供应链管理中的数据挖掘方法-data mining method in supply chain management.docxVIP

-I--I-Abstract摘 要随着全球经济一体化和信息技术的发展，未来的竞争不再是企业对企业的 竞争，而是供应链 SC(Supply Chain)对供应链的竞争，供应链核心成员面临的 重要问题是如何选择更好的合作伙伴，以提高产品的质量、性能、服务绩效， 从而提升客户满意度，而作为供应链的源头，供应商的研究对于企业有着十分 重要的意义。同时，供应链的运营积累了大量的数据和信息，如何采用商务智 能 BI (Business Intelligence)与数据挖掘 DM (Data Mining)技术，从这些海量的 数据与信息中获取未知或隐含的知识，从而进一步指导供应链的优化与执行， 将起着非常重要的作用。因此本文结合实际企业的供应链管理系统，研究相关 的数据挖掘方法和技术，解决供应商分类问题，从而有效地支持供应链的运 营。第一章，在大量阅读国内外相关文献的基础上，对供应链管理 SCM (Supply Chain Management)中针对供应商的过程管理、供应商分类以及 SCM 中 的数据挖掘技术进行了详尽的探讨，并分析了现有理论、方法与技术的优缺 点，并给出了本文的研究架构以及主要的研究内容和特点。第二章，本文采用事件驱动过程链 EPC(Event-Driven Process Chain)的方 法，分析 SCM 系统中个合作伙伴协作的业务流程，并为其提供一个更易于理 解的以符号和术语加以描述的业务过程模型，并介绍了针对具体企业的 SCM 系统如何使用 EPC 方法进行 SCM 业务过程建模。同时提出一种基于抽象相似 和模糊 C-均值结合的 F-EPC 算法，对供应链中供应商所参与的业务过程进行 建模；同时扩充了 EPC 的元模型(包括度量视图、度量目标、流程目标等)，融 入更多、更细致的供应商关键绩效指标，并建立 SCM 业务过程与性能度量指 标之间的映射关系，从而有效地支持供应商的评估与分类奠定基础。第三章，本文首先基于 EPC，围绕 SCM 系统的业务过程，考虑到供应链 管理中需求波动对于供应链的影响，提出面向供应商全生命周期的数据挖掘分 析方法，并给出一种面向供应商绩效评估的 S-Cat 算法，用于对不同供应商进 行聚类，该算法考虑到供应链全过程中供应商的绩效指标，并结合均方差函 数，力图解决供应链中牛鞭效应的影响，取得了较好的结果，该方法较为新 颖，具有较大的创新。-II--II-摘 要第四章，针对供应商分类问题，本文提出了一个基于特征的 S-Canopy 数 据挖掘算法，此算法由于采用了两段阈值以及动态调整类群的方法，与 FW- KMeans、Canopy 等同类算法进行相比较，在算法的复杂性以及运算性能方面 都有很大的提高。第五章，从数据选取的角度，本文提出另一种针对供应商分类的数据挖掘 算法，即基于投影聚类与线性加权模型相结合的 Hybrid-LWM 算法，由于此算 法在运算过程中，无需高维数据，只需要数值型数据以及供方数据就可以实现 数据的分析与挖掘，实现了快速进行供应商分类的目的。关键词 供应商分类；供应链管理；业务过程建模；数据挖掘；聚类-- PAGE IV-AcronymsAcronymsAHPAnalytic Hierarchy ProcessB2CBusiness To ConsumerBIBusiness IntelligenceBOMBill Of MaterialDEAData envelopment analysisERPEnterprise Resource PlanningEPCEvent-driven process chainIGFIncoming Goods ForwardingIGIIncoming Good InspectionIGRIncoming Goods ReceivingJITJust In TimeKPIKey performance indicatorLWMLinear weighted modelMOQMinimum Order QuantityMPSMaster Production SchedulePMPerformance metricsPOSPoint-of-salePSOParticle swarm optimizationRSTRough set theorySBMSupply base managementSCSupply ChainSCMSupply Chain ManagementSCNSupply Chain NetworkSCORSupply Chain Operations ReferenceSKDSemi Knock DownAbstractAbstractWith the global economic integration an