一種ERP數(shù)據(jù)管理、治理方法的研究

徐 敏，薛曉茹，王國(guó)梁，齊 慧

(國(guó)網(wǎng)安徽省電力有限公司信息通信分公司，安徽 合肥 230061)

0 引 言

隨著現(xiàn)代企業(yè)資源計(jì)劃的不斷量化[1]，需要采用更精細(xì)化管理模型進(jìn)行ERP數(shù)據(jù)分析。結(jié)合分區(qū)融合技術(shù)，進(jìn)行的資源信息調(diào)度，采用大數(shù)據(jù)分析方法進(jìn)行ERP數(shù)據(jù)分析，提高企業(yè)資源的智能化管理能力，相關(guān)的ERP數(shù)據(jù)治理和分析方法研究受到人們的極大關(guān)注[2]。ERP數(shù)據(jù)的管理和治理方法是建立在對(duì)企業(yè)信息資源的大數(shù)據(jù)融合基礎(chǔ)上，通過(guò)建立ERP數(shù)據(jù)信息融合和自適應(yīng)評(píng)估模型，采用模糊信息聚類方法，實(shí)現(xiàn)ERP數(shù)據(jù)的綜合治理，但不論文獻(xiàn)中提到的方法還是傳統(tǒng)方法，進(jìn)行ERP數(shù)據(jù)綜合治理模糊度都比較大。

文獻(xiàn)[3]利用MapReduce模型對(duì)數(shù)據(jù)進(jìn)行了融合，使更為相似的數(shù)據(jù)得到較好的融合，但是在數(shù)據(jù)調(diào)度時(shí)，未考慮數(shù)據(jù)的關(guān)聯(lián)規(guī)則特征量，導(dǎo)致準(zhǔn)確率降低，并未對(duì)數(shù)據(jù)進(jìn)行去模糊處理，且計(jì)算過(guò)程較為復(fù)雜，增加了數(shù)據(jù)處理時(shí)間；文獻(xiàn)[4]利用大數(shù)據(jù)技術(shù)，實(shí)現(xiàn)不同類型海量數(shù)據(jù)的快速調(diào)度，加快了數(shù)據(jù)處理進(jìn)程，但是未考慮各種數(shù)據(jù)之間的模糊界限，使數(shù)據(jù)處理的準(zhǔn)確性降低。

對(duì)此，該文提出基于模糊信息聚類分析的ERP數(shù)據(jù)管理和治理方法。首先對(duì)ERP數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)進(jìn)行了分析，建立ERP數(shù)據(jù)的分塊異構(gòu)存儲(chǔ)結(jié)構(gòu)模型，采用關(guān)聯(lián)維分布式調(diào)度的方法，提取ERP數(shù)據(jù)的關(guān)聯(lián)規(guī)則特征量，在云計(jì)算中心進(jìn)行數(shù)據(jù)的高效索引。根據(jù)對(duì)ERP數(shù)據(jù)相似度特征的分析，進(jìn)行數(shù)據(jù)融合。在信息檢索時(shí)，建立ERP數(shù)據(jù)的語(yǔ)義本體結(jié)構(gòu)模型，采用自適應(yīng)的特征提取方法完成信息檢索。與傳統(tǒng)方法不同的是，該方法采用模糊C均值聚類方法，進(jìn)行ERP數(shù)據(jù)的二元分組測(cè)試，建立高分辨信息融合模型，得到ERP數(shù)據(jù)信息檢索的迭代模型，實(shí)現(xiàn)ERP數(shù)據(jù)的優(yōu)化管理和治理。最后進(jìn)行仿真測(cè)試分析，以驗(yàn)證該方法的有效性。

1 ERP數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)及特征分析

1.1 ERP數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)

為了實(shí)現(xiàn)ERP數(shù)據(jù)管理、治理優(yōu)化，首先需要了解ERP數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，構(gòu)建ERP數(shù)據(jù)的分塊存儲(chǔ)結(jié)構(gòu)模型，采用模糊特征標(biāo)注方法進(jìn)行資源信息調(diào)度[5]。如果ERP數(shù)據(jù)分布滿足凸組合模型X～Sα(1,β,0)，1<α<2，即ERP數(shù)據(jù)管理過(guò)程中需要進(jìn)行特征匹配，在ERP數(shù)據(jù)信息庫(kù)中采用模糊關(guān)聯(lián)特征調(diào)度方法進(jìn)行信息匹配，構(gòu)造ERP數(shù)據(jù)的線性組合模型為：

(1)

在構(gòu)建ERP數(shù)據(jù)的異構(gòu)存儲(chǔ)結(jié)構(gòu)模型時(shí)，采用關(guān)聯(lián)維分布式調(diào)度的方法[8]，提取ERP數(shù)據(jù)的關(guān)聯(lián)規(guī)則特征量，在云計(jì)算中心進(jìn)行數(shù)據(jù)的高效索引，采用日志來(lái)記錄ERP數(shù)據(jù)的存儲(chǔ)節(jié)點(diǎn)[9]，構(gòu)建ERP數(shù)據(jù)的異構(gòu)存儲(chǔ)模型，得到梯度特征分布向量為2F(x)。在云計(jì)算環(huán)境中進(jìn)行ERP數(shù)據(jù)的分布式挖掘，采用存儲(chǔ)節(jié)點(diǎn)的異構(gòu)存儲(chǔ)模型進(jìn)行ERP數(shù)據(jù)信息融合，建立分布式B樹進(jìn)行ERP數(shù)據(jù)的分類處理，得到ERP數(shù)據(jù)的異構(gòu)存儲(chǔ)模型，如圖1所示。

圖1 ERP數(shù)據(jù)的異構(gòu)存儲(chǔ)模型

根據(jù)圖1所示的存儲(chǔ)結(jié)構(gòu)模型，在服務(wù)器中進(jìn)行信息調(diào)度，將所獲得的信息數(shù)據(jù)儲(chǔ)存在本地服務(wù)器中，采用回歸樹分析的方法進(jìn)行ERP數(shù)據(jù)的綜合管理，綜合管理的交叉樹結(jié)構(gòu)模型如圖2所示。

圖2 ERP數(shù)據(jù)綜合管理的交叉樹模型

分析上述存儲(chǔ)結(jié)構(gòu)所獲得的數(shù)據(jù)，采用模糊特征標(biāo)注方法進(jìn)行ERP數(shù)據(jù)信息檢索，根據(jù)數(shù)據(jù)特征進(jìn)行數(shù)據(jù)融合，建立ERP數(shù)據(jù)的語(yǔ)義本體結(jié)構(gòu)模型，提高數(shù)據(jù)的綜合管理和治理能力[10]。

1.2 ERP數(shù)據(jù)特征融合

建立ERP數(shù)據(jù)的語(yǔ)義本體結(jié)構(gòu)模型，采用自適應(yīng)的特征提取方法進(jìn)行ERP數(shù)據(jù)的信息檢索，建立描述ERP數(shù)據(jù)特征類別的約束特征函數(shù)為：

(2)

判斷緩沖節(jié)點(diǎn)與服務(wù)器中存儲(chǔ)相關(guān)性，進(jìn)行ERP數(shù)據(jù)的分塊區(qū)域調(diào)度[11]。設(shè)ERP數(shù)據(jù)的關(guān)聯(lián)調(diào)度的特征分布映射為f(k)，在每次訪問(wèn)根節(jié)點(diǎn)的能耗開銷計(jì)算公式為：

Ui,j(t)=exp[-b[zi(t)-zj(t)]2]

(3)

假設(shè)ERP數(shù)據(jù)有6.4萬(wàn)個(gè)對(duì)，采用相關(guān)性的統(tǒng)計(jì)分析方法，得到ERP數(shù)據(jù)共享度為：

(4)

其中，pi,j(t)為ERP數(shù)據(jù)共享的模糊相關(guān)性特征分布集，s(t)為ERP數(shù)據(jù)共享的模糊決策增量值。

初始化ERP數(shù)據(jù)的信息聚類中心，存儲(chǔ)B樹節(jié)點(diǎn)的服務(wù)器中找到一個(gè)模糊聚類中心點(diǎn)，得到ERP數(shù)據(jù)的特征分辨函數(shù)為F(xi,Aj(L))，i=1,2,…,m，j=1,2,…,k。采用空間規(guī)劃結(jié)構(gòu)重組的方法，建立ERP數(shù)據(jù)非線性特征重組模型，在每次訪問(wèn)ERP數(shù)據(jù)時(shí)，統(tǒng)計(jì)數(shù)據(jù)的訪問(wèn)量，結(jié)合定量遞歸分析方法，得到數(shù)據(jù)的相似度特征為：

根據(jù)上述完成ERP數(shù)據(jù)相似度特征的分析，利用上述相似度進(jìn)行數(shù)據(jù)融合，得到數(shù)據(jù)特征融合函數(shù)為：

(6)

其中，δN表示ERP數(shù)據(jù)融合的譜信息。

利用上式完成數(shù)據(jù)特征融合，通過(guò)該步驟為后續(xù)數(shù)據(jù)的管理奠定可行依據(jù)。

2 ERP數(shù)據(jù)的管理和治理方法優(yōu)化

2.1 ERP數(shù)據(jù)的信息檢索

根據(jù)上述ERP數(shù)據(jù)的資源信息調(diào)度，采用模糊信息索引的方法，在建立ERP數(shù)據(jù)的分塊存儲(chǔ)結(jié)構(gòu)模型并進(jìn)行特征提取的基礎(chǔ)上，進(jìn)行ERP數(shù)據(jù)的管理和治理優(yōu)化。該文提出基于模糊信息聚類分析的ERP數(shù)據(jù)優(yōu)化檢索和管理模型，用4元組(Ei,Ej,d,t)來(lái)表示ERP數(shù)據(jù)共享調(diào)度的主特征量，建立其關(guān)聯(lián)函數(shù)為：

(7)

其中，P(d|t,ci)為ci類ERP數(shù)據(jù)的特征分辨率，在所有客戶端進(jìn)行ERP數(shù)據(jù)融合和信息檢索[12-13]，得到ERP數(shù)據(jù)治理的特征集δk變?yōu)棣膇k(t)：

δik(t)=G(V=k|Ui,Θ(t))

(8)

采用延遲更新的方法進(jìn)行ERP數(shù)據(jù)的量化編碼，得到輸出編碼結(jié)果為：

(9)

在數(shù)據(jù)的目標(biāo)域空間，對(duì)采集的ERP數(shù)據(jù)進(jìn)行特征篩選，得到ERP數(shù)據(jù)的信息熵滿足：

esupt(D)>θ

(10)

采用模糊C均值聚類方法，進(jìn)行ERP數(shù)據(jù)的二元分組測(cè)試，建立高分辨信息融合模型，得到ERP數(shù)據(jù)信息檢索的迭代模型為：

(11)

(12)

2.2 數(shù)據(jù)模糊聚類及優(yōu)化治理輸出

數(shù)據(jù)模糊聚類是指根據(jù)一組數(shù)據(jù)，把其含義劃分為不同的類別，而各個(gè)類別之間并沒有直接聯(lián)系，根據(jù)實(shí)際需要把一些聯(lián)系比較強(qiáng)的數(shù)據(jù)劃分為一類，是進(jìn)行數(shù)據(jù)模糊采樣的前提。在語(yǔ)義本體模型中執(zhí)行ERP數(shù)據(jù)的樣本統(tǒng)計(jì)，得到ERP數(shù)據(jù)信息采樣的n個(gè)統(tǒng)計(jì)變量，遍歷多個(gè)節(jié)點(diǎn)進(jìn)行ERP數(shù)據(jù)綜合治理，得到綜合治理的特征分解函數(shù)為：

(13)

采用分布式的決策樹模型進(jìn)行ERP數(shù)據(jù)的統(tǒng)計(jì)分析，建立ERP數(shù)據(jù)的統(tǒng)計(jì)檢測(cè)模型為：

(14)

(15)

其中，m，n分別是ERP數(shù)據(jù)分布的維數(shù)和采樣節(jié)點(diǎn)。

設(shè)D為不確定數(shù)據(jù)庫(kù)，Ti為數(shù)據(jù)的特征信息采樣延遲，由此得到ERP數(shù)據(jù)的特征重組輸出為：

(16)

(17)

3 仿真測(cè)試分析

3.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)時(shí)域分布

為了驗(yàn)證該方法在實(shí)現(xiàn)ERP數(shù)據(jù)管理和治理優(yōu)化中的應(yīng)用性能，結(jié)合上述過(guò)程中的信息融合方法，進(jìn)行ERP數(shù)據(jù)的綜合管理。采用Matlab進(jìn)行實(shí)驗(yàn)測(cè)試分析，設(shè)定對(duì)ERP數(shù)據(jù)采樣的節(jié)點(diǎn)數(shù)為220，Sink節(jié)點(diǎn)為12，數(shù)據(jù)采樣的單組長(zhǎng)度為1 200，分塊融合聚類的分辨率為0.83，相似度系數(shù)為1.25。根據(jù)上述仿真參數(shù)設(shè)定，進(jìn)行ERP檢索，得到的數(shù)據(jù)時(shí)域分布如圖3所示。

圖3 數(shù)據(jù)時(shí)域分布

以圖3的數(shù)據(jù)時(shí)域分布為研究對(duì)象，結(jié)合企業(yè)大數(shù)據(jù)融合聚類以及數(shù)據(jù)的優(yōu)化治理輸出，進(jìn)行ERP數(shù)據(jù)管理和綜合治理，隨機(jī)采用企業(yè)金融、人力資源和綜合資源三種事物集。

3.2 實(shí)驗(yàn)指標(biāo)

為全面驗(yàn)證該方法的魯棒性，分別檢測(cè)其吞吐量及數(shù)據(jù)召回率。其中，數(shù)據(jù)吞吐量計(jì)算公式為：

(18)

其中，VU表示并發(fā)數(shù)，Ti表示響應(yīng)時(shí)長(zhǎng)，R表示平均每個(gè)用戶發(fā)出的請(qǐng)求數(shù)量。若吞吐量越高，則表示該方法數(shù)據(jù)傳輸性能越好。

數(shù)據(jù)召回率計(jì)算公式為：

(19)

其中，Nz表示總數(shù)據(jù)數(shù)量。若數(shù)據(jù)召回率越高，則表示方法具有較高的數(shù)據(jù)查全性能。

3.3 實(shí)驗(yàn)分析

為驗(yàn)證該方法的有效性及可行性，本次實(shí)驗(yàn)將隨機(jī)采用企業(yè)金融、人力資源和綜合資源三種事物集分別測(cè)試其輸出的吞吐量，得到的測(cè)試結(jié)果如圖4～圖6所示。

圖4 企業(yè)金融事物集下的吞吐量

圖5 人力資源事物集下的吞吐量

圖6 綜合資源事物集下吞吐量

該方法通過(guò)構(gòu)建ERP數(shù)據(jù)的分塊存儲(chǔ)結(jié)構(gòu)模型，在服務(wù)器中進(jìn)行信息調(diào)度，經(jīng)數(shù)據(jù)信息檢索后對(duì)ERP進(jìn)行數(shù)據(jù)融合，分析數(shù)據(jù)時(shí)域分布情況，測(cè)試在不同事物集下的輸出吞吐量。分析上述仿真結(jié)果可知，采用該方法能在不同的ERP數(shù)據(jù)管理模式下提高資源調(diào)度吞吐量，根據(jù)資源調(diào)度吞吐量的結(jié)果，測(cè)試數(shù)據(jù)的召回率，得到的對(duì)比結(jié)果見表1。

由表1可知，隨著迭代次數(shù)的增加，三種方法的召回率都隨之增高，但文中方法的召回率始終高于文獻(xiàn)[3]和文獻(xiàn)[4]，顯示出了良好的召回性能。文中方法根據(jù)數(shù)據(jù)特征進(jìn)行數(shù)據(jù)融合，通過(guò)建立描述ERP數(shù)據(jù)特征類別的約束特征函數(shù)來(lái)構(gòu)建ERP數(shù)據(jù)的語(yǔ)義本體結(jié)構(gòu)模型，從而完成特征數(shù)據(jù)融合，提高了資源調(diào)度吞吐量，對(duì)數(shù)據(jù)進(jìn)行了有效管理，為后續(xù)處理奠定了基礎(chǔ)。在進(jìn)行ERP數(shù)據(jù)的信息檢索時(shí)，采用模糊C均值聚類方法，建立高分辨信息融合模型，通過(guò)ERP數(shù)據(jù)的二元分組測(cè)試，得到ERP數(shù)據(jù)信息檢索的迭代模型，加快了數(shù)據(jù)處理進(jìn)程。在輸出過(guò)程中，根據(jù)信息聚類結(jié)果，進(jìn)行ERP數(shù)據(jù)的動(dòng)態(tài)規(guī)劃，采用自適應(yīng)尋優(yōu)方法，提高了數(shù)據(jù)召回率，強(qiáng)化了數(shù)據(jù)管理的優(yōu)化檢索，實(shí)現(xiàn)ERP數(shù)據(jù)的優(yōu)化管理和治理。

表1 數(shù)據(jù)召回率測(cè)試

4 結(jié)束語(yǔ)

ERP融合了企業(yè)信息技術(shù)和實(shí)踐經(jīng)驗(yàn)，隨著企業(yè)的進(jìn)步，不斷對(duì)其數(shù)據(jù)資源進(jìn)行優(yōu)化，加強(qiáng)了員工之間協(xié)同合作，提高了企業(yè)的發(fā)展水平，為增強(qiáng)企業(yè)競(jìng)爭(zhēng)力做出了巨大貢獻(xiàn)。研究ERP數(shù)據(jù)管理、治理方法對(duì)企業(yè)管理有著重要的作用，通過(guò)對(duì)企業(yè)的ERP數(shù)據(jù)管理，提高企業(yè)的資源信息管理和調(diào)度能力。該文提出基于模糊信息聚類分析的ERP數(shù)據(jù)優(yōu)化檢索和管理模型。通過(guò)建立描述ERP數(shù)據(jù)特征類別的約束特征函數(shù)來(lái)構(gòu)建ERP數(shù)據(jù)的語(yǔ)義本體結(jié)構(gòu)模型，并提取ERP數(shù)據(jù)的關(guān)聯(lián)規(guī)則特征量，實(shí)現(xiàn)在云計(jì)算中心進(jìn)行數(shù)據(jù)的高效索引，采用日志來(lái)記錄ERP數(shù)據(jù)的存儲(chǔ)節(jié)點(diǎn)，在所有客戶端進(jìn)行ERP數(shù)據(jù)融合和信息檢索。采用模糊C均值聚類方法，建立高分辨信息融合模型，通過(guò)ERP數(shù)據(jù)的二元分組測(cè)試，得到ERP數(shù)據(jù)信息檢索的迭代模型，加快了數(shù)據(jù)處理進(jìn)程。在輸出過(guò)程中，根據(jù)信息聚類結(jié)果，采用自適應(yīng)尋優(yōu)方法，實(shí)現(xiàn)ERP數(shù)據(jù)的優(yōu)化管理和治理。經(jīng)實(shí)驗(yàn)證明，該方法能在不同的ERP數(shù)據(jù)管理模式下，提高資源調(diào)度吞吐量，數(shù)據(jù)治理融合及召回率較高。由此可知，用該方法進(jìn)行資源數(shù)據(jù)管理的檢索能力較好，具有較好的ERP數(shù)據(jù)的管理和治理能力。