英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
基于模糊逻辑的商务智能系统产品服务的策略设计
摘要：制造企业之间的合作表现在制造服务生态系统（MSE）与目标组成，提供众多的产品服务（P-S）推向市场。然而，在现实中，许多重要的过程远在开始之前，像那些P-S策略的设计。这种决策通常是充满了歧义。因此，本文的目的是加强在P-S的设计过程中的决策。这是通过设计一个商业智能（BI）决策支持系统（DSS）的定义和优化P-S策略。作为需要设计一个策略的输入数据是无形的，不同类间没有一个清晰的描述（例如“比市场1更具竞争力”），不仅仅是二进制值，也可以是相互之间的重叠，使用人类语言表达，基于模糊逻辑集成到DSS。因此，本文的精髓在于基于P-S策略及其模糊规则设计知识库。提供给管理者的结果准确性很高，专家知识库的关系也一直是实证验证的[1]。因此，企业将能回答三个主要的不确定性：a）为了获得一个最优P-S策略需要联合什么竞争优先权？ b）所需的资产中可用的MSE是否采取这样的策略？ c）P-S策略是否适应目标市场（环境）？即高适应面向P-S企业提高整体性能[1]。
关键词：商业智能，模糊逻辑，决策支持系统，产品服务，策略，制造服务生态系统
1 引言
至少十年来，产品利润不再是推出产品的主要标准，对客户服务的盈利能力也应该考虑[2]。购买火车就是这样一个例子，这仅仅代表了它的生命周期阶段的10%的成本，从而留下其他90%的成本如机车服务，铁路运营等[2]。另一种可能更简单，完全商品化的产品和服务有添加，所以制造商重新获得竞争优势的领域；例如炸药ICI-Nobel的制造企业，已经开始销售服务，使用其产品爆破岩石，而炸药在1990年代已经完全商品化[3]。这种成功和普遍趋势的服务捆绑销售的产品被称为产品服务（P-S）。
提供服务下游需要许多不同的能力和资源，因为背后的逻辑和原则不同都需要提供一个产品。作为制造企业是不可能拥有所有的，因为此举下游价值链需要与其他企业密切合作，新形式的合作，像制造业服务生态系统（MSE）。它使得大量的企业用一种分布式动态，经常无等级的方式共同形成概念、组成和提供P-S到市场。然而在生产和供应给市场之前，生产企业的职能经理必须从运营管理的角度定义一个P-S策略，代表本计划的成功之本。也就是说，如果策略无效，将完全被市场拒绝。因此，设计一个P-S策略可以是一个复杂的问题，因为它是一个过程的多个层次，需要有产品和服务定位领域有经验的经理。因此，管理者需要能够用系统性的方式分析P-S策略定义。因此，本文的目的是支持制造企业的经理，MSE的一部分，设计一个有效的P-S策略并优化它。因此，本文的目标是设计基于模糊逻辑的BI决策支持系统（DSS）来支持管理者在P-S策略设计的决策过程。此外，这种贡献是在于用基于模糊规则集建立一个P-S策略定义的知识库。一起来说，他们是DSS的一部分，这将使管理人员依靠从P-S领域的专家知识，从而有可能提高速度、可靠性和质量，也大幅减少他们在P-S策略定义的学习时间。因此，基于模糊的BI DSS支持决策临界点以下三个战略的定义：
a）组合成一个P-S策略（如售后提供外包合作伙伴）的服务操作竞争优先权（成本领先、服务差异化等）之间的最优组合是什么（成本领先、服务差异化等）？
答案给出的信息是P-S策略内部的竞争优先权是否一致，因此不可能主要依靠著名的“经验法则”或只是“通过实践来学习技巧”。
b）无形和有形的资产是否需要根据其在MSE选择竞争优先权组成和提供所需的目标P-S？
答案是如果生产企业在MSE可以组合和提供有效且高效地P-S计划。这解决特别问题的可行性和有效性。
c）目标P-S策略适应市场的（环境）的要求吗？
该问题可以调查是否P-S最优定位在市场上以及是否给一个相应的优化策略的机会。因此，这些信息使优化调整外部策略和市场之间的配合。即高外部配合改善的总体性能P-S面向企业和作为预测性能[1]。其次，市场上的PS后，经理应该定期检查是否需要任何调整策略。
一方面是管理者的能力，另一方面，基于知识产品和服务操作的BI信息系统，可以在MSE启用新P-S市场的最佳位置。这BI的概念，基于模糊逻辑使将战略定位更近一步自动化决策，这是至关重要的行业。由决策在模糊环境中它是一个决策过程的目标和/或约束在本质上是模糊的，构成类边界不明确的选择[4]。因此大部分维度相关P-S策略并不局限于两个二进制值（0，1），但通常范围中间的重叠。因此，任何语句的“真相”变成了一个程度的问题[5]。
为了达到本文的目的首先设计的是BI应用程序框架。然后，为了获得一个共同的理解和描述所需的知识有针对性的决策过程，逻辑数据模型设计的P-S策略映射。再然后是知识库和模糊规则集定义，模糊推理系统的一部分。在这一点上，本文的主要阶段表示轨迹的图形化描述和发展。本文包括未来的研究讨论的方向。
2 研究现状
2.1 商业智能
作为创新的创造P-S制造业服务生态系统与做“正确”或者至少大部分最优决策有很大关系（例如，选择哪种想法时，与合作伙伴合作，什么样的客户群体吸引），在制造业服务生态系统的经理应该也可以由BI技术提供支持，他们的目标是支持这样的战略决策。BI是应用一组技术将数据转化成有意义的信息、知识的一个概念。BI工具包括信息检索、数据挖掘、统计分析和数据可视化[6]。据Petrini提出amp;Pozzebon[7]BI两个基本理念：（a）收集、分析和分布信息，和（b）支持战略决策过程。通过战略决策，它是决策与执行和评估组织的愿景、使命、目标和目标，这是应该中期长期影响的组织，而不是运营决策。BI是一个非常广阔的区域，作为连接在许多技术和领域。使用BI技术的目标之一是支持决策[8]。为了例证的潜在价值和适用性运用BI技术下面的例子来自一个公司应用BI工具可以派生[9]。其重点是评估一个公司的质量管理和协作和审查其潜力。基于友好，但功能强大，BI系统可以检索意义的见解而隐藏底层复杂的数据解释。否则BI的过程也可以定义为收集正确的信息在正确的时间以正确的格式，并提供结果的决策目的，或对业务操作有积极影响，战术和战略企业[10]。从决策支持的角度来看，这也是本文的重点，BI通常用于支持决策基于大量的数据，然后提取技术应用。然而，做出管理决策复杂，数据集不需要是巨大的。复杂性还可以至少来自两个来源：a）数据类型，这是模糊和难以理解和计算（如价格更敏感比“X”）， b）关于数据的最优组合的条件。前者要求经理掌握的所有变量诱导决策过程，这并非总是如此，特别是在产品与服务的集成。这两个因素构成障碍可靠（不是主要的经验法则的基础上通过实践来学习）决策过程与动态约束推断出重复的基础上形成一个快速变化的环境。因此，BI应用DSS，上面以知识为基础的系统，支持决策活动的操作水平[11]-[13]。DSS是人的集合、程序、数据和模型用于支持特定的业务决策任务[10]。它只代表一个类别的信息系统在企业计算环境中，其中也可以找到事务处理系统、管理信息系统和企业资源规划[14]。
2.2 模糊理论
BI的首要目标是在正确的时间为正确的人提供正确的知识，在“假设”场景和模拟功能提供高级定制的决策支持[15]。也可能是认为人类智能和机器智能的主要区别在于人类的能力来操纵模糊概念和回应模糊指令[4]。然而，如果支持推理经典“如果-那么”的条款，现在至少有两个弱点当使用它作为一个意味着支持决策。首先，原始数据的边界往往不明确，可以使用语言变量表示更接近人类的推理，喜欢高个子的、快、热等等。虽然这样的推理更可以理解我们，它也提供了一个新的面板的挑战。例如形成鲜明对比的概念一个类或一组数学，大部分的类在现实世界中没有清晰的边界，那些属于一个类的对象分开那些不[4]。即模糊规则库的可取的特点是可理解的，因为它们是表达人类专家通常使用的语言来表达他们的知识[16]。模糊目标和模糊约束可以精确地定义为模糊集空间的选择。模糊决策，然后，可能被视为一个十字路口的给定的目标和约束。最大化的决定被定义为一个点的空间选择的隶属函数的模糊决策达到其最大值[4]。此外模糊逻辑以及其他基于近似推理[17]-[21]，也强调语言变量[22]-[26]。因此模糊技术为基础的自动化软件解决方案提供了一个竞争优势有以下原因[27]：a）决策系统使用模糊逻辑表示的专家经验充分，模糊逻辑是灵活的（这很容易层叠更多的功能而不是从头重新开始）；b）像人类专家决策的各个方面都可以集成到一个决策系统使用模糊规则；c）决定系统更有效地使用模糊逻辑更容易和维护；d）作为模糊逻辑系统比传统的基于规则的系统需要更少的规则可能变化的影响可以预期的更容易；e）模糊逻辑有助于最小化假阳性—模糊逻辑的概念是模糊边界因此，使用硬边界通常导致假阳性已经过时了；f）决定系统使用模糊逻辑更可靠—传统的规则库系统必须考虑很多特殊情况。
模糊逻辑已经被用于解决在企业在不同领域和不同的水平的各种各样的问题。它已经应用于支持市场准入决策过程[28]，在制造业领域[29]，[30]，然而这不是本文的目的给应用程序的详细审查。读者可以发现Azadegan等人在制造业的应用模糊逻辑。[31]，包括并能清楚地分类应用程序通过不同的分支学科。战略规划领域的多个应用程序一直执行[32]-[35]。例如有些人从执行模糊实物期权估值，也在另一个案件中开发一个模糊的方法来减少所谓的牛鞭效应[36]，经过模糊逻辑在财务分析中的应用[37]-[39]。模糊逻辑也被应用于物流服务的战略管理[40]从运营管理的角度或战略[41]。同样一篇文章涉及战略管理领域[42]。此外模糊逻辑没有只用在企业层面上，而且在供应链层面，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]，或用来评估感知服务质量[49]，[50]。对于一个更详细的审查的应用模糊逻辑，读者可以把黄和赖[51] 从1998年到1998年在生产和运营管理的详细概述理解和应用。作者应用模糊逻辑的范围为提高决策的结果非常宽。这种普遍性只证明了模糊逻辑带来价值支持决策支持过程，它是一个意味着高的开发潜力。据夏皮罗[52]模糊推理系统（FIS）是一种流行的方法实现模糊逻辑，也称为模糊基于规则的系统，模糊专家系统、模糊模型、模糊联想记忆（FAM），或模糊逻辑控制器作为控制器[53]。金融中间人可以设想包括知识库和处理阶段[52]。知识库也提供了所需的模糊规则的过程。在加工阶段，系统的输入数值的变量。这些变量都是经过模糊化阶段转化为语言变量，这成为了模糊推理引擎的输入。这个模糊输入转换规则模糊推理引擎的输出。这些语言结果然后挂通过去模糊化阶段到数值，成为系统的输出。
使用模糊逻辑是必要的策略定义，前提是在自然语言为命题，模糊逻辑的基础和计算[54]。在模糊环境中，决策框架本身不同于古典决策步骤，因为它有一个对称对目标和约束，消除它们之间的差别，可以联系在一个相对简单的方法决定的概念。以这种方式即DSS可以用可靠和高质量的结果给制造企业设计一个经理在MSE的P-S策略。
2.3 产品服务和制造服务生态系统
基于模糊推理系统的BI智能DSS应用在设计P-S战略的决策过程。这个决策过程是在MSE在多个生产企业进行合作。因此，除了P-S领域，MSE本节简要描述。P-S制造业，根据角度和焦点出现许多不同的名称。服务化仍然有两个主要的流，这是定义为一个“市场包或包顾客导向组合商品，服务，支持，自助服务和知识”[55]。而另一个被称为产品服务系统，包括一个混合的有形产品和无形服务的共同设计和组合，这样他们能够满足最终客户的需求，它还关注加强可持续发展与企业的竞争力[56]。否则，贝恩斯等人[57]提出了一个解决方案，服务化是最高水平的概念，作为产品服务系统是其中的一个观点。其他视角P-S代表也服务化[58]，功能性销售[59]，功能[59]甚至全套服务销售合同[60]等。从工业的角度来看，产品服务系统的概念有很大的潜力，即使它不是那么容易意识到中小企业，由于更复杂的模型和一个全新的需要组织[61]。生产企业规划和提供服务时，他们必须决定以下最常见的操作因素相关服务供应[62]：设备/人专注[63]，[64]，客户联系的时间[65]，[66]，定制程度[67]，[69]，客户联系人员行使判断的程度满足个人需求[70]，增值的来源，前台或后台[71]，[67]产品/过程焦点。
因此，由于许多挑战与P-S组成和配置有关，更广泛的领域的专家知识产品服务是必需的。为了使构思的过程中，组成和提供更有效率，制造业企业普遍合作彼此间在一个生态系统定义为分布式网络的人，组织和机器[72]。不过，它主要是由生产企业拼接设计服务产品，生态系统被称为制造服务生态系统（MSE），这是半正式和无等级。MSE制造企业中最重要的是分享他们的知识，为其开发可以提高他们的竞争优势[73]。这些知识被表示为每个MSE伙伴的核心资产的信息。这些资产可以是有形的或无形的。有形资产可以例如机器生产，备件等，而无形资产代表等能力，技能，知识产权，蓝图，软件，软件代码，流程，与客户或企业间的关系等。无形资产也被引入战略管理，声称他们是关键因素，其本质是一种想法或知识和其性质可以定义并记录在[74]。此外，无形和有形资产的MSE支持知识社区的便利分享大量的参与者有一个共享的问题（目的导向）[75]。
因此，本文提出了使用基于模糊逻辑的BI DSS将帮助管理者优化P-S策略。这意味着帮助他们优化竞争优先级的排列以形成一个有效的P-S策略，其次检查的可行性策略在我通过识别所需的资产。第三验证这个P-S策略对市场需求、外部适应[76]。适合的概念是基于假定一个组织实现其目标的能力是组件之间的一致性的函数/变量[77]。
3 方法论
基于模糊的DSS是指提供经理BI的好处。本文应用BI的DSS是包含在过程的。部分描述的过程基于由曾庆红等人提出的理论[10]，虽然有一些区别:如FIS的集成和添加更多的互动过程。这个过程主要有以下步骤:a） 问
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[153189]，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。
