ERP與数据挖掘.pptVIP

数据挖掘在ERP软件中的应用;ERP系统及其架构;ERP系统模块;数据仓库的体系结构;ERP软件中创建数据仓库的步骤;数据挖掘在ERP智能决策模型中的应用（以采购模块为例）;采购清单生成;DMSPM（Data Mining System for Purchase Management ）的组成结构;ERP数据仓库系统的设计的基本过程;逻辑模型设计;0LAP(联机分析处理);DMSPM（Data Mining System for Purchase Management ）的组成结构;挖掘引擎;改进的 Apriori算法;(1)采用分解的方法，先将采购数据仓库按照时间属性划分成n个小型数据集(SDS，i=1，2，…，n)可以减少一次挖掘的数据量，便于计算机处理数据。如何划分是由用户来决定的，用户对数据库中时态信息的类型和范围有一定的了解，根据期望获得的信息，可以按年、月、日等时间属性来划分。 (2)把时间项转化为普通项，加入到事务的项中，形成【事务项集标识，事务项集，时间项】的数据结构。 (3)一??相关定义： ;算法开始： (1)根据需要和经验，将目标数据集按时间属性划分为n个子数据集，例如，按年、按季或按月划分； (2)在n个子数据集上运行Apriori算法，可以得到n个关联规则集合ARSi(i=1，2，．．．，n)，记为ARSi，其中的频繁项集按【项集标识，项集，时间项】结构存储； (3)直接将n个ARSi的项集进行合并，得到整个时间区域中的关联规则集合，记为ARS2；如果项集中加上时间项进行合并，可以得到跨时间区间的关联规则集合，记为ARS3； (4)按公式(4．1)，公式(4．2)和公式(4．3)计算ARSi中某一模式的模式平均支持度Ravgsupp(p)、数据集平均支持度Savgsupp(p)和模式集中度centri(p)，若该模式的支持度大于平均支持度Ravgsupp(p)且模式集中度centri(p)大于设定阈值M，则可将这个数据集或多个相邻数据集再细分时间间隔，再次运行第(1)(2)(3)步，以得到更准确的模式集合，记为ARS4； (5)合并ARS1、ARS2、ARS3、ARS4，然后利用领域知识将不需要或错误的规则裁剪掉，得到最后的规则集合ARS。 算法结束。 ;DMSPM（Data Mining System for Purchase Management ）的组成结构;知识库;每个子库描述如下：局部数据仓库定义子库;(2)局部数据仓库主题说明子库 局部数据仓库主题说明子库的语法定义如下； 数据仓库主题说明??库：：=SUBJECT_BASE 主题说明序列 END OF SUBJECT BASE 主题说明：：=SUBJECT(主题名) 所属局部仓库为局部数据仓库名 相关关系为关系名序列 公共码键为域名 END OF SUBJECT 语义：相关关系序列中出现的关系必须在局部数据仓库中存在，公共码键必须在该主题的所有关系中存在。 ? ;一般来说，物料清单中应包括如下数据项：父项物料代码和描述，子项物料代码和描述，子项类型，子项数量，自制还是外购等。图4．10是产品A的结构图，大写字母表示装配/子装配，小写字母表示零件，括号中数字为装配所需数量。 ;每个子库描述如下：物料清单子库;(4)隶属函数子库 在知识推理过程中要涉及到一些对模糊概念的处理。例如，在对供应商进行选择的过程中要涉及供应商信誉等级、能力和他们所提供的物料质量等非定量信息。同样，采购人员反馈回来的订单完成情况一般也是非定量信息。例如，交货是准时还是推迟了若干天，质量情况如何等。这些定性的模糊的信息要经过量化后，才能进入由推理评估部件进行处理，这种定性和定量之问的转换就要需要使用到隶属函数。 ;每个子库描述如下：结论子库;DMSPM（Data Mining System for Purchase Management ）的组成结构;知识库只是存储知识，只有通过知识推理机，知识库中的知识才能发挥作用，发现新的未知的知识。推理机的确切定义是：利用知识，解释输入的数据或事实，推导出用户所需的结论，并根据要求，说明得出结论的依据，用于进行这种推理控制的模块称为推理机，