数据挖掘技术在ERP系统中的应用

数据挖掘技术在ERP系统中的应用：1 引 言

近年来ERP得到了较为广泛的应用。许多ERP应用企业以为只要引进一个ERP管理系统就可以解决企业内部的所有问题，但ERP毕竟只是一个软件，它通过确定优化企业运作流程，尽量避免重复的活动来提高企业的效益。但真正付诸实施的、能为企业的计划、组织、指挥、协调、控制和激励等管理职能提供统一、完整的信息资源的还不多。所以如何最大程度地开发利用ERP应用企业的信息资源，发挥信息资源效用是当前一个迫切的问题。

在此背景下将数据挖掘技术应用到ERP系统中去，充分利用系统丰富的数据，将数据经过加工处理、挖掘数据中潜在的、有价值的信息，从而来达到提高企业信息资源的开发利用深度，辅助企业的管理经营活动和决策的功能目的。

数据挖掘技术在ERP系统中的应用：2 企业资源计划ERP

ERP(Enterprise Resource Planning，企业资源计划)系统是建立在信息技术之上，利用现代企业的先进管理思想，为企业提供决策、计划、控制台。ERP是在MRPⅡ的基础上发展而来的，其基本特征是联机事务处理，一般以企业的后台管理为主线，以需求预测和决策判断为目的。ERP系统为企业的信息化管理提供了极大的帮助，但它缺少强大的分析功能来帮助企业制定有效的决策，主要体现在分析工作量大。

1)分析结果滞后；

2)无法按照商业习惯进行分析；

3)无法进行复杂的分析；

4)无法提供关键问题的解决方案；

5)缺乏量化的恒定指标。

基于上述缺点，数据挖据技术与ERP系统的结合既可以充分利用企业生产过程中积累的大量的数据，又能够满足现代企业在竞争激烈的市场经济中快速敏捷地做出正确的决策的需求。如图1所示，数据挖掘技术应用在ERP系统中是大势所趋。

图1 企业系统发展图

数据挖掘技术在ERP系统中的应用：3 数据挖掘与决策支持

数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识，它们可表示为概念、规则、规律、模式等形式。数据挖掘的对象可为数据库，也可为文件系统，或其它任何组织在一起的数据集合。确切地说，数据挖掘是一种决策支持过程，主要基于人工智能、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户和市场的变化，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。

数据挖掘技术在ERP系统中的应用：4 数据挖掘技术在ERP系统中的应用

所谓数据挖掘在ERP中的应用，就是以数据仓库作为企业底层的数据源，再加上各种数据挖掘技术，组成有效的决策支持系统，并结合ERP的管理原理和处理流程，让双方取长补短，以增强传统ERP系统的决策功能。

4.1 系统体系框架

应用于ERP系统的数据挖掘平台层次结构如图2所示，整个系统分四个层次：

图2 系统体系结构图

1)用户层为商业客户提供可视化的数据挖据知识，实现直观形象的决策支持服务。

2)决策分析层作为系统的核心模块，提供一种组合辅助决策功能，从机制上又分为两个相互关联的组件，即决策分析组件与商业应用模型库。决策分析模块可以通过实现多维数据分析，运用数据挖掘分析处理海量数据，发现有价值的知识并进行预测。

3)算法层是数据挖掘应用平台的核心。现实问题千差万别，一个通用的数据挖掘工具集难以解决不同行业的问题，因此算法层提供几类当前应用较为广泛且已证明行之有效的数据挖掘算法，如关联规则、序列模式、决策树、神经元网络、聚集、异常检测、分类与预测等。

4)数据层。企业中出现大量的数据源主要是来自ERP系统的生产数据，还有为了提高企业的市场竞争力，企业外部的其他厂商的信息业也是必不可少的。在数据仓库的构建中可以根据应用对象的不同实现在企业、公司或行业中数据的动态清洗、转换、装载等功能。

4.2 ERP系统数据挖掘操作流程

从企业的生产过程中积累的大量的历史数据到能够为管理者提供决策支持的可视化的知识表示，ERP系统的数据挖据流程如图3所示。

图3 数据挖掘操作流程

从系统的内部数据仓库导人相关数据时，需进行数据清理、集成、转换等预处理操作；选择算法即确定所用的数据挖掘模型，此次研究采用的是根据经典数据挖掘算法自行编程创建的模型。在评估阶段主要是利用不同的时间段让系统对已发生的情况进行预测，然后比较预测结果和实际情况以验证模型的正确性，满意后则保存并重复应用已经建立起来的模型。将数据挖掘出的结果可视化表示出来可以向用户提供强大的信息，以不同图表、不同颜色、不同的实体来强化需要表达的内容，为决策者传递准确形象的信息。

4.3 BP算法应用于主生产计划的制定

数据挖掘在ERP系统中的应用可以有多种的形式利用与企业生产管理的各个方面。下面以ERP系统中的主生产计划为例介绍怎样将数据挖掘技术应用其中。

4.3.1 主生产计划

主生产计划(Master Production Schedule，简称MPS)是确定每一个具体产品在每一个具体时问段的生产计划。MPS是一个重要的计划层次，可以说ERP系统计划的真正运行是从这开始的。主生产计划的制定要视企业的情况而定，要符合企业的实际情况和生产能力。

主生产计划的准确制定可以有效减少物料库存占用资金，降低生产成本和经营风险，对企业的发展有重大的意义。目前ERP系统中主生产计划的制定是由主生产计划员(master scheduler)负责的，这就要求主生产计划员必须要有较高的素质：熟悉产品结构、工艺流程、企业的生产资源和计划理论知识。

4.3.2 BP算法应用实例

基于此考虑运用基于BP(Back Propagation)神经网络算法的数据挖掘技术优化主生产计划的预测。BP神经网络是输入与输出集合之问的一种非线性映射。这种非线性映射关系并不需要知道所要研究系统的内部结构，只需通过对有限多个样本的训练和学习进行预测。其主要思想是将学习过程分为信号正向传播过程和误差向后传播过程两个阶段。

现有某机械公司1997～2004年主生产计划中某产品的单月产量数据如表1。

表1 产品月度生产数量表(1997.1～2004.12) 单位：件

首先，考虑一个三层的神经网络结构，输入输出设为主生产计划中的月度产品数量，中间层节点数设为15，误差上限设为1，学习率设为0.05(实验证明在针对此组数据此初始条件下的得到的预测结果最准确)。节点转移函数取为Sigmoid函数：

然后将以上1998～2004年的月度生产数据作为训练的样本输入，算法的主要步骤如下：

while数据误差大于误差上限{

for每个月度的生产数据样本{

／／向前传播输入

计算每个单元j的输出

／／向后传播误差

计算输出误差；

计算中间隐含层误差；

／／更新权和误差

}

}

通过对1998～2004年数据的训练学习，来对2005年生产计划数量进行预测(见图4)。

图4 BP神经网络训练结果图

如表2所示，预测精度基本达到了企业的要求，可以为主生产计划员提供有力的决策支持，从而有利于精确、合理的主生产计划的提出，减少了企业生产活动的波动性。

表2 BP神经网络预测精度

数据挖掘技术在ERP系统中的应用：5 小 结

本文把数据仓库、数据挖掘技术与ERP结合起来，以数据仓库作为企业底层的数据源，再配合各种挖掘技术，发挥数据仓库与数据挖掘技术在决策支持方面的长处，并具体探讨了BP算法如何用于指导主生产计划的制定。融人数据挖掘技术是企业信息化管理系统的必然趋势，寻找合适的结合点，为企业生产提供更科学的决策依据是下一步努力的方向。