Process Discovery and Refinement of an Enterprise Management System

The need for the analysis of modern businesses is rapidly increasing as the supporting enterprise systems generate more and more data.This data can be extremely valuable for executing organizations because the data allows constant monitoring,analyzing,and improving the underlying processes,which leads to the reduction of cost and the improvement of the quality.Process mining is a useful technique for analyzing enterprise systems by using an event log that contains behaviours.This research focuses on the process discovery and refinement using real-life event log data collected from a large multinational organization that deals with coatings and paints.By investigating and analyzing their order handling pro-cesses,this study aims at learning a model that gives insight inspection of the processes and performance analysis.Furthermore,the animation is also performed for the better inspection,diagnostics,and compliance-related questions to specify the system.The configuration of the system and the conformance checking for further enhancement is also addressed in this research.To achieve the objectives,this research uses process mining techniques,i.e.process discovery in the form of formal Petri nets models with the help of process maps,and process refinement through conformance checking and enhancement.Initially,the identified executed process is reconstructed by using the process discovery techniques.Following the reconstruction,we perform a deep analysis for the underlying process to ensure the process improvement and redesigning.Finally,some recommendations are made to improve the enterprise management system processes.

Data Mining for Small and Medium Enterprises: A Conceptual Model for Adaptation

The following paper explored data mining issues in Small and Medium Enterprises’ (SMEs), firstly exploring the relationship between data mining and economic development. With SME’s contributing most employment prospects and output within any emerging economy such as the Kingdom of Saudi Arabia. Adopting technology will improve SME’s potential for effective decision making and efficient operations. Hence, it is important that SMEs have access to data mining techniques and implement the most suited into their business to improve their business intelligence (BI). The paper is aimed to critically review the existing literature on data mining in the field of SME to provide a theoretical underpinning for any future work. It has been found data mining to be complicated and fragmented with a multitude of options available for businesses from quite basic systems implemented within Excel or Access to more sophisticated cloud-based systems. For any business, data mining is trade-off between the need for data analysis, and intelligence against the cost and resource-use of the system put in place. Multiple challenges have been identified to data mining, most notably the resource-intensive nature of systems (both in terms of labor and capital) and the security issues of data collection, analysis and storage;with General Data Protection Regulation (GDPR) a key focus for Kingdom of Saudi Arabia businesses. With these challenges the paper suggests that any SME starts small with an internal data mining exercise to digitalize and analyze their customer data, scaling up over time as the business grows and acquires the resources needed to properly manage any system.

DATONG MINING BUREAU——THE LARGEST COAL ENTERPRISE IN CHINA

The Datong Mining Bureau, locatedin the southwest of Datong, famousfor its history and culture, is thelargest coal enterprise in China. It has 200,000staff and workers and fixed assets of RMB9.81 billion. Its annual output of raw coal is37 million tons, and its sales income totalsRMB 4.62 billion, of which RMB 1.18 billioniS tax and profits.

Foster and operate enterprises on large-scale basis to accept challenges from WTO accession

In the course of pushing forward the overall growth capacities of the mining industry and getting adapted to the tense competition after China抯 entry into WTO, it is quite necessary to speed up the process of fostering large state-owned coal group enter-prises. This strategical proposal is made on the basis of a comprehensive analysis of the main problems challenges faced by the coal mining industry is made on. The main prob-lems with Chinese coal mining industries discussed include: over-competition with a low convergence, severe waste and loss of mine resources with poor exploitation techniques, disordered operation with few industrial entry barriers, heavy welfare burdens from low socialization. The accession of WTO provide Chinese coal mining industry with chances to push forward the reforms and structural shift in the enterprises, expedite the estab-lishment and perfect of coal mining market mechanism, expand their international market share as well as introduce foreign investment, and with challenges from high technology, knowledge economy, and information revolution. The solutions to the foster of large-scale coal mining group enterprises, as well as the possible points to note and the policy pro-posal are advanced.

国际环境深刻变化对矿业的影响——在2024(第二十六届)中国国际矿业大会上的主题演讲

首先,分析了国际经济形势和地缘政治的风险所在,提出了矿业投资是长期投资,更需要关注国际环境长期的变化。其次,从经济全球化进入了调整期、发展方式的转型期、技术创新的活跃期和全球格局的变革期等“四期”叠加的发展形势入手,对百年未有之大变局进行了深入分析。在此基础上,从矿产品的需求、矿业的变化将会加速演进,以及矿业的风险三个方面阐述了国际形势和环境的变化对矿业产生的影响。最后,建议在国家层面上还要继续推进开放合作、互利共赢;在企业层面上,中国矿业企业要进一步加强战略研究、不断提升国际化经营能力、增强风险意识和风险管理的能力。

基于数据挖掘的电炉企业财务数据分类管理系统设计

为提升电炉企业财务数据处理效率、提高财务数据分类管理效果,本文研究提出并设计出了一种基于数据挖掘的财务数据分类管理系统。设计系统主要在传统硬件的基础上,优化系统功能模块,其主要包括财务数据管理模块、网络管理模块等。在财务数据管理模块中,本次采用数据挖掘方法确定属性相似的财务数据,并借助Hadoop架构对电炉企业财务数据进行管理;在系统网络管理模块中,通过光纤/DDN传输中实现系统通信网络拓扑的搭建,并在TCP/IP等通信协议的支持下,完成网络管理模块的设计。通过优化各个功能模块,完成电炉企业财务数据分类管理系统设计,实现电炉企业财务数据分类管理功能。实验结果表明:所提系统响应速度快,CPU占有率低,分类管理准确度高于93%,用户反馈满意率高于80%,均优于对比方法,具有较大的应用价值。

POI数据挖掘在市场调查与分析大赛中的应用——以东北三省养猪企业数据挖掘为例

随着大数据技术的快速发展,海量数据的采集、挖掘和分析广泛应用于商业、农业、医疗等各个领域。本文基于POI数据挖掘构建市场调查方法,通过核密度和最邻近距离分析,利用POI数据分析东北三省养猪企业的分布特征,从而了解地区优势产业,并结合人口分布、企业分布等数据进行校核与验证。研究结果表明,POI数据挖掘为市场调查与分析大赛提供了有效的数据收集和市场分析方法。

矿山地质环境恢复治理工程施工技术研究

为实现人与自然和谐共处的目标,我国矿山开采企业应当意识到自身的角色定位,避免过度开发矿产资源,并且在作业期间实现对生态环境的恢复、治理,而这就对矿山开采企业提出了较高的要求。矿山开采企业应当立足于自身的实际情况,运用科学且合理的技术手段实现对地质环境的恢复、治理,这样才能实现可持续发展。但当前发展,部分矿山开采企业对矿山地质环境恢复治理工程施工技术的应用还不够深入,使得该类技术无法充分发挥其价值。面对这种情况,矿山开采企业应当建立与时俱进的精神,不断加强对新技术的理解、学习以及应用。基于此,本文将以矿山地质环境恢复治理工程施工技术为研究对象,对其相关内容展开进一步探讨,旨在提升我国矿山开采企业对矿山地质环境恢复工程施工技术的应用水平,助力我国实现人与自然和谐共处的格局。

数据挖掘在通信运营企业管理中的应用

随着信息技术发展进步与各类型电子通信设备普遍应用,以书信方式传递信息已经被网络通信方式所取代,社会各个方面通信需求不断提高,在为通信行业发展提供大好机遇的同时,也促使通信运营企业之间的竞争日渐白热化。借助先进技术手段,不断提高企业经营管理水平,可以说是推动通信运营企业发展的制胜法宝,为此,文章针对数据挖掘技术在通信运营企业管理中的应用这一议题,进行相关分析研究,希望能对有关企业有所助益。

基于CNAS体系标准的LIMS创新实践

LIMS是一种专为实验室设计的信息管理系统。矿山企业引入该系统有助于实现检测业务的数字化管理。然而,市面上通用的LIMS软件普遍存在与CNAS体系结合不紧密、流程管理不严谨、行业适用性不强等缺陷,无法满足矿山行业实验室的特殊需求。为此,结合CNAS质量管理体系要求以及矿山化验检测业务特点,研发了一款符合金属矿山行业特点的LIMS系统,对传统化验检测业务管理模式进行了全面改造和提升,内容涵盖业务管理、检测流程、结果汇总、报告管理、报告溯源和CNAS体系运行管理等多方面。该系统引入了样品类型、设备类型、化验岗位、再现性限设置以及报告权限设置等概念,并建立了关联关系,能够批量委托检测任务、灵活设置用户报告审批权限。根据关联关系,系统可自动将检测任务分配到特定的检测班组和化验岗位,自动计算检测项目的再现性限,判断平行检测结果是否超差,确定重验方式及平均结果的计算方法。此外,系统还利用LT-IoT数据采集平台,实现了分析仪器、天平、温湿度计、二维码等数据的自动采集,确保数据准确性、完整性和可追溯性,有效避免了传统手工录入导致的错误和不确定性。应用效果表明:该系统的研发与应用可以为金属矿山行业提供了一个高效、严谨、规范化的实验室信息管理系统,有助于提高检测业务的数字化管理水平,为行业的数字化转型提供强有力支持。

基于层次分析-模糊综合评判的煤矿企业风险评估研究

为定量地综合评价煤矿企业风险水平,并为煤矿企业风险管控和安全管理工作提供一个可操作的、动态的风险评估方案。首先,结合煤矿事故的特点,根据系统性、全面性、能用性和可操作性的原则,从人、物、环境和管理四个方面着手,构建一个煤矿企业风险评估指标体系。其次,基于层次分析法和模糊综合评判,提出层次分析-模糊综合评判煤矿企业风险评估方法。最后,通过煤矿案例分析,利用数字化处理原始定性数据的手段,实现对煤矿工业整体风险水平的定量评估和分析。本文提出的风险评估方案具有多重意义:第一,可用于同一煤矿同一时期的风险评估,以协助煤矿安全管理工作的有效开展;第二,可以用于同一煤矿不同时期的风险评估,若按季度进行风险评估工作,可将各季度进行比较,追踪煤矿风险随时间的变化;第三,可用于不同煤矿之间风险对比分析,若应用于不同煤矿同一时期的风险评估工作,可对不同煤矿的风险管理工作进行评比,以起到激励作用。此外,若对风险评估指标体系进行相应改变,提出的风险评估方案也可应用于其他行业。

专利视角下中国“卡脖子”企业现状分析及突破建议

“卡脖子”企业是指被美方列入“实体清单”的企业,这些企业所涉及的技术具有重要战略地位,美方的制裁对这些企业的产业链安全、稳定性乃至国家安全构成风险。从专利视角出发,采用专利计量、社会网络分析和BERTopic主题挖掘等方法,从专利数量、专利权人、产业技术主题及演化等角度探究中国“卡脖子”企业现状。研究发现:中国“卡脖子”企业群体专利数量优势逐渐显现,专利申请量前十的企业均是以发明专利为主,专利价值较高,说明“卡脖子”企业具备较强的创新能力,但影响力有待提高;“卡脖子”企业专利合作网络规模逐渐增大,但网络结构不够紧密,具有无标度特征;“卡脖子”企业专利主要分布在数字通信、计算机技术、半导体、视听技术、电信等领域,表明美国对中国企业的管制正逐步从传统高技术扩展到人工智能、量子信息、机器人等新兴和前沿技术领域。根据分析结果,从补短板和筑长板两个角度,提出重视专利质量、精准突破“卡脖子”技术、扩大开放合作、发展战略性新兴产业等对策建议。

煤矿企业安全氛围对员工离职倾向的影响:工作投入的中介作用

采用煤矿企业安全氛围量表、工作投入量表、离职倾向量表对随机从皖北某煤矿企业中抽取的251名员工进行问卷调查。结果表明:煤矿企业安全氛围、工作投入与员工的离职倾向间存在显著的负相关、煤矿企业安全氛围与员工的工作投入存在显著的正相关;煤矿企业安全氛围、工作投入对员工的离职倾向均有显著的负向预测作用;工作投入在煤矿企业安全氛围与员工的离职倾向间起部分中介作用。

煤炭开采企业绿色全要素能源效率研究

煤炭开采行业是高碳能源的生产行业,提升煤炭开采企业的绿色全要素能源效率对促进我国“双碳”目标的实现具有重要作用。基于影子价格模型,对企业的二氧化碳边际减排成本进行测算,进而构建DEA-Malmquist指数模型计算煤炭开采企业绿色全要素能源效率。实证结果表明:样本企业绿色全要素能源效率水平参差不齐,但均呈现不同程度的上升趋势;相对于综合技术效率,技术进步对企业绿色全要素能源效率水平上升做出了更多贡献。基于上述结果,从企业内部、外部2个视角对影响企业绿色全要素能源效率的因素进行分析,通过专利分析企业自主研发能力及技术选择、分析外部政策环境,提出完善碳交易市场形成有效监管、适当扩张企业规模提高规模效率、加强自主研发走内涵式发展道路等对策建议。

企业技术风险阈值激活模型构建研究——以智能网联汽车产业链为例

响应强化产业风险监测能力的实际管理需求,提升管理部门和智库研究人员对特定产业中企业技术风险问题的分析能力,为技术风险激活或抑制的规律性认识提供机器学习模型支撑。首先,对企业风险的定义和多维度类型进行划分,采用基于机器学习的方法构建企业技术风险阈值激活模型,深入挖掘企业风险特征。其次,运用随机森林、XGBoost等8种机器学习算法训练参数变量,以学习企业技术风险的属性,并对模型有效性进行评价。再次,以智能网联汽车产业链为例利用自动化方法揭示企业风险激活的规律性特征,3种梯度提升综合模型的分类预测准确率达到82.59%,实现从大量相关数据变量中识别出具有潜在技术风险的企业。最后,提出未来的研究将是进一步提高模型的预测精度及稳定性,并加强其在其他领域企业技术风险评估中的应用。

基于知识图谱的区域企业关联可视化及关系挖掘

现有区域企业关联分析结果呈现复杂的网络结构,难以理解,而且区域企业关联在时间和空间上具有动态性。针对当前区域企业分析中存在的结果解释问题,本文提出一种基于知识图谱的区域企业关联分析模型。采用属性图建模方法,运用多源异构数据进行知识抽取和存储,并结合Neo4j图数据库实现区域企业关系的知识存储。在力导向布局方面,通过采用斥力优化求解和节点边处理,成功实现企业关系的可视化呈现。通过深入挖掘分析企业间的关联关系,旨在揭示区域企业之间的合作与竞争关系,为政府产业政策制定、企业招商引资和企业间合作提供决策支持。实验结果表明,该模型能够准确揭示企业间的关系,为区域经济发展提供有力支持。

煤矿企业图形化调车作业计划编制系统的研究与开发

为提升煤矿企业铁路调车工作的安全性和效率,解决煤矿企业中调车作业计划手工编制效率低、信息交流不畅等问题,设计开发了一种图形化调车作业计划编制系统,并对其总体架构、主要功能及关键技术进行了研究。在调车作业计划图形化显示模式、作业计划调整双向同步、作业计划执行监控等关键技术的支持下,使煤矿企业调车作业计划从传统的手工编制模式转变为计算机智能化编制,提升了计划编制的准确性及机车车辆的周转效率,为煤矿企业带来了经济效益和作业安全保障。

从突发公共卫生事件看金矿企业跨国并购

面对复杂多变的外部环境,金矿企业对跨国并购的动因进行更深层次的分析,对未来并购行为进行科学预测,以期取得持续向上向好的经营业绩。基于2014-2022年中国上市金矿企业的跨国并购项目为样本,运用文献研究法、实证研究法和比较分析法,深入研究突发公共卫生事件引起的跨国并购动因变化,以期为金矿企业的投资决策和风险防范提供借鉴。结果显示:在突发公共卫生事件影响下,各国采取了相应宽松的货币政策,导致黄金价格上涨,增强了金矿企业跨国并购的意愿;受新冠疫情影响,金矿企业跨国并购动因呈现短期性、投机性、收缩性和规避风险等新特点,表现为特殊时期蕴藏的机遇、资源整合、扩大市场份额、寻求合作机会以及降低企业经营风险。当前金矿企业面临着黄金资源供给紧张、开采技术升级、市场开拓等诸多挑战,黄金将成为各国竞相储备的重要矿产资源。

Optimization Management of Industrial Organizations Based on Performance Indicators

This paper proposes an intelligent management system (IMS) to help managers in their delicate and tedious task of exploiting the plethora of data (indicators) contained in management dashboards. This system is based on intelligent agents, ontologies and data mining. It is implemented by PASSI (Process for Agent Societies Specification and Implementation) methods for agent design and implementation, the Methodology for Knowledge Modeling and Hot-Winters for data prediction. Intelligent agents not only track indicators but also store the knowledge of managers within the company. Ontologies are used to manage the representation and presentation aspects of knowledge. Data mining makes it possible to: make the most of all available data;model the industrial process of data selection, exploration and modeling;and transform behaviors into predictive indicators. An instance of the IMS named SYGISS, currently in operation within a large brewery organization, allows us to observe very interesting results: the extraction of indicators is done in less than 5 minutes whereas manual extraction used to take 14 days;the generation of dashboards is instantaneous whereas it used to take 12 hours;the interpretation of indicators is instantaneous whereas it used to take a day;forecasts are possible and are done in less than 5 minutes whereas they did not exist with the old management. These important contributions help to optimize the management of this organization.

ESG信息披露对西藏矿业企业绩效的影响研究

企业绩效具有很强的激励作用,有利于企业目标的达成,也是企业管理的一项重要方法。可以从中发现问题并进行改进,以促进企业目标的达成。ESG信息披露环境会影响企业的成本和收入;社会责任会影响企业的声誉和形象;治理因素会影响企业的运转和效率。文章以西藏矿业发展股份有限公司为研究对象,通过该企业的年报和社会责任暨ESG报告来着重分析企业在ESG方面披露的信息,以此来分析ESG信息披露对企业绩效的影响。通过分析得出:企业的ESG信息披露和评分对企业绩效有很大影响,且ESG评分能够较准确的表达企业的偿债能力等方面的情况。最后,根据分析的结果提出相应的结论和建议。希望研究对企业通过ESG信息披露促进矿业企业绩效提升提供参考。