基于数据挖掘的供应链分销网络优化技术

发布时间：2020-08-12 16:10

【摘要】： 随着全球竞争的加剧和科学技术的进步,现代管理思想和手段不断变革和发展,越来越多的企业开始注重供应链分销网络性能优化,以提高客户的满意度,提升企业的核心竞争力,从而保证供应链系统的快速响应变化能力,支持供应链整体绩效的改善和个体收益的“双赢”。 针对供应链分销网络的选址、产品优化配置、运作和再优化,以供应链分销网络优化为目标,本文以“供应链分销网络选址问题研究→供应链产品的优化配置问题研究→供应链分销网络流段选址优化问题研究→供应链分销网络再优化问题研究”为研究主线,给出了若干模型与算法以解决上述问题。 主要研究工作包括以下几个方面: (1)针对面向客户群的供应链分销网络选址问题,采用数据挖掘中的聚类分析的方法,引入聚类有效性函数和划分模糊度的概念,将划分熵与划分模糊度相结合,给出“和”聚类有效性函数,并定义一种修正的划分模糊度作为聚类有效性函数,通过引入聚类的分类属性的权值参数λ来控制数值属性和分类属性对聚类过程的作用,由于聚类有效性问题又可以转化为最佳类别数k的确定,为此针对客户群中客户的数值数据、类属性数据和混合数据,采用基于修正划分模糊度的参数选择方法,研究对应客户数据类型聚类的最佳选址数量的确定方法。 (2)针对供应链的特点,以客户偏好序列数据为切入点,分析消费者对多种评价对象的心理趋向是否存在聚类,建立客户偏好取向与客户特征属性间的关联关系模型,借鉴数据挖掘的符号序列聚类方法,研究符号类型序列数据对应的性质,沿着形式化和实例化两个方向讨论符号序列相似性问题,对偏好符号序列聚类问题的本质进行分析;研究如何应用自组织特征映射作为符号序列的聚类算法,并对聚类模型进行比较。 (3)针对面向顾客的服务设施选址问题,研究带双重容量限制和时间价格约束的供应链分销网络流段选址问题,给出启发式算法,并将该问题转化为传统的流段选址问题来解决。针对市场需求细分和顾客流量接受绕行距离需求的供应链分销网络选址问题,研究带路径需求服务半径的供应链分销网络流段选址问题,给出解决问题的贪婪算法、局部搜索算法以及禁忌算法,并进行比较。研究需求不确定情况下的的供应链分销网络设施流段选址分配问题,建立MAXMIN-FIFLP模型,给出启发式算法。 (4)针对市场的竞争情况,研究当沿途顾客的消费能力随着存在的经营网点的效用函数有界线性扩张时,供应链分销网络流段选址优化问题。构造竞争条件下消费能力线性扩张的CCLE-IFIFLP模型,给出对应的启发式算法。研究竞争环境下的市场份额最大化的选址问题,通过引入竞争设施聚集引起的需求增长率和距离折扣率来刻画设施的聚集效应,建立该问题的模型,给出求解该问题的分支定界算法和贪婪算法,分析需求增长率和距离折扣率对选址决策的影响。同时针对供应链中客户满意度存在的问题,用顾客的时间的满意度来表示覆盖半径,研究基于时间满意度的最大覆盖的供应链分销网络再优化问题,给出问题的模型和启发式算法。 为验证理论研究成果,本文以威海海都食品企业信息化作为典型应用案例,应用本文提出的各种算法和模型,实现供应链分销网络的产品分析、渠道分析和市场分析。给出了应用及结果,验证了本文的理论和方法。
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2008
【分类号】：F224;F274
【图文】：

图 2-1 供应链分销网络示意图Fig. 2-1 Supply chain distribution network sketch分销网络将原材料转变成最终产品，并将该产品合理分配。供应链分销网络设计是确定选择哪些工厂和分销中心来在满足顾客需求的情况下，使得整个供应链的费用最小。链提供了一个最优的平台，在供应链管理中处于重要的战

图 2-2 供应链分销网络需求点数-2 Supply chain distribution networ2 到maxk ，根据文献[138]指出合理的)，用 FKM 算法分别求出5 10 15 2025 303

图 2-3 修正划分模糊度函数随 k 变化曲线mendment fuzzy partition degree function curve with the k，从整体看，待聚类分析的供应链网络需求点数局部看，供应链网络需求点数据集又可以分为 6类别数12 3 45 67

【相似文献】

相关期刊论文 前10条

1 林雷;;中国汽车行业数据挖掘的营销应用趋势分析[J];市场研究;2011年07期

2 胡锟;杨路明;;浅谈移动CRM客户价值细分[J];电脑知识与技术;2011年13期

3 张永礼;;基于数据挖掘的客户忠诚度的预测与实现[J];品牌(理论月刊);2011年02期

4 杜英;;关联规则挖掘研究[J];知识经济;2011年14期

5 张兆年;;数据挖掘在企业客户关系管理中的应用[J];东方企业文化;2011年02期

6 刘亚楠;;网络信息检索在统计中的应用[J];现代营销(学苑版);2011年08期

7 陈晓琴;;基于概率神经网络的潜在客户挖掘[J];科学咨询(科技·管理);2011年06期

8 万伟明;;用决策树方法挖掘寿险数据中的投资风险规则[J];科技创新导报;2011年23期

9 沈浩;田卉;;小数字大道理——数据背后的经营之道[J];中国数字电视;2011年06期

10 吴晓楠;;对精确营销的思考[J];旅游纵览(行业版);2011年04期

相关会议论文 前10条

1 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年

2 徐慧;;基于Web的文献数据挖掘[A];第十七届全国数据库学术会议论文集（技术报告篇）[C];2000年

3 孙迎;;医院信息的数据挖掘与方法研究[A];中华医学会第十次全国医学信息学术会议论文汇编[C];2004年

4 薛晓东;李海玲;;数据挖掘的客户关系管理应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（下册）[C];2004年

5 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病“阴阳类证”辨证规范的数据挖掘研究[A];中华医学会第十三次全国神经病学学术会议论文汇编[C];2010年

6 薛鲁华;张楠;;聚类分析在Web数据挖掘中的应用[A];北京市第十三次统计科学讨论会论文选编[C];2006年

7 朱扬勇;黄超;;基于多维模型的交互式数据挖掘框架[A];第二十届全国数据库学术会议论文集（技术报告篇）[C];2003年

8 陈涛;胡学钢;陈秀美;;基于数据挖掘的教学质量评价体系分析[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

9 王星;谢邦昌;戴稳胜;;数据挖掘在保险业中的应用[A];北京市第十二次统计科学讨论会论文选编[C];2003年

10 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病阴阳类证辨证规范的数据挖掘研究[A];2010中国医师协会中西医结合医师大会摘要集[C];2010年

相关重要报纸文章 前10条

1 早报记者 胡孝敏;跨国企业掘金中国“数据挖掘”市场[N];东方早报;2005年

2 吴勇毅;软件选型:数据挖掘是重点[N];中国冶金报;2009年

3 刘光强;靠数据挖掘抓住客户的心[N];中国计算机报;2009年

4 本报记者 郭白岩;大众点评网向数据挖掘要收益[N];中国经营报;2011年

5 赵骏飞;数据挖掘在金融行业的应用[N];中国保险报;2011年

6 本报记者 黎宇文;博时基金王德英： 数据挖掘促进基金精细化管理[N];中国证券报;2011年

7 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

8 吴辅世;打破数据挖掘的5个神话[N];中国计算机报;2003年

9 ;数据挖掘：如何挖出效益？[N];中国计算机报;2004年

10 ;数据挖掘流程[N];人民邮电;2001年

相关博士学位论文 前10条

1 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年

2 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年

3 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年

4 刘寨华;基于临床数据分析的病毒性心肌炎证候演变规律研究[D];黑龙江中医药大学;2006年

5 王川;基因芯片数据管理及数据挖掘[D];中国科学院研究生院（上海生命科学研究院）;2004年

6 王涛;挖掘序列模式和结构化模式的精简集[D];华中科技大学;2006年

7 郭斯羽;动态数据中的数据挖掘研究[D];浙江大学;2002年

8 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年

9 刘东升;面向连锁零售企业的客户关系管理模型（R-CRM）研究[D];浙江工商大学;2008年

10 余红;网络时政论坛舆论领袖研究[D];华中科技大学;2007年

相关硕士学位论文 前10条

1 廖赛恩;养生方数据挖掘分析系统的研制[D];湖南中医药大学;2010年

2 李坤然;数据挖掘在股市趋势预测的应用研究[D];中南林业科技大学;2008年

3 郑宏;数据挖掘可视化技术的研究与实现[D];西安电子科技大学;2010年

4 杜金刚;数据挖掘在电信客户关系管理及数据业务营销中的应用[D];北京邮电大学;2010年

5 徐路;基于决策树的数据挖掘算法的研究及其在实际中的应用[D];电子科技大学;2009年

6 梁小鸥;数据挖掘在高职教学管理中的应用[D];华南理工大学;2011年

7 王浩;数据挖掘在上海市职业能力考试院招录考试优化管理项目中的运用研究[D];华东理工大学;2012年

8 黎卫英;数据挖掘在中职幼教课程改革中的应用[D];福建师范大学;2009年

9 张煜辉;数据挖掘和SPC在生产过程质量控制中应用研究[D];上海交通大学;2009年

10 刘华敏;数据挖掘在高职院校学生成绩分析中的应用[D];安徽大学;2011年

本文编号：2790747