第四步，子問題識別。
通過問題隱含屬性的取值分析，除目標屬性未知外，輸入變量V53未知。但由於該變量同時又是問題1所用求解方法的輸出變量，同時問題1與問題2的層次相同（均屬於總問題），根據子問題產生規則（式24），不需再對該不明取值屬性產生子問題，但此時問題1與問題2之間形成了順序關係，必須待問題1求解後才能求解問題2.
如果首先提出的是問題2，則根據輸入變量V53的取值狀態需要產生子問題，其隱含屬性的識別與問題1相似，則問題1的輸出變量可以直接從V 53的取值得到。
第五步，問題求解。
在問題1被求解的前提下，即可調用全要素生產率關鍵因素分析模型的求解算法——階層型人工神經網絡敏感性分析算法——來求解問題2.
3.問題3分析過程
第一步，問題表述語句的輸入。
問題3的中文表述為：
九五和十五期間，影響我國固體礦產業技術創新綜合水平各因素對技術創新體係各方麵績效的影響程度怎樣？
第二步，問題的表層屬性的識別。
問題表述語句經過中文分詞得到：
九五/和/十五/期間/，/影響/我國/固體/礦產業/技術創新/綜合水平/各因素/對/技術創新/體係/各方麵/績效的/影響程度/怎樣/？/
根據問題表層屬性識別模型得到的該問題條件和目標子句為：
S=“九五”，S=“和”，S=“十五”，S=“期間”；
D=“影響”，D=“我國”，D=“固體”，D=“礦產業”，D=“技術創新”，D=“綜合水平”，D=“各要素”，D=“對”，D[é]=“技術創新”，D=“體係”，D=“各方麵”，D=“績效的”，D=“影響程度”，D=“怎樣”。
利用依存語法的句法分析器得到該問題表層屬性識別的三元組集合表示為：
S 1=｛（九五，和，聯合），（十五，和，聯合），（和，期間，偏正）｝
1=｛（我國，固體，偏正），（固體，礦產業，偏正），（礦產業，技術創新，偏正），（技術創新，綜合水平，偏正），（綜合水平，各要素，偏正），（各要素，影響，述賓），（對，影響程度，述賓），（技術創新，體係，偏正），（體係，各方麵，偏正），（各方麵，績效的，偏正），（績效的，影響程度，偏正），（影響程度，怎樣，主語），（怎樣，怎樣，謂語）｝D
第三步，問題隱含屬性的識別。
首先，通過目標D1找到識別問題類型的雙關鍵詞，在D1的三元組關係表示中，找到問題的主語和謂語分別為“影響程度”、“怎樣”，通過雙關鍵詞識別模型得到雙關鍵詞為“影響程度＆怎樣”。然後匹配問題類型知識庫中的“對應的關鍵詞集合”，得到問題類型為“影響因素評價類”。采用與問題2同樣的處理方法設置新的問題具體類型——“技術創新體係績效影響因素評價類”和新的求解方法——“技術創新體係關鍵因素分析模型”（該模型同樣采用“階層型人工神經網絡敏感性分析”算法求解）。
最後，匹配求解方法“技術創新體係關鍵因素分析模型”的“求解條件—值—相關說明”。
第四步，子問題識別。
由於除目標屬性（輸出變量）未知外，其他的屬性均已識別，故根據子問題產生機製不產生子問題。
第五步，問題求解。
直接調用技術創新體係關鍵因素分析模型的求解算法——階層型人工神經網絡敏感性分析算法——即可求解問題3.
上述分析過程在CMTIDSS中的主要相關界麵。
6.3.3 開發結果
利用CMTIDSS中的PMS及其相關子係統，我們對我國固體礦產業未來技術創新體係建設所涉及的上述三個總決策問題進行了分析，同時也對有色、黑色、煤炭、非金屬幾個子產業的同類問題進行了分析。
開發結果顯示，CMTIDSS對上述問題從問題表述語句分詞到問題表層屬性分析、隱含屬性分析、子問題分解，直至問題求解、求解結果展示及求解結果評價等一係列過程都能進行有效的處理。同時，對這些問題分析求解所涉及的63個統計分析指標、3600多個統計數據、5類20個分析模型以及與之相關的1300多條知識都能進行有效的管理。
由於使用PMS-DC及相關組件，開發人員不需要關心具體的決策問題及求解方法，隻需知道係統的基本功能與界麵要求。具體的決策問題可在係統使用過程中由用戶輸入，問題的求解方法亦可通過係統的識別快速找到，或在專家用戶的幫助下快速建立。因此，整個係統的開發隻用了10天。