EPC网络的RFID供应链数据异常检测研究
发布时间：2020-08-24 16:51
【摘要】：随着RFID技术受到越来越多的关注,RFID系统的部署逐步向大规模、网络化、分布式的趋势发展,对RFID数据可靠性的分析就变得尤为重要。据调查表明,企业竞争力与他们对信息的掌控能力息息相关。为了获得有用的信息就必须对数据进行分析,分析的前提就是对“例外”数据排除,因此异常数据检测作为信息获取的重要一环,就显得格外重要,是亟需解决的问题。 本文对RFID供应链异常检测技术进行了深入的分析和研究,针对RFID供应链中存在运输延迟、偷窃等异常问题,提出了基于距离和规则的RFID供应链异常检测系统,该系统一共分为三个层次:数据预处理层、异常分析层和图形化显示层。数据预处理层分为时间预处理和路径预处理,主要是对从EPC网络中获取的RFID事件数据进行清洗,为上层提供清洁、有用的数据。异常分析层是系统的核心,分为基于距离的异常检测和基于规则的异常检测。基于距离的异常检测方法采用离散傅立叶变换比较路径序列结构的相似性来发现异常,基于规则的异常检测方法运用节点或节点之间的分析规则来检测供应链的流通效率和异常情况,两者分别从全局和局部两方面对供应链异常情况进行检测。其中,基于规则的方法分为流量统计、速度一致性、停留时间一致性、运送接收配对等规则。图形化显示层将异常数据流通过基于地图的方式显示,提供可视化界面,方便管理者查看异常信息。 本文首先分析了异常检测技术面临的挑战和RFID数据的特点;然后根据供应链异常类型和现有异常检测方法,提出了基于距离和基于规则的RFID供应链数据异常检测方案;最后对其进行了实现。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F11;TP391.44
【图文】：
第二章 RFID 供应链异常检测技术研究供应链异常检测技术综述技术常数据，其来源通常表现为两方面：（1）计算机录入错误、网络误等原因引起，对于此种类型的异常，必须对其剔除或修改，结果；（2）可能是真实性质的反映，对于此种情况，通过分析可多的信息和价值，这才是异常检测的真正目的。图 2-1 展示了一的异常例子，该数据集有两个正常区域，分别为 N1，N2，而 O区域 N1 和 N2，所以认定为异常。
图 2-3 Bridge 异常检测规则模型Fig.2-3 The rule-based anomaly detection model of Bridge基于统计的方法，也就是文献[11]中所用的方法，它为每条路径计算了路径转移和时间转移概率。同时，假设服从马尔可夫第一假设，即认为新事件的路径和时息是相互独立的，新事件的位置信息不依赖于前一事件的时间信息，转移概率表下：()(|)(|,)(|,)(|,)(|)(,|,),111111111iiiiiiiiiiiiiiiiiiiiiiPPTttPllPtltPlltPtltPEEPltlt= = ===+++++++++对于某次转移，按公式 2-1 和公式 2-2 判断是否出现异常。>εi,i+1P (2-1) = >ε+()ii1 iP Ttt(2-2)
KPI)来对例外事件的判定进行形式化描述，使得业务流程的管理真正转化为对其关键节点例外事件的量化管理。供应链例外事件管理系统软件架构，如图2-4所示，由基础框架、数据适配器、监控预警层及协作层四部分组成。图 2-4 供应链例外事件管理系统架构Fig.2-4 The architecture of supply chain exception event management system基础架构是企业供应链中的一套完整的业务数据模型(data model)，构成元数据层，以支撑例外事件管理系统的运作。该层通过数据适配器与供应链系统中的各数据源建立映射关系，从而得到例外事件管理系统运行所需要的数据，元数据层的datamodel将随着业务的积累不断丰富并不断调整其分类。数据适配器保证供应链例外事件管理系统能够跨系统、跨平台地对各种业务系统的事务进行实时侦听，它能够方便地连接到存在于企业供应链中的业务系统，通过配置方式的定义与ERP/SCM/CRM/数据仓库等数据源或者其他数据源之间实现数据映射。监控预警层按用户预设的例外条件自动对所有的例外事件进行监听，同时利用工作流引擎对所有的相关人员“推”出相应例外事件的实时预警。通过数据适配器模块映射过来的数据，用户可定义具体的监控对象(如某组织下的某种产品)；利用企业供应链域中的规则
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F11;TP391.44
【图文】：
第二章 RFID 供应链异常检测技术研究供应链异常检测技术综述技术常数据，其来源通常表现为两方面：（1）计算机录入错误、网络误等原因引起，对于此种类型的异常，必须对其剔除或修改，结果；（2）可能是真实性质的反映，对于此种情况，通过分析可多的信息和价值，这才是异常检测的真正目的。图 2-1 展示了一的异常例子，该数据集有两个正常区域，分别为 N1，N2，而 O区域 N1 和 N2，所以认定为异常。
图 2-3 Bridge 异常检测规则模型Fig.2-3 The rule-based anomaly detection model of Bridge基于统计的方法，也就是文献[11]中所用的方法，它为每条路径计算了路径转移和时间转移概率。同时，假设服从马尔可夫第一假设，即认为新事件的路径和时息是相互独立的，新事件的位置信息不依赖于前一事件的时间信息，转移概率表下：()(|)(|,)(|,)(|,)(|)(,|,),111111111iiiiiiiiiiiiiiiiiiiiiiPPTttPllPtltPlltPtltPEEPltlt= = ===+++++++++对于某次转移，按公式 2-1 和公式 2-2 判断是否出现异常。>εi,i+1P (2-1) = >ε+()ii1 iP Ttt(2-2)
KPI)来对例外事件的判定进行形式化描述，使得业务流程的管理真正转化为对其关键节点例外事件的量化管理。供应链例外事件管理系统软件架构，如图2-4所示，由基础框架、数据适配器、监控预警层及协作层四部分组成。图 2-4 供应链例外事件管理系统架构Fig.2-4 The architecture of supply chain exception event management system基础架构是企业供应链中的一套完整的业务数据模型(data model)，构成元数据层，以支撑例外事件管理系统的运作。该层通过数据适配器与供应链系统中的各数据源建立映射关系，从而得到例外事件管理系统运行所需要的数据，元数据层的datamodel将随着业务的积累不断丰富并不断调整其分类。数据适配器保证供应链例外事件管理系统能够跨系统、跨平台地对各种业务系统的事务进行实时侦听，它能够方便地连接到存在于企业供应链中的业务系统，通过配置方式的定义与ERP/SCM/CRM/数据仓库等数据源或者其他数据源之间实现数据映射。监控预警层按用户预设的例外条件自动对所有的例外事件进行监听，同时利用工作流引擎对所有的相关人员“推”出相应例外事件的实时预警。通过数据适配器模块映射过来的数据，用户可定义具体的监控对象(如某组织下的某种产品)；利用企业供应链域中的规则
【相似文献】
相关期刊论文 前10条
1 王曼;邵锋;;物联网在供应链中的应用及对策研究[J];武汉金融;2011年05期
2 黄履s
本文编号：2802715
本文链接：https://www.wllwen.com/jingjilunwen/zhongguojingjilunwen/2802715.html
