论文部分内容阅读
在决策分析和预测功能方面,传统的ERP(Enterprise Resource Planning)存在着明显的不足,主要表现在: 1.传统的ERP系统,主要功能集中在企业生产经营的事务处理以及对人力、财力和物力的资源分配和运用进行优化。面对ERP系统运作过程中积累的大量数据,未能很好地利用。 2.传统的ERP系统中,管理人员使用模拟数据进行决策分析,这种方法过于依赖主观经验,不能对市场的变化做出准确和迅速的反应,不能满足现在的大型企业的需求。 本研究针对金达布业有限公司实施ERP系统之后出现的问题,将数据挖掘技术引入该ERP系统,结合数据仓库和联机分析处理技术,设计并实现了一个将家纺企业ERP系统与数据仓库和OLAP技术集成的数据挖掘系统,利用ERP系统中积累的数据,挖掘出企业最佳的供应链合作伙伴,为企业提供决策支持。 论文所做的主要工作有: 1.在金达ERP系统的基础上,构建了一个集成数据仓库和OLAP(On-Line Analytical Processing)技术的数据挖掘系统,将金达ERP的交易流程与决策流程、决策流程与预测流程结合起来,弥补了传统ERP在决策和预测方面的不足; 2.将RBF(Radial Basis Function)神经网络的基于最近邻动态聚类的学习算法用于企业的供应链合作伙伴的选择,解决金达布业在实际工作中遇到的“延期交货率和停工待料率依然较高”的问题,使原来需要几天甚至几个星期才能完成的工作在几小时内完成; 3.结合聚类算法K-prototype中对分类型数据的处理方法,对基于最近邻动态聚类的学习算法进行改进,使该算法对ERP系统中的混合型数据(数值型数据和分类型数据)有较好的分类效果。