英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料
信息技术与管理
基于模糊逻辑的商业智能系统设计的产品服务战略
手稿草稿
|
手稿编号： |
ITEM-D-14-00027 |
|
全名： |
基于模糊逻辑的商业智能系统设计的产品服务战略 |
|
文章类型： |
SI：电子商务工程的进展 |
|
关键词： |
商业智能，模糊逻辑，决策支持统，产品服务，策略，制造服务生态系统 |
|
摘要： |
制造企业在制造业方面相互合作服务生态系统（MSE），目的是组成和提供许多产品服务（P-S）进入市场。但是，在现实中，很多都是最重要的过程在组合之前就已经开始了，比如那些策略的设计P-S上。这样的决定通常是模糊的。因此，本文的目的是为了在设计P-S战略时决定了决策过程。这是通过设计商业智能（BI）决策支持系统（DSS）来实现P-S策略的定义和优化。作为设计需要的输入数据战略通常是无形的，没有在课堂之间明确划定（例如“更多”）竞争力比Market1“），不仅仅是二进制值也可以重叠彼此之间用人类语言表达，基于模糊的逻辑是集成到DSS中。因此，这篇文章的精髓在于为P-S策略设计知识库及其基于模糊的规则。的真实性作为专家的联系，向管理人员提供的结果可以看得很高知识库也经过实证验证[1]。因此，企业会能够获得三个中心不确定性的答案：a）什么竞争优先事项结合起来以获得最佳的P-S策略？ b）所需资产是否可用在MSE内部进行这样的策略？ c）设计的P-S策略是否适合目标市场（环境）？也就是说，高配合提高了整体性能面向P-S的企业[1] |
信息技术与管理
基于模糊逻辑的商业智能系统设计的产品服务战略
摘要：
制造企业在制造业方面相互合作服务生态系统（MSE），目的是组成和提供许多产品服务（P-S）进入市场。但是，在现实中，很多都是最重要的过程在组合之前就已经开始了，比如那些策略的设计P-S上。这样的决定通常是模糊的。因此，本文的目的是为了在设计P-S战略时决定了决策过程。这是通过设计商业智能（BI）决策支持系统（DSS）来实现P-S策略的定义和优化。作为设计需要的输入数据战略通常是无形的，没有在课堂之间明确划定（例如“更多”）竞争力比Market1“），不仅仅是二进制值也可以重叠彼此之间用人类语言表达，基于模糊的逻辑是集成到DSS中。因此，这篇文章的精髓在于为P-S策略设计知识库及其基于模糊的规则。的真实性作为专家的联系，向管理人员提供的结果可以看得很高知识库也经过实证验证[1]。因此，企业会能够获得三个中心不确定性的答案：a）什么竞争优先事项结合起来以获得最佳的P-S策略？ b）所需资产是否可用在MSE内部进行这样的策略？ c）设计的P-S策略是否适合目标市场（环境）？也就是说，高配合提高了整体性能面向P-S的企业[1]。
关键词：商业智能，模糊逻辑，决策支持统，产品服务，策略，制造服务生态系统
1. 介绍
至少十年以来，产品利润不再是推出产品的主要标准还应考虑服务对客户的盈利能力[2]。 一个这样的例子是购买火车只占其生命周期阶段相关成本的10％，从而离开了其他90％的费用，如机车服务，列车运行等[2]。 另一种可能性可以简单产品完全商品化，必须添加服务，以便制造商重新获得其领域的竞争优势; 例如炸药ICI-Nobel的制造企业不得不开始使用其产品销售爆破石的服务，因为炸药已经完全商品化了20世纪90年代[3]。 这种与产品捆绑的成功和普遍的服务趋势称为产品服务（P-S）。
提供服务下游需要许多不同的能力和资源，因为逻辑和基本原则与提供产品所需的不同。因为这是不可能的制造企业自己拥有所有这些，而作为价值链下游的举措需要与之紧密合作其他企业，出现了新的合作形式，如制造服务生态系统（MSE）。它启用大量企业共同组建和配置P-S在市场上分布式，动态且经常是非层次的方式。然而，在组合和供应市场之前，制造企业的功能性经理必须从运营管理中定义P-S策略观点，代表了产品成功的纽带。也就是说，如果战略无效，就有一个很可能会被市场完全拒绝。因此，设计一个P-S策略可以是一个复杂的事情，因为它是一个多层次的过程，需要灵巧和经验丰富的经理在这些领域的产品和服务定位。此外，战略定义是基于模糊输入值，通常没有明确界定这些价值观及其解释不能充分表达通过二进制逻辑，经常摆动结果。因此，管理者需要能够测定P-S策略以系统的方式定义。因此，本文的目的是支持制造经理企业，MSE的一部分，设计一个有效的P-S策略，并通过时间进行优化。所以，目标本文旨在设计基于模糊逻辑的BI决策支持系统（DSS）来支持决策P-S策略设计经理的过程。此外，这一贡献的地位在于创造一个P-S策略定义的知识库及其自己设定的基于模糊的规则。一起，它们是DSS的一部分，这将使管理者能够依靠P-S领域的专家知识有可能提高决策的速度，可靠性和质量，同时减少在P-S战略定义中大部分学习时间。因此，基于模糊的BI DSS将支持决策在战略定义的以下三个关键点：
a）服务运营中的最优组合是竞争优先事项（成本领先，服务差异化等）组合成P-S策略（如售后服务，外包等）伙伴）？如果P-S策略在可能的竞争力内部保持一致，那么答案就会提供一个信息优先事项，因此不是主要依靠着名的“经验法则”，或者仅仅是通过做“学习”技术”。
b）编制和提供目标P-S所需的资产，无形和有形资产根据其在MSE内可用的竞争优势？答案提供信息，如果MSE内的制造企业可以组成和有效提供计划的P-S。 这特别涉及可行性问题效率。
c）目标P-S战略是否符合市场（环境）要求？这个问题可以调查P-S是否在市场上最优的位置，并给出一个相应地优化策略的机会。 因此，该信息能够最佳地调整战略与市场之间的外部契合。 也就是说，高的外部配合提高了整体表现为面向P-S的企业，并作为绩效的预测因子[1]。 其次，市场上的PS后，经理们应该定期检查这种情况，看看是否有任何调整战略甚至市场是必要的。
通过融合在一边，管理者的能力和对方的BI信息系统基于在产品和服务运作方面的知识专家，可以做出更可靠的决策MSE能够将其新的P-S置于市场上。 这种基于模糊逻辑的BI概念实现了使战略定位更接近自动化决策，这对行业至关重要。通过模糊环境中的决策，这意味着一个决策过程，其中的目标和/或约束在本质上是模糊的，构成了边界不被明确定义的替代品类别[4]。因此，与P-S策略相关的大多数维度不限于两个二进制值（0,1），而是通常范围在中间的某个地方是重叠的。 因此，任何陈述的“真相”成为一个程度的问题[5]。
为了实现文章的目标，首先设计了BI应用程序框架。 然后，为了获得共同理解和描绘目标决策过程所需的知识，逻辑映射了设计P-S策略的数据模型。 之后，知识库和模糊规则集是定义为模糊推理系统的一部分。 在这一点上，代表这一点的主要阶段文章以图形方式展示和开发。 本文最后提出了一个讨论和有希望的途径未来研究。
2.与现有工作的关系
2.1商业智能
由于在制造服务生态系统中创建创新的P-S与之相关做出“正确”或至少最优化的决定（例如，哪种想法可以选择，哪个合作伙伴合作，什么样的客户群吸引），制造服务生态系统的经理应该并且可以通过商业智能技术来支持，因为他们的目标是支持这种战略决策。 BI是应用一套技术将数据转化为有意义的信息的概念，成为知识。 双工具包括信息检索，数据挖掘，统计分析和数据可视化[6]。根据Petrini＆Pozzebon [7] BI有两个基本思想：（a）信息的收集，分析和分发，和（b）支持战略决策过程。 通过战略决策，就是与之有关的决策实施和评估组织愿景，使命，目标和目标对组织有中长期的影响，而不是运营决策，这些决定是今天天性的，更多地与执行相关。 BI是一个非常广泛的领域，作为许多人之间的联系技术和领域。 使用商业智能技术的目的之一是支持决策[8]。 为了举例说明了通过应用商业智能技术得出的潜在价值和适用性一个应用BI工具的公司可以推导出来[9]。其重点是评估管理质量公司的合作和审查潜力。 基于用户友好但功能强大的BI系统可以检索有意义的见解，同时隐藏数据解释的基础复杂性。否则BI也可以定义为以正确格式收集正确信息的过程正确的时间 并为决策提供结果，或对业务产生积极的影响企业的经营，战术和战略[10]。 从决策支持的角度来看，这个也是本文的重点，BI通常用于支持基于大量数据的决策，其中提取然后应用技术。 然而，为了使管理决策变得复杂，数据集不需要巨大。复杂性还可能来自至少两个来源：a）数据类型，数据模糊和难以掌握和计算（例如比“X”更具价格敏感性），b）数据的最佳组合推断条件。 前者要求管理者掌握所有引入变量的变量决策过程并不总是如此，特别是与服务集成在一起的产品。 这两个因素构成了可靠的障碍（主要不是基于学习的拇指的规则做）反复决策过程，动态约束推测形成快速变化
环境。 因此，BI也适用于DSS，这是基于知识的系统，支持高于操作级别的决策活动[11] - [13]。 DSS是人，程序，数据的集合用于支持具体业务决策任务的模型[10]。它只表示一个类别信息系统在企业计算环境中，其中也可以发现交易处理系统，管理信息系统和企业资源规划[14]。
2.2模糊逻辑
商务智能的总体目标是在正确的时间，在哪里向适当的人提供正确的知识“假设”情景和模拟功能提供了先进的，定制的决策支持[15]。也可能会认为，人类智能与机器智能之间的主要区别在于人类操纵模糊概念和回应模糊指令的能力[4]。但是，如果推论是由经典的“if-then”条款支持，当使用它作为平均值时，至少存在两个弱点支持决策。首先，原始数据的边界通常不是很清晰地描绘出来的使用更接近我们人类推理的语言变量表达，如高，快，热，有些等等。虽然这种推理对我们来说更为可理解，但它也提供了新的挑战。例如与一个类或数学集合的概念形成鲜明对比的是，真正的大多数类世界没有清晰的边界，将属于一个类的那些对象与那些对象分开不[4]。也就是说，模糊规则库具有可理解的理想特征，如表达式人类专家通常用来表达自己的知识的语言[16]。模糊目标和模糊约束可以精确定义为替代品空间中的模糊集。那么，个模糊的决定可以被看作是一个交点的给定目标和约束。最大化决定被定义为空间中的一个点模糊决策的隶属函数达到最大值的替代方案[4]。此外模糊逻辑是基于近似推理的[17] - [21]，也是强调语言学的变量[22] - [26]。因此，模糊技术作为自动化软件解决方案的基础具有竞争力边缘有以下原因[27]：a）使用模糊逻辑的决策系统代表了专家的经验充分 - 模糊逻辑是灵活的（很容易分层更多的功能，而不会从头开始重新开始）;b）像人类专家一样，决策的各个方面都可以使用模糊规则整合到决策系统中;c）使用模糊逻辑的决策系统更容易，更具成本效益地维护; d）作为模糊逻辑系统比传统的基于规则的系统要少得多的规则，可以预见可能的变化的影响更容易e）模糊逻辑有助于最小化假阳性 - 模糊逻辑的概念表示模糊界限 - 因此，通常导致假阳性的硬限制的使用已经过时了; f）使用决策系统模糊逻辑更可靠 - 传统的规则库系统必须考虑很多特殊情况。
模糊逻辑已被用于解决不同领域和不同层次企业的广泛问题。它已被应用于支持制造业[29]，[30]中的市场准入决策过程[28]，但是本文的目的不是对应用进行详细的评估。读者可以找到在Azadegan等人的制造中应用模糊逻辑[31]，其中包括并且通过不同的子领域很清楚的分类。在战略规划领域已经进行了多次应用[32] - [35]。例如，一些从执行模糊实现估值的范围，也在另一种情况下开发一种模糊方法来减少所谓的牛鞭效应[36]，通过在财务分析中应用模糊逻辑[37] - [39]。物流服务战略管理模糊逻辑[40]从运营管理的角度出发，也是战略性的[41]。还有一篇文章涉及战略管理领域[42]。此外，模糊逻辑不仅仅在企业层面上使用，而且还在供应链层面上，例如供应商选择[43] - [46]。它也被应用于营销领域，如市场细分[47]，[48]，或用于评估感知服务质量[49]，[50]。对于对模糊逻辑应用的更详细的回顾，大家可以转到Wong和Lai [51]，从1998年到2009年对生产和运营管理的应用进行了一个可以理解和详细的概述。作者应用模糊逻辑的范围提高决策效果极为广泛。这种普遍性仅仅证明了模糊逻辑框架的价值支持决策支持过程，而且是具有较高开发潜力的平均值。根据Shapiro [52]，模糊推理系统（FIS）是一种流行的实现模糊系统的方法，也被称为模糊规则系统，模糊专家系统，模糊模型，模糊关联记忆（FAM）或模糊逻辑控制器作为控制器[53]。 FIS可以被设想为参与知识库和处理阶段[52]。知识库还提供了该过程所需的模糊规则。在处理阶段，数字脆性变量是系统的输入。这些变量通过模糊化阶段，将它们转化为语言变量，成为推理机的模糊输入。该模糊输入由推理机的规则转换为模糊输出。这些语言结果然后被脱模阶段挂起，成为系统输出的数值。
因此，在策略定义的情况下，使用模糊逻辑是必要的，因为前提是表示为自然语言中的命题，这是模糊逻辑和计算与单词的基础[54]。 在模糊的
环境，决定性框架与经典决策步骤不同，因为它具有一个特征相对于目标和约束的对称性，消除它们之间的差异并使其成为可能可能以相对简单的方式来关联一个决定的概念。 也就是说，以这种方式，DSS可以给出可靠和高质量的结果给制造企业的管理者设计P-S战略MSE。
2.3产品服务和制造服务生态系统
基于模糊推理系统
全文共32734字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[143554]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
