本文選題：庫存分析 + 數(shù)據(jù)挖掘��； 參考：《沈陽工業(yè)大學》2017年碩士論文

【摘要】：隨著信息系統(tǒng)的大量應用,海量的數(shù)據(jù)以及數(shù)據(jù)處理的需求涌現(xiàn)出來,大數(shù)據(jù)時代已經(jīng)到來,數(shù)據(jù)挖掘技術被越來越多的行業(yè)應用。數(shù)據(jù)挖掘技術融合了統(tǒng)計學和計算機科學等多種學科的一門新興技術,已被應用到各種需要處理海量數(shù)據(jù)的場合。聚類分析是數(shù)據(jù)挖掘中一種方便易用的方法。將聚類分析應用于企業(yè)的庫存數(shù)據(jù)分析中,能幫助企業(yè)更好的掌握行業(yè)市場的動向,從大量紛雜的數(shù)據(jù)中找到并分析出數(shù)據(jù)之間的關系,獲得有益的信息,幫助企業(yè)管理者作出更合理的決策。為此,本文以某企業(yè)的庫存數(shù)據(jù)分析為研究對象,從庫存數(shù)據(jù)分析及庫存分析系統(tǒng)設計兩方面進行研究。本文針對該企業(yè)庫存數(shù)據(jù)的特征,從企業(yè)的庫存分析目標出發(fā),選取二階聚類算法應用到企業(yè)的庫存數(shù)據(jù)分析中,分析庫存數(shù)據(jù)屬性將庫存物品的周轉(zhuǎn)率、缺貨率、資金占用率作為評價庫存指標,對庫存數(shù)據(jù)進行分析,分析了企業(yè)的庫存數(shù)量與企業(yè)資金的流動,從而使之既能滿足客戶的需求,又保證庫存量不占用大量資金。本文以某汽車零件加工廠為例,完成了對庫存分析系統(tǒng)整體的設計與實現(xiàn)。使庫存數(shù)據(jù)的分析管理一體化得以實現(xiàn),既可以滿足企業(yè)對庫存管理的需求,同時企業(yè)的決策者在決策企業(yè)運營決定時給予巨大的幫助。為便于企業(yè)數(shù)據(jù)分析網(wǎng)絡化實現(xiàn),系統(tǒng)在Windows2003環(huán)境下完成了基于網(wǎng)絡的應用系統(tǒng)編程和實現(xiàn)。本文運用SPSS(Statistical Product and Service Solutions統(tǒng)計產(chǎn)品與服務解決方案)對數(shù)據(jù)進行分析,并在windows開發(fā)環(huán)境下運用Visual Studio 2013軟件進行系統(tǒng)開發(fā),所以采用C#作為開發(fā)語言,運用ASP、IIS及網(wǎng)絡數(shù)據(jù)庫等技術,設計開發(fā)了B/S結構的以數(shù)據(jù)挖掘技術為核心的庫存分析系統(tǒng)。并對系統(tǒng)進行了各個方面的系統(tǒng)測試,結果表明本文所開發(fā)的庫存分析系統(tǒng)完成了預期設計目標。該系統(tǒng)運行穩(wěn)定,具有易操作,安全性能高等特點。系統(tǒng)運行測試取得了滿意的結果。
[Abstract]:With a large number of applications of information systems, massive data and data processing requirements emerge, the era of big data has come, data mining technology has been more and more industry applications. Data mining technology is a new technology which combines statistics and computer science, and has been applied to various situations where massive data need to be processed. Clustering analysis is a convenient and easy-to-use method in data mining. Applying cluster analysis to enterprise inventory data analysis can help enterprises better grasp the trend of industry market, find and analyze the relationship between data from a large number of complicated data, and obtain useful information. Help managers to make more rational decisions. Therefore, this paper takes the inventory data analysis of a certain enterprise as the research object, carries on the research from the inventory data analysis and the inventory analysis system design. According to the characteristics of the enterprise inventory data, this paper selects the second-order clustering algorithm to apply to the enterprise inventory data analysis from the aim of inventory analysis, and analyzes the inventory data attributes, such as the turnover rate and the stock shortage rate of the inventory items. The capital occupancy rate is used as an evaluation index to analyze the inventory data and analyze the quantity of inventory and the flow of enterprise funds, so that it can not only meet the needs of customers, but also ensure that the stock does not occupy a large amount of capital. Taking an automobile parts processing factory as an example, the whole design and implementation of inventory analysis system are completed in this paper. The integration of analysis and management of inventory data can not only meet the needs of enterprises for inventory management, but also help the decision-makers to make decisions on the operation of enterprises. In order to facilitate the network realization of enterprise data analysis, the application system based on network is programmed and implemented in Windows2003 environment. This paper analyzes the data by using SPSS(Statistical Product and Service Solutions statistical products and services solution, and develops the system with Visual Studio 2013 software under the windows development environment. Therefore, we use C # as the development language, and use the technology of ASP, windows and network database, etc. A B / S structure inventory analysis system with data mining technology as the core is designed and developed. The system is tested in all aspects, and the results show that the inventory analysis system has achieved the expected design goal. The system has the characteristics of stable operation, easy operation and high safety performance. The test results are satisfactory.
【學位授予單位】：沈陽工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP393.09;TP311.13

【相似文獻】

相關期刊論文 前10條

1 李斌,郭劍毅;聚類分析在客戶關系管理中的研究與應用[J];計算機工程與設計;2005年02期

2 張宏翔;李星;;基于聚類分析的學生學習相關性研究[J];計算機光盤軟件與應用;2013年11期

3 蔡建國;;排序聚類分析在成組技術中的應用[J];機械工藝師;1985年01期

4 董玉祥;排序聚類分析計算程序[J];成組生產(chǎn)系統(tǒng);1986年01期

5 A·Gongaware,Inyong Ham,焦虹;用于成組制造系統(tǒng)的聚類分析法[J];成組生產(chǎn)系統(tǒng);1986年02期

6 史逸芬,蔡建國;排序聚類分析法在相似零件成組中的應用[J];成組生產(chǎn)系統(tǒng);1986年03期

7 徐大威,王鴻歌;聚類分析應用程序系統(tǒng)[J];冶金自動化;1988年01期

8 張春早;會議評判與聚類分析[J];機械工程;1988年02期

9 吳國安;聚類分析在鳥的分類中的應用[J];黑龍江大學自然科學學報;1989年04期

10 盧澤生;;零件分類成組的聚類分析法[J];機械工程師;1990年04期

相關會議論文 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學術年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學會第七屆代表大會暨學術研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學力學物理學高新技術交叉研究學會第十二屆學術年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運籌學[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關系探討[A];第九屆全國體育科學大會論文摘要匯編(4)[C];2011年

8 牛東曉;乞建勛;;網(wǎng)絡資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學學術會議論文集[C];2001年

9 詹原瑞;彭書杰;李如一;;基于聚類分析的企業(yè)信用等級評價方法[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學會第12屆年會論文集[C];2002年

10 鄒曉玫;修春波;;基于聚類分析的犯罪率相關因素的研究[A];當代法學論壇（二○一○年第3輯）[C];2010年

相關博士學位論文 前4條

1 張建萍;基于計算智能技術的聚類分析研究與應用[D];山東師范大學;2014年

2 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學;2006年

3 楊旭杰;基于統(tǒng)計方法模型分析的中藥復方專利保護研究[D];北京中醫(yī)藥大學;2012年

4 李寶玲;王裕頤教授學術思想與臨床經(jīng)驗總結及治療眩暈證治規(guī)律研究[D];北京中醫(yī)藥大學;2012年

相關碩士學位論文 前10條

1 李元俊;大學生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學;2015年

2 馮雪冰;基于模糊理論的EM算法在聚類分析的應用研究[D];中國地質(zhì)大學(北京);2015年

3 黃銀;行業(yè)地區(qū)發(fā)展水平的聚類分析[D];蘇州大學;2015年

4 郭俊峰;聚類分析下的股票投資價值挖掘研究[D];大連海事大學;2015年

5 張旭;考慮風電接入不確定性的節(jié)點特性建模研究[D];山東大學;2015年

6 褚旭;我國各省市CDM項目聚類分析及影響因素研究[D];首都經(jīng)濟貿(mào)易大學;2015年

7 劉鑫琳;VAGUE集理論及其在聚類分析中的應用[D];廣西大學;2015年

8 周穎;基于蟻群算法的聚類分析在學生成績中的研究[D];南昌大學;2015年

9 邢蕊;以聚類分析為基礎的我國證券公司效率研究[D];山西大學;2015年

10 王帥宇;K-Means算法在用戶細分方面的應用研究[D];北京理工大學;2015年

，

本文編號：1901941