决策支持系统

目录

实验三 (1)

1决策支持系统的兴起 (1)

2决策支持系统的主要类型 (1)

3.系统名称 (3)

3.1需求计划 (4)

3.2物流网络设计 (4)

3.3存货配置 (4)

3.4物料需求计划（MRP） (5)

3.5生产地点选址/设施布置 (5)

3.6车辆计划 (5)

3.7提前期报单（lead time quotation） (6)

3.8生产计划 (6)

3.9人力计划 (6)

4物资申请和库存的计划汇总 (7)

5物资调拨预处理 (8)

6制定物资运输方案 (8)

7制定物资调拨方案 (9)

8物资分配调拨决策支持系统体系结构 (9)

参考文献： (11)

实验三

1决策支持系统的兴起

决策是时时处处存在的一种社会现象。任何行动都是相关决策的一种结果。正是这种普遍性，使人们一直致力于开发一种系统，来辅助或支持人们进行决策，以便促进提高决策的效率与质量。尤其是随着现代信息技术和人工智能技术的发展和普及应用，更有力地推动了决策支持系统(Decision Support System)的发展。

DSS是决策支持系统(Decision Support System)的简称。其概念最早由Scott Morton和Keen 于20世纪70年代中期提出,是20世纪70年代末期兴起的一种新的管理系统。它是一种以计算机为工具,应用决策科学及有关学科的理论与方法,以人机交互方式辅助决策者解决半结构化或非结构化决策问题的信息系统,是以特定形式辅助决策的一种科学工具。它通过人机对话等方式为决策者提供了一个将知识性、主动性、创造性和信息处理能力相结合,定性与定量相结合的工作环境,协助决策者分析问题、探索决策方法,进行评价、预测和选优。广泛用于企业管理、系统开发、经济分析与规划、战略研究、资源管理、投资规划等方面。

DSS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、心理学、行为科学和组织理论等学科与技术于一体的技术集成系统。随着其它学科的不断发展，尤其是计算机技术和信息技术的巨大进步，DSS作为新的交叉学科，将会产生突破性进展。

2决策支持系统的主要类型

自提出决策支持系统(DSS)以来，DSS已经得到了很大发展。主要有如下几种DSS系统：

(一)数据驱动的决策支持系统(Data-Driven DSS)

这种DSS强调以时间序列访问和操纵组织的内部数据，也有时是外部数据。它通过查询和检索访问相关文件系统，提供了最基本的功能。后来发展了数据仓库系统，又提供了另外一些功能。数据仓库系统允许采用应用于特定任务或设置的特制的计算工具或者较为通用的工具和算子来对数据进行操纵。再后发展的结合了联机分析处理(OLAP)的数据驱动型DSS则提供更高级的功能和决策支持，并且此类决策支持是基于大规模历史数据分析的。主管信息系统(EIS)以及地理信息系统(GIS)属于专用的数据驱动型DSS。

(二)模型驱动的决策支持系统(Model-Driven 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。简单的统计和分析工具提供最基本的功能。一些允许复杂的数据分析的联机分析处理系统(OLAP)可以分类为混合DSS系统，并且提供模型和数据的检索，以及数据摘要功能。一般来说，模型驱动的DSS综合运用金融模型、仿真模型、优化模型或者多规格模型来提供决策支持。模型驱动的DSS利用决策者提供的数据和参数来辅助决策者对于某种状况进行分析。模型驱动的DSS通常不是数据密集型的，也就是说，模型驱动的DSS 通常不需要很大规模的数据库。模型驱动的DSS的早期版本被称作面向计算的DSS。这类系统有时也称为面向模型或基于模型的决策支持系统。

(三)知识驱动的决策支持系统(Knowledge-Driven 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。“专门知识”包括理解特定领域问题的“知识”，以及解决这些问题的“技能”。与之相关的一个概念是数据挖掘工具——一种在数据库中搜寻隐藏模式的用于分析的应用程序。数据挖掘通过对大量数据进行筛选，以产生数据内容之间的关联。构建知识驱动的DSS的工具有时也称为智能决策支持方法。

(四)基于Web的决策支持系统(Web-Based DSS)

基于Web的DSS通过“瘦客户端”Web浏览器（诸如Netscape Navigator或者Internet Explorer）向管理者或商情分析者提供决策支持信息或者决策支持工具。运行DSS应用程序的服务器通过TCP/IP协议与用户计算机建立网络连接。基于Web的DSS可以是通讯驱动、数据驱动、文件驱动、知识驱动、模型驱动或者混合类型。Web技术可用以实现任何种类和类型的DSS。“基于Web”意味着全部的应用均采用Web技术实现。“Web启动”意味着应用程序的关键部分，比如数据库，保存在遗留系统中，而应用程序可以通过基于Web的组件进行访问并通过浏览器显示。

(五)基于仿真的决策支持系统(Simulation-Based 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。这些种类的系统全部称为决策支持系统。DSS可以支持行动、金融管理以及战略决策。包括优化以及仿真等许多种类的模型均可应用于DSS。

(六)基于GIS的决策支持系统(GIS-Based DSS)

基于GIS（地理信息系统）的DSS通过GIS向管理者或商情分析者提供决策支持信息或决策支持工具。通用目标GIS工具，如ARC/INFO、MAPlnfo以及ArcView等是一些有特定功能的程序，可以完成许多有用的操作，但对于那些不熟悉GIS以及地图概念的用户来说，比较难于掌握。特殊目标GIS工具是由GIS程序设计者编写的程序，以易用程序包的形式向用户组提供特殊功能。以前，特殊目标GIS工具主要采用宏语言编写。这种提供特殊目标GIS工具的方法要求每个用户都拥有一份主程序（如ARC/INFO或者ArcView）的拷贝用以运行宏语言应用程序。现在，GIS程序设计者拥有较从前丰富得多的工具集来进行应用程序开发。程序设计库拥有交互映射以及空间分析功能的类，从而使得采用工业标准程序设计语言来开发特殊目标GIS工具成为可能，这类程序设计语言可以独立于主程序进行编译和运行（单机）。同时，Internet开发工具已经走向成熟，能够开发出相当复杂的基于GIS的程序让用户通过World Wide Web进行使用。

(七)通信驱动的决策支持系统(Communication-Driven DSS)

通信驱动型DSS强调通信、协作以及共享决策支持。简单的公告板或者电子邮件就是最基本的功能。组件比较FAQ（常见问题解答）定义诸如“构建共享交互式环境的软、硬件”，目的是支撑和扩大群体的行为。组件是一个更广泛的概念——协作计算的子集。通信驱动型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。

(八)基于数据仓库的决策支持系统(DataWare-Based DSS)

数据仓库是支持管理决策过程的、面向主题的、集成的、动态的、持久的数据集合。它可将来自各个数据库的信息进行集成，从事物的历史和发展的角度来组织和存储数据，供用户进行数据分析并辅助决策，为决策者提供有用的决策支持信息与知识。基于数据仓库理论与技术的DSS的主要研究课题包括：①数据仓库(Dw)技术在DSS系统开发中的应用以及基于DW的DSS的结构框架；②采用何种数据挖掘技术或知识发现方法来增强DSS的知识源；

③DSS中的DW的数据组织与设计及DW管理系统的设计。总的说来，基于DW的DSS的研究重点是如何利用DW及相关技术来发现知识并向用户解释和表达，为决策支持提供更有力的数据支持，有效地解决了传统DSS数据管理的诸多问题。

(九)群体决策支持系统（Group Decision Supporting System，简称GDSS）

群体决策支持系统是指在系统环境中，多个决策参与者共同进行思想和信息的交流以寻找一个令人满意和可行的方案，但在决策过程中只由某个特定的人做出最终决策，并对决策结果负责。它能够支持具有共同目标的决策群体求解半结构化的决策问题，有利于决策群体成员思维和能力的发挥，也可以阻止消极群体行为的产生，限制了小团体对群体决策活动的控制，有效地避免了个体决策的片面性和可能出现的独断专行等弊端。群体决策支持系统是一种混合型的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。群体支持工

具的例子有：音频会议、公告板和网络会议、文件共享、电子邮件、计算机支持的面对面会议软件以及交互电视等。GDSS主要有四种类型：决策室、局域决策网、传真会议和远程

决策。

(十)分布式决策支持系统（Distributing Decision Supporting System，简称DDSS）

这类DSS是随着计算机技术、网络技术以及分布式数据库技术的发展与应用而发展起

来的。从架构上来说，DDSS是由地域上分布在不同地区或城市的若干个计算机系统所组成，其终端机与大型主机进行联网，利用大型计算机的语言和生成软件，而系统中的每台计算机上都有DSS，整个系统实行功能分布，决策者在个人终端机上利用人机交互，通过系统共

同完成分析、判断，从而得到正确的决策。DDSS的系统目标是把每个独立的决策者或决策组织看作一个独立的、物理上分离的信息处理节点，为这些节点提供个体支持、群体支持和组织支持。它应能保证节点之间顺畅的交流，协调各个节点的操作，为节点及时传递所需的信息以及其它节点的决策结果，从而最终实现多个独立节点共同制定决策。

(十一)智能决策支持系统（Intelligence Decision Supporting System，简称IDSS）

智能决策支持系统(IDSS)是人工智能(Artificial Intelligence)和DSS相结合，应用专家系统(Expert System)技术，使DSS能够更充分地应用人类的知识或智慧型知识，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等，并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的系统目标是：将人工智能技术融于传统的DSS中，弥补DSS单纯依靠模型技术与数据处理技术，以及用户高度卷入可能出现意向性偏差的缺陷；通过人机交互方式支持决策过程，深化用户对复杂系统运行机制、发展规律乃至趋势走向的认识，并为决策过程中超越其认识极限的问题的处理要求提供适用技术手段。根据IDSS智能的实现可将其分为：基于ES的IDSS；基于机器学习的IDSS；基于智能代

理技术Agent的IDSS；基于数据仓库、联机分析处理及数据挖掘技术的IDSS等。

(十二)自适应决策支持系统（Adaptive Decision Support System，简称ADSS）

自适应决策支持系统是针对信息时代多变、动态的决策环境而产生的，它将传统面向静态、线性和渐变市场环境的DSS扩展为面向动态、非线性和突变的决策环境的支持系统，

用户可根据动态环境的变化按自己的需求自动或半自动地调整系统的结构、功能或接口。对ADSS研究主要从自适应用户接口设计、自适应模型或领域知识库的设计、在线帮助系统与DSS的自适应设计四个方面进行，其中问题领域知识库能否建立是ADSS成功与否的关键，它使整个系统具有了自学习功能，可以自动获取或提炼决策所需的知识。对此，就要求问题处理模块必须配备一种学习算法或在现有DSS模型上再增加一个自学习构件。归纳学习策

略是其中最有希望的一种学习算法，可以通过它从大量实例、模拟结果或历史事例中归纳得到所需知识。此外，神经网络、基于事例的推理等多种知识获取方法的采用也将使系统更具适应性。

3.系统名称

物流决策支持系统

物流决策支持系统包含着一连串各式各样的决策。在下面的案例中，我们将逐一审查这

些决策，并看一看DSS是怎样辅助决策的，这些决策涵盖了从战略决策到运作决策的大部分内容。

3.1需求计划

为了评估重新选择血液配送和采集地点的提议，美洲红十字协会的大西洋中部地区（m id-Atlantic region）利用了基于优化模型的决策支持系统。最初，大西洋中部地区共有3个血液处理中心，其中有2个可以配送和采集血液，另外1个仅可以采集血液。提议中考虑了一个新的地址，并且提出了一些背景材料（如关掉1个旧的，在其他中心之间重新分配资源）。为了确定每一方案的劳动力及运输成本，决策支持系统利用了数学模型。最后，他们决定不建新的血液处理中心，因为如果充分利用现有的设施，他们不需要投资新的设施也可以达到要求的目标。

3.2物流网络设计

1993年，宝洁公司（PG）开始重新设计它的整个供应链的计划。因为多种原因。宝洁公司认为它可以削减目前所需的工厂数量，从而可以达到更低的成本。当时宝洁公司组成了两个独立的小组，其中一个小组是沿着产品线组建而成的，负责分析制造形势，另一个小组负责分析配送中心（DC）的位置并设计为DC分配顾客的方案。

宝洁的工程师与辛辛那提大学（Cincinnati）的教师们一起开发一个帮助他们决策的决策支持系统。为了分析DC的位置及顾客的分配，他们在系统中运用了数学方法来确定--系统解决方案；为了优化产品来源的决策，他们开发了数学工具并同GIS系统组合在一起。G IS可以让第一个小组看到系统所产生的潜在解决方案，所以这有助于他们更好地理解系统内的各种成本源是怎样相互作用的。事实上，由这种理解而产生的思想可以导致更新更好的解决方案。此外，数据和方案的可视化还可以帮助他们检查输入数据库中不易被觉察的错误。

北美制造和配送系统的彻底重新设计每年就为宝洁节省2.5亿多美元。尽管很难量化D SS在其中所作出的贡献，但是宝洁公司内部承认，这一系统至少为它节省了10%的费用。

3.3存货配置

美国石油公司（Amoco）曾面临着以下常见的存货管理的挑战：

1、怎样在供应链的不同环节来鉴别合适的存货水平？

2、怎样克服资本、设备和人员的能力制约？

3、在销售、生产和存货管理人员这间存在着冲突的组织目标：

●重新分配流动资金来支持企业成长

●维持或者提高顾客服务水平

●提高运作效率

●成为行业中的最优者

为了解这些问题，美国石油公司同默克管理咨询公司一起开发了一个适合自己的决策支持系统，这个系统可以模拟美国石油公司各个层次的物流网络、成本及目标，并且在分析过程中运用了优化和模拟技术。优化技术用于确定存货的目标，一旦存货目标确定后，他们就应该模拟技术来检验存货政策、相关成本以及客户服务。该系统的实施为美国石油公司带来了以下的好处：

●弄清了存货成本，包括缺货成本

●过多的存货也掩盖不了低效的工作

●更好地计划、协调、沟通销售与营销区域划分。

3.4物料需求计划（MRP）

塔纳公司（Tanner）是一个高品质女士服饰的制造商。在90年代初期，该公司的准时交货率较低（74%左右），并且有着大量的在制品。了为解这些问题，该公司采用了一个规

划决策支持系统。塔纳公司所生产的服饰的款式有好几百种，每一种款式的物料和劳动力需求的详细信息都被记录在一个数据库中，系统正是从这个数据库中来提取数据的。实施该系统中最耗时的工作是组建数据库，因为一开始并没有这方面的信息。

系统根据输入的数据和接到的定单来生成生产计划。特别是在生产和需求的约束条件下，系统制定的计划使缺货和成品存货都最小化。这两个目标是相互冲突的，因为如果下个计划降低了缺货，那么它就有可能提高了成品存货的水平。在这种情况下，系统生成了一套潜在的非主要计划，因为一个目标的改进使用哪一个计划。起初，系统中运用了数学规划技术，最后因为所解决问题幅度的原因而采用了启发式算法。

系统采用了直觉的菜单驱动型界面，因此所花的培训时间很短，并且用户从一开始就保持着高度的信心。在1年期的期末，系统开发、修改、安装实施，准时交货率提高到90%，在制品存货也削减了20多万美元。此我，计划者脱离了世俗的重复性工作，其重点转移到计划编制工作上来。

3.5生产地点选址/设施布置

美孚（Mobil）利用一个决策支持系统来合并与发送润滑剂产品。美孚的10个工厂每天会收到数以百计的定单，在接到定单后，他们通常会用自己的专用车辆或者供应商的专用车辆来为客户送货。

在送货的过程中，美孚的调度员面临着许多问题，其中包括选择和派遣自有车辆而不是外界的合同车辆，定单的合并，通过合并资源在什么时间能实现及早交货。

为了解决这些问题，美孚同Insight公司合作开发了较重产品的计算机辅助配送(the hea vy-product computer-assisted dispatch,HPCAD)系统。这个系统利用定单、距离以及卡车运输的比率等信息生成一系列可行的工作计划，并且计算每一计划的成本，接着一个优化模块利用这些信息确定一个详细的较低成本的发送计划。决策支持系统设计完成后，周度员可以同这个系统一起共同制定发送计划。

经过内部审查，美孚认为，通过有效地利用发送资源，HPCAD系统每年可以为公司节省100多万美元。此外，公司估计，在通过在HPCAD系统制定的发送方案与完全用人工制定的方案中，大约有77%的方案不相同。

3.6车辆计划

CSX运输公司（见[51]）拥有世界上最长的铁路之一，它开发了一个名为计算机辅助路线安排及调度（Computer Aided Routing and Scheduling, CARS）的决策支持系统，该D SS被用来在CSX铁路系统内探索路线安排与高度之间的战略关系。路线安排是指为了将货物从出发点运到目的地所需要的经过的合适道路，调度是指货物应该在什么时间出发。在给定的一系列要求条件下，系统运用了一个被为模拟退火的启发式算法来确定较好的路线和调

度时间。系统将收到的需求和成本作为输入数据，经过分析产生路线和调度时间安排，接着连同表示路线成本和运行状况的报单与表格一起显示调度时间及路线安排图形。在这个案例中，管理层将DSS作为一个战略决策工具，它也可以解决其他战略问题，例如购买或租赁列车，使用不同速度的火车，增加铁路调车场的吞吐量等。在上述的每一个例子中都需要往系统内输入历史需求数据，而且系统还要计算现实的调度时间和路线安排并且比较不同的报表。

同时，CSX还探讨了CARS作为策略/动作工具的有效性。人们发现，虽然手工决策不需要考虑系统所需的参数和约束，但是它们目前的结果却与CARS的调度时间和路线相似。不过，运用CARS工具要有足够的路线可供战略分析。

3.7提前期报单（lead time quotation）

在许多制造过程中，销售代表经常从电话上收到客户的定单，这时他们能够立刻报出交货的提前期。过去，销售代表通常可能地报出较长的提前期的生产计划、制造时间及运送时间，提前期报单决策支持系统则能够报出某一特定定单的确切交货提前期，因此这一交货提前期就有可能是较短的。有时销售代表还需要判断一下定单的重要性，如果他认为某一定单没有其他定单重要，那么他就可以报出DSS还晚的交货提前期，从而为将来报出更短的交货提前期留出一条后路。

3.8生产计划

给定所要生产的产品系统、生产流程、产品的到期日期，生产计划DSS可以制定产品的生产次序及计划。生产计划决策支持系统可以利用人工智能、数学及模拟技术来制定生产计划。前面我们曾经讲过计划人员按问题编制特定的流程，基于人工智能的生产计划系统就利用了上述方法中的规则；基于优化技术的生产计划系统使用运算法则来使某些目标最大化或最小化；基于模拟技术的生产计划系统允许用户选择一套简单的计划法则并在模拟系统上来测算它们，例如，用户可以按照作业的到期时间来测试计划的效果。利用这一法则系统可以模拟生产过程，并且决策者可以看到模拟的结果。例如，系统可以预测延期作业的数量以及平均被延期时间。

3.9人力计划

当飞行员在每月就航线或者个别航线的包裹进行投标时，他们通常参照联邦快递制定投标路线的详细操作流程。在决定合法及合理的投标航线时考虑了联邦飞行法则，劳动力法则、工作规则以及个人偏好等因素。然而在1993年，联邦飞行员首次被一个协会所代表，联邦快递公司不得不重新进行谈判。针对初次谈判中所提出的新工作规则，联邦快递公司需要分析它们的影响。为了辅助谈判，联邦快递公司开了了一人自动投标路线发生器。这个决策支持系统开发的投标路线满足所有工作规则的需求，并且联邦快递公司在确定新工作法则的影响时可以进行敏感度分析。该系统将所有的工作规则和需求航班作为输入数据，利用模拟技术开发了一套可供分析的投标路线。在初期接触的谈判中，联邦快递公司成功地利用了这项工具，并且在将来的分析中它仍将具有很大的价值。

物资分配调拨问题是根据各单位提出对物资的需求申请，按仓库的库存情况制定分配方案，再根据分配放案以及仓库和单位的距离制定物资运输方案。最后按照物资运输方案制定各仓库的发货表和各单位的接收表，修改各仓库库存数和各单位的物资数。

该决策问题需要设计多个数据库和多个模型共同求解。总的处理流程如图：

图1 物资分配调拨流程图

4物资申请和库存的计划汇总

各单位按自己的需求提出对各物资的申请 申请数据库为：

Di={SQ(W1)，SQ(W2)

，… } i=1,2,3…（1.1）

其中Di 表示第i 各单位，SQ(Wj)表示申请物资Wj 的需要数量。

将各单位的申请数据库汇总成各单位对物资的需求量，形成总申请数据库。

Wj={ SQ(D1)，SQ(D2)，… } j=1,2，3… (1.2)

其中SQ(Di)表示第i 个单位对物资Wj 的申请数量。

该项数据处理需要编制程序，类似于数据库的旋转来完成。

各仓库度物资的可供应情况

Ki={XY(W1)—KD(W1)，XY(W2)—KD(W2)，…} i=1，2，…（1.3）

其中Ki 表示第i 个仓库；XY(Wj)， KD(Wj)分别表示该仓库中物资Wj 的现有数量和最低储备量；XY(Wj)—KD(Wj)表示物质Wj 的可供量。

各仓库的多物资的可供应情况汇总成某一物资个仓库的可供量，形成总库存数据库。 Wj={XY(K1)—KD(K1)，XY(K2)—KD(K2)，…} （1.4）

该项数据处理工作，要在数据库中计算出可供量后，再进行类似于数据库旋转来实现。 该计划汇总工作构成数据处理模型，它与数据库的关系如图：

图2 计划汇总模型与数据库的关系

制定物资的分配方案

物资分配方案是利用物资分配模型来完成的，该分配模型是通过一系列公式实现。 比较分配情况

对同一物资Wj 计算总可供量S （各仓库可供量之和）与总申请量Q （各单位申请量之和）的大小。

物资分配方法

总可供量大于等于总申请量S ≥Q

完全满足各单位的申请数量，即各单位的分配数量FB(Dj)等于他的申请量。

FB(Dj)= SQ(Dj) （2.1）

总可供量小于总申请量S 〈Q

这里有2种处理方法：

物资总申请数据库 物资总库存数据库

按申请比例削减

FB(Dj)= SQ(Dj)*S/Q (2.2)

按优先类别分配

各单位按需求物资的需求程度有一个优先类别

该模型是一个数学模型。模型和数据库之间的关系如图：

图3 物资分配模型与数据库的关系

其中物资分配数据库中每条记录表示每种物资分配给各单位的具体数量。

5物资调拨预处理

在制定物资分配方案中已经确定了每种物资给各接收单位的分配数量。具体由哪个仓库调拨多少物资到哪个单位去，就有运输问题的线性规划来解决。但决定哪几个仓库，哪几个接收单位之间实现调拨供应是需要进行预处理的。

每种物资的调运中，参加调运的仓库和接收单位都是不一样的，是随机出现的。参加调运的仓库是由该仓库提供某物资的可供量是否大于零来决定。参加调用接收单位要看他接收某物资的分配数大于零来决定。

每个仓库到所接收单位的路程，存入一个距离数据库中。对每一种物资，由于参加调运的仓库和单位不同，要形成参加调运的实际距离矩阵，这就要对每个距离记录进行挑选，挑选后形成小的实际距离矩阵，再形成好实际调拨矩阵后，才可以进行运输问题的线性规划运算，计算出有哪个仓库运多少物资给某个接收单位。这个物资调运预处理是一个数据处理模型，用数据库中投影操作来完成。

该模型完成了物资调用预处理后，接着就可以进行物资运输调拨了，当求出具体解后，由调拨方案的解回到原数据库中的位置，由数据库反投影操作来完成。

该模型和数据库之间的关系如图：

图4 物资调拨预处理模型和数据库的关系

6制定物资运输方案

利用运输问题数学模型的具体求解方法，制定各物资的运输方案。

该模型和数据库之间的关系：

图5 运输问题模型和数据库的关系

运输问题的计算机算法：

物资调拨数据库中每条记录表示有各仓库运给各单位的具体数量。

7制定物资调拨方案

利用物资调拨数据库中调拨物资的数量，经过物资调拨模型将所有物资仓库调拨给单位所有的数量，转换成个仓库的发货数据库和各单位的接收数据库，在制定表格，打印各仓库的发货报表和各单位的收货报表。

制定物资调拨方案包括物资调拨模型和制表模型，他们都是数据处理模型。其中物资调拨模型完成物资调拨汇总工作（类似于计划汇总的旋转处理），同时修改库存和物资的两个数据库。制表模型完成发货和收货报表的打印。它们和数据库之间的关系如图：

图6 物资调拨与制表模型与数据库的关系

8物资分配调拨决策支持系统体系结构

1、基本方案

从上面的详细分析可以看到，该决策问题涉及10个数据库：

（1）单位申请数据库；（2）仓库库存数据库；（3）物资总申请数据库；（4）物资总库存数据库；（5）物资分配数据库；（6）距离数据库；（7）物资调拨数据库；（8）仓库发货数据库；（9）单位收货数据库；（10）单位物资数据库。

该决策问题共涉及6个模型：汇总模型，预处理模型、分配模型、运输优化模型、调拨模型、制表模型。其中汇总、预处理、调拨、制表模型都是数据处理模型，属于管理业务工作。分配和运输优化属于数学模型。分配模型属于平衡分配决策，它要达到的目标是使物资分配尽量合理，该模型的计算公式是分配决策方法之一，也可以采用别的分配方法。运输模型属于优化决策，它使运输过程达到总吨公里数最小。该6个模型以程序形式出现，均放入模型库中。

为了使模型部件和数据部件有机结合，要建立总控程序，即控制各模型有序运行，数据有效存取，同时进行必要的人机对话，允许决策用户修改分配方案和调拨方案，形成决策支持系统，达到人机共同进行决策。该决策支持系统的基本方案按目前分析的模型和数据库进行组合运算，得到辅助决策信息。其运行结构如图：

参考文献：

[1]决策支持系统及其发展概述徐世星

[2]决策支持系统在企业管理中的作用刘从新

[3]决策支持系统(DSS) 的研究与发展李珊

[4]智能决策支持系统与现代企业管理刘建军

[5]决策支持系统研究现状分析刘博元，范文慧，肖田元

[6]决策支持系统发展现状与趋势分析吴新年陈永平

[7]浅析决策支持系统的产生和发展陈维娜