基于數據倉庫的生產物流決策管理系統研究

摘要：傳統的操作型數據庫存在數據分散、數據規范不統一、數據可分析能力較差等缺點，所以論文引入數據倉庫技術，在分析其系統體系結構的基礎上，提出基于數據倉庫的生產物流決策管理系統，同時構建生產物流決策管理系統的數據倉庫體系結構，通過對數據倉庫的多維分析和數據挖掘形成有效數據，從而有利于生產物流決策管理人員做出科學的決策，提高自身在市場競爭中的地位。

關鍵詞：數據倉庫；生產物流；決策管理；數據挖掘

中圖分類號：F208文獻標識碼：A文章編號：1002-3100(2008)01-0056-03

Abstract: Because traditional operational databases have the shortcomings of data dispersing， data standard inconsistency and its inability of its total structure， the paper brings in database technology， giving a logistics decision management system， meanwhile builds up data warehouse structure of production logistics decision management system. Through multiple dimensional analyses of data warehouse and data mining， effective data come into being. It is beneficial for managers to make good decisions， get better position in the market.

Key words: data warehouse; production logistics; decision management; data mining

0引言

決策管理人員在日常管理業務中收集并存儲了大量的數據，但卻很難掌握到所希望得到的信息，這是因為一方面缺乏足夠的信息來支持科學的決策，另一方面，積累的豐富數據沒有發揮應有的作用。這是由于涉及的數據量大，且來源廣泛，傳統的操作型數據庫已無法支持生產物流管理系統的分析功能。主要表現在以下幾個方面：（1）生產物流決策管理的信息來源不同的數據庫，包括生產、配送、倉儲等各類數據，這些數據缺乏組織性，存在著許多重復和不一致的地方，同時也蘊涵了不同的業務處理邏輯，傳統的操作型數據庫難以實行對這些數據的集成；（2）生產物流決策管理的關鍵是對大量的歷史數據進行分析以便于進行決策，而傳統的操作型數據庫是面向日常業務處理的，要求數據能夠快速更新；（3）傳統的數據庫語言數值計算能力較差，對數據的集成綜合處理能力比較薄弱，難以滿足生產物流決策管理分析的需求。

數據倉庫技術正是為了解決這些問題而產生的，它提供了一種進行分析處理的數據環境：采用全新的數據組織方式，對大量的原始數據進行集中、加工、錘煉和重組并轉換成有用的信息，通過分析這些數據使生產物流的信息化建設從支持日常業務操作上升到支持管理層的分析決策。因此本文提出利用數據倉庫技術對生產物流過程中存在的各類數據進行分析，建立一個基于數據倉庫技術的生產物流決策管理系統，以便于生產物流決策管理人員對自身的經營狀況以及整個市場相關行業的發展態勢進行深入的分析，進而做出科學的決策，提高自身在市場競爭中的地位。

1數據倉庫技術

1.1數據倉庫基本概念

數據倉庫是一個面向主題的、集成的、非易失的且隨時間變化的數據集合，用來支持管理人員的決策[1]。由此可見，數據倉庫是一種分析型數據庫，是與操作系統分離的、基于標準企業模型集成的、帶有時間屬性的、面向主題以及不可更新的數據集合。它與傳統的以單純支持查詢為主的事務型操作數據庫有著本質的區別，作為分析處理服務的基礎，為制定決策者提供所需的信息。

數據倉庫中的數據具備以下四個基本特征：

（1）面向主題的（subject-oriented）：操作型數據庫是面向應用進行數據組織的，而數據倉庫中的數據是面向主題的。主題是一個抽象的概念，是在較高層次上將企業信息系統中的數據綜合、歸類并進行分析利用的抽象。

（2）集成的（integrated）：操作型數據庫通常與某些特定的應用相關，數據庫之間相互獨立，并且往往是異構的，而數據倉庫中的數據是在對原有分散的數據庫數據抽取、清理的基礎上經過系統加工、匯總和整理而得到的。這種集成包括編碼、命名、度量等各個方面的一致性處理。

（3）非易失的（nonvolatile）：數據倉庫中的數據主要用來支持企業的分析決策，因此針對這些數據主要是進行查詢操作，一般情況下不會對數據進行修改和更新的，也就是說數據倉庫中的數據并不是最新的，而是來源于其他數據源，其反映的是歷史信息，即數據倉庫中數據是非易失（很少更新）的。而操作型數據庫中的數據通常實時更新，數據根據需要及時發生變化。

（4）隨時間不斷變化的（time-variant）：操作型數據庫主要關心當前某一個時間段內的數據，所以并不強調一定要有時間信息。數據倉庫則不同，出于決策的需要，數據倉庫中的數據都要標明時間屬性，并隨時間不斷變化的，主要表現在以下三點：數據倉庫會隨時間變化不斷添加新的數據內容；數據倉庫會隨時間變化不斷導出和刪除過期的數據內容；數據倉庫中大量的綜合數據會隨時間變化不斷地重新綜合。

1.2數據倉庫系統體系結構

一個完整的數據倉庫解決方案的系統體系結構中包括：數據源層、數據采集層、數據存儲與管理層、應用服務層、門戶管理層和最終用戶層[2]。如圖1所示是數據倉庫的層次架構示意圖。

其中，數據存儲與管理層是整個數據倉庫的核心，用來存儲和管理來自各種源數據系統的數據，并為訪問用戶提供數據服務。數據采集層主要用來完成數據向數據倉庫的抽取、傳輸、轉換和加載，這個過程也叫做ECTL處理，需要配備ECTL服務器完成數據的抽取、傳輸、轉換和加載工作。應用服務層有數據集市模塊和各種前端工具，數據集市主要是通過多維數據模型將需要分析的數據進行再次重組，以便滿足用戶多角度、多層次分析的需求，而前端工具包括各種數據分析工具（如報表工具、查詢工具、數據挖掘工具）以及各種基于數據倉庫開發的應用技術，主要是對數據進行處理、分析，為管理人員提供決策輔助。

2基于數據倉庫的生產物流決策管理系統

2.1生產物流決策管理系統

企業的生產物流是指以企業生產所需原材料入庫為起點，以企業加工制造的成品入庫為終點的整個產品生產所涉及的物流活動[3]。生產物流是制造型企業所特有的物流管理環節，它是與企業生產流程緊密結合，不可分割且同步發生的。而現代生產物流系統主要由管理層、控制層和執行層組成[4]。根據各個層次的不同分工，物流系統對管理層要求具有較高的智能性，能夠從大量的數據中進行分析、挖掘、轉換和整合，以有利于生產物流決策管理人員對自身的經營狀況以及整個市場相關行業的發展態勢進行深入的分析。

對于生產物流決策管理來說，生產物流決策管理系統的數據可能來自于各個部門：如倉庫、銷售、生產以及財務等，這些數據相互獨立，是不利于決策者進行查詢和分析的。而生產物流決策管理就是以管理科學、運籌學、控制論和行為科學為基礎，充分利用計算機技術、人工智能技術、仿真技術和信息技術等，通過利用數據倉庫技術對數據進行整合、建模，為決策者提供決策所需的數據、信息和背景材料，幫助明確決策目標和進行問題的識別，提供多種決策的參考方案，并對其進行評價、選優，以利于各個職能管理部門作專題分析和輔助領導層進行決策。

2.2基于數據倉庫的系統架構

在系統架構的設計中，主要是通過自底向上的信息探索來分析生產物流各個業務中的數據，包括庫存管理數據、配送數據以及生產數據等；同時通過自上而下的業務探索來發現業務分析中最迫切的分析應用，結合數據倉庫廠商的邏輯結構，形成生產物流決策管理系統的解決方案[5]。其系統架構如圖2所示。

基于數據倉庫的生產物流決策管理系統工作過程由上而下分成三個部分：（1）源系統數據到數據倉庫：源系統包括庫存、配送、生產、銷售以及財務等系統，通過數據抽取模塊，采用數據抽取、挖掘、轉換、綜合等技術，將不同種類的數據轉換成統一的數據倉庫元數據，存入到數據倉庫中。（2）數據處理：將大量數據倉庫元數據利用數據挖掘工具、多維分析工具，建立數據模型、知識庫、領域知識庫，從而對大量的數據信息進行分類、建模，形成具有指導價值的信息數據。（3）決策者通過人機交互平臺進行決策管理：在已有的數據模型、知識庫、領域知識庫基礎上，構建人機交互平臺，通過平臺，決策管理人員可以方便準確地進行查詢、獲取到相關的數據信息，進而做出正確的決策。

2.3業務應用

在業務的應用中，經過與業務人員反復地交流，并根據目標的不同，將生產物流決策系統分成三個應用部分：

（1）統計報表主要是面向分析人員，反映生產物流業務中的一些詳細情況，使決策分析人員能夠沿用原來的分析模式，從而保持使用上的連貫性。

（2）多維分析主要是針對基層分析人員，建立一些分析主題來分析決策分析人員比較關心的問題。如：

客戶發展分析：對于生產物流來說，客戶是影響利潤的一個重要因素，所以從不同層次分析客戶，提供更加快捷、周全的服務來增加新客戶，以提供生產效率和利潤。

市場競爭分析：通過對市場占有率、競爭對手情況等分析來為決策人員提供科學的信息，以提高自身在市場競爭中的地位。

部門績效分析：將生產物流管理策略轉化為企業內部各個部門的執行力，通過制定各個部門，包括財務、倉儲、配送、生產等方面的考核指標，在統計分析的基礎之上形成各個部門的績效考核體系，通過分析掌握和了解各個部門的執行力度以及效率等情況。

生產利潤分析：分析各種產品的產出與投入之比以及發展趨勢等。

（3）數據挖掘主要是針對決策分析人員關心的、比較復雜的、模糊的問題，通過數據挖掘模型來進行分析，如：客戶價值分析：根據客戶與企業之間的關系，衡量客戶對整個企業生產效率的貢獻度進行分析，包括客戶當前價值分析和潛在價值分析等。

業務發展分析：在現有業務的基礎之上，如何通過改善管理來發展業務，譬如說如何根據生產節拍，使倉庫的供貨和庫存達到一個平衡，同時也使生產線的排隊達到平衡，從而提高物流效率，為進一步業務發展提供科學的依據。

供應商信用度分析：對供應商供應的商品進行質量、時效、質量價格比等進行分析，是衡量供應商供貨好壞的一個標準，也是企業選擇合作伙伴的一個重要參考指標。

3結束語

本文引入數據倉庫技術，在分析其系統體系結構的基礎上，提出基于數據倉庫的生產物流決策管理系統，解決基于傳統操作型數據庫的決策管理系統存在的問題，將分散的、標準不同的、邏輯關系不一致的數據經過分析、抽取、轉換、整合到統一的數據倉庫中，通過多維分析和數據挖掘，形成生產物流決策管理人員所需要的信息和數據，從而有利于生產物流決策管理人員做出科學的決策，提高自身在市場競爭中的地位。

參考文獻：

[1] W. H.. Inmon （美）. 數據倉庫[M]. 3版. 北京：機械工業出版社，2003.

[2] 王彥龍. 企業級數據倉庫（EDW）原理、設計與實踐[M]. 北京：電子工業出版社，2006.

[3] 張遠昌. 生產物流與采購管理[M]. 北京：中國紡織出版社，2004.

[4] 王之泰. 新編現代物流學[M]. 北京：首都經濟貿易大學出版社，2005.

[5] 段云峰. 數據倉庫及其在電信領域中的應用[M]. 北京：電子工業出版社，2003.