У нас уже 242733 рефератов, курсовых и дипломных работ
Заказать диплом, курсовую, диссертацию


Быстрый переход к готовым работам

Мнение посетителей:

Понравилось
Не понравилось





Книга жалоб
и предложений

 





Название Методи інтелектуального аналізу даних в системах підтримки прийняття рішень
Количество страниц 128
ВУЗ Харківський національний університет радіоелектроніки
Год сдачи 2012
Содержание РЕФЕРАТ


Магистерская работа: 127 страниц, 23 рисунока, 6 таблиц, 64 источников.
Объект исследования: товарооборот торгового предприятия, его финансово-хозяйственная деятельность (максимальная прибыль и минимальные убытки), ликвидность товарных остатков на складе.
Цель работы: разработка и внедрение на предприятии оптово-розничной торговли фармацевтическими препаратами оригинальной информационной системы поддержки принятия решений (СППР), позволяющей повысить эффективности хозяйственной деятельности предприятия путем снижения объема статистического учета, уменьшения издержек товарооборота и рационального использования денежных ресурсов.
В качестве СППР применена прогнозирующая система на основе трехслойной нейронной сети, предназначенная для обнаружения скрытых закономерностей потребительского спроса во временных рядах динамики продаж. В задаче прогнозирование рассматривается в целях планирования управления запасами.
Разработанный программный продукт предназначен для использования в составе учетно-аналитической системы программ «1С: Предприятие 7.7» и может быть применен в качестве СППР при осуществлении хозяйственной деятельности, связанной с ведением оптово-розничной торговли. Применение данной системы при планировании закупок повышает эффективность распределения средств и снижает вероятность финансовых потерь, что, в конечном итоге, выражается в положительном экономическом результате.

ОПТОВО-РОЗНИЧНАЯ ТОРГОВЛЯ, ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ, АНАЛИЗ ДАННЫХ, ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ, НЕЙРОННЫЕ СЕТИ, DATA MINING





СОДЕРЖАНИЕ


ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ, СИМВОЛОВ, ЕДИНИЦ, СОКРАЩЕНИЙ И ТЕРМИНОВ 8
ВВЕДЕНИЕ 9
1 АНАЛИЗ ПРОБЛЕМНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧИ 13
1.1 Анализ хозяйственной деятельности торгового фарм. предприятия 13
1.2 Обзор систем и технологий автоматизации процессов принятия решений 16
1.2.1 Технология поддержки и принятия решений 16
1.2.2 Системы поддержки принятия решений. 24
1.2.3 Data Mining 33
1.2.4 Прогнозирующие системы 48
1.3 Постановка задачи 52
2 ОПРЕДЕЛЕНИЕ ПРОБЛЕМЫ И МЕТОДЫ ПРОГНОЗИРОВАНИЯ 53
2.1 Определение проблемы прогнозирования 53
2.2 Анализ методов прогнозирования 57
2.3 Прогнозирование временных рядов 60
2.4 Решение задачи применением ИНС 71
3 РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РРЕШЕНИЙ 85
3.1 Общие требования к разрабатываемой системе 85
3.2 Разработка логической структуры СППР 86
3.4 Определение параметров ИНС 91
3.5 Разработка программного продукта 95
4 ОХРАНА ТРУДА И БЕЗОПАСНОСТЬ В ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЯХ 98
4.1 Анализ условий труда 98
4.2 Промышленная безопасность в помещении 108
4.3 Производственная санитария и гигиена труда 110
4.4 Пожарная безопасность 117
4.5 Безопасность в чрезвычайных ситуациях 118
ВЫВОДЫ 120
ПЕРЕЧЕНЬ ССЫЛОК 122


ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ, СИМВОЛОВ, ЕДИНИЦ, СОКРАЩЕНИЙ И ТЕРМИНОВ


ЛПР – литцо принимающее решение.
СППР – система поддержки принятия решений.
ИТ – информационные технологии.
ГИС – геоинформационные системы.
OLAP – технологии оперативного анализа распределенных данны.
СУБД – системы управления базой данных.
СПГР – системы поддержки генерации решений.
СПВР – системы поддержки выбора решений.
ИАД – интеллектуального анализа данных.
НС – нейронные сети
СОД – системах обработки данных.
ИНС – Искусственные нейронные сети.
CBR – case based reasoning – системы рассуждений на основе аналогичных случаев.
ИАС – информационно-аналитической системы.
Data Mining – discovery-driven data mining – в переводе с английского означает "добыча данных". Альтернативное название – knowledge discovery in databases ("обнаружение знаний в базах данных" или "интеллектуальный анализ данных").


ВВЕДЕНИЕ


Современная экономика немыслима без эффективного управления. Управленческая деятельность в современных условиях выступает как один из важнейших факторов функционирования и развития объектов экономики. Эта деятельность постоянно изменяется и совершенствуется в соответствии с объективными требованиями рынка, усложнением хозяйственных связей, новациями в сфере научно-технического прогресса, и повышением роли человеческого фактора.
Успех управления во многом определяется эффективностью принятия интегрированных решений, которые учитывают самые разносторонние факторы и тенденции динамики их развития. В условиях нестабильности ситуации рыночной экономики принятие решений по управлению объектами экономической деятельности является сложнейшей задачей. И если предметом изучения являться основной хозяйствующий субъект экономики – предприятие, в частности, эффективность его деятельности, то вся сложность поставленной задачи вполне очевидна.
Задачи управления требуют умения использовать и обрабатывать большие объемы информации, проводить в различных разрезах и плоскостях ее анализ, моделировать бизнес-процессы и экономические ситуации, а также структурировать и представлять информационный материал для последующего принятия управленческих решений.
Перед лицом, принимающим решение (ЛПР), встает проблема изучения и обобщения всей совокупности факторов, от которых зависит нормальное функционирование рассматриваемой экономической системы. Одна из проблем, с которой сталкивается ЛПР при проведении оперативного анализа деятельности предприятия, заключается в сложности восприятия больших массивов данных, содержащихся в учетных системах. Существенную же роль в процессе принятия решений ЛПР играет оперативность и качество выполнения вышеперечисленных требований, что сегодня представляется затруднительным без применения современных информационных технологий (ИТ), таких как технологии оперативного анализа распределенных данных (OLAP-технологии), сетевые технологии общего доступа, различные статистические пакеты, геоинформационные системы (ГИС-технологии), системы поддержки принятия решений (СППР) и т.п.
Не последнюю роль в улучшении качества принятии решений играют научно-технические новации в области ИТ, а также информация, содержащая новые научные знания, сведения об изобретениях и технических новинках. Это непрерывно пополняемый фонд технических решений и растущий потенциал знаний, практическое и своевременное использование, которого обеспечивает предприятию высокий уровень конкурентоспособности на рынке.
Бизнес-процессы предприятия, включая и процессы принятия решений, можно сделать более производительными, используя соответствующие информационные технологии, существующие уже сегодня. Применение информационной техники прямым образом меняет качество последних, позволяя персоналу предприятия и ЛПР использовать больший объем информации, и устраняет некоторые наиболее трудоемкие операции анализа и принятия решений.
Для успешного решения управленческих проблем используются методы, которые позволяют свести большие массивы информации к небольшому количеству репрезентативных статистических характеристик. А качественная информация, т.е. релевантная, точная и своевременная информация, естественно, является необходимым условием для принятия качественного решения. Улучшение качества информации, имеющейся в момент принятия решения, позволяет ЛПР принять обоснованное, своевременное и правильное решение.
В последние годы сформировалось и активно используется новое направление в области автоматизации управленческого труда – системы поддержки принятия решений.
СППР являются человеко-машинными системами, которые позволяют лицам, принимающим решения, использовать данные, знания, объективные и субъективные модели для анализа и решения неструктурированных и слабо формализуемых задач. Применение методологии поддержки принятия решений даёт возможность: формализовать процесс нахождения решения на основе имеющихся данных (процесс порождения вариантов решения); ранжировать критерии и давать критериальные оценки физическим параметрам, влияющим на решаемую проблему (возможность оценить варианты решений); использовать формализованные процедуры согласования при принятии коллективных решений; использовать формальные процедуры прогнозирования последствий принимаемых решений; выбирать вариант, приводящий к оптимальному решению проблемы.
Однако процессы управления в рамках любого конкретного объекта экономики всегда носят свой специфический характер, определяемый как видом деятельности, так и масштабами решаемых задач. По этой причине готовые тиражируемые решения не всегда полностью соответствуют некоторым параметрам или требованиям конкретного хозяйствующего субъекта, а это зачастую не обеспечивает информационную поддержку принятия решения в полном объеме. Что, в свою очередь, приводит к необходимости разработки оригинальных систем и подсистем, учитывающих специфику внутренних требований.
Эта магистерская работа является примером такого применения современных информационных технологий в области управления предприятием. Её целью является построение на основе методов Data Mining модуля системы поддержки принятия маркетинговых решений в торговом предприятии, наиболее полно отвечающей потребностям предприятия и классу решаемых задач.
Раздел «Охрана труда и безопасность в чрезвычайных ситуациях» предусматривает рассмотрение характеристик помещения, проведение анализа системы “Человек – Машина – Среда”, описание имеющих место опасных и вредных производственных факторов (ОВПФ), рассматриваются анализ условий труда, разрабатываются вопросы промышленной безопасности, производственной санитарии, пожарной безопасности и гражданской обороны, организационные и технические мероприятия, направленные на улучшение условий труда разработчиков.
Список литературы ВЫВОДЫ


В ходе выполнения данной магистерской работы был проведен следующий объем работ и получены такие результаты:
- выполнен анализ хозяйственной деятельности и возникающих при этом ситуаций в частном предприятии оптово-розничной торговли фармацевтическими препаратами;
- выявлена специфика ситуаций, требующих принятия руководящих решений, их иерархия, взаимосвязь и область применения;
- определена проблематика процессов принятия маркетинговых решений;
- осуществлен обзор существующих технологий и систем, относящихся к данной проблемной области;
- обоснована необходимость создания собственной системы, наиболее полно отвечающей решению сформулированной проблемы, и определены требования, предъявляемые к ней;
- проведен сравнительный анализ и осуществлен выбор метода решения поставленной задачи;
- разработана логическая структура системы, алгоритмы обработки данных и программный продукт;
- проведены испытания и тестирование СППР.
Разработанный и опробованный на практике «1С: Предприятие 7.7» модуль прогнозирующей системы может быть применен в качестве СППР при осуществлении хозяйственной деятельности, связанной с ведением оптово-розничной торговли. Применение данной системы при планировании закупок повышает эффективность распределения средств и снижает вероятность финансовых потерь, что, в конечном итоге, выражается в положительном экономическом результате.
В данном разделе были разработаны мероприятия по охране труда и безопасности в чрезвычайных ситуациях на фармацевтическом предприятии. Был произведен расчет кондиционирования, а также была приведена для заданного вида производства схема «ЧМС».
Рассмотрены вопросы производственной санитарии, гигиены труда и пожарной профилактики: выявлено, что соблюдаются все нормы по освещенности, влажности и подвижности воздуха. Были предприняты все меры по соблюдению пожарной безопасности.



ПЕРЕЧЕНЬ ССЫЛОК


1. Дюк В.А. Data Mining [Текст]: учебный курс / В.А. Дюк, А.П. Самойленко. – СПб: Питер, 2001. – 368с.
2. Дюк В.А. Обработка данных на ПК в примерах [Текст] / В.А. Дюк – СПб: Питер, 1997. – 240 с.
3. Knowledge Discovery Through Data Mining: What Is Knowledge Discovery? – Tandem Computers Inc., 1996.
4. Boulding K.E. General Systems Theory – the Skeleton of Science: The Skeleton of Science [Текст] / K.E. Boulding // Management Science 2. – 1956. – pр. 197 – 208.
5. Гик Дж. Прикладная общая теория систем [Текст] / Дж. Гик – М.: Мир, – 1981.
6. Кречетов Н. Продукты для интеллектуального анализа данных [Текст] / Н. Кречетов // Рынок программных средств.– 1997. – № 14–15. – c.32–39.
7. Montgomery C. Douglas. Forecasting and time series analysis [Текст] / Douglas C. Montgomery, Lynwood A. Johnson, John S. Gardiner. –New York etc. : McGraw-Hill, 1990. ¬– p. 371–375.
8. Горбань А.Н. Нейронные сети на персональном компьютере [Текст] / А.Н. Горбань, Д.А. Россиев. – Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. – 276 с.
9. Ширяев А.Н. Статистический последовательный анализ [Текст] / А.Н. Ширяев. – М.: Наука, 1969. – 229 с.
10. Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. [Текст] / И.В. Никифоров. – М.: Наука, 1983. – 199с.
11. Barenblatt G.I. Takens F. Distinguishing deterministic and random systems [Текст] / Ed. G. I. Barenblatt, G. Jooss, D. D. Joseph. N. // Nonlinear dynamics and turbulence. -Y.: Pitman, 1983. – p.314–333.
12. Bernard Widrow 30 Years of Adaptive NeuralNetworks: Perceptron, Madaline, and Backpropagation [Текст] / Bernard Widrow, Michael A. Lehr // Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992.– pp.327–354.
13. Джеффри Е.Х. Как обучаются нейронные сети [Текст] / Е.Х. Джеффри // В ми¬ре науки – 1992 – № 11, 12 – С. 103 – 107.
14. Трикоз Д.В. Нейронные сети: как это делается? [Текст] / Д.В. Трикоз // Компь¬ютеры + программы. – 1993. – № 4.– с.14–20.
15. Bardcev S.I. The algorithm of dual functi¬oning (back-propagation): general approach, vesions and applica¬tions [Текст] / S.I. Bardcev, V.A. Okhonin. – Krasnojarsk: Inst, of biophysics SB AS . – USSA, 1989. –150 c.
16. Horfield J.J. Computing with neural circuits: a model [Текст] / J.J. Horfield, D.W. Tank – Science, 1986. – p.625 – 633.
17. Kuzewski R.M. Exploration of fourword error propagation as self organization structure [Текст] / R.M. Kuzewski, M.H. Myers, W.J. Grawford // Conf. Neural Networks. – San Diego, Calif., 1987. – p.89 – 95.
18. Rumelhart B.E. Learning rep¬resentations by back propagating error [Текст] / B.E. Rumelhart., G.E. Minton, R.J. Williams.– Wature, 1986. – p.1016 – 1028.
19. Takefuji D.Y. A new model of neural networks for error correction [Текст] / D.Y. Takefuji. –N.Y. New York, 1987.– p.1709–1710.
20. Sankar K.P., Multilayer Perceptron, Fuzzy Sets, and Classification [Текст] / K.P. Sankar// IEEE Transactions on Neural Networks. – 1992. – p.683 – 696.
21. Уоссермен Ф. Нейрокомпьютерная техника [Текст] / Ф. Уоссермен. – М.: Мир. – 1992.– 240 с.
22. Нейронные сети. STATISTICA Neural Networks [Текст]: пер. с англ. –М.: Горячая линия. – Телеком. 2000. –182с.
23. Шуремов Е.Л. Компьютерный учет торговых операций [Текст]: практическое пособие / Е.Л. Шуремов. - Москва : Компьютер Пресс, 2000. – 172 с.
24. Куссуль В.М. Разработка архитектуры нейро¬подобной сети для распознавания формы объектов на изображении [Текст] / В.М. Куссуль, Т.Н. Байдык //Автоматика. – 1990. – № 5 – с. 56-61.
25. Заенцев И.В. Нейронные сети: основные модели [Текст]. Учебное пособие к курсу «Нейронные сети» / И.В. Заенцев.– Воронеж: ВГУ, 1999.– 76 с.
26. Каллан. Р. Основные концепции нейронных сетей [Текст]: монография; пер. с англ. и ред. А.Г. Сивака / Р. Каллан.– М.: Вильямс, 2001. – 288 с.
27. Айвазян С.А. Прикладная статистика: Классификация и снижение размерности [Текст] / С.А. Айвазян, В.М. Бухштабер, И.С. Юнюков, Л.Д. Мешалкин. – М.: Финансы и статистика, 1989. – 174с.
28. Киселев М. Средства добычи знаний в бизнесе и финансах [Текст] / М. Киселев, Е. Соломатин.– Открытые системы.– 1997.– № 4.–с. 41–44.
29. Кравченко Т.К. Экспертная система принятия решений [Текст] / Т.К. Кравченко, Г.И. Перминов.– М.: Гос. университет высшая школа экономики, 1998.– 210 с.
30. Ким Д.О. Факторный, дискриминантный и кластерный анализ [Текст] / Д.О. Ким, Ч.У Мьюллер, У.Р Клекка. – М.: Финансы и статистика, 1989. – 215с.
31. Цветков В.Я. Геоинформационные системы и технологии [Текст] / В.Я. Цветков. – М.: Финансы и статистика, 1998.–286 с.
32. Aбу-Мустафа Я.С. Оптические нейронно-сетевые компьютеры [Текст] / Я.С. Aбу-Мустафа, Д. Псалтис //В мире науки. – 1987. – №5.– с. 42–50.
33. Барцев С.И. Некоторые свойства адаптивных сетей [Текст] / С.И. Барцев. – Красноярск: Институт физики СО АН СССР, 1987. – с. 120 .
34. Барцев С.И. Адаптивные сети обработки ин¬формации [Текст] / С.И. Барцев, В.А. Охонин – Красноярск: Институт физики СО АН СССР, 1986. – с.64.
35. Гольцев А.Д. Яркостная сегментация изображения при помо¬щи нейроподобной сети [Текст] / А.Д. Гольцев. – Автоматика, 1965. – № 5. – с. 40-50.
36. Иванченко А.Г. Персептрон – системы распознавания обра¬зов [Текст] / А.Г. Иванченко – К.: Наукова думка, 1972. – С. 55.
37. Картавцев В.В. Нейронная сеть предсказывает курс долла¬ра?[Текст]/ В.В. Картавцев.– Компьютеры и программы, 1993. – № 6(7). – с.10–13.
38. Маккалох Дж. Логические исчисления идей, отно¬сящихся к нервной деятельности [Текст] / Дж. Маккалох. – Автоматы.– М.: ИЛ, 1956.– с.78.
39. Масалович А.И. От нейрона к нейрокомпьютеру [Текст] / А.И. Масалович // Журнал доктора Добба.– 1992.¬¬– № 1.– с. 20–23.
40. Минский М. Персептроны [Текст] / М. Минский, С. Пейперт. – М.:Мир., 1971.– 261с.
41. Розенблат Ф. Аналитические методы изучения нейронных се¬тей [Текст] / Ф. Розенблат // Зарубежная радиоэлектроника.–1965.– №5.– с.40–50.
42. Розенблат Ф. Принципы нейродинамики [Текст] / Ф. Розенблат.– М.:Мир, 1965. – 480 с.
43. Соколов Е.Н. Нейроинтеллект. От нейрона к нейрокомпьютеру [Текст] / Е.Н. Соколов, Г.Г. Вейткявичус.– М.: Наука., 1989. – 237с.
44. Суворов С.В. Программное моделирование нейроподобных структур [Текст] / С.В. Суворов, Н.Ю. Матихина.– Улан-Уде, 1989.– с.28.
45. Тэнк Д.У. Коллективные вычисления в нейро¬ноподобных электронных схемах [Текст] / Д.У. Тэнк, Д.Д. Хопфилд. – В мире науки.–1988.–№ 2.– С. 44–53.
46. Ларичев О.И. Выявление экспертных знаний [Текст] / О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович, Е.М. Фуремс.– М.:Наука, 1989. – 128с.
47. Христиановский В.В. Алгоритм нечеткой экспертной классификации [Текст] / В.В. Христиановский, Е.А. Преображенский.– В сб.: “Финансы, учет, банки”.– Донецк: КИТИС, 1999 г.
48. Цуприков С. Нейронные вычисления берутся на вооружение финансистами [Текст] / С. Цуприков //Computerworld Moscow.–1985.– №7.– с. 57–58.
49. Кусочное прогнозирование и проблема обнаружения предвестников существенного изменения закономерности // Нейроинформатика и ее приложения [Текст]: Материалы IX Всероссийского семинара / Под общ. ред. А. Н. Горбаня. Отв. за вып. Г. М. Цибульский.– Красноярск: ИПЦ КГТУ, 2001.– с. 15 – 16.
50. Carpenter G.A. A massively parallel archi¬tecture for a self-organizing neural pattern recognition machi¬ne [Текст] / G.A. Carpenter, S. Grossberg // Comput. Vision Graphics Image Process.– 1986.– V.37. – p.54–115.
51. Cohen M.A. Absolute stability of global pattern formation and parallel memory storage by competitive neu¬ral networks [Текст] / M.A. Cohen, S. Grossberg // IEEE Trans. Syst., Man, Cybern.– 1983.–V.13, N 5.– P.815 – 826.
52. Dayhoff J. Neural network architectures.[Текст] / J. Dayhoff. – New-York:Van Nostrand reinhold, 1991.
53. Fogelman S.F. Neural networks, state of the art, neural computing [Текст] / S.F. Fogelman.– London: IBC Technical Services, 1991.
54. Fox G.C. Code generation by a generalized neural networks: general principles and elementary examples [Текст] / G.C. Fox, J.G. Koller // J. Parallel Distributed Comput.–1989. – V.6, №2.– P.388–410.
55. Hebb D.O. The organization of behaviour [Текст] / D.O. Hebb. – N.Y.: Wiley, 1949.– p. 55–57.
Hopfield J.J. Computing with neural circuits: A model [Текст] / J.J. Hopfield, D.W Tank // Science.–1986.–V.233,№.464.– P.625–633.
56. Hopfield J.J. Unlearning has a stabilizing effect in collective memories [Текст] / J.J. Hopfield, D.I. Feinstein, F.G. Palmer. // Nature. –1983. – V.304.– P. 141–152.
57. Hopfield J.J Neural computation of decision in optimization problems [Текст] / J.J. Hopfield, D.W. Tank // Biol. Cybernet.–1985. –V.52.– P.141–152.
58. Бизнес-план - Ваша путеводная звезда. Для чего он нужен? Как его составить? Как им пользоваться? [Текст] // Экономика и жизнь.–1991.– №33.
59. Хруцкого Е.К Современный маркетинг [Текст]/ Е.К. Хруцкого. – М.:Прогресс, 1991.
60. Котлер Дж. Маркетинговые исследования [Текст]/ Дж. Котлер.– М.: Финансы и статистика, 1991.
61. Методичні вказівки до виконання розділу "Охорона праці та безпека в надзвичайних ситуаціях" в атестаційних роботах ОКР «магістр» [Текст] / Б.В.Дзюндзюк, В.А.Айвазов, Т.Є.Стиценко – Харків: ХНУРЕ, 2011. – 48 с.
62. Дзюндзюк Б.В., Иванов В.Г. и др. Охрана труда. Сборник задач: учеб. пособие [Текст] / Б.В. Дзюндзюк. – Харьков: ХНУРЭ, 2006. – 244 с.
63. Голубков Б.Н. Проектирование и эксплуатация установок кондиционирования воздуха и отопления [Текст] / Б.Н. Голубков.– М.:Энергоатомиздат, 1988.
64. Волков О.М, Противопожарная защита вычислительных центров. [Текст] / О.М. Волков.– М.: Стройиздат, 1982.– 64 с.
Стоимость доставки работы, в гривнах:

(при оплате в другой валюте, пересчет по курсу центрального банка на день оплаты)		 500





Найти готовую работу


ЗАКАЗАТЬ

Обратная связь:


Связаться

Доставка любой диссертации из России и Украины

Вход для партнеров

Регистрация

Восстановить доступ

Материал для курсовых и дипломных работ


Ссылки:

Выполнение и продажа диссертаций, бесплатный каталог статей и авторефератов

Счетчики:

Besucherzahler
счетчик посещений

© 2006-2022. Все права защищены.
Выполнение уникальных качественных работ - от эссе и реферата до диссертации. Заказ готовых, сдававшихся ранее работ.