數據挖掘在ＥＲＰ采購管理中的應用

摘要：在ERP采購管理系統中采用DM與DB／DW緊耦合方式設計了一個開放集成的數據挖掘系統DMSPM。使用基于約束的交互式數據挖掘技術，以提高挖掘效率和靈活性；將計算模型和工具分離，形成一個模型求解的工具箱，便于使用和維護；通過人機界面和知識推理接受用戶決策需求并輸出決策結果，提供良好的交互性，從而形成一個擁有強大決策功能的ERP采購系統。

關鍵詞：數據挖掘；ERP；決策支持；采購管理

O引言

管理決策中所面臨的問題，往往目標含糊不清，多目標相互沖突，方案的比較和選擇沒有固定的規則或程序可循，所需的信息不全或比較模糊，同時不同的決策者的領導風格也不完全一樣。為了把握企業運作的整體特征和決策企業的發展戰略，需要建立可靠的決策支持系統。當前利用企業已建ERP中大量的基礎信息數據，實現決策支持已成為ERP的發展趨勢。數據挖掘DM(Data Mining)是實現決策支持系統的最佳途徑。將DM系統平滑集成到DB／DW系統中，成為信息系統中的一個子系統；事務管理、查詢處理、聯機分析處理和聯機分析挖掘集成在一個統一框架中。這將保證數據的可獲得性，數據挖掘的可移植性、可伸縮性、并為多維數據創立了集成處理的環境。本文正是根據上述設想，構建了一個可以集成在ERP系統中并與數據庫和數據倉庫系統緊耦合的數據挖掘系統，可以進行自動和交互探查的挖掘方式，以多種方式將挖掘結果智能地提供給決策者，使ERP系統具有完善的決策支持功能。

1應用在采購管理中的數據挖掘系統

我們所構建的采購管理中的數據挖掘系統DMSPM(Data Mining System for Purchase Management)，實現了采購過程的決策支持功能，主要包括：

(1)聯機分析處理(0LAP)。采用多層次多維度多種操作方式對采購訂單、供應商、物料等數據進行分析，得到不同的匯總信息，進而定性歸納出事物的特征描述或對比描述。

(2)自動選擇合適的供應商，對供應商進行合理的評估。

(3)根據不同的要求制定采購計劃。

(4)物料價格預測、采購風險評估以及采購屬性關聯等。

DMSPM的組成結構如圖1所示。

DMSPM嵌入到ERP系統中，ERP系統通過ERP接口調用DMSPM中各模塊，智能顯示相關決策信息。例如可以根據預先設定參數自動生成采購計劃或引導決策者根據要求生成采購計劃，并提供相關信息，如供應商信譽度、價格信息等。利用DMSPM的OLAP服務，可以對多維數據集進行上卷、下鉆等操作。DMSPM中的決策管理采用任務驅動，若要生成決策信息則可通過挖掘向導定義任務，存儲在任務模型庫中，任務模型庫中預先已經定義部分任務。任務由任務引擎分配給挖掘引擎，選擇合適的挖掘算法(如分類、關聯等)在數據集市中運行，并將結果存儲在知識庫，將該挖掘模型存儲于PMML模型庫。知識庫中的結果由推理評估模塊評估解釋后展示出來。知識庫存放數據挖掘所需要的領域知識以及挖掘結果等，用戶可以通過知識管理模塊對知識庫進行管理。

2數據倉庫和聯機分析處理OI．AP的設計

在DMSPM中，數據倉庫的構建過程如下：

(1)概念模型設計：界定系統邊界，包括供應商選擇和評估、采購計劃制定等；涉及數據有供應商和物料目錄、價格和反饋記錄等。描述采購主題域，以訂單編號為公共碼鍵，屬性組包括物料編號、供應商編號、發出日期、收貨日期、合格率、數量等。

(2)邏輯模型設計：采用單一粒度，直接存儲細節數據；用時間屬性和物料性質屬性來分割數據，以方便實施，且與粒度劃分層次相適應。維表和事實表主要部分設計如圖2所示。

(3)物理模型設計：采用供應商編號和物料號作為索引字段；采購數據存放于磁盤；最優塊大小取為4K，自動設置高速緩沖區大小，緩沖區個數可以靈活設置。

(4)數據倉庫的生成：采用Sql server2000的Analysis Services來建立采購數據集市，利用數據集成轉換工具DTS作為數據集成開發工具。從ERP數據庫中讀取數據，進行數據轉換操作，以屬性平均值填充空缺值；對噪聲數據，使用分箱方法按箱中值平滑。通過腳本處理語言和存儲過程實現一些較復雜的數據有效性檢查等操作。

OLAP從不同角度和層次查詢滿足分析需求的數據，其基本操作包括：上卷、下鉆等。本文是在ERP系統中調用ADO對象來操作多維數據集，直接在ERP系統中分析采購數據。

3任務引擎和挖掘引擎的設計

DMSPM采用任務驅動機制，由挖掘向導生成的任務交給任務引擎，一部分任務是通過知識庫和推理評估模塊完成，另一部分是由挖掘引擎執行，例如物料價格預測以及采購風險評估等。任務采用類sQL語言MDL描述，其語法如下：

挖掘引擎根據MDL所描述任務，選擇不同挖掘算法。因為計算模型和算法非組件化開發，工作流程比較固定，缺乏靈活性，所以通過研究挖掘模型和算法，DMSPM實現事務和流程的分離、計算模型和工具的分離，形成一個模型求解的工具箱。將改進過的Apdod算法、ID3算法以及k-means算法等封裝到不同類中，根據任務引擎的要求選擇不同的類來完成挖掘任務。主要挖掘任務包括物料價格預測以及采購風險評估等。挖掘工具類的輸入參數由任務指定，包括候選屬性集等，輸出結果存放在知識庫中。為了實現數據挖掘模型的描述、管理標準化和可移植性，系統采用PMML定義挖掘模型，并存放在PMML模型庫中，使DMSPM的挖掘模型可以被別的挖掘系統所共享，實現模型交換。

4知識庫和推理評估模塊的設計

知識庫是推理評估模塊運行的基礎，它包括數據倉庫定義子庫、主題說明子庫、物料清單子庫、隸屬函數子庫、結論子庫等。其中結論子庫主要內容是與供應商相關的指標：一部分是挖掘任務的結果，如供應商等級、物料價格預測等，另一部分是訂單反饋中對供應商滿意度、交貨準時性、質量合格率等，這樣就形成了客觀挖掘和主觀評價共同形成評估供應商的要素。結論子庫還包括通過人機界面輸入的采購要求，如價格、質量等，這些指標都將決定采購計劃的生成。隸屬函數子庫定義了各種模糊屬性對應數值表示的隸屬函數，將模糊的定性信息量化，以供推理評估模塊處理。推理評估模塊根據用戶的采購要求，結合局部數據倉庫中的數據和知識庫中的知識，選擇合適算法，對供應商進行評估以及制定采購計劃。以下算法l是對供應商進行評估的一種算法，算法2是制定采購計劃的一種算法。算法l(Evaluate_provider)：

供應商評估

從結論子庫提取與供應商相關指標，將指標按照隸屬函數定義轉換

為參數值(Pi)；

提取事先設定的不同指標所對應的權值(wi)：

將參數值和權值進行加權相加，即評估值

記錄每個供應商的評估值，在人機界面中顯示出來／／算法1結束算法2(Purchase_plan)：

／／制定采購計劃

提取主生產計劃，根據物料清單，將產品分解，獲得采購物料需求量：

去除庫存中存貨量，得到物料訂貨量且按時區匯總：

將任務向導里指定的采購要求，通過隸屬函數轉換為相應采購影響因子：

For(各時區內的各種物料){

選擇可以供應該物料、采購提前期待舍要求并且評估值達到一定

標準的供應商：

根據采購影響因子，計算供應商權值：

While(物料需求量>0){

根據權值，選擇最合適的供應商：

根據物料需求日期和該供應商的提前期。計算出訂單發出日期：

lf(物料需求量>該供應商最大供應量){

物料需求量=物料需求量．該供應商最大供應量；

從該物料供應商中刪除該供應商：

}

}

}

生成采購計劃／／算法2結束

5人機界面

DMSPM的人機界面是與ERP原有系統結合的重要接口，主要包括了以下幾個部分：

(1)決策管理：包括了采購管理中的決策信息，如供應商評估、采購計劃、價格預測等，用戶可以看到系統中已定義好的決策信息，也可以生成新的決策。有的新的決策可以從推理評估模塊中獲得，有的需要利用挖掘向導建立新的挖掘模型來得到。

(2)挖掘向導：由于數據量總是在不斷激增，而用戶所需信息又有一定的限制范圍，因此在增加用戶交互的同時如何改進挖掘處理效率是一個重要問題，解決這個問題的方法就是基于約束的數據挖掘，它提供了額外的控制方法，允許用戶說明和使用約束，引導數據挖掘系統進行搜索。在挖掘向導中，允許用戶自己選擇屬性集，定義領域知識，運用不同挖掘算法等。由此生成任務模型，可以由任務管理保存或調出，再交給任務引擎來完成。

(3)知識管理：包括接受采購要求、修改隸屬函數、實現物料清單添加修改等。

(4)OLAP服務和ERP接口：OLAP服務提供接口函數操作OLAP服務器中的多維數據集，可以直接在ERP系統中分析采購數據；ERP接口提供了一系列API函數，使ERP系統可以通過調用這些函數將決策信息結合到ERP系統流程中。例如在制定采購計劃過程中，系統智能顯示相關決策信息，包括供應商選擇、物料價格走勢、自動生成采購計劃等。

6結束語

數據挖掘與信息系統的緊密結合，增強了ERP的決策功能，充分滿足了用戶需求。系統采用基于約束的交互式數據挖掘技術，提高了挖掘效率和靈活性；將計算模型和工具的分離，形成一個模型求解的工具箱，便于使用和維護。當然，DMSPM僅僅是滿足了采購中的決策要求，如果擴展到銷售、生產、人力資源等其它ERP模塊上，就可以形成一個真正完整的ERP系統。

(注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。)