物流管理中的决策支持系统

,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,L o g o,湖北工业大学工程技术学院,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,*,物流管理中的决策支持系统,1,本章主要内容,决策支持系统基础知识,4.1,决策支持系统在物流中的应用,4.2,数据仓库与决策支持,4.3,群体决策支持系统,4.4,决策支持系统案例,4.5,本章主要内容,决策支持系统基础知识,4.1,决策支持系统在物流中的应用,4.2,数据仓库与决策支持,4.3,群体决策支持系统,4.4,决策支持系统案例,4.5,决策是决策者的思维活动过程，而,决策支持系统,是此过程中为决策者提供数据、信息和分析方法的信息系统。,Simon,等人曾将人的决策活动概括为一个四阶段（,phases,）的模型，各阶段之间的关系如下图所示：,情报阶段,设计阶段,选择阶段,实施阶段,4.1.1,决策活动模型,4.1.1,决策活动模型,情报阶段,(intelligent phase),：,决策者在进行决策活动时，首先要发现问题或某种可能性，发现用于决策的信息资源以及约束条件等。,设计阶段,(design phase),：,决策者分析可用的信息资源，设计行动方案或用于分析问题的一系列活动，并据此得到可行解的集合。,选择阶段,(select phase),：,决策者从可能的设计方案中选择一个。,实施方案,(implementation phase),：,按照决策方案实施决策活动。,尽管这一理论较好地描述了人在现实活动中的决策方式，但在实际决策活动中人却并非简单经由这四个阶段完成决策。通常在决策的某个阶段，可能要返回到前面的某个阶段重新进行。,4.1.2,决策的类型,决策的分类有各种不同的方法，按决策问题的特点可分为确定型决策问题、风险型决策问题和不确定型决策问题：,1,、确定型决策问题,：,其特点是决策人在进行选择之前了解真实的自然状态，即决策人可以确切地知道各种行动的后果。,例如：有一个餐厅在决定自己今后的发展计划时有三种方案：,维持现状小规模发展大规模发展,。,而每种方案可能带来的利益分别为,20,万、,40,万和,70,万元。这时，经理当然选择收益最大的方案。,4.1.2,决策的类型,2,、风险型决策问题,：,其特点是决策人无法确知将来真实的自然状态，但他能给出各种可能的自然状态以及这些自然状态可能出现的概率，对于任何一种方案因自然状态的不通可能产生多种结果。,在上例中，影响方案的自然状态为：,在餐厅附近有一个竞争对手出现,（概率为,0.2,）,附近将新建一条高速公路,（概率为,0.3,）,情况不变,（概率为,0.5,）。根据各种自然状态和在三种方案下的不同收益，构造的损益矩阵表如下：,情况不变,(0.5),有竞争对手,(0.2),公路改道,(0.3),维持现状,20,0,10,小规模发展,40,30,30,大规模发展,70,20,100,4.1.2,决策的类型,3,、不确定型决策问题,:,其特点是决策人只能知道那些自然状态可能出现，但无法知道这些自然状态可能出现的概率。,根据决策活动的特征可将决策分为结构化、非结构化和半结构化决策：,（,1,）结构化决策,决策目标明确、决策过程常规、能够事先确定；,（,2,）非结构化决策,缺乏常规决策准则；,（,3,）半结构化决策,一些决策阶段结构化，另一些阶段非结构化,4.1.3,决策支持系统定义,决策支持系统是一个不断发展的概念。,20,世纪,70,年代,Scott Morton,的定义：,“一种交互式的计算机系统，可以帮助决策者使用其数据及模型来解决非结构化的问题”,20,世纪,80,年代中期，,R.H.Sprague,提出的,DSS,的特征：,（,1,）数据和模型是,DSS,的主要资源；,（,2,）,DSS,是用来支持用户做决策的，而不是代替用户决策；,（,3,）,DSS,主要用来解决半结构化及非结构化的问题；,（,4,）,DSS,的目的在于提高决策的有效性而不是提高决策的效率。,4.1.3,决策支持系统定义,20,世纪,90,年代,Tuban,提出,DSS,是一种用来增强决策者的决策能力的工具。,DSS,与,MIS,的比较如下表：,问题：,DSS,与,MIS,的区别所在？,比较项,MIS,DSS,特征,信息处理,支持决策,目标,提高效率,提高有效性,处理技术,以计算机为主进行处理,以人机会话为主进行处理,驱动方式,数据驱动,模型驱动,信息的特征,响应全局的需要,响应决策者的需要,4.1.4,决策支持系统的分类,根据系统特征分类,:,面向数据的,DSS,（,SAS,软件介绍,）,面向模型的,DSS,根据使用目的分类：,专用,DSS,通用,DSS,（生成器、开发工具）,根据使用形态分类：,制度化的,DSS,（重复性的、类似的决策问题）,动态的,DSS,4.1.5 DSS,的结构,典型的,DSS,结构由以下五部分构成：,1,，数据库子系统,2,，模型库子系统,3,，方法库子系统,4,，知识库子系统,5,，会话生成与管理子系统,4.1.5 DSS,的结构,典型的,DSS,构成,4.1.5 DSS,的结构,1,数据库子系统,数据库是,DSS,的重要数据资源，是模型库、方法库和对话系统的基础。在,DSS,中，数据库子系统的作用不仅体现在数据支持上，在某种程度上，它已成为,DSS,内部管理的一种机制，起着简化,DSS,的事先和维护的重要作用。,DSS,数据库子系统通常由以下几部分组成：,(1),数据抽取模块,是各种数据源与,DSS,数据库的接口，主要内容包括从源数据库抽取数据，建立,DSS,的数据库，供模型和对话部分使用。,4.1.5 DSS,的结构,数据抽取模块的功能结构图,4.1.5 DSS,的结构,(2)DSS,数据库,存储与决策问题有关的数据，包括事务数据、内部数据、外部数据和个人数据。,(3),数据库管理系统,用来提供存取和管理数据库中数据的功能。,(4),数据字典,用来维护系统中的数据定义、类型描述和数据源的描述。,(5),数据查询模块,用来解释来自其他子系统的数据请求，通过查阅数据字典确定如何满足这些请求，并详细阐述向数据库管理系统的数据请求，最后将结果返回对话框子系统。,4.1.5 DSS,的结构,2,模型库子系统,模型库子系统是给决策者以通过推理、比较、选择来分析解答整个问题的能力；,模型库子系统包括模型库、模型库管理系统、与其他子系统的接口等；,模型库中一般应包括在特点领域中解决问题所需要的常用数学模型，这些模型决定了系统可提供的分析能力；,常用的支持决策模型如下图所示：,4.1.5 DSS,的结构,常用模型,优化模型,评价模型,综合运筹模型,预测模型,模拟实验模型,Text,规划模型,推理模型,4.1.5 DSS,的结构,3,方法库子系统,建立方法库的,目的,是为,DSS,提供一个适合的环境，允许计算过程本身实现交互存取数据，从数据库选择数据，从方法库选择算法，然后将数据和算法结合起来进行计算，并通过清晰的显示方法将结果输出，供决策者使用。,方法库由方法程序库和方法库字典组成：,方法程序库,是存储方法模块的工具，可由各种通用性和灵活性都比较强的可用来构成各种数学模型的方法程序库构成。,方法字典,则用来对方法库中的程序进行登录和索引。,方法库,基,本,数,学,方,法,统,计,方,法,优,化,方,法,预,测,方,法,计,划,方,法,金,融,方,法,各种函 数 初等算 法,插 值 算 法,拟 合 法,外 推 法,平 滑 法,回归分析法,判别分析,因子分析,方差分析法,求解分析,判别分析,时间序列法,因果分析法,矩阵运算法,计划评审法,二元相关分析法,方法库中的方法集合,4.1.5 DSS,的结构,4,知识库子系统,知识库是合理组织的关于某特定领域的陈述型知识和过程型知识的集合；它与传统数据库的区别在于它不仅,包含了大量的简单事实，而且包含了规则和过程型知识,；它是一个完整的系统，可以作为,DSS,的一个子系统，也可以成为一个独立的系统供知识管理者和决策者使用。,5,会话管理子系统,会话管理子系统由系统提供的用户界面和相应的信息处理机构组成。通过该子系统，用户与计算机进行会话和信息交互。,用户界面是有利于用户和计算机进行交互和交流的硬件设备和软件，用户界面包括,文字的、图形的、听觉的、触觉的信息交换,。,本章主要内容,决策支持系统基础知识,4.1,决策支持系统在物流中的应用,4.2,数据仓库与决策支持,4.3,群体决策支持系统,4.4,决策支持系统案例,4.5,4.2,决策支持系统在物流中的应用,库存管理,生产地点选址,车辆计划,提前期报单,生产计划,物流运输系统的调度优化技术,DSS,的应用,需求计划,物流网络设计,存货配置,销售与营销区域的划分,DRP,MRP,Text,Text,4.2,决策支持系统在物流中的应用,1,需求计划,作出精确的需求预测是提高整个供应链效率的关键。因此，预测已经成为,DSS,的一个重要领域，为了辅助这一过程，除典型的统计工具外，人们还制定了协作工具及标准。,例：,美洲红十字协会,采用了基于优化模型的决策支持系统，来评估重新选择血液配送和采集地点的建议。,4.2,决策支持系统在物流中的应用,2,物流网络设计,物流网络的设计包括仓库和工厂位置的确定、仓库周围零售商和顾客的配置等，通常需要输入的数据包括被选位置、运输成本、总需求预测等。,在建议物流网络设计方案时通常使用启发式和优化的运算法则。对于不能量化的标准，决策者最终还需要依靠自己的判断。,例子：,1993,年，,保洁公司（,P&G,）,开始重新设计它的整个供应链计划，通过,DSS,系统中的数学工具以及,GIS,系统，他们减少了配送中心的数量并保留了位置合理的配送中心。,问题：,GIS,技术在保洁公司的决策支持系统中可起到什么作用？,4.2,决策支持系统在物流中的应用,3,存货配置,企业需要对在什么时间、哪个仓库保持何种库存作出决策，这就是存货配置决策。,在库存配置中，运输成本、需求预测和现有库存被用来决定在每一时间每一位置保持存货的水平，而且,DSS,又一次使用了优化和启发式算法来生成建议策略。,例子：,美国石油公司（,Amoco,）,曾面临着以下常见的存货管理挑战：,（,1,）怎样在供应链的不同环节来鉴别合适的存货水平？,（,2,）怎样克服资本、设备和人员的能力制约？,（,3,）在销售、生产和存货管理人员之间存在着冲突的组织目标。,4.2,决策支持系统在物流中的应用,为了解决上述问题，美国石油公司同默克管理咨询公司一起开发了一个适合自己的决策支持系统，这个系统可以模拟美国石油公司各个层次的物流网络、成本及目标，并在分析过程中运用了优化和模拟技术。该系统带来了以下好处：,（,1,）弄清了存货成本，包括缺货成本；,（,2,）过多的存货也掩盖不了低效的工作；,（,3,）更好地计划、协调、沟通销售与营销区域划分。,4,销售与营销区域的划分,销售区域的划分既需要使销售额最大化，又需要使顾客和销售代表都保持满意；销售区域划分的决策支持系统将,顾客位置和需求预测,作为输入，销售区域的设计要以决策者所选定的一系列目标（如运距、销售潜力）为依据。,4.2,决策支持系统在物流中的应用,5,配送资源计划（,DRP,）,对一组仓库和零售商来说，此模型用来确定合适的配送路线和存货政策。如果给定仓库和零售商的位置、存货和运输成本以及每一零售点的需求预测，此系统可以利用分析工具来确定以最低的成本向顾客提供高水平服务的策略。,6,物料需求计划（,MRP,）,MRP,系统利用产品的物料清单和零部件的提前期来计划何时开始制造某产品。虽然这些决策支持系统没有利用复杂的数学方法，但它们在工业中的应用却十分普遍。（,物料清单简介,）,例子：,塔纳公司（,Tanner,）,是一个高品质女士服饰制造商，,90,年代初期，该公司的准时交货率较低（,74%,）左右，并且有大量的在制品。,4.2,决策支持系统在物流中的应用,该公司的,DSS,将塔那公司生产每一种款式的物料和劳动力需求的详细信息记录在一个数据库中，系统从这个数据库提取数据；,系统根据数据库中的数据和接到的订单来生成生产计划，特别是在有生产和需求的约束条件下，系统制定的计划要使得缺货和成品存货都最小。,运营结果：,在一年期的期末，系统开发、修改、安装实施，准时交货率提高到,90%,，在制品库存也削减了,20,多万美元。,7,库存管理,一个库存管理决策支持系统能够运用运输和持有成本信息以及生产提前期和项目需求来制定库存政策，从而帮助决策者达到降低成本与提高客户服务质量的目标。,4.2,决策支持系统在物流中的应用,8,生产地点选址,/,设施布置,生产设施网络上的每一个点分别生产不同的产品或者是同一产品的不同部件。设施布置决策支持系统将生产成本、提前期、运输成本及需求预测作为输入数据，针对生产设施来分配不同的产品或部件。,例子：,美孚（,Mobil,）,利用一个,DSS,来合并与发送润滑剂产品。为了解决调度员送货的一系列问题（自有车辆或外界车辆、订单的合并策略等），,DSS,内部采用了美孚同,Insight,公司合作开发的较重产品的计算机辅助配送（,HPCAD,）系统，来制定货物发送计划。,HPCAD,系统每年可为公司节省,100,多万美元。,4.2,决策支持系统在物流中的应用,9,车辆计划,车辆计划不仅包括企业自有车辆的派遣，而且也包括在某些线路上商业车辆的选择；车辆计划中的一个重要组成部分就是车辆的路线安排。,例子：,CSX,运输公司拥有,世界上最长的铁路之一，它开发了一个名为计算机辅助路线安排及调度（,CARS,）的决策支持系统，该系统被用来探索路线安排与调度之间的战略关系。,CSX,运输公司简介,10,提前期报单,提前期报单（,lead time quotation,）决策支持系统能够报出某一特定订单的确切交货提前期，并且这一提前期往往是较短的。,问题：什么情况下尽量报长提前期？,4.2,决策支持系统在物流中的应用,11,生产计划,给定所生产的产品系列、生产流程以及产品的到期日期，生产计划,DSS,就可以制定产品的生产次序及计划。,生产计划,DSS,可以利用人工智能、数学及模拟技术来制定生产计划。,12,物流运输系统的调度优化技术,物流运输系统的调度优化包括配送车辆的集货、货物配装和送货过程的调度优化技术等。,关键技术：,启发式算法,遗传算法（,Genetic Algorithm,）,蚂蚁算法（,ants algorithm,）,本章主要内容,决策支持系统基础知识,4.1,决策支持系统在物流中的应用,4.2,数据仓库与决策支持,4.3,群体决策支持系统,4.4,决策支持系统案例,4.5,4.3.1,数据仓库,随着企业的发展，企业的高层管理者需要使用数据（历史的、现在的）进行各种复杂分析，如长期趋势分析和数据挖掘等支持决策；这就要求系统保存大量历史数据和进行复杂的分析处理。传统数据库系统很难实现这些应用。,数据仓库面向复杂的数据分析以支持决策过程，它把支持决策分析的数据事先收集、归纳、处理，,使企业的业务操作环境和信息分析环境分离,，从而有效地为决策提供实时的信息服务。,1991,年，美国,PrismSolution,公司副总裁,W.H.Inmon,提出了数据仓库的概念：,数据仓库的广义概念,：,数据仓库描述了一种语义一致的数据组织与处理的体系结构，它将多个分散的、异质的原始数据融合在一起，完成不同数据存取、查询及文档分析、报告生成，从而支持决策过程。,4.3.1,数据仓库,数据仓库的狭义概念：,数据仓库是支持经营管理中的决策制定过程的、面向主题的、集成的、内容相对稳定持久的（非易失性）、不同时间的数据集合，用来支持管理人员的决策。,数据仓库的主要特征：,（,1,）面向主题,（,2,）集成,（,3,）非易失性,（,4,）时异性,问题：怎么理解,“,本质上，数据仓库是一个使用其自身数据库管理系统的数据库应用,”,这句话？,4.3.1,数据仓库,1,数据仓库的几个重要概念,(1)ETL(Extract/Transformation/Load),(2),元数据（是数据仓库的最基本数据单元）,(3),粒度（数据的细化或概化程度）,(4),分割（物理单元）,(5),数据集市,(data mart),（小型数据仓库）,2,数据仓库的结构,数据仓库的数据按层次组织，通常是一个多层机构，可分为下列几个层次：,（,1,）当前详细数据,(current detail data),:,反映当前发生的用户感兴趣的数据，在粒度最底层。,（,2,）历史详细数据,(older detail data),:,不经常被访问的，在一个与当前详细数据相同的粒度的层次。,（,3,）轻度概化数据,(lightly summarized data),:,从当前详细数据提炼出来的数据。,（,4,）高度概化数据,(highly summarized data),:,压缩的易于访问的数据。,4.3.1,数据仓库,数据仓库的层次结构,数据仓库的外部输入输出,4.3.2,联机分析处理,1,联机分析处理基本概念,1993,年，,IBM,公司的,E.F.Codd,提出了联机分析处理,OLAP(Online Analysis Processing),技术；,OLAP,是一种面向数据分析的交互式决策辅助方法，是针对特定问题的联机数据访问和分析，通过对信息的很多种可能的观察形式进行快速、稳定一致和交互性的存取，允许决策人员对数据进行深入观察。,OLAP,常用的基本概念：,（,1,）变量,变量是数据的实际意义，即描述数据是“什么”。,4.3.2,联机分析处理,（,2,）维,维是人们观察数据的特定角度。（时间维、空间维、产品维）,（,3,）维的层次,人们观察数据的某个特定角度（某个维）还可以存在细节程度不同的多个描述方面，这就是维的层次。,（,4,）维成员,维的一个取值成为维成员。,（,5,）多维数组,一个多维数组可以表示为：维,1,，维,2,，,，维,n,，变量。,（,6,）数据单元,多维数组的取值称为数据单元。,4.3.2,联机分析处理,（,1,）切片：,在多维数组的某一维上选定一维成员的操作称为切片。即在维,1,，维,2,，,，维,n,，变量中选一维，如维,i,，并取其一维成员维,i,，则在维,i,上的切片为（维,1,，维,2,，,，维,i,，,，维,n,，变量）。,2,联机分析处理基本操作,4.3.2,联机分析处理,（,2,）切块：,在多维数组的某一维上选定某一区间的成员维的 操作称为切块，即限制多维数组的某一维的取值区间。显然，当区间退化到一个维成员时，就是切片。,4.3.2,联机分析处理,（,3,）旋转：,改变一个报告或页面的维方向。例如，旋转可能包含交换行和列，或是把某一个行维移到列维中。,4.3.2,联机分析处理,（,4,）钻探：,使用户在数据仓库的多层数据中能,通过导航信息,而获得更多的细节性数据，一般是指向下钻探。,地区,销售额,上海,900,长沙,650,广州,800,地区,1,季度,2,季度,3,季度,四季度,上海,200,200,350,150,长沙,250,100,150,150,广州,200,150,180,270,4.3.2,联机分析处理,3,联机分析处理与联机事务处理的比较,联机事务处理（,OLTP,）是操作人员和低层管理人员利用计算机网络对数据库中的数据进行操作，以,完成日常事务处理工作,。,OLAP,与,OLTP,是两类不同的应用，前者面对的是决策人员和高层管理人员，后者面对的是操作人员和低层管理人员。二者区别详见下表：,OLTP,与,OLAP,的比较,OLTP,OLAP,数据库原始数据,数据库导出数据或数据仓库,细节性数据,综合性数据,当前数据,历史数据,经常更新,不可更新，但周期性刷新,一次性处理数据量小,一次性处理数据量大,响应时间要求高,响应时间合理,用户数量大,用户数量相对少,面向操作人员，支持日常事务操作,面向决策人员，支持管理需要,面向应用，事务驱动,面向分析，分析驱动,问题：,OLTP,与,OLAP,的主要区别所在？,4.3.3,数据挖掘,数据挖掘,DM,（,Data Mining,）,是近年来随着数据库和人工智能技术的发展而出现的一种全新信息技术，,也称为数据库中的知识发现,（,Knowledge Discovery in Database, KDD,），是指从大量数据中抽象出潜在的有用信息的过程。,一般来说，,KDD,过程由三个部分组成：数据准备、数据挖掘以及解释评估。,数据准备：,包括数据选取、数据预处理和数据变换，完成对数据的抽取、清理和整理；,数据挖掘：,根据待发现的任务类别选择有效的发现算法对数据进行挖掘；,解释评估,：,对发现模式的评价和解释，并进一步用于决策分析或将新发现的知识扩充到知识库中去。,4.3.3,数据挖掘,目前，数据挖掘应用于很多领域，尤其是在如银行、电信保险、交通、零售等商业领域。,数据挖掘工具可根据应用领域分为三类：,（,1,）通用单任务类：,仅支持,KDD,的数据挖掘步骤，并需要大量的预处理和善后处理工作。,（,2,）通用多任务类：,可执行多个领域的知识发现任务，集成了分类、可视化、聚集、概括等多种策略。,（,3,）专用领域类：,现有的许多数据挖掘系统是专为特定目的开发的，用于专用领域的知识发现，对采掘的数据库有语义要求，发现的知识也较单一。,4.3.3,数据挖掘,根据所采用的技术，挖掘工具大致分为六类：,(1),基于规则和决策树的工具（,课后查找软件,Knowledge Seeker,）,(2),基于神经元网络的工具（针对非线性数据的快速建模）,(3),数据可视化方法,(4),模糊发现方法,(5),统计方法,(6),综合多方法,4.3.4,联机分析处理与数据挖掘的联系,OLAP,作为一种多维分析工具，可提供数据多层面、多角度的逻辑视图。用户提出问题或假设，,OLAP,负责提取关于该问题的详细信息，并将结果呈现给用户。,数据挖掘,是在数据集合中寻找模式的决策支持过程，它能从大量数据中发现潜在数据模式并做出预测性分析，是现有的人工智能、统计学等成熟技术在特定系统中具体的应用。,OLAP,和数据挖掘的共同点,：二者都属于分析性工具。,4.3.4,联机分析处理与数据挖掘的联系,OLAP,与数据挖掘的主要区别：,（,1,）数据挖掘的分析过程是自动的，用户不必提出确切的问题，只需工具去挖掘隐藏的模式并预测未来的趋势；而,OLAP,更多地依靠用户输入问题和假设，从而影响最终结论。,（,2,）,OLAP,属于较浅的层次，数据挖掘可以发现,OLAP,所不能发现的更复杂的问题。,OLAP,技术和数据挖掘技术是既相对独立又相互关联的信息技术，近年来数据仓库系统中,趋向于将两者集成在一起,，以便做出高效的分析。,问题：数据仓库、,OLAP,和数据挖掘三者之间关系？,4.3.5,数据挖掘与,OLAP,在物流运作中的应用案例,OLAP,在连锁零售物流企业中的应用,：,(1),销售分析,通过销售预测模型对每种商品、每类商品、各分店销售情况等进行分析预测。,(2),商品管理,包括商品生命周期的分析与预测、商品价格波动趋势分析与预测等,(3),库存分析,根据销售信息和订单信息预测出库量，由市场决定库存量。,(4),客户分析,分析客户基本情况，以便对基础客户关系和综合客户关系进行管理。,(5),供应商分析,通过,OLAP,或,MDX,分析比较各供应商带来的利润，从而选择供应商。,4.3.5,数据挖掘与,OLAP,在物流运作中的应用案例,数据挖掘在连锁销售企业的物流信息系统中的应用：（海量数据）,(1),购买力预测,运用回归分析功能预测客户的购买力，明察市场趋势获得战略优势。,(2),趋势分析,利用数据仓库对商品种类和库存的趋势进行分析，选定需要补充的商品，研究顾客购买趋势，分析季节性购买趋势。,(3),购买模式识别,首先运用,聚类分析,，从客户档案库中发现不同的客户群，并且用购买模式来刻画不同的客户群特征。,4.3.5,数据挖掘与,OLAP,在物流运作中的应用案例,然后运用关联规则挖掘，找出哪些商品同时被顾客购买，从而得到顾客习惯，据此做出相应的订货、商品摆放及销售决策。,案例：英国第三大连锁超市,Safeway,的购买模式识别（以客户为导向，而非以产品和商家为导向）（,某种乳酪的销售,）,(4),设置商品布局,对某一商品的交易事务数据库运用关联规则挖掘，可能会产生大量的强规则出现。,案例：,Wal-mart,对商品进行的购物篮分析,(marketing basket analysis),（,尿布与啤酒,）,4.3.5,数据挖掘与,OLAP,在物流运作中的应用案例,(5),降低库存成本,加快资金周转、降低库存成本是所有连锁零售商面临的一个重要问题。,(6),挖掘潜在客户,会员制可以固定客户群，但是潜在客户还是存在的,一个会员卡可以有多次交易，如果交易频率过高，那么会员卡肯定外借，持卡人的周围隐藏着潜在客户，由此可以开发客户群。若在一段时间内，某个会员卡没有交易，则该客户可视为遗失客户，可采用相应的优惠政策留住客户。,本章主要内容,决策支持系统基础知识,4.1,决策支持系统在物流中的应用,4.2,数据仓库与决策支持,4.3,群体决策支持系统,4.4,决策支持系统案例,4.5,4.1,群体决策,群体决策,是指两人或多人在一起讨论实质性问题，提出解决问题的可能方案或策略，并通过集体评价来作出决策。,群技术,是提高群体决策的输出水平而有目的地对群体决策过程进行干涉，典型的方法有头脑风暴法,(brainstorming),、德尔菲法,(Delphi),、建设性讨论、名义群体法等。,（,1,）头脑风暴法,：,该方法由,A.F.Osborn,于,1939,年提出，是指自由奔放、突如其来的想法。一般有,5,到,10,人参加，共同研究一个问题，全体成员在轻松愉快的气氛中对这个问题自由地发表自己的意见。,4.1,群体决策,（,2,）德尔菲法：,该方法分为三步：第一步，请,10,到,20,名专家；第二步，工作小组把征求意见的方案及有关资料发给专家，每个,专家独立进行研究,；第三步，工作小组把专家意见收集上来，进行总结和整理，必要时再进行第二轮甚至更多轮征求意见，最终得出决策结论。,除上述方法以外，数学工作者和其他领域专家在如何科学、公正、公平地综合群体决策结果上做出探索，提出了,群体决策的一致性分析技术,，包括层次分析法、多属性一致分析法、模糊决策法等。,4.2,群体决策支持系统,群体决策支持系统,(Group Decision Support System),是将群技术、群决策一致性分析技术与计算机技术相结合的系统,是决策支持系统的一个重要分支。,GDSS,是辅助工作群体决策非结构化问题的交互式计算机系统，是由硬件、软件、组织和人组成的“社会技术包”。,硬件,包括会议设施、计算设备、远程通信和视听设备等；,软件,包括数据管理系统、高级程序语言、决策建模和决策支持软件；,组织,包括协调和管理群体过程的各种规程；,人,指决策群体及各种支持人员。,4.2,群体决策支持系统,DeSanctis,等根据会议持续时间和群成员的物理接近程度将,GDSS,分为四种类型：,（,1,）决策室（,同一会议室较短的会议,）,（,2,）局部决策网络（,距离较近、时间较长、局域网,）,（,3,）远程会议（,地理上分散、时间短、可视通信设备联接决策室,）,（,4,）远程决策制定（,地理上分散、时间不定、可视通信设备联接各工作站,）,4.3,群体决策支持系统的主要功能,GDSS,的目的是提高决策会议的效率和效果或加速决策过程或提高决策结果的质量。根据,GDSS,的目的可将其分为三种水平，每种水平对应一种决策问题的层次与相应的功能要求。,水平,1,：,过程支持，系统能够消除决策者传递信息的障碍；,水平,2,：,决策支持，系统能够提供定量分析的工具；,水平,3,：,指令支持，系统能够通过协调机制引导群体决策自动进行。,4.3,群体决策支持系统的主要功能,GDSS,一般具有如下功能：,（,1,）多用户参与会话的并发功能；,（,2,）提供方便的协调和通信条件；,（,3,）提供获取信息的渠道，检查和协调群体成员的请求；,（,4,）帮助群体总结、整理和分析大量信息；,（,5,）群体能按过程匿名和内容匿名来操作；,（,6,）为群体保留群体决策过程的电子记忆，并提供详细资料；,（,7,）具有防止消极群体性格发展的内在机制；,（,8,）,GDSS,是群体学习的有效工具,（,9,）支持战略规划、投资预测、风险分析和危机管理等；,（,10,）支持虚拟组织团队群体协同工作。,4.4,群体决策支持系统的构架,GDSS,目前还没有公认的技术实现构架，,M.Jarke,在,MEIATOR,系统中提出了一个,GDSS,构架，如下所示：,共享数据库,共同的问题表示,问题表示,1,问题表示,2,成员,1,私人数据与工具,成员,2,私人数据与工具,协调员数据,和工具,本章主要内容,决策支持系统基础知识,4.1,决策支持系统在物流中的应用,4.2,数据仓库与决策支持,4.3,群体决策支持系统,4.4,决策支持系统案例,4.5,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,1,案例背景介绍,基于,GIS,的服务网络选址决策支持系统,由上海交通大学开发，以某客车生产企业为背景，用于配件供应网络的选址决策支持。,系统集成了服务网络选址中常用的,集合覆盖模型、最大覆盖模型及,P,中值模型数学模型及求解算法,，具有可选模型多、参数驱动、可视化的特点，在极短的时间内可以得出许多可行方案，进而比较选优。,案例中的公司在全国,193,个城市建有,312,家特约维修站（服务站），即配件需求点。通常情况下，非紧急配件均从总部经配件中心库流转到有需求的服务站，在经过服务站提供给顾客，,因此中心库的数量和布局将直接影响服务的质量,。本系统通过设定选址策略参数、选择所需的选址模型等一系列步骤可轻松地解决服务网络选址的决策问题。,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,2,决策支持系统基本构架,该,DSS,的,基本开发思路,是通过适当的软件技术和开发工具，将服务网络的,Map,模型、数学模型以及求解算法相结合，实现多模型、参数驱动、可视化、可重用的,SNLP,辅助决策系统，其基本构架如下：,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,根据上述开发思路和系统框架图，系统的主要功能模块设计如下：,（,1,）节点距离计算模块,利用,MapInfo,提供的空间数据运算功能，可方便地计算出任意两点间的球面距离。,（,2,）选址策略输入模块,该模块用于实现选址参数的输入功能。用户可从需求点集合中任意选择点为候选点，还可任意选择系统提供的三种选址模型中的一种进行求解。模块界面如下图所示：,选址策略输入模块的界面,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,（,3,）选址决策模块,本模块的功能是以选址约束条件为基础，通过适当的优化算法对模型进行求解，并寻找最优解或较优解。,（,4,）,GIS,图形化模块,GIS,图形化模块是系统可视化的基础，该模块可以使系统通过输出模块将选址结果在,Map,模型中以图形方式加以表现，使用户对选址结果有更加直观的认识。下图为公司现有配件供应网络用,GIS,图形化模块输出的,Map,模型：,公司现有配件供应网络的,Map,模型,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,（,5,）输出模块,系统的输出模块提供了多种输出方式，可以实现选址结果的文件输出和,Map,输出，如下图所示：,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,（,5,）输出模块,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,（,6,）其他辅助支持模块,为了更好地支持选址决策，系统还提供,专题图制作,等功能：,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,3,服务网络选址模型,目前该网络选址系统有三种模型：即集合覆盖模型,(set covering location model),、最大覆盖模型,(maximum covering location model),和,P,中值模型,(P-median model),。（,三种模型对比分析,）,在解决实际服务网络选址问题时，一般采用集合覆盖模型求出服务网络所需的节点数量，再将所得的节点数代入,P,中值模型，用,P,中值模型完成需求点与设施点的分配。,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,4,系统应用效果,系统选择,P,中值模型后得出的服务点个数为,13,，该决策支持系统求解的结果如下图：,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,优化前网络需求量和平均服务半径变动图如下：,4.5.1,基于,GIS,的服务网络选址决策支持系统案例,优化后网络需求量和平均服务半径变动图如下：,可以看出，优化后的网络无论是需求量还是平均服务半径都比较均衡，即优化后的网络优于现有网络。,4.5.2,群体决策支持系统案例（,自学,）,上海交通大学在国家高技术发展计划（,863,计划）的资助下开发了一个基于,Web,的群体决策支持系统,MC-IGDSS,。该系统在支持模式上、内容和过程上为用户提供支持。,决策内容,的支持主要为决策者提供相关的决策分析，提出科学的有依据的决定或方案；,决策过程,支持主要辅助群体成员进行集体决策。,该系统的主要特点为：,1,、基于,Web,技术；,2,、多种群体决策方法；,3,、群决策的组织和效率；,4,、通信手段；,5,、模型库；,6,、案例库；,7,、先进的数据分析工具的使用；,8,、支持不同知识层次的用户；,9,、能与其它与异构信息系统集成。,MC-IGDSS,的系统结构,4.5.2,群体决策支持系统案例,本系统的功能分为群决策项目管理、群决策方法集、模型库、信息与知识管理、数据仓库应用系统以及系统管理,6,个子系统。,本系统可用于支持物流管理中多人参与进行群体决策，如客户化订单决策、交货期决策、产品定价决策、承包商决策、供应商决策、核心能力决策、核心产品决策、产品多样化决策、物流运作绩效评价等。系统的模块结构如下图所示：,MC-IGDSS,的,模,块,结,构,4.5.3,石油物资物流管理与决策支持系统案例,1,系统概述,石油物资物流管理与决策支持系统,系统用于管理油田用物资的储存、调拨、回收、维修、保养、报废等业务信息。,由成都思友信息技术服务有限公司开发完成的,石油物资物流管理与决策支持系统,是,面向油田公司下属的装备器材库的行业软件,，能够在很大程度上提高用户处理信息的能力，从而在整体上提高工作效率和服务质量。,4.5.3,石油物资物流管理与决策支持系统案例,2,系统特点,1,、采用面向对象技术、数据库技术、模块化技术，针对业务点编制功能相对独立的模块。,2,、 系统基于目前最流行的,C/S,和,B/S,相结合,的双向架构技术。,3,、物资的单件管理 单项物资在系统中通过,流水号,这项数字身份证管理，可以在任何时候对其所经历的业务操作进行全面的跟踪监控。,4.5.3,石油物资物流管理与决策支持系统案例,2,系统特点,4,、软件系统通过权限管理机制，将现实中的岗位完整体现在软件的业务处理中，规范了员工业务操作。,5,、查询统计系统涵盖了整个系统的业务处理部分，既可以全面了解业务发生与处理的情况，更可以帮助业务人员做出准确的判断和决定。,6,、报表和数据查询结果通过,OLE,技术,和,Excel,衔接，可以方便的将数据集导入,Excel,软件进行二次编辑。,4.5.3,石油物资物流管理与决策支持系统案例,3,系统结构,系统由,C/S,和,B/S,结合而成。,复杂的业务处理、统计分析及数据采集由,C/S,完成，充分保证实现的高效性、准确性、安全性；需要对外广泛发布的各类查询功能在,B/S,部分完成，保证了灵活性、方便性及时效性。,C/S,部分,主要包括基础系统管理、系统管理、业务管理、商检管理和统计查询；,B/S,部分,主要包括基础信息查询、业务单据查询、统计查询。,4.5.3,石油物资物流管理与决策支持系统案例,4,系统,B/S,部分主要功能,（,1,） 基础信息管理,主要完成物资基本信息的录入、编辑管理等操作。包括物资类别管理、物资规格型号管理、钻具卡片信息管理、物资图片管理、部门信息管理、员工信息管理、库区信息管理、垛位信息管理、井队信息管理、单井信息管理、业务单位信息管理、车辆信息管理等模块。,（,2,）系统管理,主要完成系统业务权限设置信息，用于控制非法用户、没有权限用户登陆系统，执行非法操作。,（,3,） 业务管理,业务管理主要包括：入库管理、调拨通知管理、调拨管理、保养管理、级别管理、退货管理、维修管理、待报废（失效）管理、报废（实效）管理、车辆调度管理、存储位管理、钻具钢印号管理等业务管理信息模块。,业务管理模块的界面,4.5.3,石油物资物流管理与决策支持系统案例,4,系统,B/S,部分主要功能,（,4,）商检管理,自动检验石油物资合格性（需要输入物资的检验标准），同时可以打印物资各种检测报告信息。,（,5,）统计查询,主要完成物资业务统计报表等功能。包括：单项物资追踪、库存物资统计、盘点统计、物资进库统计、物资入库统计、物资租赁统计、物资发出统计、物资分布统计、物资保养统计、物资维修统计、物资待报废统计、物资报废统计、物资待失效统计、物资失效统计、物资退货统计、物资验收统计、车辆调度统计等各种数据信息。,业务管理模块界面,4.5.3,石油物资物流管理与决策支持系统案例,5,系统,C/S,部分主要功能,（,1,）基础信息,a.,类别信息,此功能用于显示数据,库中物资类别的层次信息,b.,商家信息,c.,部门及员工信息,d.,井队及单井信息,4.5.3,石油物资物流管理与决策支持系统案例,2,、 统计查询,主要完成物资业务统计报表等功能。,包括：单项物资追踪、库存物资统计、盘点统计、物资进库统计、物资入库统计、物资租赁统计、物资发出统计、物资分布统计、物资保养统计、物资维修统计、物资待报废统计、物资报废统计、物资待失效统计、物资失效统计、物资退货统计、物资验收统计、车辆调度统计等各种数据信息。,统计查询模块界面,Click to edit company slogan .,The End,95,