基于数据挖掘的企业敏捷动态联盟组建研究

摘要

当前，经济全球化进程加快,企业为提高竞争力，快速占领市场，需要组建动态联盟。特别是加入WTO后，我国的企业面临的将是全方位的开放和外部世界的影响和冲击。大多数企业凭目前的管理水平，资金规模和技术力量尚不足以面对国外企业的挑战。如果能采取动态联盟的运作模式，在注重培养各自的核心竞争力的同时充分利用外部资源，实行优势互补，将是我国企业参与国际化竞争的一条有效途径。如何根据市场要求自主选择合适的合作伙伴，使企业能以较低的成本，较短的时间得到参与竞争所必需的资源，将成为研究人员关注的问题。动态联盟企业组建过程中在信息基础设施建设和信息使用技术方面需加大投入并有大量的工作要做，长期形成的某些文化局限对动态联盟组建形成障碍，动态联盟组建的成败在很大程度上取决于合作伙伴的正确选择，但对合作伙伴的评价与选择还没有系统科学的方法，对合作伙伴的评价与选择的研究还不够，同时，对于动态联盟组建后其敏捷性的评估指标与没有一个完整统一的定义。 本论文分析动态联盟组建过程中所遇到的问题及难点，阐述了对其研究的必要性和重要性，基于数据挖掘中的聚类算法及决策树算法构建了敏捷制造动态联盟企业评价及选择盟员伙伴的系统模型，主要的研究内容如下： 1. 利用数据挖掘中的聚类算法，对动态联盟的候选企业进行分类处理，目标基于影响合作伙伴选择的多个因素，其中包括任务完成时间、任务完成准时性等时间绩效的评价；质量系统满意度、制造质量保证、质量工程师比率、加工或装配质量等质量绩效评价；加工成本等成本绩效评价；售后服务满意度、快速反应度等服务绩效评价。根据多次迭代运算，将候选企业分为高、中、低合作价值的企业，完成对企业的初次选择。 2. 利用数据挖掘中的决策树方法，对影响合作伙伴选择的因素进行研究，对样本数据进行分析计算，生成决策树，根据决策树生成规则，这些规则也将在日后指导候选伙伴有针对性地改进自己的能力，尽可能符合高合作价值企业的要求，并最终确定各个因素对企业合作价值的贡献以及权值。从而使确认企业各指数的权重问题得到很好的改善。以数据和事实为依据，增强选择过程中的客观因素，降低人为的主观因素，使最终的结果更具说服力。 3. 通过对高合作价值的企业伙伴进行分析，一方面以数据作为分析计算的依据提高选择过程的客观性，另一方面加入评估组评估，有效对数据进行人工干预，使数据具有更好的适应性，运用运筹学中的层次分析法，对多个高合作价值伙伴进行计算，最终得出最优结论，将最优企业加入动态联盟。保证体现企业的核心和综合实力。 4. 提出动态联盟敏捷性评价的指标体系。确定成本因素，包括信息成本、研发成本、生产成本、销售成本等；时间因素，包括开发决策速度、研发速度、产品生产速度等；鲁棒性因素，包括质量稳定性；自适应性因素，包括信息系统适应性、生产适应性、人员适应性和订单完成率等；环境因素，包括交通运输等。形成完整可行的评价指标体系。并且由专家组给出这些因素的准确数值。使用可信度分析法，对影响动态联盟敏捷性的各个指标进行分析和计算，最终确定动态联盟的运行中的各个阶段的敏捷指数，从而研究应该采取的对策。 通过以上方法的研究和使用，最终完成了敏捷动态联盟组建过程的研究，形成了一整套敏捷动态联盟组建过程的解决方案。可以将这些思想加以应用，解决现实中动态联盟组建过程存在的问题。在科技迅速发展的年代，数据量成几何级数增长，数据的增加并未带和知识的增加，因此使用数据挖掘的方法对数据进行分类，发现规则，则成为了重要的议题。将数据挖掘和运筹学的方法应用于动态联盟的组建，将极大提高动态联盟的竞争实力。