管理信息系统的前沿及发展
【摘要】随着信息化的水平越来越高，管理信息系统的发展也越来越快，现在信息系统的发展方向是目前新时代的企业管理人员的必修课。掌握了信息系统的前沿动态则有利于把握时代的发展方向。
【关键词】信息系统，发展，前沿
The forefront of management information systems and development Abstract：With the increasingly high level of information technology, management：information systems faster and faster, know now about the direction of development of informati on systems is a new era of enterprise management required course. Mastered the for efront of the dynamic information system is conducive to the development direction of the times. This paper describes the latest trends in information systems development, information systems so that all of them understand the dynamics.
Key words: information systems ，development ， forefront
绪言
目前信息系统正在朝着两大方向迈进：集成方向和智能方向。集成方向的一个突 出代表就是计算机集成制造系统(CIMS)。智能方向的一个突出代表就是决策支持系统与 专家系统的结合——IDSS。下面分别说明这两大趋势。
1.1 管理信息系统的发展趋势
1.1.1计算机集成制造系统(CIMS)
目前，企业的管理信息系统(MIS)正在向集成方发展，其中一个最突出的代表就是 CIMS(Computer Intergrated Manufacture Systems)，它是一种在某种环境下为提高企 业总体效益的全局性的观念和方法，它包括从设计、制造到销售和售后服务，要利用各 种方法和技术工具(计算机和自动化技术)，目的在于提高生产率、降低成本、提高质量、 确保生产的全局和局部的柔性等，以提高企业的竞争能力。
1.1.2 CIMS的其它发展 （1）LP(Lean Production：精良生产) 其基本思想是：减少一切不必要的活动，杜绝浪费，力求精益求精，不断降低成本，做到无废品、零库存、无设备故障等。它应用 JIT、并行工程、全面质量控制和订单装配技术，最大限度地提高产品质量，缩短产品开 发和生产周期，满足用户迅速变化的需求，降低在制品库存，实现精良生产。 （2）AM(Agile Manufacturing：敏捷制造) 敏捷即聪敏、快捷的意思，也就是说不仅要响应快，还要灵活善变，以便快速地适应市场的需求。敏捷制造将组织、人和技术 三者有机地集成在一起，以达到合作和创新，来回答用户的需求。其基本特征是：实施 并行工程，对员工继续教育，迅速响应用户需求，进行制
造商的动态组合，灵活的组织 机构，灵活的信息储存和利用，实现产品设计生产周期短、质量高、技术领先、技术敏感等。 （3）VM(Virtual Manufacturing：虚拟制造) 就是提供一种在计算机上进行，而不是直接消耗物理资源的能力。其实质是以计算机支持的仿真技术为前提，对设计、制造 等生产过程进行统一建模，在产品设计阶段，实时地、并行地模拟出产品未来制造全过 程及其对产品设计的影响，预测产品性能、技术等，从而更有效、更经济、柔性灵活地 组织生产，使工厂和车间的设计与布局更合理有效，以达到产品开发周期和成本最小、 质量最优、效率最高的目的。
（4）ERP(Enterprise Resource Planning：企业资源计划)它是企业全方位的管理解决方案，支持企业混合制造环境，可移植到各种硬件平台，采用DBMS、CASE、4GL具有 C/S结构、GUI、开放式系统结构特征。
1.1.3决策支持系统(DSS)
决策支持系统概念 广义地说，DSS是以管理科学、计算机科学、行为科学和控制论为基础，以计算机技术、人工智能技术、经济数学方法和信息技术为手段，主要面 对半结构化的决策问题，支持中高级决策者的决策活动的一种人机交互系统。它能为决 策者迅速而准确地提供决策需要的数据、信息和背景材料，帮助决策者明确目标，建立 和修改模型，提供备选方案，评价和优选各种方案，通过人机对话进行分析、比较和判 断，为正确决策提供有力支持。狭义地说，是帮助决策者利用数据、模型、方法、知识 推理等去解决非结构化决策问题的人机交互系统。它主要由会话系统(即人机接口)、数 据库、模型库、方法库、知识库及其管理系统组成。这里的支持是指：这个系统意在辅 肋决策者进行的决策，而不是代替他的工作。处理半结构化决策问题，这就意味着决策 过程不能完全用一种算法、程序、模型概括说明，不能完全依靠计算机系统，而是需要 人机的相互作用。
1.1.4专家系统(Expert Systems)
专家系统是一个利用知识和推理过程来解决那些需要特殊的、重要的人类专家才能 解决的复杂问题的计算机智能程序，专家系统的知识由事实和启发性知识组成。 专家系统一般由以下部件组成：知识获取设备，知识库(规则库和数据库)，知识库 管理系统(KBMS)，推理机构，用户接口。 近年来，人们开始将DSS与ES结合起来，形成IDSS，但IDSS绝不是ES和DSS的简单结 合，而是在综合基础上的进一步提高。
1.2 管理信息系统的最新动态
当今，管理信息系统最新动态有如下几个方面。 1.2.1神经网络
专家系统一个最大的缺点是要求专家而非普通人来建立知识，因此限制了专家系统 的使用。但神经网络就能克服这个弱点，它具有自组织、自学习等特点，可以被大众所 接受和使用。 （1） 神经网络方法的基本原理 神经网络是一种按照人脑的组织和活动原理而构造的一种数据驱动型非线性模型。它是由神经元结构模型、网络连接模型、网络学习算法等 几个要素组成。一个典型的神经元网络连接模型是由输入层、中间层(称为隐含层)和输 出层3层神经元组成。 每相邻两层的神经元之间都有一条带权值的线连接。 要使神经网络 产生所希望的行为，必须对其进行训练，即通常所说的网络学习。学习时，每一条连接 线都不断地调整自己的权值， 以使神经网络的实际输出和期望输出之间的方差达到最小， 学习的效果直接影响网络的预测精度。
（2） 神经元结构模型 神经元是神经网络的基本计算单元， 一般是多个输入和一个输出的非线性单元。 一个完整的神经元结构中包括Si(反馈信息)； ti(阀值)； F(特性函数)； Wi(权值)。 这样， 神经元的输出Yi与各个输入之间的关系可以用下式表示： Xi＝WjXj+Si； Yi＝F(Xi)。根据输入输出的特性不同，可选择不同的特性函数，常用的特性函数有线性 函数、Sigmoid函数、双曲正切函数等。
（3） 神经网络的连接模型 神经网络是以将许多神经元连成一个网络而得名的。 网络的连接有单层连接、多层连接、循环连接等几种模式。单层连接只有一个输入层和一个 输出层， 多层连接则包含了一个或者多个隐含层， 而循环连接是指包含反馈的连接方式。
（4） 学习算法 神经网络学习的目的是用一组输入向量产生一组希望的输出向量， 学习的过程是通过按预先确定的算法(称之为学习规则)，慢慢调整网络的权值来实现的。 由于神经网络是一种非线性映射关系，各变量之间的相互关系隐含于网络之中，因而当 训练中涉及一对无关数据时，网络不会收敛，所以我们可以通过网络学习来剔除非相关 变量。 （5） 神经网络反向传播算法(B-P算法) (a)对全部连接线的进行初始化， 一般设置成
较小的随机数，以保证网络饱和或反常的情况。(b)取一组训练数据输入网络，并计算出 网络的输出值。 (c)计算该输出值与期望值之间的偏差， 然后从输出层反向计算到第一隐 含层， 向着减少该偏差的方向调整各条线的权道。 (d)对训练集中的每一组训练数据都重 复上面的2个步骤，直到整个训练的偏差达到能被接受的程度为止。
1.2.2遗传算法
神经网络方法存在着局部极小的问题，为了解决神经网络算法经常陷入局部极小的问题，通常使用全局最优化算法等如遗传算法来解决这个问题。 遗传算法(Genenic Algorithm， 简称GA)是一类借鉴生物界自然选择和自然遗传机制 的随机化搜索算法， 由美国J.Holland教授提出， 其主要特点是群体搜索策略
和群体中个 体之间的信息交换，搜索不依赖于梯度信息。它尤其适用于处理传统搜索方法难以解决的复杂和非线性问题，可广泛用于组合优化、自适应控制、规划设计和人工生命领域， 是21世纪智能计算的关键技术之一，遗传算法作为一种新的全局优化搜索方法，具有简 单通用、鲁棒性强、适应于处理和应用范围广泛等优点。 在执行遗传算法时，必须包含2个数据转换操作，一个是表现型到基因型的转换，另 一个是基因型到表现型的转换。前者是把搜索空间中的参数或解决转换成遗传空间的染 色体或个体，此过程叫做编码操作；后者是前 者的一个相反操作，叫做译码操作。遗传 算法是具有“生成+检测”(generate-and-tese)的迭代过程的搜索算法。它的基本流程： 编码和初始群体生产群体中个体适应度的检测评估选择交叉变异。由此可见， 遗传算法是一种群体型操作，该操作以群体中的所有个体为对象。选择(selection)、交 叉(crossover)、变异(mutation)是遗传算法的3个主要操作算子，它们构成了所谓的遗 传操作(geneic operations)，使遗传算法具有了其他传统方法所没有的特性。遗传算法 中包含了如下5个基本要素：参数编码；初始群体的设定，适应度函数的设计，遗传操作 设， 控制参数设计(主要指群
体大小和使用遗传操作的概率等)。 这5个要素构成了遗传算 法的核心内容。 1.2.3数据仓库
数据仓库是20世纪90年代以来决策支持系统的一个重要发展。近年来得到了理论界 和信息产业界的高度重视。
（1） 数据仓库的定义和特征 数据仓库(Data warehouse)是指一个对历史数据进行处理的集成化的数据收集和信息处理机构，在一般情况下，数据仓库的数据输入部分来自 一个操作性的环境，该部分的作用是将这个环境中的数据送到另一个在物理上相分离的 数据存储机构中去。而数据仓库则不断地对信息系统中的数据进行整理，从而辅助决策 者有效地发现问题。数据仓库具有4个主要特征如下：面向主题，集成化，时变性，非活 性。 操作性的数据是灵活的，它们可以被插入、更新、修改、删除等等，但在通常情况 下，数据仓库中没有更新修改等操作。对数据仓库中的数据操作比较简单，只有2种操作 对它们有效：一是数据的初始输入，二是数据的存取。
（2）数据仓库的结构 数据仓库将其中的数据分为以下几个层次：当前详细数据，历史详细数据，轻度概略数据，高度概略数据，超数据。
（3）数据的流程 在数据仓库中，数据的流程一般是可以预计的。数据是从操作性环境进入到数据仓库中的。当数据进入到数据仓库中时，必然经由一个预定的转换过程。当数据进入数据仓库时，数据首先进入到当前详细层。然后，数据将暂时保留在该层， 直到该数据被删除，或被概略化，或被取走。 数据仓库中的时变过程(Aging process)是指它有一个机制，根据数据的时间性质 (Age)， 逐渐将当前详细数据层中的过时数据移到历史详细数据层保存。 而数据仓库的
概 略化过程(Summarization process)则使用当前详细数据来计算轻度概略数据和高度概 略数据。
（4）数据仓库的使用 根据数据在数据仓库中的层次，综们被使用情况是不同的。一般地讲，越是在概略化的高层，其数据被使用的频率越高，而历史性的数据详细数据却 很少被使用。通过数据仓库中的数据挖掘工具，我们能够发现有用的知识。
1.2.4企业流程改造(BPR)
信息技术的高速发展，对传统企业职能组织结构提出了新的挑战。因此，企业改造 (Business Process Re-engineering,BPR)是近年来管理信息系统研究界非常热门的一个 课题。 在一个改造企业的过程中，信息技术所起到的作用是十分重要的。它甚至会“重写 游戏规则”。例如，在人们的传统意识中，信息一次只出现在企业中的一个地方，但引 进信息系统后，信息可以不受限制，同时出现在所有必要的地方。再如，按传统观念， 详细的数据和信息一定是放在办公室中，销售人员外出时，不带着一大包资料就无法给 客户以详细的说明。但现在他们可以带着手提电话和便携式电脑，通过传输得到任意详 细的信息。这样，信息技术就迫使企业不得不重新考虑他们已经习惯的工作方式是否合 理。 Hammer和Champy用了许多例子来证明他们的这样一个观点：进行企业改造不是修修 补补，而是一项彻底的工程，需要建立一支有力的改造队伍，抓住企业中的某些通病开 刀，重新设计企业的工作流程，进行新的工作集成化。这样，才有可能使企业适应时代 的潮流健康地成长。 Hammer和Champy的这本著作引起了管理界强烈的共鸣， 使得BPR成为 当今管理信息系统一个新的研究方向。
1.3管理信息系统发展对人类生活的影响
事物总是一分为二的，任何事物都有其利与弊，信息系统的发展也不例外地给人类 社会生活带来了两方面的影响：利：（一）信息系统的发展与逐渐完善，首先明显的加快了信息的传播、交流、应用的速度 （二）在信息飞速发展的同时，人们的思想观念、价值观念也不可避免的经受一次 次的洗礼。从工业革命开始后，人类逐渐由封闭的信息时代走向开放的、多元的信息时代（三）价值观的改变必然会使人们不再满足于现实生活的现状，于是人类便开始运 用这种新的价值观念去改造现实生活，于是人类社会生活发生翻天覆地的变化。生活的 便利性是其中最直接也是最主要的影响。 在给人类社会带来极大便利的同时，信息系统的发展也附带了极大的不便利。 弊: （一）由于信息系统的发展，各种信息反馈渠道蜂拥而至，这也就不可避免的让一 些垃圾信息混入其中，使人类在搜寻信息时浪费大量时间与精力。 （二）这种信息泛滥，还可能使人们逐渐丧失寻找真实有效信息的动力，或者说是 兴趣。这必然会引起生活、作业的效率低下，质量下降。 （三）信息系统的发展，不仅仅是单纯的科技上的进步，它还会促使一些利用此来 满足其私利的利益群体趁机抬头，这些利益群体会以
信息系统前沿
