企业规划与信息系统规划集成影响实证研究

网络战略信息系统时期,信息系统规划(ISP)与企业规划(BP)关系研究成为企业信息化建设的焦点问题．文章提出了BP—ISP集成阶段及其对规划活动影响的概念模型,并运用中国企业的经验数据,利用结构方程模型对集成程度与业务规划活动、ISP的地位及ISP实现过程中出现的问题等进行了实证分析．研究表明,随着集成阶段升高,规划活动中出现问题的程度呈现逐渐减弱的趋势,而企业规划、企业对ISP的战略需求以及首席信息官(CIO)的作用都变得更加重要．     

一种基于DSP的多机通信系统的实现

介绍了一种多台基于DSP的电机智能保护装置与PC机之间实现高速远距离串行通信的方法。该系统采用PC机作为上位机,多台基于TMS320C32芯片的电机智能保护装置作下位机,充分利用了PC机的容量大,人 机界面友好以及DSP芯片速度快、实时性强等优点,同时CPLD技术的应用使得整个系统完全可编程,很好地实现了对现场数据的采集,处理和传输,大大提高了整个系统的性能。     

BPR与信息技术

信息技术的发展是企业管理革命的催化剂 ,由此而来的 BPR推动了企业经营模式的彻底变革 .BPR需要信息技术的强有力支持 ,才能完成变革的目的 ,实现企业的愿景 .反之 ,信息技术的应用也只有在 BPR思想的指导下 ,才能避免误入“黑洞”,打破信息弧岛、真正实现资源的共享 .惟有先进的信息技术与 BPR思想相结合 ,双向驱动、相辅相成 ,才能达到再造运作流程、优化企业经营模式、提高企业竞争能力的目的 .     

基于MC-SFA模型的我国信托业经营管理效率评价

将MC (Monte-Carlo模型)与SFA (随机前沿分析, stochastic frontier analysis)相结合, 以2004年到2008年的数据对我国20家信托公司的经营管理效率进行评价. 运用MC模型构建合理有效的管理环境指标; 将DEA模型引入SFA模型中, 对比剔除管理环境因素前后的经营效率. 经过实证检验, 我国信托公司的总体发展水平和资本实力相对较低是导致信托公司经营效率低下的主要原因. MC-SFA模型作为企业经营管理效率(management efficiency)实证研究的技术基础,为推动信托公司提高经营水平提供很好参考.     

企业流程重构的Meta-Model建模方法

本文介绍了企业流程重构的经济背景和基本概念,由于企业流程是企业流程重构的核心概念,文中引入了企业流程的定义,并对重构后的流程所具有的特点进行了深入的分析,最后本文提出了一种离散数学模型－－ｍｅｔａ－ｍｏｄｅｌ建模方法,对企业流程进行数学建模,取得了良好的效果。     

谱分析方法在经济波动分析中的应用研究

针对我国经济序列较短的特点,将加窗周期图谱估计与最大熵谱估计相结合的谱估计方法用于经济周期波动的分析,并用各隐周期分量单独分辨的办法通过对数据进行三角叠加拟合来确定隐周期长度的准确值。     

业务过程重组若干问题之探讨

业务过程重组是创造性地应用信息技术,以业务过程为导向,调整企业的各种业务流、组织结构,进行企业组织管理的全面创新．本文就业务过程重组的内涵、认识误区、与信息技术的关系和实施中的问题与发展前景进行探讨     

面向过程再造的企业战略模拟系统研究

依据博弈论的思路并借助于人工神经网络的机理设计并实现了一个面向过程再造的企业战略模拟系统,该系统既为企业的战略制定与实施初步提供了一种无代价的实验手段,又验证了有关企业过程再造的主要理论假设,弥补了其实证研究的不足.并在一家企业得到了应用.     

风力发电和飞轮储能联合系统的模糊神经网络控制策略

针对于风力发电和飞轮储能联合系统,提出了一种新的控制策略。基于飞轮储能系统里矢量控制的感应电机,建立了系统的数学模型。在系统里,采用模糊神经网络控制算法实现直流总线电压的自动调整,达到稳定系统的直流总线电压的目的。仿真和实验结果证明,在风力发电和飞轮储能联合系统的能量控制过程中使用模糊神经网络控制算法实现了能量的快速存储和释放,起到了稳定系统电压的作用,取得了满意的控制效果。     

A multiple intelligent agent system for credit risk prediction via an optimization of localized generalization error with diversity

Company bankruptcies cost billions of dollars in losses to banks each year. Thus credit risk prediction is a critical part of a bank＇s loan approval decision process. Traditional financial models for credit risk prediction are no longer adequate for describing today＇s complex relationship between the financial health and potential bankruptcy of a company. In this work, a multiple classifier system （embedded in a multiple intelligent agent system） is proposed to predict the financial health of a company. In our model, each individual agent （classifier） makes a prediction on the likelihood of credit risk based on only partial information of the company. Each of the agents is an expert, but has limited knowledge （represented by features） about the company. The decisions of all agents are combined together to form a final credit risk prediction. Experiments show that our model out-performs other existing methods using the benchmarking Compustat American Corporations dataset.