Applying data mining techniques to ERP system anomaly and error detection

Thumbnail Image

Files

urn100315.pdf (798.29 KB)

URL

Journal Title

Journal ISSN

Volume Title

Elektroniikan, tietoliikenteen ja automaation tiedekunta | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2010

Department

Major/Subject

Tietokoneverkot

Mcode

T-110

Degree programme

Language

en

Pages

76

Series

Abstract

Tiedonlouhinta kehitettiin oleellisen tiedon löytämiseen suurista tietomassoista ja pohjautuu koneoppimiseen, hahmontunnistukseen ja tilastotieteeseen. Suosittuja käyttökohteita ovat esimerkiksi huijausten havainnointi, markkinointianalyysit, myynnin ja varaston ennustaminen sekä tietojen korjaus. Toiminnanohjausjärjestelmät (ERP) keräävät suuria määriä tietoja kaikista yrityksen toiminnoista, mikä tekee niistä hyvän kohteen tiedonlouhinnalle. Tämä diplomityö tutkii tiedonlouhinnan sopimista Lean System toiminnanohjausjärjestelmän syötteiden tarkistukseen tosiaikaisesti Oraclen tiedonlouhinta-alustalla tiedon laadun parantamiseksi. Tulokset osoittavat, että tiedonlouhinta voi olla menestyksekäs työkalu syötteen tarkistukseen, mutta onnistunut louhintaprosessi vaatii usein louhittavan tiedon pikkutarkkaa esikäsittelyä ja algoritmien hyvää tuntemusta.

Data mining is a concept developed for analyzing large quantities of data. It is based on machine learning, pattern recognition and statistics and is currently used, for example, for fraud detection, marketing advice, predicting sales and inventory and correcting data. Enterprise Resource Planning (ERP) systems commonly gather data from all parts of company operations thus providing a good source of data for data mining. This thesis studies data mining suitability for real-time validation of Lean System ERP input on the Oracle Data Mining (ODM) platform to improve data quality. The results proved that data mining can be a successful tool for input validation, but a successful mining process requires often meticulous pre-processing of mined data and good knowledge of the algorithms.

Description

Supervisor

Ylä-Jääski, Antti

Thesis advisor

Kiravuo, Timo
Veikkola, Olli

Keywords

data mining, database, ERP, KDD, input validation, Oracle, Lean System, ODM, data quality, tiedonlouhinta, tietokanta, ERP, KDD, syötteen tarkistus, Oracle, Lean System, ODM, tiedon laatu

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-201203131446

Collections

[dipl] Sähkötekniikan korkeakoulu / ELEC