毕业论文是教学科研过程的一个环节，也是学业成绩考核和评定的一种重要方式。毕业论文的目的在于总结学生在校期间的学习成果，培养学生具有综合地创造性地运用所学的全部专业知识和技能解决较为复杂问题的能力并使他们受到科学研究的基本训练。

　　摘 要：本文从分析JIT生产的方式方法入手，阐述了JIT生产模式与电网公司物流的相关活动，并探讨了JIT生产模式对电力物流的基本要求，及JIT生产模式的应用对电力物流的推动作用，从而提高电网公司物资管理水平，确保优质高效的物资供应工作。

　　关键词：JIT模式;物流应用

　　JIT：英文Just In Time的缩写，指的是在必要的时间节点将必要数量的零配件送到生产线，并且只将所需要的零配件、所需要的数量，在正好需求的时间送到生产线。这是为适应消费需求变得个性化、多样化而建立的一种生产体系以及为此生产体系服务的物流体系，是由日本丰田汽车公司在20世纪60年代实行的一种生产方式。

　　世界汽车生产企业包括丰田公司在JIT生产方式倡导以前均采取福特式的“总动员生产方式”，即一部分时间人员和设备在流水线生产上等待零配件，另一部分时间等零配件一运到生产线，全体人员立即总动员，紧急生产产品。这种生产方式导致了生产过程中资源的严重浪费，尤以库存短缺和积压为甚，生产线要么处于不开机状态，要么一开机就开始大量生产，不符合资源最优配置的要求。丰田公司的JIT模式在这种背景下就问世了，它采取的生产方式是多品种少批量、短周期，从而大大消除了库存，优化了生产物流，减少了浪费。

　　在电网公司的物流中，JIT模式管理的实质是电力项目物资进度管理，其指导思想是以电力工程项目管理为基础，对工程施工进度、设备生产制造进度、物资供应配送进度实行动态跟踪，最终目的是电力项目物资准时供应，从而实现与电力项目建设进度无缝衔接。

　　为达到准时供应的目的，需要相关各方统一思路、明确职责、目标一致、沟通顺畅，在电力项目物资供应的各个节点都应准时准点、无缝衔接。南方电网的JIT管理工作思路是：充分利用现有资源、数据，协调三方关系，即项目管理部门、物资管理部门、物资供应商，共同关注4大环节、10个工作流程节点，通过层层衔接，实现电力项目物资供应的JIT目标。

　　4大环节及相应的10个工作节点：

　　在物资需求计划环节，项目初设批复阶段，根据项目批复情况，项目管理部门会同物资部门编制年度工程里程碑进度计划表。项目管理部门依据计划表，设备材料清册，选择相应采购批次，通过系统填报物资需求计划及技术规范书，准时上车;需求计划有变动时，项目管理部门填报物资需求计划变更申请。

　　在采购签约环节，电网公司物资管理部门审核下级单位的需求计划，整合一级物资需求计划后上报相关物资采购部门;整合二级物资需求计划，转入本单位招标流程，按职责权限分别组织开展招标工作。完成招标工作后下发中标结果及本单位定标结果，编制并发放《中标通知书》，进而开展合同签约工作。

　　在生产制造环节，合同签订时，物资部门与项目管理单位书面确认项目交安日期。合同签订后，物资部门与项目管理单位形成定期交安信息确认机制，确保物资供货进度与工程进度一致。当交安时间变动时，项目管理单位应提交交安日期变更手续，由物资部门与供应商协调，及时、合理调整项目物资供货计划和生产制造计划，确保与工程进度一致。根据项目最新交安时间，物资部门与供应商书面确认计划交货时间，供应商依据物资部门最新交货时间倒推生产制造计划时间，据此排产，物资部门及时跟踪供应商生产制造进度，确保生产进度与工程进度匹配。

　　在到货配送环节，物资部门依据最新交安时间，制定配送计划，安排物资发运时间，并向供应商发送配送计划。供应商确认配送计划，组织安排配送，在指定时间内将物资发运至指定交货地点。项目管理单位牵头组织监理、施工等相关部门对到货物资进行到货验收。并将物资到货实际情况反馈至物资部门，由物资部门及时录入物资到货信息，完成整个JIT供应模式。

　　通过对JIT模式的分析，引入相应的方式方法，进而消化吸收，形成电网公司独特的JIT供应模式，最终要实现以下目标：

　　①职责更明确，工作流程清晰明了

　　通过建立各级JIT供应工作小组、明确各单位的责任，准确划分各单位职责范围，使得各个工作面更清晰、工作接口更明确。

　　②管控更精确，注重计划落实和动态跟踪

　　通过制定与工程里程碑计划相匹配的物资供货计划，各部门按计划主动推进各自负责的工作，做到物资需求计划准时上车、物资招标准时发车、合同准时签订、物资准时生产和准时供应，确保计划落实到位;各单位还要加强小概率事件的警示和分析，关注关键节点变动带来的联动情况，并落实动态跟踪;从而使JIT模式管控更为精确。

　　③沟通更准确，数据信息传递及时高效

　　通过及时填报数据、定时更新表单、定期汇总及发布JIT专报，使各单位能在统一、明确的报表上传递并获取有用、准确的物资管控信息，并充分了解变动情况，从而使横向和纵向的沟通工作变得更加准确、有序和顺畅。

　　④JIT管理工作可持续改进

　　通过不定期地督促及检查各单位项目物资供应JIT管控情况，将检查结果反馈至各专业管理部门，并根据工作推进情况组织专题培训，让JIT管理工作得以持续改进。

　　在整个JIT供应模式过程中，无论是物资使用部门、物资使用管理部门、物资管理部门、供应商还是物资仓库，均应对各自负责的下游需求计划作出一个精确的预测，否则就用不好JIT，因为JIT模式的作业基础可以通过准确的统计分析，作出预测，准确把握下游需求的变化，进而进行相应的调整，从而实现全过程JIT供应。

　　摘 要： 当前第三方物流管理系统中以物流活动为对象的数据库庞大， 难以发现有价值数据。为此， 本文提出一种针对物流数据分析的经典方法： IGSP( improved sequential pa tterns)算法。该方法通过对原始序列数据库筛选， 选出路径序列长度大于或等于候选序列长度的路径序列， 进而有针对性地产生过度候选序列， 经约减产生候选序列。利用这种产生候选序列的方式， 能够有效地减少候选序列数量，进而产生物流中有意义的规则。案例和理论分析表明， 该方法不仅缩小了扫描数据库的规模， 而且减少了生成频繁序列的候选序列集合。

　　关键词： 物流管理系统; 数据挖掘; 关联规则; 序列模式挖掘

　　1 引言

　　目前， 数据挖掘技术[ 1] 正以前所未有的速度发展， 已广泛应用于政府、电力、企业、电信、金融等行业部门， 而在物流行业的应用还不是很普遍。随着物流信息化水平的提高， 物流战略已从内部一体化向外部一体化转变， 供应链管理已成为竞争战略中非常重要的组成部分， 信息化物流网络体系的应用使数据规模不断扩大， 产生巨大数据流， 使企业很难对这些数据进行高效的收集和及时决策。数据挖掘方法有效地促进企业的业务处理过程重组， 改善并强化对客户的服务， 实现企业规模优化， 有效地提高企业的竞争力。因此， 通过数据挖掘技术分析物流中的货物流向， 对于物流企业或者物流用户都有着至关重要的意义。

　　数据挖掘中的关联规则技术[ 2, 3] 能够有效地发现数据间的联系， 根据已有数据预测未来发展趋势。因此， 将关联规则技术应用在货物流向分析[ 4] 中， 将产生一定影响。目前， 关于序列模式挖掘的研究已有很多。如基于垂直格式的候选码生成- 测试的方法- SPADE 算法[5] ;基于模式增长的方法- prefixspan算法[ 6] 等， 还有分布式环境下序列模式挖掘算法- FMGSP[ 7] 和FMGMFI[ 8] 等。

　　但经典GSP算法[9] 是产生关联规则最有影响力的算法，该算法是基于Aprio ri算法的候选码生成与测试的方法，该方法实现对时间约束数据(如： 规定时间的货物运送目的地) 的挖掘， 产生频繁序列， 进而生成规则。但是， GSP算法有它的缺点[ 10] :

　　第一，在大型数据库中会有相当多的候选序列产生。因为序列中的元素是有序的，所以不同元素的交换就会产生很多不同的序列， 而且项目也可以是重复的， 产生的候选2- 序列就一共有5个： < ab> , < ba> , < aa> , < bb> , < ( ab) > 。

　　第二，在挖掘过程中要多次扫描数据库。候选序列的长度每增加1,就需要扫描1次数据库。通常， 要找出长度为L的频繁序列， 至少要扫描L次数据库。

　　第三， 在挖掘长模式时， 会产生巨大的候选序列。一个长模式包含很多的子模式， 每个子模式都需要生成-测试， 这将导致候选序列的数量随着需要挖掘的序列模式的长度呈指数级增长。

　　为此， 本文以物流货物流向分析为背景提出了GSP算法的改进算法IGSP算法。该算法在产生各个不同长度的候选序列过程中， 首先对原序列数据库进行筛选， 选出序列长度大于或等于候选序列长度的序列， 进而有针对性地对这些序列产生过渡候选序列， 经过aprior i性质约减后产生候选序列。通过这种方法大大减少了候选序列的数量， 而且也降低了对于原始数据库的扫描次数， 能够有效地生成频繁序列。

　　2 物流信息挖掘过程

　　在物流决策支持系统中首先明确挖掘的目标就是发现在未来物流市场上的货物流向， 物流用户通过该决策支持系统可以发现不同的货主选择把同样的一批货物分别运往的目的， 而物流企业可以通过物流决策支持系统发现未来的物流市场可能出现的变动。物流信息挖掘整个过程。

　　2. 1 物流信息挖掘的数据预处理和收集物流信息挖掘收集了第三方物流管理信息系统中的关于物流活动的大量数据。而这些数据的数据源并不相同， 为了操作方便， 把这些数据集成于数据仓库中。在第三方物流管理信息系统中， 随着物流活动的不断发生， 从中得到的数据集也会越来越大， 因此选定数据在挖掘前，必须加以精炼处理， 辨别出需要进行分析的数据集合， 缩小挖掘范围， 避免盲目搜索， 提高数据挖掘的效率和质量( 见图1数据准备和数据采集阶段)。

　　2. 2 物流信息挖掘的结果解释和评估将可视化工具与挖掘工具结合起来， 把每次的分析结果清晰、准确、明了的表达出来。物流决策支持系统经物流用户和物流企业使用以后， 根据用户反馈进行结果评估( 见图1结果表达阶段)。

　　3 物流信息挖掘算法- IGSP算法

　　序列模式挖掘算法GSP是基于aprior i算法。首先通过扫描原始数据库找出所有的频繁1 - 序列; 然后利用连接操作通过频繁1- 序列产生候选2- 序列， 再次扫描数据库计数候选序列， 找出满足最小支持度的频繁2 - 序列; 用频繁k- 序列( k! 2)产生候选k+ 1- 序列， 扫描数据库找出频繁k+ 1 序列; 重复这个操作， 直到没有候选序列产生为止。该算法虽然通过aprio ri性质进行了大幅度压缩， 但仍避免不了频繁扫描整个数据库进行支持度的计算， 因此降低了整个算法的效率。

　　本文提出的算法IGSP, 无论是在候选序列数目上还是扫描数据库次数上都有很大改进。算法IGSP利用序列数据库S产生长度为1 的候选序列C1, 然后扫描数据库S, 对C1 中每个项的出现次数计数， 确定频繁1- 序列L1, 同时将不满足最小支持度条件的项从S 中删除， 并且将项数少于2的序列从S中删除， 产生过渡候选2- 序列C? 2, 然后由C? 2 产生长度为2的候选序列C2。可见IG??

　　SP算法第一次遍历原始数据库之后就不再扫描原始数据库来计算支持度， 而通过过渡序列集合C? k计算， 并且利用频繁序列Lk- 1对C? k进行筛选， 将不符合最小支持度的元素从C? k中删除， 最后将项数小于或等于( k- 1)的事务删除以缩小C? k。这样大大减少了候选2 - 序列C2 数目， 有效的缩减序列数据库， 并减少了扫描原始数据库的次数， 提高了算法效率。

　　IGSP算法形式化描述如下(略， 备索)。

　　4 案例分析

　　数据挖掘中关联规则技术就是发现事物之间有意义的联系和规则， 能够从事物数据库、关系数据库和其它数据存储中的大量数据的项集之间发现有趣的、频繁出现的模式、关联和相关性。因此， 利用关联规则技术可以对物流中的路径数据进行分析、挖掘， 找出频繁出现的路径信息， 以发现物流市场上的货物流向及未来可能出现的变动。