ERP هوشمند با داده کاوی

پیاده سازی ERP به کمک تکنیک‌های داده کاوی

مشکلات سیستم‌های ERP

سیسـتم هـای ERP، مجموعـه ای از ماژولهـای یکپارچـه ی آمـاده راه انـدازی کـه از پـیش طراحـی و مهندسـی شـده اسـت کـه تمـام فرایندهای تجاری سازمان را پوشش می دهد. سیستم هـایERP،به سازمان برای فعالیت در محیطی یکپارچه از نظر اطلاعاتی و فرایند گرا و اطلاعـــات محـــور، بصـــورت بلاد رنگ کمـــک بســـیار زیـــادی می کنند. زمانی که نقـش و عملکـرد نرم افزارهای ERP را در نظـر بگیرید بدیهی است که چنین سیستم هایی فقط قادر به حـل مسـائل مرتبط با مدیریت سطح میانی است. فرایند کامل تجزیه و تحلیـل کـه اجازه ی ذخیره سازی حجم زیادی از داده ها را در داخل سیسـتم بـه منظور معنادار شدن اطلاعات می دهد، در سیستم هـای ERP کنونی به صورت کامل قابل اجرا نیستند. علاوه بر این، سیسـتم هـای ERP قادر به ارضا  نیازهای پرسنل مدیریتی سطح بـالا در سیاسـت هـای تصمیم گیری جهت سرعت بخشیدن به استراتژی های جدید نیستند. با توجه به نقشی که سیسـتم هـایERPدر تجـارت الکترونیـک بـازی می کنند،این سیستم ها به عنوان سیستم های اطلاعات بنیـادی کـه مسئول یکپارچه سازی داده های مرتبط با فرایندهای پایه ای تجـارت الکترونیک می باشند عمل کرده است.

با این حال نرم افزار ERP قادر به برداشت اطلاعات ارزشـمند ازحجــم زیــادی از داده هــای ذخیــره شــده در داخــل B2C و B2B  نیستند. علاوه بر این، چنین سیستم هایی قـادر بـه تحلیـل صـحیح و دقیق اطلاعات مفیـد عملیـات شغلی نمی باشد. مسـلم اسـت کـه یکپارچه سازی انبار داده ها با سیستم های ERP، مشکلات مـرتبط با سیستم های ERP مرسوم را بهبود می بخشد به عنوان مثال،می توان قابلیت یکپارچه سازی جهت تجزیه و تحلیل اطلاعات را مطرح کرد.با این حال، یکی از مسائل عمده که سیستم های ERP  باید با آن دست وپنجه نرم کنند تا روزی بدان غلبـه کنند، افـزایش اتوماسـیون سـازی تحلیل ها و کاربرد های هوشمند در تصمیم گیری های سازمان ها می باشد.

چارچوب یکپارچه سازی نرم افزار ERP و انبار داده ها

در یکپارچه سازی راهکار جامع برنامه ریزی منابع سازمانی  و انبار داده ها با مجموعه ای ازداده های متفاوتی سروکار داریم که این امر باعث ایجاد ناسازگاری و تکراری بودن داده ها می شود. بنابراین این داده ها پس از طبقه بندی تحت فرایندهایی اعم از پاکسازی، نقـص سـازی ، ترکیـب و حـذف داده هـای تکـراری قـرارمـی گیرنـد. سـپس ،داده هـا در یـک سـرور جهـت ارائـه ذخیـره می شود

erp-data

در ایـــن نقطـــه،کـــاربران فقـــط وظـــایف جســـتجو را انجـام میدهند. رویه ها برای یکپارچه سازی سیستم هایERP  و انبار داده ها شامل 8 گام مجزا می باشد:

  • جمع آوری: پس از جمع آوری داده هـای اصـلی، داده هـای مـورد نیاز در محل طبقه بندی داده کپی شده تا پردازش های بیشتر بر روی آن صورت گیرد.
  • تبدیل: این مرحله شامل احیای میزان صحت داده ها و حذف داده های اضافی است.
  • بارگزاری و شاخص گذاری: دادههای تبدیل شده در یک Data Mart ذخیره شده و شاخص گذاری می شوند.
  • بررسی کنترل کیفیت: تضمین از کیفیت داده ها.
  • اعلان و انتشار:کار های اولیه برای نصب رسمی بر روی سیستم ها
  •  تجدید نظر: تجدید نظر پیوسته ی داده ها و داده های ناصحیح
  • جستجو: سرویس های جستجو داده ها فراهم شده است.
  • کنترل و آماده سازی: تضمین ایمنی انبار داده ها برای اجتنـاب از آسیب های احتمالی

چارچوبی برای یکپارچه سازی داده ها

تحلیل تصمیم گیری و انبار داده ها

این پژوهش، از مدل ستاره ای در طراحی مدل برای انبار داده ها استفاده می کند. این مدل بنا به جدول واقعی تولید که از یک جدول با بعد زمانی و یک جدول با بعد مکانی، یک جدول ابعاد محصول و یک جدول کیفیت محصول، تشکیل شده است. زمانی که یک جدول واقعی تولید را طراح میکنیم ،چندین فاکتور باید مدنظر قرار گیرد:

  • تصمیم گیری در مورد مدت زمان انبار داده ها برای تمامی توابع: بازه های زمانی طراحی شده برای مخزن داده ای در این پژوهش، شامل یک دوره ی دو ساله برای اندازه گیری گرایشات در کیفیت داده ها، یک دوره ی زمانی شش ماهه برای تحلیل کیفیت داده ها ویک دوره ی زمانی یک ساله برای تحلیل موقعیت دهی به کیفیت داده ها می باشد.
  • تعیین اصل و اساسی که باید در نمونه سازی ایستا برای تمامی توابع استفاده شود.
  • تعیین اینکه کدام فیلد در جدول اصلی استفاده شده و حذف داده های اضافی که فقط فیلدها را اشغال میکنند.
  • تعیین اینکه آیا استفاده از یک کلید هوشمند باعث افزایش فرایند جستجوی داده ها میباشد یا خیر.

جدول بُعد، به صورت تصادفی ایجاد گردد. برای مثال زمانی که کیفیت محصولات کارخانه ای تحلیل میشود،یک جدول یُعد جدیدی را می توان طراحی و استفاده کرد تا ملاحظات کیفی مربوطه را مورد بررسی قراردهد. چنین ملاحظاتی ممکن است شامل افزایش شیب گرما دهی برای افزایش دما،کاهش شیب سرد سازی برای کاهش دما، انتقال سرعت به حامل ها، وغیره باشد. زمانی که داده هارا تحلیل میکنیم ، چندین بُعد به عنوان یک ملاحظه،در کنار یک دیگر قرار می گیرند. این فرآیند، یک مدل داده ای چند بعدی نام دارد. سیستم های انبار داده ها ممکن است شامل مکعب های داده ای زیادی باشند. هر مکعب داده ای شامل فراوردهایی از بُعد متفاوتی از جداول واقعی است. یک مکعب داده ای ممکن است یک مدل داده ای N بعدی باشد. در اینجا ما از 4بعد زمان، مکان، محصول  وکیفیت برای ایجاد یک مدل داده ای 4یعدی جهت فراهم ساختن قابلیت های وسیعتری از جستجو استفاده می کنیم.

 

چارچوبی برای یکپارچه سازی تجزیه و تحلیل سیستم های تصمیم گیری و سیستم های داده کاوی

پس از تکمیل ساختار مکعب داده ای، این امکان به وجود می آید تا تحلیل های تصمیم گیری را با سیستم داده کاوی، یکپارچه سازی نمود. هدف این یک پارچه سازی آن است پایگاه دانشی براساس تحلیلOLAP در درون سیستم داده کاوی ایجاد شود و به تجزیه وتحلیل اطلاعات درسیستم داده کاوی پرداخته ویک نقطه ارجاعی را برای فرایند داده کاوی ایجادکند. تکنولوژی OLAP، توانایی ترکیب مشاهده افراد و تکنیک های هوشمند سازی در سیستم داده کاوی را دارد. بنابر این داده ها با سرعت بیشتر و مفاهیم عمیق تر استخراج میشود.

 

طراحی یک سیستم داده کاوی

پیشنهاد ما استفاده از الگوریتم درختی  تصمیم  برای دسته بندی و پیش بینی داده ها است. این الگوریتم به عنوان هسه موتورداده کاوی عمل کرده وداده های مخفی را در داخل پایگاه داده دسته بندی نموده و به پیش بینی  اطلاعات می پردازد. مراحل این الگوریتم عبارتند از:

1.آماده سازی داده های آموزشی از قبل طبقه بندی شده

2.ایجاد یک گره ی درخت تصمیم

3. انتخاب اطلاعات مربوط به نمونه داده های طبقه بندی شده به صورت زیر:

 

erp_ai2.png

4. انتخاب اطلاعات مربوط به صفت تست جهت محاسبه: اطلاعات مورد نیاز بر مبنای طبقه بند درون زیر مجموعه ها به وسیله صفت A به صورت زیر مشخص می شود:

erp_ai3.png

5. محاسبه بهره ی اطلاعات مشخصه ی تست: رمزگذاری اطلاعات که به وسیله ی انشعاب بندی Aبه دست آمده است به صورت زیر است:

erp_ai4.png

6. تکرار مراحل 2-5 تا زمانیکه اطلاعات مربوط به صفت تست به صورت کامل محاسبه میگردد.

7. انتخاب صفت تست با بالاترین بهره ی اطلاعات به عنوان گره ی پارتیشن برای درخت تصمیم.

8. به منظور تکمیل درخت تصمیم، از این الگوریتم برای پیدا کردن گره های مشخصه ی تست در هر سطح استفاده می شود.

 پیاده سازی عملی و بهره برداری از سیستم ERP هوشمند

رویه  های عملیاتی مربوط به سیستم ERPهوشمند

با استفاده از زیرساختار اطلاعات سیستماتیک که به وسیله ی وب فراهم شده است، کاربران ممکن است از اینترنت برای تعاملات خود استفاده کنند. این اطلاعات سه جانبه از سیستم ERP هوشمند، به وسیله ی بنگاه تولیدی مورد استفاده قرارمیگیرد. رویه های عملیاتی سیستم ERPهوشمند، را میتوان به صورت زیر تشریح کرد:

  • ورود به سیستم کاربری: کاربران رویه  های مرتبط با سیستم داده کاوی را به وسیله ی اینترنت ویا اینترانت به کار میگیرند.
  • بارگزاری داده ها از سیستم ERP  به سیستم انبار داده ها: برمبنای نیازمندی های هدف تولید، جداول داده ای تولید، جداول داده ای کیفیت، جداول داده ای محصولات مربوط به سیستمERP ، به عنوان منبع داده ای در نظر گرفته میشود . پس از آن به وسیله ی فرایند پاک سازی مقایسه و تبدیل داده ها، به عنوان منبع ورودی داده وارد سیستم انبار داده ها میشود.
  • ایجاد طرح انبار داده ها: سیستم انبار داده ها با توجه به هدف تولید به فرم طرح ستاره ای ایجاد شده است. جدول اصلی تولید درمرکز قرار دارد.
  • ایجاد تحلیل تصمیم گیری OLAP: با توجه به جدول اصلی تولید، جدول بعد کیفیت و جدول بعد محصول، عملیات چند بعدی معکب داده ای با استفاده از متد ROLAP شبیه سازی میشود.
  • انتخاب منبع داده ها و صفات برای داده کاوی: داده های موجود در سیستم انبار داده ها و نتایج عملیات OLAP را میتوان منبعی از داده ها برای داده کاوی دانست. کاربران برای انتخاب منبع داده ها می توانند از ویرایشگر مدل Mission موجود در موتور داده کاوی استفاده کنند.
  • انتخاب الگوریتم و توابع داده کاوی: الگوریتم داده کاوی که به وسیله ی محاسبه ی پایگاه داده فراهم شده است. شامل درخت تصمیم، شبکه ی عصبی، الگوریم ژنتیک و تحلیل سبد بازار می باشد. توابع داده کاوی شامل طبقه بندی، خوشه بندی، پیشبینی وگروه بندی، پیشبینی و گروه بندی وابستگی است. در این سیستم  از درخت تصمیم به عنوان یک الگوریتم، همچنین از دسته بندی و پیش بینی به عنوان تابع استفاده می شود.
  • اجرای سیستم داده کاوی: پردازنده ی Mission، هسته ی داده کاوی را تشکیل می دهد. . پردازنده از سیستم پردازشی هدف گرا برای اجرای داده کاوی و اتخاذ نتایج مطلوب استفاده می کند.

نتایج بدست آمده از سیستم داده کاوی، معمولاً نوعی داده ی انتزاعی می باشد. در نتیجه، سیستم از روش نمایش دانش بر مبنای قانون  استفاده کرده و آنرا با چارچوب بر مبنای وب مکمل ساخته تا نتایج داده کاوی را تفسیر سازد و به کاربران در درک نتایج بدست آمده کمک کند.

استفاده از سیستم ERP  هوشمند به منظور بهبود کیفیت تولید، بنگاه تولیدی از داده کاوی مربـوط بـه سیسـتم هوشـمندERP برای بهبود کیفیت محصولاتش ،کاهش هزینه های تولید ، و بـروز تحـول در کل کارائی شغلی استفاده می کند.

برچسب ها: بدون برچسب

یک دیدگاه بنویسید

آدرس ایمیل شما منتشر نخواهد شد. فیلدهای الزامی با * نشان گذاری شده اند