由Elsevier B.V.信息工程研究院负责评选和同行评议可在www.sciencedirect.com上在线获取ScienceDirectIERI Procedia 7（2014）28 - 342013年应用计算、计算机科学和计算机工程国际会议（ICACC 2013）智能环境扫描方法（案例研究：埃及小麦作物生产）Ahmed Mohamed Omran1，Motaz Khorshid21埃及法尤姆法尤姆大学计算机科学系2埃及开罗开罗大学决策支助系摘要政策/决策者需要一个智能，强大和更有信心的机制，以帮助他们分析未来的影响，并克服未来的高度不确定性和复杂性。此外，文献中的所有环境扫描和分析方法都是针对当前/短期的，以帮助政策制定者/决策者进行战略决策。我们的研究论文的核心思想是开发一种智能环境扫描方法（IESA），以产生更合理的估计，长期的战略观点。此外，我们的IESA支持政策/决策者减少未来的不确定性，并激励领域专家识别特定领域的主要未来驱动因素。这种支持涉及提供新的认识水平，可能导致更有效和更有效的决策过程。此外，我们的IESA增强和集成RT-Delphi，本体知识库，解释，PESTEEL，SWOT和结构分析方法，以产生大规模的参与性方法，以帮助政策/决策者进行长期的环境扫描。最后，本文以我们的研究为基础，支持埃及农业部（MOA）制定小麦作物生产战略计划（2014-2035）的政策/决策者。© 2014作者。由爱思唯尔公司出版 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。信息工程研究院负责评选和同行评议关键词：智能环境扫描，长期观点，RT-Delphi，MICMAC，SWOT，PESTEEL，解释，通配符，埃及小麦生产。* 通讯作者。联系电话：+201118111917，电子邮件地址：ama35@fayoum.edu.eg。2212-6678 © 2014作者由爱思唯尔公司出版 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。信息工程研究所负责的选择和同行评审Ahmed Mohamed Omran和Motaz Khorshid / IERI Procedia 7（2014）28291. 介绍长期战略分析（LTSA）是一个重要的决策过程，帮助决策者制定有效和高效的长期战略观点。因此，LTSA对于在高度不确定性和复杂性的条件下帮助决策至关重要[1]。环境扫描阶段在长期战略规划中起着基础性作用。此外，它还用于通过发现特定领域当前的内部优势和劣势、外部驱动因素以及未来的外部机会和威胁来识别所有驱动因素[2]。PEST分析是一种广泛使用的环境分析工具。PESTEEL代表政治，经济，社会文化，技术，法律和道德问题。它的分析考察了这些因素中的每一个对特定领域的影响[2]。此外，SWOT分析是一种重要的战略规划工具，用于评估特定领域的内部优势，弱点，机会和外部威胁。SWOT分析与PESTEL分析的结果相配合[2，3]。对于领域专家的知识获取过程，实时（RT-Delphi）Delphi技术被广泛用作结构化和受控的辩论[4，5]。在RT-Delphi中，所有的意见都是匿名的，领域专家倾向于达成共识。它有以下5个优点（与传统的Delphi相比）：无舍入方法大大节省了时间和成本，专家可以即时访问网站，参与者数量灵活，并且可以轻松应用于矩阵设计中制定的问题[6]。知识获取的过程需要对特定领域的概念及其属性达成一致[7]。本体描述了领域概念及其属性，以及这些概念之间的所有关系。这是至关重要的，以协调概念的含义，并提供更丰富的关系，他们[7，8]。这通过在辩论某个概念或问题时最大限度地减少误解的机会，为知识获取过程铺平了道路。它通过定义领域专家之间的共同语言来减少专家判断的矛盾，并避免在讨论特定主题时产生误解[8]。基于知识的模型的解释设施确实影响政策/决策者接受共识结果的信心[9]。此外，MICMAC（应用于分类的影响矩阵交叉引用乘法）代表了基于比较不同分类（直接，间接和潜在）中问题层次的结构分析，这是确定特定领域主要通配符的丰富信息来源[10]。最后，文献中的大多数经典环境扫描模型仅提供短期和中期[11，12，13，14，15]。本文的结构如下：在第2节中，我们讨论了解决的问题。然后在第3节中，详细解释了我们提出的解决方案，包括输入，输出和方法本身。在第四节中，我们给出了一个案例研究。最后，在第6节中，我们总结并建议未来可能的工作。2. 解决的问题大多数经典的环境扫描模型都不足以有效地处理长期的复杂性和不确定性，这是长期未来的重要属性。此外，这些传统模型依赖于有限数量的预测器。此外，经典的环境扫描模型在处理知识获取过程中存在局限性，如：处理概念意义的误解、处理知识矛盾、允许从不同地点的专家收集知识以及专家之间的有效交流等。30Ahmed Mohamed Omran和Motaz Khorshid / IERI Procedia 7（2014）283. 提出解决方案本研究的主要目的是开发一种智能环境扫描方法（IESA），该方法足够高效和有效，以适当地处理长期的复杂性和不确定性。IESA依赖于领域专家的判断，他们的理由和建模能力。图1. IESA图2.阶段1.本体构建如上图所示，开发的IESA框架。下面，我们将解释开发IESA的方法，它的输入和输出，最后是阶段的流程图。请注意，开发的IESA方法是使用开发的IESA工具与C#编程语言和XML实现和测试的（对代码感兴趣的读者可以给作者发电子邮件）。3.1. 输入/输出我们开发的方法的输入是关于PESTEEL的知识，SWOT，结构分析和Meta知识关于“什么”和“为什么”的解释（每个输入的使用将在方法部分说明）。发达IESA方法的最终共识结果是主要的驱动因素和解释知识，给政策/决策者更合理的结果。3.2. IESA方法和阶段我们的方法是基于开发一个智能大规模的环境扫描过程的参与者的方法。它提供了分布式交互功能，并有助于建立和管理知识库的环境扫描过程。不同的基于知识和基于模型的方法集成来实现这一任务。此外，我们通过增加可视化和解释功能以及与本体知识库模型集成来增强基于Web的RT-Delphi模型。将目前广泛使用的环境扫描模型SWOT、PESTEL和MICMAC分析法与增强型RT-Delphi集成，完成环境扫描任务。如图1所示，开发的框架包括五个主要组件，它们是模型库、知识库、基于模型的管理系统、基于知识的管理系统和图形用户界面组件。知识库系统有不同的模型，分别是增强型RT-Delphi，Ahmed Mohamed Omran和Motaz Khorshid / IERI Procedia 7（2014）2831本体构建模型，“如果”和“为什么”解释。此外，SWOT、PESTEEL和结构分析是代表模型基础组件的三个模型。基于模型和基于知识的管理系统组件提供所有模型的集成和执行。最后，图形用户界面子系统提供用于报告共识摘要信息、解释和可视化能力的策略/决策者能力。在下文中，IESA的方法将在前面的每个流程图中说明：增强的RT-Delphi模型被用作本体构建的知识获取工具。它与本体构建编辑器协作，如图2所示，生成领域本体知识库。所开发的本体知识库由四个子本体组成：模型驱动者、模型变量、参与者、问卷，它们由不同的概念组成。此外，每个子本体由不同的概念图3.第二阶段。识别阶段图4.第三阶段。结构分析阶段图3解释了标识阶段。它在环境扫描中发挥着重要作用。它是用来识别所有的驱动程序，利用专家的知识和他们的想象力。这一阶段旨在确定外部驱动因素和当前的内部优势和劣势。在这一阶段，我们通过增加可视化和解释功能增强了基于Web的RT-Delphi模型。同时，将目前广泛使用的环境扫描模型SWOT、PESTEL与增强型RT-Delphi相结合，完成环境扫描任务。图4显示了集成的ERT-Delphi与SWOT和PESTEEL分析。图6解释了结构分析阶段。在整合MICMAC和增强型RT-Delphi（ERT-Delphi）两种未来研究方法的基础上，MICMAC E-RT-Delphi将被用于识别系统开发所必需的主要驱动因素。如图7所示，结构分析的知识获取过程是基于RT-Delphi数值问卷的。知识获取屏幕分为两种类型：第一种是指导知识，包含领域专家组对每个问题的中位数回答，做出的回答数量，其他人对他们的回答给出的理由，最后是问卷类型的相关链接。此外，第二种类型是判断-知识，允许域施加添加新的受访者的数字答案和类型的理由，为自己的答案（S）。大规模的领域专家可以在领域分析师确定的特定时间段内填写MICMAC E-RT-Delphi矩阵。当领域驱动因素之间的关系为直接影响时，填充直接影响为低（1）、中（2）或高（3）。此外，如果没有关系，则显示零值（0）。在知识获取过程完成后，系统运行MICMAC算法，将结构分析矩阵提升到连续值的幂（幂7在文献中被广泛使用），以找到每对驱动器之间的间接关系。之后，对最终矩阵进行归一化，对行和列进行求和处理。可视化和报告生成组件用于为政策/决策者生成共识报告。32Ahmed Mohamed Omran和Motaz Khorshid / IERI Procedia 7（2014）284. 案例研究：埃及小麦作物生产埃及是世界上最大的小麦进口国，全球小麦价格高企正在影响国内小麦价格。此外，小麦作物的产品是大多数埃及人的重要食物[16，17，18]。本文以我们的研究为基础，支持埃及农业部（MOA）的政策/决策者制定国家作物生产战略计划（2014-2035）。在这个案例研究中，我们帮助MOT的政策/决策者对未来13年全国小麦生产的主要驱动因素进行更合理的估计。此外，我们可以支持减少未来的不确定性和复杂性，并刺激埃及的小麦生产专家和未来学家预测埃及这一关键领域的未来威胁和机遇。基于PESTEEL，SWOT，结构分析和基于本体的RT-Delphi，超过18个领域专家/未来学家参与，通过提供有关主要领域驱动因素及其关系的新水平来帮助政策/决策者。在下文中，我们说明了共识结果：4.1. 识别阶段的总结可描述如下： PESTEEL分析：一致性结果表明，政治驱动因素的数量为5，经济驱动因素的数量为8，社会文化驱动因素的数量为2，技术驱动因素的数量为2，道德驱动因素的数量为1，环境驱动因素的数量为3，法律驱动因素的数量为2。所有选定的驱动因素都是通过权重进行评估的，中值在70%和93%之间。此外，超过12个领域专家必须同意评估的主要驱动因素。 SWOT分析：共识结果显示，优势项目的数量为5，劣势项目的数量为22，机会项目的数量为5，威胁的数量为12。所有选定的项目均按权重进行评估，中位数为72%至87%。此外，超过12个领域专家必须同意评估的项目。4.2. 结构分析共识结果总结：在结构分析阶段，主要有三个步骤，即列出通配符，描述它们之间的关系和识别键。 步骤A.列出通配符：在这一步中，列出了来自PESTEEL和SWOT分析的所有通配符。有12个重要的通配符，它们是：全球气温，全球经济上升，世界金融危机，埃及经济不稳定，流行病传播，重大海外运输事故，重大自然灾害事件，严重污染增加，恶劣天气条件，埃及三角洲气候变化，政府对小麦生产自给自足的看法，以及水资源短缺。这些驱动程序/通配符在PESTEEL分析中采用75%至95%的共识权重。 步骤B.关系描述MICMAC E-RT-Delphi试图发现通配符之间的关系。下表显示了此步骤的输入矩阵。注：（高相关= 2，低相关=1，无相关= 0）。 步骤C.关键驱动因素识别这一步骤包括识别关键的通配符，这对小麦生产发展至关重要，首先通过使用直接分类（易于设置），然后通过RT间接分类Ahmed Mohamed Omran和Motaz Khorshid / IERI Procedia 7（2014）2833Delphi MICMAC模型。这种间接分类是在将矩阵幂增加到幂7之后获得的（基于文献）。结构分析的一致结果表明：缺水、政府对小麦生产自给自足的看法、埃及三角洲的气候变化、世界金融危机是影响埃及小麦生产未来的关键事件。预测未来情景的数值报告和数字可以帮助MOT的政策/决策者预测最重要的未来驱动因素，并提高未来战略计划的质量。5. 结束语和今后的工作 发达的IESA交易创建一个有效的大规模参与网络。它为政策/决策者提供了减少不确定性和复杂性并提高未来决策质量的机会。不同的基于知识的方法（E-RT-Delphi，SWOT，PESTEL，解释和本体构建）集成基于模型的方法（MICMASC），以帮助建立和管理知识库的环境扫描过程。 我们应用开发的框架及其代表的网络工具，以帮助政策制定者解决未来13年埃及小麦作物生产的主要未来驱动因素。 我们未来的工作可以扩展，通过整合所提出的方法与基于区间/模糊的TIA预测未来的主要驱动因素的影响。同时，数据挖掘技术也可以作为自动化本体构建的有力工具。引用[1]Schwartz P.，《长远眼光的艺术：在不确定的世界中规划未来》，《货币》，1996年。[2]DysonR.，“战略规划：模型和分析技术”，图书，奇切斯特，威利，2007年。[3]Cornish E.，“Futuring：The Exploration of the Future”，Book，World Future Society，USA，2005. [4]Gordon T.，“FuturesResearch Methodology V2”, CD ROM, The Delphi method, the Millennium Project, Journal, AmericanCouncil for the United Nations University,[5]Christoph M.，arkow D.，Heiko G.，“A Delphi-based risk analysis -Identifying and assessingfuture challenges for supply chain security in a multi-stakeholder environment”, TechnologicalForecasting and Social Change Journal, V 80, pp 1815–1833, Science Direct, Elsevier,[6]戈登·T和Pease A.，RT-Delphi：An Efficient，[7]埃里克森·H “Survey of knowledge acquisition techniques and tools and their relationship tosoftware engineering”, the journal of systems and software, pp.97-107,[8]Akerkar河，Sajja P.，“Knowledge-Based Systems”, Jones [9]Klein M.R，“Knowledge-Based DSS”，HEC管理学院，法国，20008年。[10]第10话“Actionresearch and futures studies” Futures, Volume[11] Christoph M.，Arkow D.海科湾“A Delphi-based risk analysis-Identifying and assessing futurechallenges for supply chain security in a multi-stakeholder environment”, Technological Forecasting andSocial Change Journal, V 80, pp 1815–1833, Science Direct, Elsevier,[12] Warth J.，Heiko G.，“A dissent-based approach for multi-stakeholder scenario development - Thefuture of electric drive vehicles”, Technological Forecasting and Social Change Journal, V.80, 2013, pp566–583, Science Direct, Elsevier,[13] 彼得·S克里斯蒂安·B泰德·F “Future scenarios to inspire innovation”, Technological Forecastingand Social Change Journal, V.80, pp 432–443, Elsevier,[14] Agami N.，A.Omran，M.Saleh，H.El-Shishiny，34Ahmed Mohamed Omran和Motaz Khorshid / IERI Procedia 7（2014）28[15] 奥姆兰A.，Saleh M.，霍尔希德湾“A Decision Support System for the Egyptian Food Security”,The International Conference on Intelligent Systems Design and Applications, (ISDA),[16] 埃尔丁·K “Egypt’s exports under liberalization: Performance, prospects and constraints (1980-1998)”,Economic and Financial Research Journal, Cairo University,[17] 粮农组织，www.FAO.org[18] 粮农组织，www.fao.org
