基于数据挖掘技术的分析型库存管理系统研究

论文摘要

随着经济的发展,库存管理在企业管理中占据着重要的地位,库存管理成本也占据了企业管理成本的大部分,如何有效地控制库存管理成本,确定合理的库存管理绩效水平,是企业面临的一大难题;此外,经过多年的经营,企业的库存管理业务系统中已经积累了大量的数据,这些数据隐藏着一些有价值的信息,如何去发现这些有价值的知识和信息,用以支持企业的经营决策,是企业面临的又一大难题。基于以上这种情况,本文的研究围绕着数据仓库和数据挖掘技术在库存管理中的应用而展开,旨在设计面向流通企业的分析型商品库存管理系统,用以提高库存管理水平。本文首先分析了论文的研究背景以及数据仓库技术在库存管理中的研究现状,并对论文中所涉及到的理论和方法进行了综述,在此基础上,提出了分析型库存管理系统的概念。论文的三、四、五章的内容就围绕着分析型库存管理系统的分析和设计而展开。第三章的内容中,在分析传统的操作型库存管理系统的局限性的基础上,对分析型库存管理系统进行了分析,包括系统目标分析、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;第四章的内容主要是对分析型库存管理系统进行OLAP设计,包括分析主题设计、分析指标设计、维度和事实表的设计以及多维模型的设计;第五章的内容主要围绕分析型库存管理系统的数据挖掘模型而展开,建立了用以预测安全库存量的BP神经网络模型,并对模型进行了训练和预测结果的评价。最后,对在本论文中所作的工作和成果作了一个总结,并提出了今后进一步研究的方向。本论文的重点在于基于数据仓库OLAP设计以及有用信息的挖掘。在应用方面,以传统的操作型库存管理系统为基础,建立基于数据挖掘的分析型库存管理系统,将其与神经网络算法模型相结合,建立确定安全库存量的模型。在设计方面,论文采用结构化的设计思想和方法,并结合先进计算机理论,对模型计算机化实现的关键性问题进行了设计,为以后的应用打下了基础。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 论文研究背景及目的
• 1.2 国内外研究现状
• 1.3 论文总体思路及创新点
• 2 相关理论与方法概述
• 2.1 数据仓库概述
• 2.1.1 数据仓库的定义
• 2.1.2 数据仓库的特点
• 2.1.3 数据仓库的体系结构
• 2.1.4 数据仓库数据组织结构
• 2.2 联机分析处理（OLAP）概述
• 2.2.1 OLAP的概念与特征
• 2.2.2 OLAP的多维概念
• 2.2.3 OLAP的多维分析操作
• 2.2.4 OLAP的存储模式
• 2.2.5 OLAP与数据仓库的关系
• 2.3 数据挖掘概述
• 2.3.1 数据挖掘的概念及过程
• 2.3.2 数据挖掘的主要功能
• 2.3.3 数据挖掘的典型算法
• 2.3.4 数据挖掘与数据仓库的关系
• 3 分析型库存管理系统的分析与体系结构设计
• 3.1 分析型库存管理系统分析
• 3.1.1 系统目标分析
• 3.1.2 用户需求分析
• 3.1.3 系统功能分析
• 3.2 分析型库存管理系统体系结构设计
• 4 分析型库存管理系统的OLAP模型设计
• 4.1 分析主题设计
• 4.2 分析指标设计
• 4.2.1 指标体系设计原则
• 4.2.2 库存管理分析指标体系结构
• 4.2.3 库存管理分析指标体系内容
• 4.2.4 指标量化方法
• 4.3 维度和事实表的设计
• 4.3.1 维度的设计
• 4.3.2 事实表的设计
• 4.4 多维模型设计
• 5 分析型库存管理系统数据挖掘模型设计
• 5.1 模型选择依据
• 5.1.1 库存量变量的特性
• 5.1.2 神经网络在预测建模中的优势
• 5.2 BP神经网络模型简述
• 5.2.1 BP网络结构
• 5.2.2 BP算法思想
• 5.2.3 BP算法描述
• 5.3 模型的建立
• 5.3.1 BP网络层数的确定
• 5.3.2 各层神经元数据的选取
• 5.3.3 数据预处理
• 5.3.4 激励函数的选取
• 5.3.5 网络学习参数和目标误差的选取
• 5.4 模型的训练及检验
• 6 结论
• 参考文献
• 作者简历
• 学位论文数据集