网关口电量，校核电量及费用，从而生成年、月、日的结算清单；（3）成本、收入及利润分析。对电厂发电以及提供的各类辅助性服务产品的收入进行计算，并按照年、月、日生成，以及汇总结算各种利润与校核表；（4）市场预测与分析。获取本公司发电的成本信息以及电力市场中各个发电商的历史报价信息，并预测未来电力市场的电价变化；（5）其他发电商市场状况分析。对电力市场中各发电商各机组的上网发电量、负荷率数据进行统计，并对其市场份额以及边际机组等情况加以分析；（6）报价辅助决策分析。分析、预测未来的电价市场情况，为管理人员报价提供辅助决策信息，并生成发电商年、月、日收入，利润汇总结算与校核表。

2.技术支持系统的框架与要求

2.1技术支持系统框架。根据发电报价辅助决策技术支持系统总体目标，其组成模块应包括成本管理、结算管理、报价管理、检修管理、经济运行、合同管理、数据接口以及浏览服务，其中系统的核心业务模块为报价管理模块、成本管理模块和结算管理模块，其系统结构框架如图2所示。

2.2系统总体技术要求。发电报价辅助决策技术支持系统的技术要求主要包括如下7条：（1）可靠性：即技术支持系统的可靠运行；（2）安全性：即采用适当加密防护措施，确保数据不泄露以及系统的安全运行；（3）完整性：即保证系统内部数据以及对外交易的完整性；（4）一致性：即系统内各种存储数据是一致的；（5）连续性：即保证系统在全年365天都具有连续服务的能力；（6）及时性：即数据及时传输与功能及时处理；（7）开放性：即给用户一定的操作自由，且能与其他厂商产品方便集成。

3.系统硬件体系结构与软件平台

3.1系统硬件体系结构。发电报价辅助决策系统是一个新型的复杂系统，它包含有多个子系统，且需要与多种外部系统进行数据信息交流。上述特征对系统的安全性、可扩充性、健壮性具有较高的需求，从而应付电力市场的复杂多变性以及应对灾难事件的发生。其结构设计需采取灵活的设计方式与安全可靠的硬件设备，系统硬件结构示意图如图3所示。

3.2系统软件平台。系统软件平台主要包括如下5个部分：（1）操作系统：Windows2000/XP；（2）数据库管理：SQL Sever 2000；（3）客户机操作系统：WIN2000/WIN98；（4）开发工具软件：Delphi 6.0、SPSS；（5）Web 开发工具：ASP、C#。

4.应用软件系统

根据电厂发电报价辅助决策技术支持系统的框架与功能需求，其结构如图4所示。

（1）系统功能模块。该功能模块是整个系统的基础部分，提供一些宏观的基础参数设置，具体功能有：用户组管理，用户密码管理，交易日设置，市场数据接收，系统维护以及安全日志管理；（2）合同管理模块。该功能模块主要进行合同的管理，其中包括对签订合约以及记录查询合约的完成进度，又可分为年度合同管理、月合同管理、日合同发电计划查询以及合约电量统计；（3）成本管理模块。该功能模块是电厂报价辅助决策支持系统的基本功能，主要对电厂成本的构成和影响因素进行分析，以掌握成本变动的规律，挖掘成本降低的潜力；（4）报价管理模块。该功能模块主要是按照电厂管理所要求的报表格式组织发电报价辅助决策系统里的数据信息，并调用Word、Excel等工具生成所需报表，提高办公管理的自动化水平；（5）结算管理模块。该功能模块主要进行电网与发电企业之间的财务结算；（6）经济运行模块。该功能模块主要是从电厂的生产管理系统中采集发电机组实际运行数据，为成本的结算以及管理提供基础数据；（7）浏览服务模块。该功能模块主要提供电力商品交易的窗口查询及信息沟通服务，其中包括实时发布和查询电力市场相关信息以及电厂报价、成本、结算等信息。

5.结语

本文本系統建立了适应电力市场环境的电厂报价辅助决策支持系统，并对该系统的构架与组成子系统进行分析，对辅助电厂电价管理决策人员具有一定的现实意义。

参考文献

[1]施泉生.企业资源计划与竞价上网辅助决策系统[J].上海电力学院学报，2002，18（2）：37-40

[2]尚金成.电力市场技术支持系统设计与关键技术研究[M].北京：中国电力出版社，2002

[3]于尔铿，周京阳.新一代电力市场技术支持系统[J].中国电力企业管理，2002，（4）：55-56

作者简介

医院管理决策支持系统 篇12

关键词：设备管理系统,德尔菲法,顾客满意度

0 引言

计算机网络技术的迅猛发展,将人类带入信息高度共享的时代,网络已经渗透到人们的工作和生活中。随着企业规模的扩大和管理水平的不断提高,农机设备管理也迫切需要进行信息化和网络化建设。这是管理创新的重要途径,有助于提高企业整体素质,增强企业竞争力[1]。本文开发的网络化设备管理系统正是顺应这种需求,采用先进的asp.net技术和数据库技术开发而成,大大提高了管理者的工作效率和管理水平,实现了现代化办公的目的。除此之外,系统还增加了顾客满意度模型等决策支持模型,及时、准确地了解用户的需求和满意程度,广泛吸收网上专家和顾客的意见作为决策依据,为设备管理者提供了辅助决策支持方法。

1 顾客满意度模型及实例

1.1 顾客满意度分析模型

菲利普·科特勒把顾客满意(Customer Satisfactions)定义为:“CS指一个人通过对一个产品的可感知效果(或结果)与他的期望值相比较后,所形成的愉悦或失望的感觉状态”[2]。可以看出,顾客满意是指顾客对该种产品或服务满意程度的心理感受,是一种期望或预期与可感知效果比较的结果,是一种顾客心理反应,而不是一种行为。顾客满意度(Customer Satisfaction Degree,CSD)是为了表示顾客满足状态的程度所提出的评估衡量方法,即指顾客接受产品和服务的实际感受与期望值比较的实际程度,同时也体现产品供应方提供的产品或服务满足顾客需求的成效[3]。

假设某一设备的顾客满意度影响的主要指标为k个,如质量、价格、外观等,那么k个指标用向量表示为V= {V1,V2,… …,Vk}。再假设对每个指标的评价等级为n等级,如有非常满意、满意、不满意等级别,则把指标评价等级用向量表示为Q:{Q1,Q2,… …,Qn }。

根据顾客及专家的意见,对每一指标给出相应的权重ω={ω1,ω2,… …,ωk}。其中,∑ωi=1。

另外,通过调查获得顾客对各指标的评价隶属矩阵为

undefined

其中,rij为顾客对第i个指标给出评价等级的顾客数量的百分比,Ri={ri1,ri2,… …,rij,… …,rin },并且undefined,则该设备的综合评价向量M=ω*R。因此,该产品的顾客满意度等级:U0=mi= Max (m1,m2,… …,mn)。其中,M=(m1,m2,… …,mn) 。

因此,顾客的满意度等级为Qi。

其中,关于各个指标权重的计算方法有许多种,如主观赋权法、直接比较法、对偶比较法、德尔菲法、层次分析法等。本文采用德尔菲法计算各个指标的权重。

1.2 德尔菲(DELPHI)法及其应用

德尔菲法又称专家法,是美国兰德公司于1964年提出的一种方法,是通过征求和总结专家的意见对复杂的决策问题做出群的判断,是预测、决策和技术咨询的一种有效的方法[4]。

1.2.1 德尔菲法的主要步骤

1)选择对设备评价指标熟悉的用户及专家担任评分人员。

2)将待定权重的设备指标要素以及确定权重的规则发给选定的评分人员,请他们给分。确定影响评价的各因素,包括评价等级、判断依据和熟悉程度。量化值如表1所示。

3)回收评分结果,并计算各指标权重的统计分析结果。

1.2.2 德尔菲法的主要统计分析函数

1)专家权威程度CR。专家权威与否对评价的可靠性有相当大的影响。因而在对评价结果进行处理时,要考虑专家对某一指标要素的权威程度。CR一般由两个因素决定:一是专家作出判断的依据Ca;另一个是专家对问题的熟悉程度Cs。CR越大,表明专家权威程度越高。计算公式为

undefined

式中 CR—专家权威程度;

Ca—专家对指标要素作出判断的依据;

Cs—专家对指标要素的熟悉程度。

2) 加权算术平均值undefined。指标要素加权平均值undefined越大,指标要素的相对重要性越高。加权平均值体现了专家评分的集中程度。计算公式为

undefined

式中undefined—指标要素i的加权平均值;

undefined—专家j对指标要素i的评分值;

m—专家人数。

3) 满分频率k′i。 所谓满分频率k′i,就是对指标要素i给出满分的专家数m′i与对指标要素i做出评价的专家总数mi之比,指标要素i满分频率越大,说明对该指标要素给满分的专家人数越多,因而其重要性越大。计算公式为

undefined

式中 k′i—指标要素i的满分频率;

m′i—对指标要素i给出满分的专家数;

mi—参予对指标要素i评分的专家数。

4)标准差。 指标要素得分的标准差,即

undefined

1.3 顾客满意度评价模型实例

假设某设备影响顾客满意的主要指标为4个因素:质量、价格、服务和外观;顾客对每一指标的评价分为4个等级:非常满意、满意、不满意、非常不满意,并赋予分值4,3,2,1。则

V={V,V2,… …,Vk}={质量,价格,服务,外观}

Q={Q1,Q2,… …,Qn}={非常满意,满意,不满意,非常不满意}

首先,采用德尔菲法确定4个指标因素的权重,将专家或用户的评分结果录入德尔菲法指标权重计算模型。

根据德尔菲法,得到10位用户及专家对权重评分的统计结果,如表2所示。

将各指标要素平均分值归一化,得到其权重系数ω值。ω={质量、价格、服务、外观}={0.334,0.258,0.290,0.118}。确定各指标的权重后,用户可以在网上对该设备进行满意度评价,提交评分后可以看到最新的评价结果。

假设有100位用户对该设备的顾客满意度各指标做出评价,结果如表3所示。

则,顾客对各指标的评价隶属矩阵为

undefined

综合评价向量M,M=ω*R=(0.1334,0.452,0.3838,0.1644)。因此,该设备的顾客满意度等级:U0=m2=Max(0.1334,0.452,0.3838,0.1644)=0.452。这表明,用户对该设备及厂家的顾客满意度评价结果为满意。

2 结论

对农机设备管理系统中的顾客满意度模型进行了讨论,并列举应用实例。用德尔菲法确定顾客满意度模型各指标的权重,进而用模型得到设备及厂家的顾客满意度评判结果。通过实例,可以看出该模型对农机设备管理者和选购者有较好的决策支持作用,在农机设备管理系统中采用决策模型为管理者提供了辅助管理的方法,取得了良好的效果。

参考文献

[1]柴永生,吴秀丽,孙树栋,等.设备管理信息系统及其关键技术研究[J].计算机工程与应用,2004(12):212-215.

[2]张小良.服装企业顾客满意度指数测评模型述评[J].国外纺织技术,2004(9):1-5.

[3]刘宝发,邹照菊.顾客满意度的判断与预测模型[J].科技管理研究,2005(2):202-204.

[4]周明浩.德尔菲法在卫生城市建设综合评价指标筛选中的应用[J].中国公共卫生管理,2001,17(4):261.