决策支持系统在制造业企业中已得到一定应用，但是新经济环境引起的经营管理思想变革使决策者的决策行为特点随之发生改变，传统决策支持系统已难以适应现实要求。分析传统决策支持系统问题所在并用新的设计思想来指导决策支持系统设计，已经成为当前重要而迫切的课题，该课题对制造业企业竞争能力的提高具有极大的现实意义。 本文深入分析制造业所处新环境的特点以及传统决策支持系统设计思想的特点，总结决策支持系统在实际应用中存在的诸多问题，认为忽视决策支持系统需求不确定这一重要特征是传统决策支持系统存在缺陷的重要原因。在此基础上本文提出“柔性支持”思想以及“柔性决策支持系统”(Flexible Decision Support System，简称FDSS)概念。 FDSS是针对传统DSS只对可预测问题有效而提出的一种以新思想为指导思想的决策支持系统。它改依赖“模型”为依靠“机制”，强调决策支持系统应该能够为决策者处理不可预测的复杂决策问题提供有力帮助(具有重要意义的高层决策往往属于该类复杂问题)，提出为决策者提供良好决策环境才是辅助决策者处理复杂问题最佳策略的论点。柔性支持思想改变传统决策支持系统设计目标，提高了系统的适应性，在真正意义上满足了决策者对决策支持系统的需求。 本文以某制造业企业的“订单评审”决策问题为例，说明柔性决策支持系统的设计方法及关键技术。结果表明，柔性决策支持系统更能够满足决策者需要，更能适应复杂多变的决策环境。这种新思想是一种有利于提高系统决策支持能力的设计思想。 人工智能技术在各领域得到广泛应用，在决策支持系统中也取得良好效果。本文分析智能技术与决策支持系统关系，讨论两者有机结合的发展前景。文章在肯定智能技术重要作用的前提下，发现并研究盲目应用智能技术以及盲目夸大智能技术作用的现象，指出深刻认识智能技术应用约束条件、总结具有指导性的原则和方法是智能技术进一步发展的重要工作。 本文深入地分析智能技术应用存在盲目性的表现及原因，介绍当前几种典型智能技术及算法的特点。在此基础上，本文以神经网络技术为例，展开关于神经网络技术机械科学研究院博士学位论文应用过程中样本约束条件的研究。研究内容主要是神经网络训练过程中样本分配问题。网络训练效果的评价依赖于样本分配方式，而目前进行样本分配主要是依靠经验和技巧的方法存在很大随机性。 本文提出“相邻样本距离比例关系分析法”，该方法通过分析距离比例关系变化对样本数据产生一定认识，该认识又指导使用者进行样本分配以及检验样本分配效果。该方法还能够对样本信息质量做出评价，指导样本采集方法的优化。通过总结研究工作，文章提出样本分配策略。实例证明该策略效果明显，能够很大程度上降低样本分配的盲目性，能显著地改善神经网络技术应用效果，具有重要科研价值。就实际应用而言，该研究成果对珍贵实验数据分析工作来说，具有巨大经济价值。 研究结果表明，重视应用约束条件并加以研究，能够极大提高智能技术应用效果。这说明智能技术应用约束条件的研究工作是重要的，是应该得到重视并深入开展的。