基于知识挖掘的企业管理集成系统研究

基于知识挖掘的企业管理集成系统研究

论文摘要

知识经济是以知识为基础的一种新型的富有生命力的经济形态,知识不仅是新经济发展的动力,也是现代社会进步的重要资源之一。而现代科技所表现出的高度分化和高度综合的特点,决定了任何单一组织都难以同时具备创新所需要的知识和能力。知识转移、挖掘的方法与模型能有效利用智能计算原理来加快知识的发现、分类、提取、识别等过程,具有智能化、动态化、网络化等特点,在客户管理、企业资源计划、供应链等知识管理中具有重要的应用前景。本文以智能知识管理为主要研究对象,以知识转移、挖掘、管理理论为基础,以提高知识发现、分类、提取、识别的效率与效果为目的,对知识管理的理论体系作了全面、系统的总结与归纳,运用管理科学、信息技术等学科的内容与方法,对知识转移、挖掘的方法进行了探讨,并结合具体的管理应用实例建立具体的知识管理系统,取得了一定的研究进展。论文研究工作主要体现在以下几个方面:首先,简要描述了本文的研究背景、研究的目的和意义意义和主要研究内容及创新点,并对整个论文架构进行扼要介绍。对知识与知识管理、知识转移、知识发现的含义、国内外理论研究与应用的发展现状及其知识转移方法与模型进行了分析与比较。其次,根据知识发现和知识转移的目的和要求,利用背景理论和先验知识在知识表示与运行效率之间相均衡的基础上,提出了一种基于个体免疫与群体进化机制于一体的一种高效的全局优化搜索算法,着重新知识的发现和对高级规则的预测,有利于进化群体的相对稳定和整体性能的提高,并可以在规则提取过程中保持较高的精确度。第三,针对客户知识管理系统中对知识发现与挖掘的目标与任务,结合数据挖掘技术与方法的特征与客户知识管理的特点,运用关联规则方法开发与研究了客户知识挖掘系统,并给出了具体算法与程序。第四,在霍尔三维结构分析的基础上,将ERP与KMS在方法论层面进行比较分析,提出了一种基于企业资源计划的知识管理系统。通过对基于ERP和KMS的知识要素的动力学分析,对系统进行动态的模拟,以观察系统在不同的组织状态、不同的参数、不同的知识要素输入时所表现的行为和趋势,从而研究知识转移结构和动态行为,获得丰富的信息,为选择最优的或次优的方案提供有力工具。第五,在对风险知识发现、分类的基础上,将定性分析与定量研究相结合,在对供应链风险及其特征描述的基础上,分析了供应链风险管理的意义和重要性,将模糊优化与知识挖掘的方法相结合,建立供应链风险决策优化模型,以辅助供应链企业降低风险,提高抗风险能力。第六,从企业管理的目标以及知识需求的角度,阐述了ERP、SCM、CRM综合系统规划的必要性和可行性,从知识挖掘的角度提出了综合系统的基本框架和实施思路、技术难点与重点。并结合数据仓库技术从宏观的角度,建立ERP、SCM、CRM综合系统系统,以实现全面、实时的数据分析、处理、控制、决策管理。最后,对全文研究内容进行了总结,指出研究工作中存在的不足,明确了下一步的研究方向。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 研究背景
  • 1.1.1 知识经济背景下的知识转移
  • 1.1.2 知识转移、挖掘研究与应用存在的不足
  • 1.2 研究目的和意义
  • 1.3 本文的主要研究方法、内容及创新点
  • 1.3.1 研究思路
  • 1.3.2 研究方法
  • 1.3.3 主要研究内容
  • 1.3.4 创新点
  • 1.4 论文的组织结构
  • 第2章 知识挖掘与知识管理研究综述
  • 2.1 引言
  • 2.2 知识与知识管理
  • 2.2.1 知识
  • 2.2.2 知识管理
  • 2.2.3 知识管理的应用与发展
  • 2.3 知识发现
  • 2.3.1 知识发现的定义
  • 2.3.2 知识发现的功能
  • 2.3.3 知识发现的应用
  • 2.4 知识转移
  • 2.4.1 国内外知识转移研究现状
  • 2.4.2 知识转移的定义
  • 2.4.3 知识转移的研究领域
  • 2.4.4 知识转移的几种模型
  • 2.4.5 知识转移模型的比较
  • 2.5 本章小结
  • 第3章 基于广义规则推理的知识发现算法研究
  • 3.1 引言
  • 3.2 知识的表示方法
  • 3.2.1 属性的兼容性
  • 3.2.2 规则的表示
  • 3.2.3 背景知识的表示
  • 3.3 免疫进化规划算法及其收敛性
  • 3.3.1 免疫进化规划算法
  • 3.3.2 免疫进化规划算法的收敛性
  • 3.3.3 免疫疫苗与免疫算子的构造
  • 3.3.4 适应度函数
  • 3.4 基于EAI数据挖掘方法的仿真研究
  • 3.4.1 数据处理
  • 3.4.2 结果分析
  • 3.5 本章小结
  • 第4章 基于关联规则的客户知识管理与挖掘模型研究
  • 4.1 引言
  • 4.2 关联分析
  • 4.2.1 关联规则的含义及作用
  • 4.2.2 关联规则的优缺点
  • 4.3 关联规则方法在客户知识管理中的应用
  • 4.3.1 数据挖掘与客户关系管理的关系
  • 4.3.2 数据挖掘在客户关系管理中的应用
  • 4.3.3 用关联规则挖掘知识
  • 4.4 关联规则挖掘过程模型
  • 4.4.1 定义问题
  • 4.4.2 建立数据挖掘库
  • 4.4.3 分析数据
  • 4.4.4 准备数据
  • 4.4.5 数据筛选
  • 4.4.6 公式选择
  • 4.4.7 规则生成
  • 4.5 本章小结
  • 第5章 基于ERP和KMS的知识转移模型研究
  • 5.1 引言
  • 5.2 基于霍尔三维结构的ERP与KMS比较分析
  • 5.2.1 ERP概念层次和逻辑层次
  • 5.2.2 KMS的概念层次和逻辑层次
  • 5.2.3 基于ERP的KMS逻辑模型
  • 5.3 基于ERP的KMS逻辑模型与知识管理系统实现
  • 5.3.1 知识链与知识管理系统
  • 5.3.2 基于ERP的KMS
  • 5.3.3 ERP管理思想与知识流
  • 5.3.4 ERP系统与知识管理系统
  • 5.4 基于ERP和KMS的知识管理系统的动力学分析
  • 5.4.1 系统动力学基本原理
  • 5.4.2 基于ERP和KMS的知识管理系统动力学分析的内容与步骤
  • 5.4.3 基于ERP和KMS的知识管理要素因果关系和流程图
  • 5.5 基于ERP和KMS的知识管理系统的职能与内容
  • 5.5.1 职能
  • 5.5.2 任务
  • 5.5.3 内容
  • 5.6 本章小结
  • 第6章 基于知识挖掘的供应链风险决策优化模型研究
  • 6.1 国内外研究现状及分析
  • 6.2 供应链风险与知识管理
  • 6.2.1 风险与供应链风险
  • 6.2.2 供应链的风险要素与风险管理
  • 6.2.3 知识挖掘在供应链风险管理的作用与任务
  • 6.3 基于知识挖掘的供应链风险决策模型研究
  • 6.3.1 风险决策
  • 6.3.2 基于知识挖掘的供应链风险控制与决策的要求
  • 6.3.3 基于知识挖掘的供应链风险决策模型研究
  • 6.4 基于知识挖掘的供应链风险管理决策实例分析
  • 6.4.1 目标集、风险因素集、备选方案集的建立
  • 6.4.2 各目标下的相对优属度矩阵的建立
  • 6.4.3 合成相对优属度矩阵的建立
  • 6.4.4 供应链风险决策方案评判与选择
  • 6.4.5 供应链风险因素的灵敏度分析与知识挖掘
  • 6.5 本章小结
  • 第7章 基于知识挖掘的企业综合管理系统构架
  • 7.1 企业管理集成系统规划的可行性分析
  • 7.1.1 企业管理集成系统规划的必要性
  • 7.1.2 企业管理集成系统规划的可行性
  • 7.2 基于知识挖掘的企业管理集成系统规划的技术难点
  • 7.2.1 基于知识挖掘的SCM、CRM应用
  • 7.2.2 基于知识挖掘的SCM、CRM系统软件技术研究
  • 7.2.3 基于知识挖掘的SCM、CRM与ERP集成技术研究
  • 7.2.4 基于知识挖掘的SCM、CRM应用系统软件开发研究
  • 7.3 基于数据仓库技术的企业管理集成系统研究
  • 7.3.1 系统构建的设想
  • 7.3.2 系统架构
  • 7.3.3 系统流程
  • 7.4 本章小结
  • 第8章 总结与展望
  • 8.1 总结
  • 8.2 展望
  • 参考文献
  • 致谢
  • 附录
  • 附录A 攻读博士学位期间主持、参加的项目
  • 附录B 攻读博士学位期间发表的学术论文
  • 相关论文文献

    • [1].一种可制造性知识挖掘与管理策略模型[J]. 现代制造工程 2019(12)
    • [2].基于移动图书馆平台的知识挖掘研究[J]. 泰州职业技术学院学报 2019(03)
    • [3].用户隐性知识挖掘概念辨析[J]. 中国科技信息 2015(10)
    • [4].基于文献的知识挖掘:概念、关键技术与应用[J]. 情报学进展 2008(00)
    • [5].隐默知识挖掘导向下高校创业型人才培养模式探讨[J]. 浙江工商大学学报 2009(01)
    • [6].网上数字档案大数据分析中的知识挖掘技术[J]. 电子技术与软件工程 2020(05)
    • [7].基于大数据的知识挖掘技术在航天领域应用展望[J]. 航天工业管理 2015(05)
    • [8].知识挖掘在时序信号分析系统中的应用[J]. 科技致富向导 2014(14)
    • [9].基于知识挖掘的敏捷校园卡数据分析和应用[J]. 华中师范大学学报(自然科学版) 2017(S1)
    • [10].赏识——图书馆员隐性知识挖掘与共享的新理念[J]. 内蒙古科技与经济 2010(08)
    • [11].“知识地图”——图书馆隐性知识挖掘与共享[J]. 兰台世界 2010(20)
    • [12].基于知识挖掘的图书馆个性化推荐服务模式[J]. 河南图书馆学刊 2019(03)
    • [13].基于大数据的知识挖掘技术在航天领域应用展望[J]. 科技创新导报 2017(28)
    • [14].网络舆情分析中共性知识挖掘方法研究[J]. 现代图书情报技术 2013(10)
    • [15].基于数据挖掘技术的隐性知识挖掘综述[J]. 时代金融 2012(21)
    • [16].图书馆员隐性知识挖掘与共享[J]. 情报探索 2009(02)
    • [17].以生物学功能为基础构建中医古籍疾病知识挖掘方法[J]. 中华中医药杂志 2014(03)
    • [18].浅谈知识挖掘[J]. 华商 2008(22)
    • [19].浅谈知识挖掘[J]. 华商 2008(21)
    • [20].装备安全管理隐性知识挖掘技术研究[J]. 物流科技 2014(08)
    • [21].基于隐性知识挖掘导向的高校社团组织创新研究[J]. 黑龙江高教研究 2009(06)
    • [22].基于AAR的装备安全管理隐性知识挖掘技术研究[J]. 价值工程 2014(22)
    • [23].Human Library——图书馆隐性知识挖掘和共享的创新[J]. 江西图书馆学刊 2012(02)
    • [24].基于概念全信息空间的文本知识挖掘算法[J]. 计算机应用与软件 2008(07)
    • [25].基于知识挖掘的图书馆智慧推荐服务模式[J]. 图书馆学研究 2018(09)
    • [26].基于知识挖掘的精准营销对策研究[J]. 科技创业月刊 2018(08)
    • [27].趣谈筝形[J]. 初中生世界 2015(38)
    • [28].基于语义结构的工艺知识挖掘技术研究[J]. 组合机床与自动化加工技术 2010(05)
    • [29].会员评论[J]. 中国计算机用户 2009(15)
    • [30].因素空间中知识挖掘的一种新算法[J]. 辽宁工程技术大学学报(自然科学版) 2014(08)

    标签:;  ;  ;  ;  ;  

    基于知识挖掘的企业管理集成系统研究
    下载Doc文档

    猜你喜欢