Power Choice 具多重系統( Hybrid ) 功能, 以多層級分析法(AHP ) 為基礎,搭配三角模糊數理論( Fuzzy AHP )、折衷排序法(VIKOR ) 等方法, 並配合前端德爾菲法(Delphi ) , 以期提高系統信效度,確保決策品質。
全新功能模組
* 一鍵產生AHP成對比較矩陣之問卷產生器(Generator)
* 可將AHP法之詳細計算過程一併輸出,含成對比較矩陣及λmax、一致性指標值(Consistency Indicator)與一致性檢定值(Consistency Ratio)
* AHP計算數據可與Fuzzy AHP切換
* 德爾菲法評選結果可套用至AHP或Fuzzy AHP模組之層級結構
* 新增專案建置導引精靈功能
* 更多AHP計算方法選擇:
1. 行向量平均值法(Average of Normalized Columns,ANC)(預設方法)
2. 列向量平均值法(Normalization of the Row Average,NRA)
3. 行向量和倒數法(Normalization of the Inverse column Sum,NIS)
4. 列向量幾何平均值法 (Normalization of the Geometric Mean of the rows,NGM)
更新介紹
全新功能模組:
* 新增整體權重長條圖顯示模式:將所有的準則或次準則選項,以長條圖模式一併顯示於單一畫面,並加以排序(可輸出為.bmp 檔案如右圖)。
* 新增折衷排序法結果輸出功能(輸出為 Excel 格式檔案)。
* Delphi 與 AHP 模組調整為個別獨立問卷,可分別進行不同專家群組於 Delphi、AHP 個別模組下分析。
都會區健行步道建置選擇因素考量:
近年來政府推廣民眾登山休閒運動,欲規劃適合一般民眾的健行步道。此專案彙集登山健行專家與學者意見,探討步道的選擇應以何者為優先考量。
公司治理對企業風險管理之影響
企業風險管理向來是商業管理的重要議題,面對企業經營時經常遭遇問題與挑戰,身為企業領導人和
管理階層對於管理方法須側重的方向:從「企業文化」、「領導統御」、「協調一致」、「制度系統」、「組
織結構」五個構面中,找出構面中最有可能影響風險管理策略的因素,做為經營策略上的參考。
系統規格
* 多國語系模組介面,包含:英文、繁體中文、簡體中文。
* 提供VIKOR(折衷排序法)評分模組。
* 德爾菲法模組提供計算平均數、變異係數(Coefficient of. Variation)功能,評選結果可套用至 AHP 層級結構。
* AHP計算方法:含行向量平均值法(Average of Normalized Columns,ANC)在內,共4種計算方法。
* Fuzzy AHP模組依模糊(Fuzzy Logic)理論,以三角模糊數(Triangular Fuzzy Number,TFN)進行模糊分析。
* 一致性檢定數值包括:λmax、一致性指標值(C.I)、一致性檢定值(C.R)、層級一致性指標值(C.I.H)與層級一
致性檢定值(C.R.H)。
* 提供輸出AHP與Fuzzy AHP分析結果至Word檔與Excel格式矩陣輸入輸出功能。
* 可自由切換AHP / Fuzzy AHP兩種模式之計算結果。
* 一鍵產生AHP成對比較矩陣之空白問卷產生器(Generator);並可將問卷填答結果匯入(需以Power Choice匯出之問卷格式,方可匯入)。
* 敏感度分析圖表模組:含長條圖與折線圖兩種模式。
* 含分群計算功能。
* 具有3人、10人、25人、50人專家決策群組四種版本。
Expert system專家系統
u Visual Rule Studio(需搭配Visual Basic主程式)
Upwarding-Compatibility to Level Five object.
integrated with VB & deploy on the internet.
u CBR-Works (Case Base Reasoning)
案例式專家推理工具。
Data Mining 發展工具
u DataEngine
Intelligent data analysis and data mining
using neural networks, fuzzy logic and statistical methods for data analysis
u XpertRule Miner
包含多種機器學習(Machine Learning) 技術。
Rule Induction ; Decision Tree ; ANN
Fuzzy Logic for Decision Support
u Fuzzy Tech for Business Pack
Supervised by Dr. Zimmermann Univ. Achen, Gemany
uEvolver (Genetic Algorithm) 基因工程演算法
最佳化Optimization 軟體工具
u RISK Optimizer風險最佳化軟體工具
A New Era in Optimization Product Optimizes
Models with Uncertain Factors
Knowledge Management tool (windows中文版本)
Visual KM是一套個人數位視覺化知識管理工具,易學易用,是知識經濟競個人爭力提昇必備工具。
可視為【Information 的盡頭、Knowledge的起點】
Bayesian Network for Decision Support
uHugin Explorer & Hugin professional
市場上佔有率最高Belief Bayesian network (BBN)
u Netica
Programming by Belief Network-Bayesian
Network & Influence Diagram technique.
類神經網路Artificial Neural Networks (ANN)
u PC Neuron 4.0 (windows 中文版本)
5種神經網路模式,本土軟體易學易用,中文手冊,多種應用範例。
u Professional II / PLUS
市場上佔有率最高,提供多達28種神經網路學模式,內含BP 的C code 產生器,易與系統結合。
u Predict(add-in Excel)
提供前處理功能包括:資料與變數篩選;在後處理部分,提供敏感度分析、解釋模組、案例式推理功能。
Agent 代理人機制
u LPA agent: Distributed agent toolkit
DRAMA 專業系統開發軟體(中文版)
採Java語言開發,具備知識建立與快速推論的能力,並開發各式領域的專家系統。
- 規則推論能力
提供前推與後推快速推論引擎,可將推論結果回存至資料庫或觸發相關系統的指定動作。 - 跨平台能力
可在Windows系列、Unix、Linux及FreeBSD等平台上快速執行推論。 - Web-based System API
提供以Web為基礎的應用程式開發介面,藉此開發Web上的專家系統,讓使用者可以利用瀏覽器取得專家系統的協助,而管理者可在伺服器端進行管理與知識建立。 - Java-based System API
提供以Java為開發語言的應用程式開發介面,藉此開發專屬介面的專家系統, 讓使用者進行管理、建立知識與推論知識。 - 標準知識輸入與測試介面
提供標準規則輸入、修改與測試介面,提供管理者建立專家知識,並進行測試。 - 多專家系統並存
提供同一推論核心系統,同時建立多個專家系統,並可分開或合併推論知識,取得推論結果。 - 支援開放性資料庫連接
可透過ODBC與JDBC與各式資料庫系統連接。
PCNeuron4.0 類神經網路軟體(中文版)
PCNeuron4.0是一套在Windows上執行之完整的類神經網路建構環境,它不但適合學術界的教學與研究,也適合企業界用以發展實際的應用。
內建網路模式:
1. 倒傳遞網路(BPN)
2. 多層函數連結網路( MFLN)
3. 學習迴歸網路(GRN)
4. 學習向量化網路(LVQ)
5. 半徑式函數網路(RBFN)
應用範例:
1. 混凝土配比強度推估
2. 倒立掃帚模式化
3. 卡車倒車模式化
4. 一聚縮反應監控
5. 蒸餾反應監控
6. 新竹地區空氣品質指標預測
7. 美國國庫券利率預測
8. 台灣証交所收盤指數預測
9. 太陽黑子數目預測
10. 個人信用評估
11. 基樁型式決策
12. 基樁破損診斷
13. 岩石模糊分類
14.植物亞種分類
O’INCA Design Framework
模糊邏輯(Fuzzy Logic)及類神經網路(Neural Network)、Hybrid發展工具
O'INCA是一套智慧型Hybrid發展工具,透過此架構可整合模糊邏輯(Fuzzy Logic),類神經網路(Neural Network)和使用者定義的模組,每一個模糊邏輯都支援多個輸入、多個輸出和多個規則庫(Multiple-Rulebase)系統的發展,以專家推論的形式執行。
O'INCA包含圖形使用者介面(GUI),設計驗正及除錯(Design Validation and Debugging),模擬(Simulation),C程式碼產生器(C code Generation)及設計程式碼編輯工具等。
XpertRule Miner資料採礦知識萃取軟體
XpertRule Miner所採用之資料採礦(data mining)是最近學術界與產業界十分重視的技術,簡單地說,它是藉由資訊技術從大量資料裡粹取出資訊與結果之間的關聯性。天文學家用它來把天文資料裡的信號和雜訊分開,生物學家用來找出細胞DNA序列裡的基因組合關聯。而企業可以用它得到顧客與購買產品之間的相關資訊。現今大多數企業在分析他們的客戶資料時,採取傳統統計方法所做出的結果,仍具有改進的空間。
倘若沒有完全做到客戶分群,使用不夠準確的工具來將客戶區隔成過於粗糙的分類,所導致的結果就是將企業有限資源浪費在無法提供最大投資報酬率的客戶身上。因此採用Miner所提供資料採礦(data mining)技術所得到之資訊,企業可以做出最適當的決策,例如:促銷方案、廣告方式。藉此資訊企業能推出滿足各種不同類型顧客所需求的產品,並且提供具有吸引力的廣告,以最少的成本達成最有效的行銷效果,進而追求更高的企業獲利。
資料採礦的發展與應用
資料採礦(也被稱為資料探勘、資料採掘)是資料庫技術的一個重大演進。最早的資料庫只是用來當作紙張檔案的替代品。現在為了要從原始資料裡擷取出有用資訊,資料採礦技術便應運而生。現代科技提供企業豐富的經營資訊,產業在此高度競爭的年代,必須在眾多的競爭者中尋求企業致勝之道。資料採礦目前最常應用於資料分群方面,藉此發現資料間的特點,藉此改進缺點提昇競爭力。以下是目前常見的應用
- 顧客關係管理
- 知識管理
- 管理控制
- 成本分析
- 風險管理
- 銷售預測