（计算机应用技术专业论文）基于数据挖掘的企业库存管理系统研究.pdf

中文摘要 随着经济的快速发展，中小企业已经逐步成为市场经济的主体。中小企业普 遍存在规模小、生存压力大、人员素质偏低和管理方式不科学的问题。为了保证 生产和销售的正常运行，增加企业的竞争能力，更需要时刻关注企业的经营数据 和成本与利润的变化，不断的根据实际情况调整库存，用科学的管理方式为企业 的决策提供支持。 作为数据库技术和人工智能技术相结合的产物，数据挖掘解决了在信息技术 发展中存在的拥有大量数据但缺乏有用信息的问题。本文的研究是根据中小企业 的特点并结合企业现状，围绕着数据挖掘技术在库存管理中的应用而展开，设计 面向中小企业的决策型的库存管理系统，用以提高库存管理水平。 本文在分析了库存管理研究的背景和现状后，结合数据仓库和数据挖掘的理 论，对基于数据挖掘的库存管理系统进行了系统目标分析、用户需求分析和系统 功能分析，并给出了系统的体系结构设计和o l a p 设计，对参与预测计算的各 项关键指标进行筛选和量化，建立了用以预测安全库存量的b p 神经网络模型， 设计了合理的预测计算过程，并对模型进行了训练和预测结果的评价。结果表明， 本文所建立的模型可有助于企业压缩库存占用资金，减少企业的运营成本，控制 企业的运营风险，提供可靠的库存控制决策依据。 在应用方面，以传统的操作型库存管理系统为基础，设计了基于数据挖掘的 决策型库存管理系统，结合神经网络算法模型，建立确定安全库存量的模型，为 中小企业应用决策型库存管理系统打下了基础。 关键词：数据挖掘库存管理b p 神经网络o l a p a b s t r a c t w i t hr a p i de c o n o m i cd e v e l o p m e n t ，s m a l la n dm e d i u me n t e r p r i s e sh a v eg r a d u a l l y b e c o m et h em a i nb o d yo fam a r k e te c o n o m y s o m ep r e v a l e n c ep r o b l e m o t t e ne x i s ti n s m a l la n dm e d i u me n t e r p r i s e s ，s u c ha ss m a l l - s c a l e ，p r e s s u r et os u r v i v e ，l o wq u a l i t yo f p e r s o n n e la n ds c i e n t i f i cm a n a g e m e n tm e t h o d s f o re n s u r i n g t h ep r o d u c t i o na n d m a r k e t i n go ft h en o r m a lo p e r a t i o n ， a n di n c r e a s i n gt h e i rc o m p e t i t i v e n e s s ，e n t e r p r i s e m a l m g e rn e e dp a ya t t e n t i o nt oo p e r a t i n gd a t aa n dt h ec h a n g e so f p r o f i ta n dc o s t ， a d j u s ti n v e n t o r yi na c c o r d a n c ew i t ht h ea c t u a ls i t u a t i o n , a n dp r o v i d es u p p o r tf o r e n t e r p r i s ed e c i s i o n m a k i n gw i t hs c i e n t i f i cm a n a g e m e n t m e t h o d s a sap r o d u c t i o no fd a t a b a s et e c h n o l o g ya n da it e c h n o l o g y , d a t am i n i n gs o l v e s t h ep r o b l e m st h a te x i s ti nt h ep o s s e s s i o no fl a r g ea m o u n t so fd a t a , b u tt h el a c ko f u s e f u li i l f o r r n a t i o ni ni n f o r m a t i o nt e c h n o l o g yd e v e m p m e n t t h i sa r t i c l ei sb a s e do n t h es t u d yo ft h ec h a r a c t e r i s t i c so fs m a l la n dm e d i u me n t e r p r i s e s a n de n t e r p r i s e c o m b i n e dw i t ht h es t a t u sq u o ，r e s e a r c h e sa b o u td a t am i n i n gt e c h n o l o g ya p p l i c a t i o nm i n v e n t o r ym a n a g e m e n t d e s i g n sd e c i s i o n - m a k i n gi n v e n t o r ym a n a g e m e n ts y s t e ms m a l l a n dm e d i u me n t e r p r i s eo r i e n t e d ，e n h a n c ea b i l i t yo fi n v e n t o r ym a n a g e m e n t a f t e ra n a l y s i so fi n v e m o r ym a n a g e m e n tb a c k g r o u n da n ds t a t u sq u o ，t h i sp a p e r c o m b i n e dw i t hd a t aw a r e h o u s ea n dd a t am i n i n gt h e o r y t oa n a l y s i si n v e n t o r y m a n a g e m e n ts y a e m ss y s t e mo b j e c tu s e rn e e d sa n ds y s t e mf u n c t i o nb a s e do nd a t a m i n i n g ，p r o v i d e ds y s t e ms t r u c t u r ea n do l a pd e s i g n , s c r e e n e da n dq u a n t i z e dk e y i n d i c a t o r sw h i c ht ob ep a r t i c i p a t e di n t h ef o r e c a s tc a l c u l a t i o n , b u i l tab pn e u r a l n e t w o r km o d e lt of o r e c a s ts a f e t ys t o c k , a n de v a l u a t e dm o d e lr e s u l to ft r a i n i n ga n d f o r e c a s t u l t i m a t e l yt oh e l pc o m p a n i e sr e d u c ei n v e n t o r yo c c u p a t i o no ff u n d sa n d o p e r a t i n gc o s t s ，c o n t r o lo p e r a t i n gr i s k , p r o v i d ea r e l i a b l eb a s i sf o ri n v e n t o r yc o n t r o l d e c i s i o n m a k i n g i nt h ea p p l i c a t i o n , t h i sp a p e rb u i l tad e c i s i o n - m a k i n gi n v e n t o r ym a n a g e m e n t s v s t e mb a s e do nd a t am i n i n gs oa s t ot h eb a s i so ft r a d i t i o n a lo p e r a t i o n a li n v e n t o r y m a n a g e m e n ts y s t e m , c o m b i n e d w i t hn e u r a ln e t w o r km o d e lt oe s t a b l i s has a f e t ys t o c k d e t e m l i n e dm o d e la n dl a i dt h ef o u n d a t i o nf o rt h ea p p l i c a t i o no fp e t r o c h e m i c a l e n t e r p r i s ei n v e n t o r ym a n a g e m e n ts y s t e m k e yw o r d s ：d a t am i n i n g ，i n v e n t o r ym a n a g e m e n t ， b pn e u r a ln e t w o r k , o i ，a p 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得墨鲞盘堂或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名： 齐寄 签字日期 伽了年，月 朋 学位论文版权使用授权书 本学位论文作者完全了解岙鲞盘堂有关保留、使用学位论文的规定。 特授权岙鲞盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 齐寄 签字日期： 加哕年 ，月p 日 导师徘葛形配 导师签名： 与形纸 辩醐：7 月，口日 天津大学硕士学位论文第章绪论 1 1 项目背景及意义 第一章绪论 在我国不断深化改革开放的过程中，大力发展中小企业有利于保持经济快速 增长，中小企业已成为市场经济主体中最具活力和增长潜力的部分。但是，相比 较大型企业来讲，中小企业规模小，生存的压力更大，更需要时刻关注企业经营 的数据；正因为中小企业规模小，我们才更需要关注成本与利润的变化；正因为 规模小，才更需要关注库存不要有积压，才更需要通过数据为企业的决策提供支 持。 库存( i n v e n t o r y ) 是指处于储存状态的物品或商品口3 。在财务报表中表现为 企业的可支配的有形资产：在生产管理中表现为可查询的物资储备清单，是为保 证将来或应急之用的备用物资，用来维持企业生产运营活动正常进行的功能。一 般说来，在采购生产阶段，为了保证生产过程的平稳连续进行，需要有一定数量 的原材料、零部件库存：在销售阶段，为了及时满足顾客的要求，避免发生缺货 或延期交货现象，需要有一定数量的成品库存。而库存商品要占用资金，发生库 存维护费用，并存在库存积压而产生损失的可能。由于中小企业的注册资金相对 比较少，流动资金有限，因此，在企业的决策管理中，既要防止缺货、避免库存 不足，又要防止库存过量，避免发生大量不必要的库存费用。 锦州永嘉化工有限公司是以生产电力电容器绝缘油和无碳复写纸压敏染料 溶剂油为主的精细化工企业。企业员工2 0 0 人，注册资金1 0 0 万，属于小型精细 化工企业。原材料有苯乙烯、二甲苯、乙苯和氯化苄，主要产品有二芳基乙烷 ( p x e ) 、耐低温绝缘油( p e p e ) 、苄基甲苯绝缘油( m d b t ) 、无碳复写纸压敏 染料溶剂油( l r c 一2 0 1 ) 主副产品。企业规模虽然不大，但是在行业中，企业生 产的产品占国内市场的7 0 ，同时也销售到日本、台湾、韩国等地区。随着产品 需求不断的加大和企业不断扩产的同时，也带来了与之相关的许多问题，例如操 作人员素质偏低，对企业的生产、管理、销售都是凭借传统的方法和管理者的经 验，经常出现不能及时供货的情况，严重影响了企业的信誉，阻碍了企业发展、 壮大的步伐。所以企业的管理者希望能及时了解企业的库存绩效和提高库存管理 中库存预测的准确性，从而避免出现原材料或成品短缺或库存过高的情况，改善 库存资金占用，降低企业运行的成本。对本企业来说，存在两种安全库存，一种 天津大学硕士学位论文第一章绪论 是原材料库存，一种是产品库存。影响预测安全库存量的因素很多，人为因素、 环境温度、客户的需求等都可能影响预测的结果。 目前企业都是凭借着经验给出库存量的值，经常会出现如下的一些问题： l 、 由客户数量或客户需求的增加而造成的不能按时供货 2 、 由原材料或产品在存储或运输过程中的丢失而造成的补货 3 、 由人为因素或管理因素而造成的产品需求增加的问题 以上这些问题不仅会对企业的信誉造成严重的影响，而且会给企业造成直接 的经济损失。目前本企业使用的库存管理软件属于传统的操作型软件。传统的操 作型库存管理系统以传统的数据库为中心，处理企业业务的细节信息，目标是实 现企业的正常运营，但是不能有效的解决上述企业经常遇到的问题。 本论文旨在以数据仓库和数据挖掘技术为工具，以神经网络为方法，结合计 算机库存管理信息系统中的数据，科学地分析库存管理绩效的各项指标，定量地 预测企业的安全库存量，并根据以上思想和技术，设计面向企业的库存管理系统， 分析数据中隐藏的关联和规律为企业的决策者提供支持，以提高管理者的管理水 平。 根据统计，我国产品的直接成本只有总成本的1 0 ，而物流的成本占总成本 的4 0 ，其中库存成本占物流成本的绝大部分；库存资产占到企业资产总额的 3 0 左右【2 】【3 1 。对中小企业来讲，由于其规模小，注册资金少，若能通过库存管 理使库存节约即使很小的比例，其经济效益也是很可观的。由于市场竞争的日益 激烈，降低库存成本已经成为企业的“第三利润源泉” 4 1 。因此通过有效的库存 管理方法降低库存水平，对于中小企业大幅度提高企业的资金周转率和回报率以 及提高企业竞争力都具有特别重要的意义。 1 2国内外研究现状 目前，国内外对库存管理和数据挖掘技术的研究很多，也分别有很多成果。 很多学者把数据挖掘应用到库存管理中，帮助指定采购计划、预测和推算库存量 和安全库存。有基于遗传算法对库存系统的仿真优化的应用，有使用数据挖掘技 术对库存进行科学管理的应用，有b p 神经网络对库存量预测的应用，还有决策 支持系统、群决策支持系统、专家系统和混合支持系统等应用【5 】。其中比较突出 的是模糊数学在库存管理中的模糊评价和神经网络在库存管理中的预测。 1 l o b a b i d i 的模糊数学研究理论【6 j 2 0 世纪8 0 年代，美国经济学家l o b a b i d i 把模糊数学这一现代数学工具引入 产品的库存管理中，从多个方面、多种因素对货物的隶属等级状况进行综合评判。 天津大学硕士学位论文第一章绪论 确定模糊评判因素集，进行单因素评判，建立模糊关系矩阵，并把它引入进行 a b c 分类发进行分类和物资质量的模糊评价。 2 何炎祥的神经网络研究理论【7 】 神经网络的b p ( b a c kp r o p a g a t i o n ) 模型是由r u m e m a n 等人提出，在输入层 和输出层增加了多层神经元，且可改变网络中各层的权重值，在前馈式神经网络 模型中被广泛应用与预测、模式识别等方面，所以用它可以来预测安全库存及确 定最大库存。 在神经网络技术应用于库存管理实践中，在国内外的研究学派中比较著名的 是武汉大学计算机学院院长何炎祥教授，他使用神经网络技术实现了零售公司中 满足库存量的两条相互对立原则的解决，这两条原则分别为最小化库存总量原则 和使库存水平达到客户满意的最高水平原则。很明显，企业为了减少库存成本和 流动资金占用，都会尽量减少库存商品数量，但是如何用最小的库存量来满足客 户的需求并令客户满意，是一个难题。何炎祥认为，第一条原则的问题是企业并 没有给出库存的数字化定量；第二条原则所存在的问题为零售公司一般都拥有上 百家连锁商店，它们一般都保存着关于哪种商品被售出、以什么价格出售等信息， 这类信息是很难收集和确定的，所以可能会导致在库存上同第一条原则产生冲 突。 在研究中，以先前神经网络研究者经过观察所得到的一般规则为基础，通过 反复论证这些规则，得到一些知识，并将这些知识放入库存问题中进行检测。何 炎祥认为建立解决库存问题的神经网络主要考虑以下六个方面： ( 1 ) 使用的神经网络的类型； ( 2 ) 预测销售需求的时间间隔； ( 3 ) 训练神经网络的方法； ( 4 ) 神经网络的记忆类型： ( 5 ) 解决数据的贫乏问题； ( 6 ) 评价神经网络的参数； 目前，石化行业的企业缺乏科学的库存管理，无经济批量等概念，对前期库 存、使用量及进货量决定的现期库存量不能进行合理管理，致使保管费用和损耗 居高不下，占用流动资金，降低了经济效益。由此，作者针对企业的实际情况， 把神经网络应用到石化企业的库存管理中，建立使用企业的预测模型，将企业集 中于企业的库存管理，为企业的决策者提供支持。 天津大学硕士学位论文第一章绪论 1 3作者主要完成的工作 作者主要完成的工作有以下几点： ( 1 ) 把数据挖掘的技术应用到库存管理系统中。 相比较传统的操作型库存管理系统，本库存管理系统是以数据仓库为中心， 把数据挖掘的技术应用到库存管理系统中，分析数据中隐藏的关联和规律为企业 的决策者提供支持。 ( 2 ) 对影响库存的各种因素进行详细的分析 通过对库存绩效指标体系的设计以及相关数据的分析，找出影响库存的主要 因素，协助降低库存管理成本，提高库存管理水平。 ( 3 ) 运用b p 神经网络模型预测安全库存量 通过建立b p 神经网络模型，并利用历史数据对模型进行训练，可以对安全 库存量进行预测，这样在保证不缺货的情况下，降低了不必要的库存带来的成本， 从而提高了库存管理的绩效。 1 4 本文内容的组织结构 论文共分五章，结构安排如下： 第一章介绍了论文研究的背景和目的，分析了库存管理系统的现状和存在 的问题及发展趋势以及给出论文内的主要工作和总体思路。 第二章介绍了数据挖掘的理论和方法。 第三章描述了库存管理系统中数据挖掘过程、库存管理系统的需求分析与架 构设计和库存系统中库存数据分析 第四章在分析实际数据的基础上，根据数据挖掘的过程建立数据集，使用 神经网络算法进行数据挖掘。 第五章对用训练样本对模型进行实验，并对其结果进行分析 第六章对论文中建立的预测模型和对模型的实施进行简单的总结。 天津大学硕士学位论文第二章数据挖掘技术 第二章数据挖掘技术 近年来，随着数据库技术的不断发展及数据库管理系统广泛应用，人们收集 数据的能力迅速提高，数据库中存储的数据量急剧增大，如何从海量信息的数据 库中提取更有价值的信息和知识? 人们结合统计学、数据库、神经网络、模糊数 学、粗糙集理论等技术，提出了“数据挖掘”这一新的数据处理技术来解决这一 难题【8 1 。 数据挖掘技术出现于2 0 世界8 0 年代后期，9 0 年代有了突飞猛进的发展。数 据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种商业数据 是存储在计算机的数据库中的，然后发展到可对数据库进行查询和访问，进而发 展到对数据库的遍历。数据挖掘使数据库进入了一个更高级的阶段，它不仅能对 过去的数据进行查询和遍历，而且能够找出过去数据之间的潜在联系，从而促进 信息的传递【9 】。 数据挖掘技术从一开始就是面向应用的。它不仅是面向特定数据库的简单检 索查询调用，而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和 推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数 据对未来的活动进行预测。 数据挖掘是从大量的数据中抽取潜在的、有价值的知识的过程，是一个新兴 数据分析技术，在商业、生物、决策等方面有很多的应用，并且起到了很大的作 用。 2 1数据挖掘原理 2 1 1 数据挖掘概念和分类 数据挖掘( d a t am i n i n g ) 是数据库中的知识发现( k d d ) 中最核心的技术， 是指从数据库或数据仓库中提取隐含的、未知的和潜在的、有用信息的非平凡过 程。数据挖掘技术可以从大量的、不完全的、有噪声的、模糊的、随机的数据中， 提取隐含在其中的、事先不知道的、但又是潜在有用的信息和知识n 叫1 1 1 。 数据挖掘实质是数据库技术和人工智能技术相结合的产物，解决了在信息技 术发展中存在的拥有大量数据但缺乏有用信息的问题，完成从业务数据到决策信 息的转换。 天津大学硕士学位论文第二章数据挖掘技术 从不同的角度出发，数据挖掘可按照以下方式进行分类”羽： 1 根据挖掘的对象数据库分类 由于不同数据中的数据描述、组织和存储方式不同，所以数据挖掘的数据库 分为关系型、事物型、面向对象型、主动型、空间型、时间型、文本型、多媒体 和异构型等数据库； 2 根据挖掘的知识类型分类 数据挖掘的知识类型包含多种形式：关联规则、分类规则、时序规则、特征 规则、聚类规则、总结规则和趋势分析等。同时，由于知识表达层面的不同，数 据挖掘又可分为原始层次挖掘、高层次挖掘和多层次挖掘等类型； 3 根据挖掘的技术分类，常用的挖掘技术包括： ( 1 )人工神经网络方法 ( 2 )决策树方法 ( 3 ) 规则归纳方法 ( 4 ) 模糊和粗糙集方法 ( 5 ) 可视化技术 2 1 2 数据挖掘的要素 数据挖掘必须具备以下几个方面的要素n 羽，才能获得满意的结果： 1 规模：要从数据中挖掘出规律，则数据源的规模必须非常海量； 2 历史数据：数据挖掘必须对数据进行长期趋势的分析，但数据在时间轴 上大的纵深性是数据挖掘的一个新难点； 3 。数据集成和综合性：数据挖掘可能要面对的是关系非常复杂的全局模式 的知识发现，但注意力可以更集中于数据挖掘算法； 4 查询支持：一般由用户提出的及时随机查询，往往不能形成精确的查询 要求，需要靠数据挖掘技术进行实时交互，使决策者的思维保持连续， 才能挖掘出更深入、更有价值的知识； 5 模式的适用性：数据挖掘模式的发现主要基于大样本的统计规律，发现 的规模不必适用于所有数据，达到某阀值就可以为有效。 2 1 3 数据挖掘的步骤 数据挖掘是分步骤、多角度数据分析和知识获取的过程口劓。目前，最具有影 响力的数据挖掘过程标准是c r i s p d m ，c r i s p d m 已经成为应用最广泛的、事实 上的工业标准。 c r i s p - d m 是一个分级的过程模型，它将数据挖掘过程分解成6 个阶段和4 天津大学硕士学位论文第二章数据挖掘技术 个层次。 ( 1 ) 理解商业背景：确定商业目标，评估目前的形式，明确数据挖掘目标并建 立项目计划。 ( 2 ) 理解原始数据：收集并描述原始数据，检查和确认数据的质量。 ( 3 ) 数据准备：选择、清理数据，数据综合并将数据标准化 ( 4 ) 建立数据挖掘模型：选择建模算法，产生测试模型，建立模型和评估模型。 ( 5 ) 评估：评估数据挖掘的结果，监视数据挖掘过程并确定下一步工作。 ( 6 ) 部署：指定数据挖掘实施计划，指定监控该计划实施的方法，完成最终报 告，最后回顾整个工程。 数据挖掘的处理对象是大量的数据，这些数据一般存储在数据库系统中，是 长期积累的结果，但往往不适合直接在这些数据上面进行知识挖掘，需要做数据 准备工作，一般包括数据的选择、净化、推算、转换、数据缩减。如果数据挖掘 的对象是数据仓库，那么这些工作往往在生成数据仓库时已经准备妥当。数据准 备是否做好将影响到数据挖掘的效率和准确度以及最终模式的有效性。 2 1 4 数据挖掘方法分析 近来数据挖掘技术的快速发展己从统计学、模式识别、机器学习和数据库等 领域中得到了多种算法，与库存量预测相关的算法主要有以下几种： l 决策树。 决策树又称判定树，是一种类似于二叉树或多叉树的树结构。树中的每个非 叶子节点( 包括根节点) 对应于训练样本集中一个非类别属性的测试，非叶子节点 的每一个分枝对应属性的一个测试结果，每个叶子节点则代表一个类或类分布。 从根节点到叶子节点的一条路径形成一条分类规则。决策树可以很方便地转化为 分类规则，是一种非常直观的分类模式表示形式。常用于解决确定性问题和不完 全问题。 2 神经网络 神经网络( n e u r a ln e t w o r k ，n n ) 通过网络中各连接权值的改变，实现信息的 处理和存储。在神经网络中每个神经元既是信息的存储单元，又是信息的处理单 元，信息的处理与存储合二为一，由这些神经元构成的网络在每个神经元的共同 作用下，完成对输入模式的识别与记忆。 3 粗糙集技术 粗糙集是由波兰华沙理工大学的p a w l a kz 教授于1 9 8 2 年代提出的种研究 不完整、不确定知识和数据的表达、学习、归纳的理论方法。所谓粗糙集方法， 是基于一个机构( 或一组机构) 关于一些现实和它分辨某些特点、过程、对象等的 天津大学硕士学位论文第二章数据挖掘技术 能力的知识，该方法以观察和测量所得数据进行分类的能力为基础。粗糙集不仅 为信息科学和认知科学提供了新的科学逻辑和研究方法，而且为智能信息处理提 供了有效的处理技术。 2 2数据挖掘与安全库存的预测 企业往往在安全库存的基础上再多加一部分存储量，以保证生产的正常进 行。但是，在每一个环节上多加一部分库存，就会给企业增加储备量，占用更多 的资金，承担更大的风险。所以要根据企业的实际生产情况和现有的物资储备情 况来优化库存，确定最优安全库存量。在实际生产中，影响企业库存的主要因素 很多，例如，存储成本，缺货成本，需求量，定货周期等等。而单纯依靠经验来 对库存进行管理适应不了企业目前的状况。 目前企业安全库存的预测方法主要有： 1 b p 神经网络技术 r e y e s a l d a s o r occ 等【15 】于1 9 9 9 年采用神经网络技术与动态规划结合建立 了按地理分散分布的零售公司的混合结构模型；p a r t o v ify 等【l6 】于2 0 0 2 年利 用人工神经网络对库存的a b c 分类进行了研究；b a n s a lk 等【1 7 l 于1 9 9 8 年使用基 于神经网络的d m 和k d d 技术解决一个大医药分销公司的库存问题，它们通 过对比传统的统计技术以决定应选用的最好的神经网络类型，并用一个实例说明 使用这个神经网络能在维持同一水平的顾客需求满足率时减少总库存的5 0 ；轩 超亭，黄培清掣1 8 】于2 0 0 0 年系统地总结了神经网络技术在供应链管理中的应用， 并用b p 网络对上海市场自行车的需求量进行来预测；王东旭、沈益民等【l9 j 于 2 0 0 1 年用b p 神经网络模型预测了e r p d 安全供货库存；何炎祥，李峰等 2 0 】于 2 0 0 2 年介绍了使用基于数据挖掘和知识发现的神经网络技术来解决库存问题的 一般方法。 2 混沌神经网络模型 人工神经网络由于其利用梯度下降的动力学算法，因此在求解许多实际优化 问题时常常陷入局部极小值，为了克服这个困难，学者们在神经网络中引入混沌 技术以避免其陷入局部极小【2 1 1 。将h o p f i e l d 结构的神经网络与混沌技术结合形 成混沌神经网络，进行智能化信息处理【2 2 】，将混沌神经网络技术应用在安全库存 的预测上，进行库存预测【2 3 1 。 3 遗传神经网络预测模型 遗传b p 神经网络的主要思想是利用g a 的优点来克服b p 算法收敛慢和易 陷入局部最优解的缺陷，同时与b p 神经网络结合，也解决了单独利用g a 只能 天津大学硕士学位论文第二章数据挖掘技术 在短时间内寻找到最接近最优解的问题【2 4 】。 安全库存是其影响因素共同作用的结果，预测安全库存的实质就是找到安全 库存与各因素间的相互关系。企业的安全库存与其影响因素间是一种复杂的非线 性关系。传统的数理统计方法难以对其进行准确的预测。但神经网络凭借其处理 非线性问题方面的独特优势，能够很好的模拟出企业安全库存与其影响因素间的 映射关系，从而达到对企业安全库存进行准确预测的目的。 2 3b p 神经网络模型概述 反向传播算法人工神经网络( b p 人工神经网络) 是8 0 年代初发展起来的人工 神经网络中最有实用价值的部分之一。早在1 9 6 9 年，感知器的提出者m m i s k y 和s p a p e r t 在他们的p e r c e p t r o n 专著中指出：简单的线性感知器只能解决线性可 分样本的分类问题。简单的线性感知器仅有一层计算单元，而要实现对复杂函数 的逼近，必须采用多层前馈网络。于1 9 8 8 年r u m e l h a r t 和m c c l a l l a n d 提出了多 层前馈网络的反向传播算法( b p 算法) ，解决了感知器不能解决的多层网络学习 算法的问题，其关键是引入了反向传播的误差信号来解决学习问题。 b p 神经网络是神经网络中应用最广泛的算法，其具有以下几个特点： ( 1 ) 对于所要解决的问题，b p 神经网络并不需要预先编排出计算程序来计 算，而只需给它若干个训练实例，它就可以通过学习来完成，并且有所创新，这 是它的一个显著特点。 ( 2 ) 具有自适应和自组织能力，可从外部环境中不断的改变组织、完善自己。 ( 3 ) 具有很强的容错性，当系统接受了不完整信息时仍能给出正确的解答。 ( 4 ) 具有较强的分类、模式识别和知识表达能力，善于联想、类比和推敲学 习。 2 2 1b p 网络结构 b p 网络由输入层、隐含层和输出层构成，每层由许多并行运算的简单神经元 组成，这些神经元类似生物神经系统的神经元，网络层与层之间的神经元采用全 互连方式，同层神经元之间无相互连接。虽然单个神经元的结构简单，功能有限， 但大量神经元构成的网络系统所能实现的功能却是极其丰富多彩的。神经网络是 一个非线性动力学系统，其特点在于信息的分布式存储和并行协同处理。b p 网 络结构如图2 1 所示【2 引。 在b p 网络拓扑结构中，输入节点与输出节点是由问题的本身决定的，关键 在于隐含层的层数与隐含层节点的数目。 天津大学硕士学位论文第二章数据挖掘技术 隐含层处于输入层与输出层之间，作为输入模式的内部表示，即对一类输入 模式中所含的区别于其它类别的输入模式特征进行抽取，并将抽出的特征传递给 输出层，因此，把隐含层称为特征抽取层。这一特征抽取的过程，实际上也就是 对输入层与隐含层之间的权值进行“自组织化”的过程，即在网络的训练过程中， 各层之间的权值从初始的随机值逐渐演变，最终达到能够表示为输入模式特征的 过程。 对于隐含层的层数，许多学者都作了理论上的研究，著名的k o l m o g o r o v 定 理证明了只要隐含层节点足够多，一个隐含层的神经网络就可以以任意精度逼近 一个非线性函数。相对来说，隐含层节点数的选取很困难，在实际操作中主要靠 经验和试凑法。 输入层隐含层输出层 输入神经元隐含神经元 输出神经元 图2 1b p 神经网络模型结构 2 2 2b p 算法思想 b p 算法的基本思想是把学习过程分为两个阶段，输入信息的正向传播过程 与误差的反向传播过程。 1 输入信息正向传播汹1 输入的样本从输入层经过隐含单元一层一层的进行处理，通过所有的隐含层 之后，则传向输出层。在逐层处理的过程中，每一层神经元的状态只对下一层神 经元的状态产生影响。在输出层把实际输出和期望输出进行比较，如果实际输出 不等于期望输出，则进入反向传播过程。 2 误差反向传播 反向传播时，把误差信号按原来正向传播的通路反向传回，其主要目的是通 过将输出误差反传，将误差分摊给各层所有单元，从而获得各层单元的误差信号， 进而修正各层神经元之间联系的权值，以使误差信号趋向最小。其过程，是一个 权值调整的过程。权值调整的过程，也就是网络的学习训练过程。 天津大学硕士学位论文第二章数据挖掘技术 2 2 3b p 算法描述 设网络的输入学习样本为p 个，输入向量为x ；( i = l ，2 ，n ) ，期望输出为 t 。( k = l ，2 ，) ，输入层至隐含层连接权重w ；j ( i = l ，2 ，n ：3 = i ，2 ，m ) ， 隐含层至输入层连接权重为v j 。( j = 1 ，2 ，m ：k = l ，2 ，q ) ，隐含层神经元的阀 值oj ( j = l ，2 ，m ) ，输出层神经元的阀值r k ( k = l ，2 ，q ) 。b p 算法的基本过 程如下： 1 给定初始值，即赋给各连接权和阀值任意随机小值。 2 将一个样本输入网络。 3 计算隐含层神经元输出z 。和输少层神经元输出y 。 乞：厂f ，窆置一0 1 ：1 l = 厂l z 厂吆i ij = lj 其中，f ( x ) 为激活函数。 4 计算输出层神经元误差6 。和隐含层神经元误差d 。 疋= ( 瓦一k ) r k 0 一玩) d ，= z ，( 1 一z h v 肛 5 调罄连接权佰和阀值： ( 公式2 - 1 ) ( 公式2 - 2 ) ( 公式2 - 3 ) ( 公式2 - 4 ) = + 呶，x f ( 公式2 5 ) v 霈= v 盈+ 彩t x f ( 公式2 6 ) 9 ，= p ，+ 届d ， ( 公式2 7 ) 咯= r k + 膨t ( 公式2 8 ) 6 输入下一个学习样本，返回3 ，直至全部学习样本训练完毕，并计算误差和e ， 若误差和e 小于设定的某一精度e ，则学习结束，否则重新学习样本后再次学习， 直至e 天津大学硕士学位论文第三章基于数据挖掘的库存管理系统的分析与设计 第三章基于数据挖掘的库存管理系统的分析与设计 3 1 系统分析 3 1 1系统目标分析 决策是管理的核心。所谓决策，是指组织或者个人为了实现某种目标而对未 来一定时期内有关活动的方向内容及方式的选择或调整过程。在战略管理过程 中，高层决策者面临的基本问题是如何使企业更有效地运作，从而最大限度地获 得投资带来的效益。企业决策者在企业的发展中起着极为重要的作用，他负责企 业的整体规划，协调企业资源及各部门关系，关注企业内外各种综合指标，进行 各种综合对比分析，为企业的前进的大方向做出最后决策。 企业的中高层管理人员中存在很大的潜在决策分析需求，目前本企业就是使 用的传统的操作型库存管理系统。操作型库存管理系统是一种典型的o l t p 应用 系统，这种系统适合于业务人员对每一笔记录进行维护和查询，实现了业务层面 上的电子化。但是中高层人员往往不关心每一笔的业务情况，他们需要知道这样 一些信息：某段时间内库存的变化情况? 哪种产品在仓库中周转最快? 库存控制 成本如何等等。在传统的操作型库存管理系统中可能针对这些需求开发了一些定 制报表，但是这些定制报表存在着灵活性差和执行效率较低两大问题。首先这些 报表是根据用户的当前需求定制开发的，一旦用户有了新的需求就必须重新开 发，而且用户也不能随时根据自己当前的需求灵活决定报表的格式；其次由于数 据库中存储的是每一笔的业务记录，则每生成一次报表就必须对数据进行不同程 度的过滤和汇总，这样必然导致查询效率较低。 由于以上这些原因，以及随着库存管理业务的发展和库存管理在整个供应链 中地位的提高，企业决策者对各种查询、统计、报表及分析的需求也日益增长， 库存管理中的计算机应用也面临着新的挑战。 本论文应用数据挖掘技术设计的库存管理系统帮助企业和用户站在决策的 层面，对库存管理业务进行查询分析，对库存数据进行挖掘，并有效提高系统的 支持决策分析能力。可以将系统的设计目标锁定在以下几个方面： 1 功能完备 基于数据挖掘的库存管理系统应能实现库存分析、综合查询与报表、库存预 警以及基本数据维护和加载功能等；并为企业提供一套基于数据挖掘技术的管理 天津大学硕士学位论文第三章基于数据挖掘的库存管理系统的分析与设计 和决策分析工具。 2 友好的用户界面 由于库存管理分析系统的用户分布不集中，用户的个人能力有限，库存管理 系统应提供一个友好的用户界面，用户通过观察界面就能掌握系统的使用。 3 高度的开放性 系统应具备高度的开放性，使得在后续的开发和维护工作中可以方便的对其 进行扩充，例如新的预测模型的引入、决策方法的改进，以提高系统的利用率等。 3 1 2用户需求分析 在与企业的管理和销售人员沟通过程中，通过一些计划销售的数据和实际销 售数据的比较，发现企业在制定销售计划的时候是根据每个销售人员报的计划和 经验来制定企业的库存量，但是在实际的销售中，库存量远远超过了每月的正常 的销售量，造成库存中产品的积压，不仅占用了部分资金，同时也给企业的管理 带来一定的难度。以2 0 0 7 年1 0 月份销售数据表为例： 图3 11 0 月份产品计划库存表 天津大学硕士学位论文 第三章基于数据挖掘的库存管理系统的分析与设计 产生这种现象的因素很多，企业自身的问题，供货商的问鼯等等，解决这个 问题的方法不仅要提高企业的管理水平，更要科学的设计库存量，以帮助企业面 对不怠园素带来的影响。同时企业的管理者也无法通过这种传统的报表来看出现 在的库存管理状态是不是良好， 传统的操作型库存管理系统主要是进行实时的库存管理活动的维护，比如出 库管理、入库管理等等。随着企业的发展，经营的完善，企业已经不满足于这种 库存管理系统的传统功能，希望在此基础上能将数据仓库和数据挖掘相关技术应 用到库存管理中，建立一种新型的库存管理系统，并且希望该系统能满足如下需 求： 图3 3 系统需求 天津大学硕士学位论文第三章基于数据挖掘的库存管理系统的分析与设计 1 能够整合业务系统中的数据 能够将分析决策所需的大量数据从传统的操作环境中分离出来，整合业务系 统中的海量数据，并将其净化，按不同主题存储在分析型的库存管理系统中，使 分散的难于访问的操作数据转换成集中统一的随时可用的信息。 2 能够实现对库存管理相关信息的查询 首先可被查询的数据范围应该是所有用户权限范围内的数据，也就是说查询 结果应该全面、完整；其次，查询的条件也灵活可变，应根据用户的实际需要提 供各种查询方式；再次，查询内容应该是用户想要了解的信息，比如，库存产品 供应商来源查询等等。 3 能够实现对库存管理相关信息的分析 用户希望能够从不同的角度对库存活动进行分析，比如，从时间的角度分析 库存的变化情况，从产品的角度分析库存控制成本，等等。而且，可以通过对维 度的自由选择，随意生成各类数据统计结果，并可按需要生成多类型的直观图和 报表；并且，对必要的信息能够钻取其更加详细的数据，比如追溯某件货物的供 应商；等等。 4 能够实现对系统数据的知识进行发掘 传统的操作性库存管理系统经过多年的实施，积累了大量的数据，这些数据 中可能隐藏着有用的信息，希望能够利用数据挖掘技术，挖掘其中隐藏的规律， 发现有用的知识。比如，建立数据挖掘模型，利用己有的数据，对安全库存量进 行预测，避免不必要的库存，降低费用。 3 2体系结构设计 体系结构设计如图3 5 天津大学硕士学位论文第三章基于数据挖掘的库存管理系统的分析与设计 每习剀 上上 抽取清洗转换；h l ：i 载 上 数据获取层(二 可操作数据存储 、一一一 j 士 数据存储层(二二i 数据仓库 -一一一 1r1r 数据应用层数据挖掘 o l a p 数据的选择多维分析 算法的选择联合查询 模型的建立 刚 士士 表达层客户端用户 图3 5 库存管理系统体系结构图 1 数据获取层 数据获取层根据己确定的决策分析的主题域采集原有系统中的各类相关业 务数据，重整后归类存放到数据仓库中。由于数据源的复杂多样性，在数据进入 数据仓库系统之前，要对数据进行抽取、转换和过滤，也就是使用e t l ( e x t r a c t i o n ， t r a n s f o r m a t i o n ，l o a d ) i 具。e t l 工具将原始数据进行抽取，将多余的数据删除， 给必要的但又缺乏的数据赋予默认值，然后将数据转换，保持数据的一致性，最 天津大学硕士学位论文第三章基于数据挖掘的库存管理系统的分析与设计 后将干净的符合要求的数据提供给数据仓库。 数据的来源主要是下面两个个方面： ( 1 ) 库存管理业务数据库 库存管理业务数据库是数据仓库的主要数据来源。企业的库存管理业务部门 通过日常的业务流程将业务数据输入到运营数据库中，如出库单、入库单等。因 为反映的是实时的真实库存活动信息，当然就成为分析库存管理水平数据的最重 要的来源。数据转换，集成工具，把运营数据库的数据按照提取规则将不同的数 据格式转换为数据仓库的格式并装载到数据仓库。 ( 2 ) w e b 服务器 这个数据源全部都保存在w e b 服务器上，如何把这些看起来没有任何规律 的信息通过分析型库存管理系统的分析功能，挖掘出企业最需要的信息，是一项 重要而迫切的课题。利用这些数据源理解客户行为，可以为库存管理决策提供重 要的作用。 2 数据存储层 数据存储层是系统保存数据的区域，数据来源于数据获取层所提供的干净数 据。数据仓库的物理设计要尽可能符合数据模型，同时通过对数据仓库数据量的 估计和用户访问量的估计对数据仓库主平台所需的软件和硬件做出评估，确定主 平台的系统配置情况。在这一层次，还需要通过