基于产业链协作平台的商务智能架构及数据挖掘技术研究

论文摘要

汽车产业链是由整车制造商、供应商、经销商、服务商等相关企业组成的庞大网络。基于ASP（Application Service Provider, ASP）模式的产业链协作平台,是降低产业链的运营成本、实现产业链协作中复杂信息交互的有效途径,已成为提升汽车制造业竞争能力的主要手段之一。这种公共服务平台的成功实施,提高了汽车产业链上下游企业的协作效率,降低了企业信息交换、传递和获取的成本,促进了企业业务数据的积累。随着企业业务数据的积累越来越多,以及市场竞争环境的不断加剧,如何利用这些数据创造价值成为企业下一步思考的问题。企业希望能够把大量的业务数据迅速转换成可靠的信息,发现数据背后隐藏的知识,找到潜在的规律,从而提高决策质量,把握和发现市场机遇,提升企业的竞争力。但是,传统的信息管理系统已经难以满足企业的这些新需求,由数据仓库、联机分析处理和数据挖掘等技术支撑的商务智能（Business Intelligence, BI）给企业带来了新希望。BI是一种基于大量数据基础上的提炼和重新整合知识的过程,这个过程与知识共享和知识创造紧密结合,完成了从信息到知识的转变,帮助企业决策者做出及时、正确、可行和有效的决策,最终增强企业的竞争优势。本文以四川省制造业信息化研究院开发的汽车产业链协作ASP平台为基础,依托国家科技支撑计划课题“面向高竞争性行业的产业链协作技术集成推广应用（2006BAF01A37）"的支持,进行了以下几个方面的研究工作：1)随着汽车产业链协作ASP平台的成功推广实施,企业数据的积累量与日俱增。面对加剧的市场竞争环境,企业管理者考虑在现有基础上实施商务智能系统,以满足在决策信息方面的需求。本文结合汽车产业链平台的特点以及用户的需求,提出了基于汽车产业链协作平台的商务智能系统的解决方案和体系架构；2)车辆故障分析是挖掘故障配件与车辆行驶里程、使用时间、使用地区、配件品牌、相关故障件等信息之间的关联规则,其目的是为了提高整车设计的合理性。关联规则挖掘的核心算法是寻找频繁集,经典的Apriori关联规则挖掘算法采用的候选项集产生原理决定了该算法寻找频繁集时对数据库扫描过于频繁；无候选项集FP-Growth算法,通过FP-tree寻找频繁集,极大地减少了I／O数据交换,但是,FP-tree的规模和数据特征有关,当数据集大且过于稀疏时,构造基于内存的FP-tree是不现实的。而且由于先天性“剪枝”算法的不足,导致这两种算法在数据库发生变化时,原来发现的频繁集很难重用。针对以上问题,提出了基于矩阵的频繁集发现及更新算法；3)客户是企业的重要战略资源,高效的客户关系管理以扎实的客户细分为基础,而实现客户细分的主要途径就是客户聚类。设计高效、准确的客户细分聚类算法,成为汽车协作产业链平台实施客户细分的关键。针对经典的FKP混合数据聚类算法存在收敛速度慢、初始聚类中心选择困难等问题,提出一种利用遗传算法快速搜索FKP算法需要的初始聚类中心、同时利用FKP算法对染色体进行优化、避免早熟收敛的GA-FKP聚类算法。GAFKP聚类挖掘算法是对混合数据聚类算法改进,具有一定的通用性；基于频繁矩阵的频集发现算法,从一个全新的角度,发现频繁集,弥补了现有算法的不足；基于汽车产业链协作平台的商务智能系统架构实现了和原有平台系统的无缝结合以及程序资源共享,最大限度减少了系统开发工作量,为其他中小企业的信息系统集成BI功能提供一个参考方法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景与意义
• 1.1.1 商务智能应用是企业信息化的自然趋势
• 1.1.2 商务智能的产生
• 1.1.3 课题研究的意义
• 1.2 国内外相关领域的研究及应用现状分析与总结
• 1.2.1 商务智能在制造业的研究及应用现状
• 1.2.2 ASP模式的汽车产业链协作平台研究及应用现状
• 1.2.3 数据挖掘技术研究及应用现状
• 1.2.4 总结
• 1.3 课题来源及论文的研究内容
• 1.3.1 课题的项目来源和研究基础
• 1.3.2 论文研究的内容
• 1.3.3 论文结构的安排
• 1.4 本章小结
• 第2章 基于汽车产业链协作平台的商务智能解决方案
• 2.1 汽车产业链协作平台概述
• 2.2 基于汽车产业链协作平台的商务智能需求分析
• 2.2.1 平台售后服务系统及其商务智能需求
• 2.2.2 平台销售系统及其商务智能需求
• 2.3 现有商务智能系统的架构及解决方案分析
• 2.3.1 现有商务智能系统的基本架构
• 2.3.2 现有商务智能系统的解决方案
• 2.3.3 存在的问题分析
• 2.4 基于汽车产业链协作平台的商务智能系统解决方案
• 2.4.1 方案设计的基本原则
• 2.4.2 方案实现的技术路线
• 2.4.3 方案的基本特点
• 2.5 基于汽车产业链协作平台的商务智能系统体系结构
• 2.5.1 系统的功能结构设计
• 2.5.2 系统的体系结构设计
• 2.5.3 系统的工作流程与用例分析
• 2.5.4 系统的关键技术
• 2.6 本章小结
• 第3章 基于汽车产业链协作平台的故障件分析算法研究
• 3.1 车辆故障分析的意义及算法研究的必要性
• 3.2 关联规则挖掘的概念和模型
• 3.2.1 关联规则挖掘的基本概念
• 3.2.2 关联规则挖掘的基本模型
• 3.3 基于频繁矩阵的频集发现算法
• 3.3.1 传统频繁集发现算法存在的问题
• 3.3.2 二项集矩阵的定义和性质
• 3.3.3 频繁候选项目集生成算法
• 3.3.4 频繁候选项目集的支持度算法
• 3.4 FIMABoFM算法的频繁集更新算法研究
• 3.4.1 最小支持度改变的频繁集更新算法
• 3.4.2 数据集增加的频繁集更新算法
• 3.5 FIMABoFM算法的有效性验证
• 3.6 本章小结
• 第4章 基于汽车产业链协作平台的客户细分算法研究
• 4.1 客户细分的模型及经典聚类算法的困境
• 4.1.1 客户细分的模型
• 4.1.2 经典聚类算法面临的困境
• 4.2 基于遗传和FKP混合数据聚类的算法研究
• 4.2.1 FKP聚类算法存在的问题
• 4.2.2 基于遗传的聚类算法的不足
• 4.2.3 GA-FKP聚类算法详细描述
• 4.3 GA-FKP算法的有效性验证
• 4.4 本章小结
• 第5章 基于汽车产业链平台的商务智能系统实现及应用
• 5.1 基于汽车产业链协作平台的商务智能系统的实现
• 5.1.1 系统实现的总体框架
• 5.1.2 系统ETL的实现
• 5.1.3 系统数据访问的实现
• 5.1.4 系统业务应用层的实现
• 5.1.5 系统用户界面层的实现
• 5.2 系统应用实例分析
• 5.2.1 应用案例背景介绍
• 5.2.2 数据的抽取
• 5.2.3 配件故障关联挖掘结果分析
• 5.2.4 购车客户细分结果分析
• 5.3 本章小结
• 结论
• 致谢
• 参考文献
• 攻读博士学位期间发表论文及科研情况
• 论文
• 参加的科研工作