英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
挖掘物流数据以确保可持续食品供应链的质量:以红酒行业为例
1.简介
可持续性是最重要的主题之一。近年来(Svensson, 2006;林顿等人，2007)。它包含精益生产和供应链质量管理的理念这是现在大多数制造企业战略的核心。此外，可持续发展为可持续发展提供了新的思路降低成本，因为供应链管理考虑产品从原材料的初始加工到交付给客户(林顿等，2007)。因此，不同的供应链中的每一个操作层有潜力被开发以减少质量的不确定性，资源浪费和运营成本，使浪费最小化。供应链质量保证是一个持续的挑战给食品制造公司的供应链经理。大多数现在，企业将全球采购纳入其采购的一部分战略上，食品供应链通常跨越数个以到达最终用户。由于产品质量问题导致更加严重全球采购问题的严重性(Tse和Tan, 2011)。因此,有必要对全球食品供应链的改善进行研究(郭和陈，2010)。如果更多的成员加入供应链，更多的不确定性积累关于最终的质量食品产品。在如此复杂和多层次的供应中连锁环境下，企业高管可能无法预料到在供应过程中经常发生的级联效应连锁经营(Lamarre and Pergier, 2009)。在最严重的情况下，不安全的产品可能会引发产品召回供应链成员的噩梦。另一个不确定性影响产品质量保证有效性的因素供应链的可视性较差(Roth et al.， 2008)。的产品召回数量的急剧增加表明，这些召回是尤其多层次的低透明度的供应链容易受到影响质量风险(Tse and Tan, 2012)。本文的目的是提出一个决策支持框架，将揭示可能的质量可持续解决方案在食品供应链中。该框架还将提供一个指南管理人员就如何规划物流解决方案以保证质量在食品分销网络中。本文开发了一个供应链质量可持续性决策支持模型(以下简称QSDSS)基于关联规则挖掘和Dempster0s组合规则。RFID技术(Mo等，)，以进行监察和捕捉数据采用质量数据和关联规则技术挖掘用于食品运输的良好物流计划从而降低配送网络的不确定性和管理供应链中的风险。在提出的方法中，第一阶段识别物流订单流之间的关联(例如工厂A到分销商B)和源到源关系(诸如此类作为运输方式，产品类型，交货期限)使用关联规则挖掘。在第二阶段，聚合方法用于对感兴趣的规则(在关联中发现的规则)进行分组规则挖掘)对于特定的订单流具有质量保证使用Dempster0设置s组合规则。为了测试最后，以香港红酒公司，其测试结果由一个由学者和实业家组成的焦点小组。本文的其余部分组织如下:第2节包括文献综述。第3节描述了所提议的Q。SDSS框架。第四部分介绍了a洪的案例研究香港红酒行。第5节介绍了讨论和管理的影响。最后，在第6节中在红酒供应链中的有效质量摘要和指南给出了结论。
2相关研究
2.1食品供应链的质量可持续性
食品供应链被定义为“总供应过程”。从农业生产、收获或屠宰，到初级生产和/或制造，储存和分销零售或供餐饮及消费者使用”(郭及陈,2010)。在过去的十年中，食源性疾病的数量不断增加病原体和中毒已经改变了人们的需求和特点食品供应链的研究(Lao et al.， 2012;亨森et al .,1999;Unnevehr和Jensen, 1999)。食品的质量保证供应链正变得越来越重要满足客户直接相关的需求社会责任(Roth等，2008;Tse和Tan, 2012;老挝et al .,2012)。食品供应链管理需要谨慎和战略搬运过程中，由于搬运不当会导致作业失误在严重后果，如食物中毒和产品召回。因此，食品供应链需要精心规划质量保证的实践，以避免此类事件的发生质量风险(Tse and Tan, 2012;(谢等，2011)。控制产品在最大程度上保证质量，是必要的所有供应链物流运作的质量可持续性实体。在一项关于冷供应链跟踪的研究中，Montanari (2008)指出，食品供应链的完整性必须得到保证保存从生产加工到储存在消费的家庭或餐馆。老等人(2012)认为在上游供应中采用警戒性质量控制链成员是必不可少的，特别是在分布中中心。Van Der Vorst等人(2009)为了做出回应，陈述了这一点有效地改变质量和环境，重新设计整个食品供应链至关重要。他们进一步指出食品供应链的设计已经变得复杂内在的关注与产品质量直接相关完整性和安全性。根据Svensson(2006)，可持续质量保证措施应在流通中采用方法，从而创建一个连锁和一系列的业务无松端操作。Van Donselaar等(2006)和Van Der Vorst等(2009)认为食品供应链的可持续性并不局限于质量保证，还意味着减少食物浪费，以此食品变质了，必须处理掉。Kleijnen和Vorst(2005)指出了根本原因食品供应链中的废弃物主要是产品质量的恶化供应链缺乏协调。以获得质量可持续发展，供应链的重新设计和采用需要跟踪技术(如RFID)。Montanari (2008)注意每一运输阶段(例如装卸、搬运、在食品供应链中起着重要的作用实现质量的可持续性。还有潜在的质量威胁可能由货物的大小、设备的可靠性、以及产品在运输过程中的所有权转移网络。此外，郭和陈(2010)，徐和刘(2011)和Montanari(2008)强调了温度的重要性控制物流中食品的运输和储存保持冷链原有的价值和质量。此外，跟踪其中的温度条件可以确定潜在的质量风险，保质期和最终的质量冷冻产品。2.2。数据挖掘关联规则
数据挖掘是发现模式、关联的过程或使用各种分析技术的数据之间的关系并涉及到模型的创建，从而得出结论将成为有用的信息或知识。关联规则挖掘技术是目前制定决策支持系统(Ting et al.， 2012, 2010a;简和陈，2008;Garcia等，2008)最流行的数据挖掘技术之一。它的目的是有趣的相关性，频繁的模式，关联或因果关系数据库中项目集之间的结构(Kotsiantis和Kanellopoulos, 2006)。一个著名的应用联想的例子规则是市场篮子分析(Chen et al.， 1996)。Agrawal和Strikant(1994)介绍了用于发现的Apriori算法大型事务数据中产品之间的规律性由销售点系统记录。规则可以表示为“{X, Y}-{Z}[支持:60%和信心:80%]”意味着X, YZ出现在60%的事务(即支持)和80%的事务中包含X和Y的事务包含Z(即置信度)。一般来说，如果一个规则满足预定义了支持和置信度的最小阈值由经验丰富的用户或领域专家提供。关联规则挖掘在决策中得到了广泛的应用工业和物流应用中的支持系统(DSS)。Ketikidis等人(2008)开发了一个关联规则DSS来提供在材料采购，生产计划和决策支持物理分布。Lau等人(2009)开发了一种过程挖掘DSS用于确定供应中质量问题的根本原因链，并为精细提供一些配置参数调整操作流程以改进性能。廖等人(2008)提出了一种关联规则DSS来开发产品新产品开发地图。他们的决策支持系统旨在调查顾客需求、产品特性、和交易记录，以发现不同的知识从客户那里开发新的模式和规则化妆品和可能的营销解决方案。蔡(2009)采用关联聚类技术挖掘相关需求，然后建立联合补货策略，这大大降低了操作成本。他们的提出的算法在关联中采用了“支持概念”通过规则分析来度量不同产品的相似性。谢长廷Huang(2010)提出了一种启发式方法在仓库中提供一个订单提取系统，其中使用关联规则聚类分析来寻找最高同一批次不同物品的相关性。同样，Chen和Wu(2005)采用了关联规则聚类分析以发现订单之间的关联。客户需求模式是通过发现隐藏的规则来识别的，例如当出现一些订单时，在一批也可能有同一批次其他订单的发生。有一些关联规则DSSs旨在简化集成仓库操作，如订单提取。相对而言，很少有人尝试为其制定决策支持系统从上游到下游进行数据分析供应链(Tse等，2009;刘等，2009)。然而,操作在不同的供应链中，成员之间有着密切的联系另外，每一次操作中的微小变化都可能产生重大影响其他挖掘规则的差异(Kim, 2007)。因此,如果人们只关注一个特定的供应链层中，他可能无法获得有效的关联规则整个配电网，自属性关联规则还与其他供应链层中的元素交互。在这个在研究的基础上，提出了一种基于遗传算法的物流解决方案挖掘系统嵌入式支持物流的迭代挖掘算法食品供应链中质量解决方案的发现。如上所述的Foster(2008)，通过数据挖掘确定的信息可以用于提高供应链质量的可持续性。数据事实证明，采矿对于确保达到一定水平非常重要运输物流内部的质量，尤其重要在食品供应链高度依赖于运输过程条件，例如温度、光照程度、震动/振动水平，湿度。本文研究了供应链质量决策支持模型可持续发展(QSDSS)是评价在意大利为基础的红葡萄酒公司在香港展示如何找到关系其中物流参数、环境参数和存在质量问题。一家红酒公司被选中本案由于红酒是一种易碎品，对环境敏感改变。例如，许多葡萄酒收藏已经受损在运输过程中由于温度不稳定。高温(高于65华氏度或18摄氏度)会导致葡萄酒过早老化，因此失去了它的味道和平衡;当酒喝多了冷冻后，它也失去了它的味道和芳香(better tasting ingwine, 2006)。此外，振动和湿度波动也可能导致葡萄酒品质的负面影响(Chung et al.， 2008)。因此,红酒公司及其物流供应商正在努力寻找途径设计更好的运输路线，以提供一个运输环境其中红葡萄酒的运输受到限制它们的物理化学性质的变化。
3. QSDSS:挖掘物流订单流程和源到源的关系
在供应链质量可持续性方面，采用关联规则挖掘用于发现关联度量(支持)和置信度)之间的物流订单流(如A工厂)和源到源的关系(例如模式)运输的，产品的类型，交货期限)运输物流数据库。数据库记录了所有的每次发货之间的物流相关数据;例如,产品X(产品类型)于2011年12月8日(活动日期)发货05:00(活动时间)从B工厂(发货地点)到C工厂(目的地)。图1描述了一个物流流程场景，其类型为待记录的数据。通过关联发现这些流规则挖掘，特定运输的质量保证设置可以指定和突出显示物流(或路由)。图2为供应链决策支持模型质量可持续性(QSDSS)。QSDSS从点开始物流操作员向客户解释产品类型和数量以及物流流程(或路线)。所示一种新情况(产品种类、数量、路线和方式)运输)是第一个编纂和处理的比较知识库中保留的以前的记录(或案例)。为了提高数据挖掘中的决策分析能力，2(或以上)-将层次的物流流程(如A-B-C、A-D-C-E等)细分为1级流动;例如，如果流是A-B-C，那么它将被分离分为两个流程，即A-B和B-C。然后，数据清洗和预处理是用来选择属性还是特性的对于质量保证设置中的决策支持非常有用。
- 3.1第一阶段:发现有趣的规则
在本研究中，我们使用关联规则挖掘来提取最有趣的基于支持和信心的关联规则措施。由先行词(即X)和后件(即Y)隐含如下:X) Y其中X;我是一个项集eth;1THORN;其中X是新案例的问题特征集，Y是建议的质量保证设置(例如，产品应该是在5-60℃的温度范围内空运。规则的趣味性是由它的支持度(即事件之间发生先发和后发的概率和它的信心(即有条件的)的情况下，结果发生的概率先行词)。支持和信心是共同采取的措施任何一对项集之间的关联。我们采用的QSDSS中支持度-置信度的度量方法一种流行的、合适的定义规则的方法，并且得到了广泛的应用适用于各行业不同的数据挖掘系统(Karpinets等，2012;Ting等，2010b;Garcia等，2009;垫片et al ., 2012;Sangelkar等，2012)。此外，Dasseni et al. (2001)声称支持度-置信度度量框架为a强方法用于发现频繁项集，非常有趣规则是既支持又反对的规则信心是很高的。支持和信心由以下因素决定方程,分别为:
支持S（X—Y）=(X Y)/N (2)
反对C（X—Y）=(X Y)/X (3)
关联规则挖掘算法如图3所示。Apriori算法(Agrawal and Strikant, 1994)是最著名的算法,算法对关联规则进行挖掘，并应用于关联规则的识别关联。它使用广度优先的搜索策略来计算支持规则，并利用候选生成函数支座向下闭合的特性。应用算法在本研究中加快了开采过程。然后,开采规则被合并以提取质量保证设置的列表。一旦挖掘的规则生成，所有的结果(或质量)保证设置)是个性化的，并分配一个权重。的确定列表中质量保证设置的权重由与之关联的规则的最大置信度对应的设置如下式所示:
Warm j= Max {Confid(a1-dj); Confid(a2 –dj) hellip;; Confid(am- dj)} (4)
Warm j是集合j的权重，ai是第i个问题特征，dj为第j个设置，m为问题特征个数
3.2第二阶段:聚合有趣的规则
物流流序与源到之间的关联在第一阶段获得的源关系被用作聚合质量保证设置的基础。考虑一个完整的物流路线，重要的是合并建议设置每个一级物流流程为一个一级物流。以上面提到的例子(即A-B和B-C)同样是一个聚合方法将流“A-B”和“B-C”返回的设置分组到一个单独的流程，即a - b - c。为了把结果和避免重复设置，Dempster0s(1968)规则采用组合作为建议设置的数量每个流量是不同的，有必要将权重标准化的建议:
Nj = Wj /sum;n i=1Wi (5)
其中Nj和Wj是归一化加权并建议设定第一个物流流 (或第二个物流流)j的权重，其中n为建议列表中的设置数第一物流流程(或第二物流流程)设置。为特定的案例支持各种物
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[609646]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
