供應(yīng)鏈管理中的數(shù)據(jù)挖掘方法.pdf

1、隨著全球經(jīng)濟一體化和信息技術(shù)的發(fā)展，未來的競爭不再是企業(yè)對企業(yè)的競爭，而是供應(yīng)鏈 SC(Supply Chain)對供應(yīng)鏈的競爭，供應(yīng)鏈核心成員面臨的重要問題是如何選擇更好的合作伙伴，以提高產(chǎn)品的質(zhì)量、性能、服務(wù)績效，從而提升客戶滿意度，而作為供應(yīng)鏈的源頭，供應(yīng)商的研究對于企業(yè)有著十分重要的意義。同時，供應(yīng)鏈的運營積累了大量的數(shù)據(jù)和信息，如何采用商務(wù)智能BI(Business Intelligence)與數(shù)據(jù)挖掘DM(Data Mini

2、ng)技術(shù)，從這些海量的數(shù)據(jù)與信息中獲取未知或隱含的知識，從而進一步指導(dǎo)供應(yīng)鏈的優(yōu)化與執(zhí)行，將起著非常重要的作用。因此本文結(jié)合實際企業(yè)的供應(yīng)鏈管理系統(tǒng)，研究相關(guān)的數(shù)據(jù)挖掘方法和技術(shù)，解決供應(yīng)商分類問題，從而有效地支持供應(yīng)鏈的運營。
　　第一章，在大量閱讀國內(nèi)外相關(guān)文獻的基礎(chǔ)上，對供應(yīng)鏈管理 SCM(Supply Chain Management)中針對供應(yīng)商的過程管理、供應(yīng)商分類以及SCM中的數(shù)據(jù)挖掘技術(shù)進行了詳盡的探討，并分析了

3、現(xiàn)有理論、方法與技術(shù)的優(yōu)缺點，并給出了本文的研究架構(gòu)以及主要的研究內(nèi)容和特點。
　　第二章，本文采用事件驅(qū)動過程鏈 EPC(Event-Driven Process Chain)的方法，分析SCM系統(tǒng)中個合作伙伴協(xié)作的業(yè)務(wù)流程，并為其提供一個更易于理解的以符號和術(shù)語加以描述的業(yè)務(wù)過程模型，并介紹了針對具體企業(yè)的SCM系統(tǒng)如何使用EPC方法進行SCM業(yè)務(wù)過程建模。同時提出一種基于抽象相似和模糊C-均值結(jié)合的F-EPC算法，對供應(yīng)鏈中

4、供應(yīng)商所參與的業(yè)務(wù)過程進行建模；同時擴充了 EPC的元模型(包括度量視圖、度量目標、流程目標等)，融入更多、更細致的供應(yīng)商關(guān)鍵績效指標，并建立SCM業(yè)務(wù)過程與性能度量指標之間的映射關(guān)系，從而有效地支持供應(yīng)商的評估與分類奠定基礎(chǔ)。
　　第三章，本文首先基于EPC，圍繞SCM系統(tǒng)的業(yè)務(wù)過程，考慮到供應(yīng)鏈管理中需求波動對于供應(yīng)鏈的影響，提出面向供應(yīng)商全生命周期的數(shù)據(jù)挖掘分析方法，并給出一種面向供應(yīng)商績效評估的S-Cat算法，用于對不同供

5、應(yīng)商進行聚類，該算法考慮到供應(yīng)鏈全過程中供應(yīng)商的績效指標，并結(jié)合均方差函數(shù)，力圖解決供應(yīng)鏈中牛鞭效應(yīng)的影響，取得了較好的結(jié)果，該方法較為新穎，具有較大的創(chuàng)新。
　　第四章，針對供應(yīng)商分類問題，本文提出了一個基于特征的S-Canopy數(shù)據(jù)挖掘算法，此算法由于采用了兩段閾值以及動態(tài)調(diào)整類群的方法，與FW-KMeans、Canopy等同類算法進行相比較，在算法的復(fù)雜性以及運算性能方面都有很大的提高。
　　第五章，從數(shù)據(jù)選取的角度，