当前位置:研发设计首页 >> 管理信息化 >> 知识工程 >> 基于数据仓库的生产物流决策管理系统研究
基于数据仓库的生产物流决策管理系统研究
2016-08-12 16:27:24  作者:丁必荣 屈新怀  来源:互联网
  •   引言   决策管理人员在日常管理业务中收集并存储了大量的数据,但却很难掌握到所希望得到的信息,这是因为一方面缺乏足够的信息来支持科学的决策,另一方面,积累的丰富数据没有发挥应有的作用。这是由于 ...

  引言

  决策管理人员在日常管理业务中收集并存储了大量的数据,但却很难掌握到所希望得到的信息,这是因为一方面缺乏足够的信息来支持科学的决策,另一方面,积累的丰富数据没有发挥应有的作用。这是由于涉及的数据量大,且来源广泛,传统的操作型数据库已无法支持生产物流管理系统的分析功能。主要表现在以下几个方面:(1)生产物流决策管理的信息来源不同的数据库,包括生产、配送、仓储等各类数据,这些数据缺乏组织性,存在着许多重复和不一致的地方,同时也蕴涵了不同的业务处理逻辑,传统的操作型数据库难以实行对这些数据的集成;(2)生产物流决策管理的关键是对大量的历史数据进行分析以便于进行决策,而传统的操作型数据库是面向日常业务处理的,要求数据能够快速更新;(3)传统的数据库语言数值计算能力较差,对数据的集成综合处理能力比较薄弱,难以满足生产物流决策管理分析的需求。

  数据仓库技术正是为了解决这些问题而产生的,它提供了一种进行分析处理的数据环境:采用全新的数据组织方式,对大量的原始数据进行集中、加工、锤炼和重组并转换成有用的信息,通过分析这些数据使生产物流的信息化建设从支持日常业务操作上升到支持管理层的分析决策。因此本文提出利用数据仓库技术对生产物流过程中存在的各类数据进行分析,建立一个基于数据仓库技术的生产物流决策管理系统,以便于生产物流决策管理人员对自身的经营状况以及整个市场相关行业的发展态势进行深入的分析,进而做出科学的决策,提高自身在市场竞争中的地位。

  1 数据仓库技术

  1.1 数据仓库基本概念

  数据仓库是一个面向主题的、集成的、非易失的且随时间变化的数据集合,用来支持管理人员的决策[1]。由此可见,数据仓库是一种分析型数据库,是与操作系统分离的、基于标准企业模型集成的、带有时间属性的、面向主题以及不可更新的数据集合。它与传统的以单纯支持查询为主的事务型操作数据库有着本质的区别,作为分析处理服务的基础,为制定决策者提供所需的信息。

  数据仓库中的数据具备以下四个基本特征:

  (1)面向主题的(subject-oriented):操作型数据库是面向应用进行数据组织的,而数据仓库中的数据是面向主题的。主题是一个抽象的概念,是在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象。

  (2)集成的(integrated):操作型数据库通常与某些特定的应用相关,数据库之间相互独立,并且往往是异构的,而数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理而得到的。这种集成包括编码、命名、度量等各个方面的一致性处理。

  (3)非易失的(nonvolatile):数据仓库中的数据主要用来支持企业的分析决策,因此针对这些数据主要是进行查询操作,一般情况下不会对数据进行修改和更新的,也就是说数据仓库中的数据并不是最新的,而是来源于其他数据源,其反映的是历史信息,即数据仓库中数据是非易失(很少更新)的。而操作型数据库中的数据通常实时更新,数据根据需要及时发生变化。

  (4)随时间不断变化的(time-variant):操作型数据库主要关心当前某一个时间段内的数据,所以并不强调一定要有时间信息。数据仓库则不同,出于决策的需要,数据仓库中的数据都要标明时间属性,并随时间不断变化的,主要表现在以下三点:数据仓库会随时间变化不断添加新的数据内容;数据仓库会随时间变化不断导出和删除过期的数据内容;数据仓库中大量的综合数据会随时间变化不断地重新综合。

  1.2 数据仓库系统体系结构

  一个完整的数据仓库解决方案的系统体系结构中包括:数据源层、数据采集层、数据存储与管理层、应用服务层、门户管理层和最终用户层[2]。如图1所示是数据仓库的层次架构示意图。

  

newmaker.com

  其中,数据存储与管理层是整个数据仓库的核心,用来存储和管理来自各种源数据系统的数据,并为访问用户提供数据服务。数据采集层主要用来完成数据向数据仓库的抽取、传输、转换和加载,这个过程也叫做ECTL处理,需要配备ECTL服务器完成数据的抽取、传输、转换和加载工作。应用服务层有数据集市模块和各种前端工具,数据集市主要是通过多维数据模型将需要分析的数据进行再次重组,以便满足用户多角度、多层次分析的需求,而前端工具包括各种数据分析工具(如报表工具、查询工具、数据挖掘工具)以及各种基于数据仓库开发的应用技术,主要是对数据进行处理、分析,为管理人员提供决策辅助。

  2 基于数据仓库的生产物流决策管理系统

  2.1 生产物流决策管理系统

  企业的生产物流是指以企业生产所需原材料入库为起点,以企业加工制造的成品入库为终点的整个产品生产所涉及的物流活动[3]。生产物流是制造型企业所特有的物流管理环节,它是与企业生产流程紧密结合,不可分割且同步发生的。而现代生产物流系统主要由管理层、控制层和执行层组成[4]。根据各个层次的不同分工,物流系统对管理层要求具有较高的智能性,能够从大量的数据中进行分析、挖掘、转换和整合,以有利于生产物流决策管理人员对自身的经营状况以及整个市场相关行业的发展态势进行深入的分析。

  对于生产物流决策管理来说,生产物流决策管理系统的数据可能来自于各个部门:如仓库、销售、生产以及财务等,这些数据相互独立,是不利于决策者进行查询和分析的。而生产物流决策管理就是以管理科学、运筹学、控制论和行为科学为基础,充分利用计算机技术、人工智能技术、仿真技术和信息技术等,通过利用数据仓库技术对数据进行整合、建模,为决策者提供决策所需的数据、信息和背景材料,帮助明确决策目标和进行问题的识别,提供多种决策的参考方案,并对其进行评价、选优,以利于各个职能管理部门作专题分析和辅助领导层进行决策。

  2.2基于数据仓库的系统架构

  在系统架构的设计中,主要是通过自底向上的信息探索来分析生产物流各个业务中的数据,包括库存管理数据、配送数据以及生产数据等;同时通过自上而下的业务探索来发现业务分析中最迫切的分析应用,结合数据仓库厂商的逻辑结构,形成生产物流决策管理系统的解决方案[5]。其系统架构如图2所示。

  

newmaker.com

  基于数据仓库的生产物流决策管理系统工作过程由上而下分成三个部分:(1)源系统数据到数据仓库:源系统包括库存、配送、生产、销售以及财务等系统,通过数据抽取模块,采用数据抽取、挖掘、转换、综合等技术,将不同种类的数据转换成统一的数据仓库元数据,存入到数据仓库中。(2)数据处理:将大量数据仓库元数据利用数据挖掘工具、多维分析工具,建立数据模型、知识库、领域知识库,从而对大量的数据信息进行分类、建模,形成具有指导价值的信息数据。(3)决策者通过人机交互平台进行决策管理:在已有的数据模型、知识库、领域知识库基础上,构建人机交互平台,通过平台,决策管理人员可以方便准确地进行查询、获取到相关的数据信息,进而做出正确的决策。

  2.3业务应用

  在业务的应用中,经过与业务人员反复地交流,并根据目标的不同,将生产物流决策系统分成三个应用部分:

  (1)统计报表主要是面向分析人员,反映生产物流业务中的一些详细情况,使决策分析人员能够沿用原来的分析模式,从而保持使用上的连贯性。

  (2)多维分析主要是针对基层分析人员,建立一些分析主题来分析决策分析人员比较关心的问题。如:

  客户发展分析:对于生产物流来说,客户是影响利润的一个重要因素,所以从不同层次分析客户,提供更加快捷、周全的服务来增加新客户,以提供生产效率和利润。

  市场竞争分析:通过对市场占有率、竞争对手情况等分析来为决策人员提供科学的信息,以提高自身在市场竞争中的地位。

  部门绩效分析:将生产物流管理策略转化为企业内部各个部门的执行力,通过制定各个部门,包括财务、仓储、配送、生产等方面的考核指标,在统计分析的基础之上形成各个部门的绩效考核体系,通过分析掌握和了解各个部门的执行力度以及效率等情况。

  生产利润分析:分析各种产品的产出与投入之比以及发展趋势等。

  (3)数据挖掘主要是针对决策分析人员关心的、比较复杂的、模糊的问题,通过数据挖掘模型来进行分析,如:客户价值分析:根据客户与企业之间的关系,衡量客户对整个企业生产效率的贡献度进行分析,包括客户当前价值分析和潜在价值分析等。

  业务发展分析:在现有业务的基础之上,如何通过改善管理来发展业务,譬如说如何根据生产节拍,使仓库的供货和库存达到一个平衡,同时也使生产线的排队达到平衡,从而提高物流效率,为进一步业务发展提供科学的依据。

  供应商信用度分析:对供应商供应的商品进行质量、时效、质量价格比等进行分析,是衡量供应商供货好坏的一个标准,也是企业选择合作伙伴的一个重要参考指标。

  3 结束语

  本文引入数据仓库技术,在分析其系统体系结构的基础上,提出基于数据仓库的生产物流决策管理系统,解决基于传统操作型数据库的决策管理系统存在的问题,将分散的、标准不同的、逻辑关系不一致的数据经过分析、抽取、转换、整合到统一的数据仓库中,通过多维分析和数据挖掘,形成生产物流决策管理人员所需要的信息和数据,从而有利于生产物流决策管理人员做出科学的决策,提高自身在市场竞争中的地位。

  参考文献:

  [1] W. H.. Inmon (美). 数据仓库[M]. 3版. 北京:机械工业出版社,2003.

  [2] 王彦龙. 企业级数据仓库(EDW)原理、设计与实践[M]. 北京:电子工业出版社,2006.

  [3] 张远昌. 生产物流与采购管理[M]. 北京:中国纺织出版社,2004.

  [4] 王之泰. 新编现代物流学[M]. 北京:首都经济贸易大学出版社,2005.

  [5] 段云峰. 数据仓库及其在电信领域中的应用[M]. 北京:电子工业出版社,2003.



版权所有:智造网 京ICP证100778号 京公网安备110102003025 虚假新闻举报电话:010-88379107