基于云计算和大数据的供应链协同管理优化项目

基于云计算和大数据的供应链协同管理优化项目TOC\o"1-2"\h\u29151第1章引言 3106601.1研究背景 3219431.2研究目的与意义 4317531.3研究方法与结构安排 423393第2章：介绍供应链协同管理的基本理论，包括概念、发展历程、影响因素等。 44259第3章：分析云计算和大数据技术在供应链协同管理中的应用现状及存在的问题。 522639第4章：构建基于云计算和大数据的供应链协同管理优化模型，并提出具体优化措施。 526115第5章：通过实证分析和案例分析，验证优化模型的有效性和可行性。 531571第6章：总结研究成果，提出未来研究方向。 531341第2章云计算与大数据技术概述 552322.1云计算技术 5171882.1.1云计算架构 5145292.1.2云计算服务模式 5109922.1.3云计算技术在供应链管理中的应用 547992.2大数据技术 5148342.2.1大数据技术架构 670162.2.2大数据关键技术 6227912.2.3大数据在供应链管理中的应用 611772.3云计算与大数据在供应链管理中的应用 630019第3章供应链协同管理理论 7100083.1供应链协同管理概念 7113433.2供应链协同管理的核心要素 766523.3供应链协同管理的价值与挑战 712461第4章供应链协同管理现状分析 816284.1国内外供应链协同管理发展现状 8197664.1.1国外发展现状 885534.1.2国内发展现状 8269434.2供应链协同管理存在的问题 8185254.2.1信息共享不足 8151884.2.2协同效率低下 8217374.2.3供应链风险管理不足 916464.2.4技术支持不足 9138284.3云计算与大数据在供应链协同管理中的应用前景 9240634.3.1云计算的应用 9307984.3.2大数据的应用 93922第5章基于云计算的供应链协同管理体系构建 96075.1云计算在供应链协同管理中的作用 97935.1.1提高数据处理能力 9114515.1.2优化资源配置 9164035.1.3提升协同效率 10231105.1.4增强业务灵活性 10164295.2基于云计算的供应链协同管理架构设计 1075265.2.1云计算平台架构 1050225.2.2数据流转机制 1059505.2.3协同管理模块设计 10270665.3云计算环境下供应链协同管理的关键技术 10270375.3.1大数据处理技术 1055325.3.2云计算资源调度技术 1065575.3.3信息安全技术 1153275.3.4云计算服务质量管理 11286795.3.5云计算标准化技术 114260第6章大数据在供应链协同管理中的应用 1135676.1大数据在供应链协同管理中的价值 11222326.1.1提高供应链决策效率 11243656.1.2优化供应链资源配置 11278236.1.3提升供应链风险管理水平 1186016.2大数据采集与处理技术 11142646.2.1数据采集技术 11120886.2.2数据存储与处理技术 11209416.2.3数据分析与可视化技术 12273246.3基于大数据的供应链协同优化策略 1225846.3.1需求预测与库存管理优化 12268766.3.2供应商协同优化 12253676.3.3物流与配送优化 1218846.3.4供应链金融创新 1276786.3.5供应链风险管理 1224118第7章供应链协同管理中的数据挖掘与分析 1297017.1数据挖掘技术在供应链协同管理中的应用 12142747.1.1客户需求预测 124177.1.2供应商评价与选择 12140987.1.3供应链风险预警 13269457.1.4库存优化 13307507.2常见数据挖掘算法介绍 13175327.2.1决策树算法 13309617.2.2支持向量机算法 13167957.2.3聚类分析算法 13239217.2.4关联规则算法 13288337.3基于大数据的供应链协同管理数据挖掘与分析实践 13272407.3.1案例背景 13278387.3.2数据准备 14147627.3.3模型构建 14118567.3.4模型应用 14308607.3.5效果评估 1412802第8章供应链协同管理优化策略与方法 14192158.1供应链协同管理优化策略 14178648.1.1信息共享策略 143658.1.2库存管理策略 1448038.1.3物流优化策略 14314558.1.4供应商管理策略 14295338.2供应链协同管理优化方法 14102088.2.1数据挖掘与分析方法 15243398.2.2机器学习方法 15284708.2.3优化算法 15168438.3基于云计算与大数据的供应链协同优化案例分析 1552508.3.1案例背景 156848.3.2优化策略与方法应用 15297448.3.3案例实施与效果评估 15242668.3.4案例启示 1518425第9章供应链协同管理风险与控制 1577209.1供应链协同管理风险识别 15819.1.1内部风险识别 1576509.1.2外部风险识别 15252139.2供应链协同管理风险评估 16165019.2.1风险概率评估 16225659.2.2风险影响评估 1675539.2.3风险矩阵构建 1611769.3基于云计算与大数据的供应链协同风险控制策略 16216359.3.1数据采集与分析 1654119.3.2风险预警机制 16169719.3.3风险应对策略 16115619.3.4风险控制与持续改进 165951第10章结论与展望 17507910.1研究结论 173192110.2研究局限与未来展望 171451110.3对供应链协同管理实践的启示与建议 17第1章引言1.1研究背景全球经济的快速发展，供应链管理在企业竞争中的地位日益凸显。云计算和大数据技术的兴起为供应链协同管理带来了新的机遇和挑战。供应链协同管理旨在通过各环节企业的紧密合作，实现资源整合、降低成本、提高服务质量。在我国，众多企业已逐步认识到云计算和大数据技术在供应链管理中的重要性，并积极摸索运用这些技术优化供应链协同管理。但是在实际应用中，仍存在诸多问题，如信息孤岛、数据挖掘不足、协同效率低下等。为此，本研究针对云计算和大数据环境下的供应链协同管理优化展开探讨。1.2研究目的与意义本研究旨在深入分析云计算和大数据技术在供应链协同管理中的应用现状，揭示现有管理模式的不足，提出针对性的优化措施。研究目的如下：（1）探讨云计算和大数据技术在供应链协同管理中的应用现状，为企业管理提供理论指导。（2）分析现有供应链协同管理中存在的问题，为优化管理提供实践依据。（3）构建基于云计算和大数据的供应链协同管理优化模型，提高供应链协同效率。本研究具有以下意义：（1）有助于企业充分认识云计算和大数据技术在供应链管理中的价值，提高管理水平。（2）为企业提供一套科学、实用的供应链协同管理优化方法，提升企业竞争力。（3）为我国供应链协同管理领域的研究和实践提供有益借鉴。1.3研究方法与结构安排本研究采用文献分析、实证分析、案例分析等方法，结合云计算和大数据技术，对供应链协同管理进行深入研究。具体研究方法如下：（1）文献分析：通过查阅国内外相关文献，梳理云计算和大数据在供应链协同管理中的应用现状、问题及优化措施。（2）实证分析：收集企业实际数据，运用统计学方法分析现有供应链协同管理中存在的问题，为优化提供依据。（3）案例分析：选取典型企业进行案例研究，深入剖析云计算和大数据在供应链协同管理中的应用效果。本研究结构安排如下：第2章：介绍供应链协同管理的基本理论，包括概念、发展历程、影响因素等。第3章：分析云计算和大数据技术在供应链协同管理中的应用现状及存在的问题。第4章：构建基于云计算和大数据的供应链协同管理优化模型，并提出具体优化措施。第5章：通过实证分析和案例分析，验证优化模型的有效性和可行性。第6章：总结研究成果，提出未来研究方向。第2章云计算与大数据技术概述2.1云计算技术云计算技术作为一种新型的计算模式，通过互联网将计算资源、存储资源和应用服务进行集中整合，为用户提供按需分配、可扩展的计算能力。它具有弹性伸缩、资源池化、服务定制化和高可靠性等特点。在供应链协同管理中，云计算技术为各环节提供了强大的数据处理和存储能力，有效支撑了供应链的运作。2.1.1云计算架构云计算架构主要包括基础设施层、平台层和应用层。基础设施层提供计算、存储和网络资源，平台层提供开发、运行和管理应用的服务，应用层则提供各种云计算应用。2.1.2云计算服务模式云计算服务模式主要包括基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。这些服务模式为供应链协同管理提供了灵活的选择，可以根据需求选择合适的云服务。2.1.3云计算技术在供应链管理中的应用云计算技术在供应链管理中的应用主要体现在以下方面：（1）提高数据处理能力：云计算技术可以为供应链管理提供强大的数据处理能力，实现海量数据的快速存储、计算和分析。（2）降低硬件投资成本：通过云计算，企业可以减少对硬件设备的投资，降低IT运维成本。（3）提升供应链协同效率：云计算技术有助于实现供应链各环节的信息共享和协同工作，提高供应链整体运作效率。2.2大数据技术大数据技术是指从海量数据中提取有价值信息的一系列技术手段，包括数据采集、存储、处理、分析和可视化等。大数据技术为供应链协同管理提供了丰富的数据支持，有助于提高供应链管理的决策质量和效率。2.2.1大数据技术架构大数据技术架构主要包括数据源、数据存储、数据处理和分析、数据可视化等环节。这些环节共同构成了大数据处理的全流程。2.2.2大数据关键技术大数据关键技术包括分布式存储、分布式计算、数据挖掘、机器学习等。这些技术为供应链协同管理提供了强大的数据分析和处理能力。2.2.3大数据在供应链管理中的应用大数据在供应链管理中的应用主要体现在以下方面：（1）需求预测：通过对历史数据的挖掘和分析，预测未来市场需求的走势，为供应链管理提供决策依据。（2）库存优化：通过分析库存数据，实现库存的精细化管理，降低库存成本。（3）供应链风险预警：通过对供应链各环节数据的实时监测和分析，提前发觉潜在风险，制定应对措施。2.3云计算与大数据在供应链管理中的应用云计算与大数据技术在供应链管理中的应用相辅相成，共同推动供应链协同管理向智能化、高效化方向发展。（1）云计算为大数据提供基础设施支持：云计算技术为大数据的存储、计算和分析提供了强大的基础设施支持，使大数据在供应链管理中的应用成为可能。（2）大数据助力云计算实现价值最大化：大数据技术在云计算平台中发挥重要作用，通过对海量数据的分析和挖掘，为供应链管理提供有价值的决策支持。（3）云计算与大数据在供应链协同管理中的融合应用：云计算与大数据技术相结合，可以实现供应链各环节的实时数据共享、协同决策和优化调度，提高供应链整体运作效率。云计算与大数据技术为供应链协同管理提供了强大的技术支持，有助于实现供应链管理的优化和升级。第3章供应链协同管理理论3.1供应链协同管理概念供应链协同管理（SupplyChainCollaborationManagement,SCCM）是指为实现供应链整体最优，通过信息共享、资源整合、风险共担、利益共享等方式，对供应链各环节的企业进行协调、优化和整合的一种管理方式。在云计算和大数据环境下，供应链协同管理强调各节点企业充分利用现代信息技术，提高供应链运作效率，降低成本，提升整体竞争力。3.2供应链协同管理的核心要素供应链协同管理的核心要素包括以下几点：（1）信息共享：信息共享是供应链协同管理的基础，通过构建统一的信息平台，实现供应链各环节企业间的信息共享，降低信息不对称性，提高供应链运作效率。（2）资源整合：资源整合是供应链协同管理的手段，通过整合供应链上的资金、物流、信息等资源，实现资源优化配置，提升供应链整体竞争力。（3）协同计划与决策：协同计划与决策是供应链协同管理的核心，涉及供应链各环节的产能规划、库存管理、物流配送等方面。通过协同计划与决策，实现供应链整体最优。（4）风险管理：风险管理是供应链协同管理的关键环节。供应链各环节企业应共同识别、评估和应对潜在风险，保证供应链稳定运作。（5）激励机制：激励机制是推动供应链协同管理的重要手段，通过合理的利益分配和风险共担，促使供应链各环节企业积极参与协同管理，实现共赢。3.3供应链协同管理的价值与挑战供应链协同管理为企业带来了以下价值：（1）提高运作效率：通过信息共享、资源整合等手段，降低供应链运作成本，提高整体效率。（2）增强市场响应速度：协同管理使企业能够快速响应市场变化，满足客户需求，提升市场份额。（3）优化库存管理：通过协同计划与决策，实现库存优化，降低库存成本。（4）提升客户满意度：协同管理有助于提高产品质量、降低交付周期，从而提升客户满意度。但是供应链协同管理也面临以下挑战：（1）信任机制：建立供应链各环节企业间的信任关系，是实现协同管理的关键。（2）信息安全和隐私保护：在信息共享过程中，如何保证信息安全和企业隐私不受侵犯，是亟待解决的问题。（3）协同决策的复杂性：供应链协同决策涉及多个环节、多个企业，决策过程复杂，对决策者的能力和经验提出了较高要求。（4）技术支持：云计算、大数据等技术的应用为供应链协同管理提供了支持，但如何充分利用这些技术，实现供应链的优化，仍需不断摸索和实践。第4章供应链协同管理现状分析4.1国内外供应链协同管理发展现状4.1.1国外发展现状国外企业在供应链协同管理方面的发展较早，已形成较为成熟的理论体系和实践模式。跨国公司通过建立全球化的供应链网络，实现资源优化配置，提高市场响应速度。国际标准化组织对供应链管理相关标准的制定，为全球供应链协同管理提供了统一的语言和操作规范。4.1.2国内发展现状我国企业在供应链协同管理方面取得了显著成果。，积极推动供应链创新发展，出台了一系列政策措施；另，企业自身也在不断摸索和实践，逐步形成了具有中国特色的供应链协同管理模式。但与国外先进水平相比，我国供应链协同管理仍存在一定差距。4.2供应链协同管理存在的问题4.2.1信息共享不足供应链各环节之间信息不对称，导致资源难以有效配置。信息共享不足使得企业在应对市场变化时，难以做出快速、准确的决策。4.2.2协同效率低下供应链各环节协同效率低下，主要表现在物流、资金流、信息流等方面。协同效率低下导致企业运营成本上升，降低了整体竞争力。4.2.3供应链风险管理不足供应链风险管理意识薄弱，风险识别、评估和应对措施不力。一旦发生风险事件，可能导致供应链中断，给企业带来重大损失。4.2.4技术支持不足现有供应链协同管理技术手段较为落后，难以满足企业高效、智能化的需求。技术支持不足成为制约供应链协同管理发展的瓶颈。4.3云计算与大数据在供应链协同管理中的应用前景4.3.1云计算的应用云计算技术为实现供应链协同管理提供了有力支持。通过云计算平台，企业可以快速、低成本地部署和优化供应链管理应用，提高资源利用率，降低运营成本。（1）云计算有助于实现供应链信息共享，提高决策效率。（2）云计算平台可以整合供应链各环节资源，提升协同效率。（3）云计算为供应链风险管理提供技术支持，增强企业风险防控能力。4.3.2大数据的应用大数据技术在供应链协同管理中的应用前景广阔，有助于企业实现以下目标：（1）通过数据分析，挖掘供应链潜在价值，提升运营效率。（2）预测市场趋势，指导企业制定更精准的采购、生产和销售策略。（3）优化供应链结构，降低成本，提高竞争力。（4）实时监控供应链运行状况，及时发觉和解决问题。云计算和大数据技术在供应链协同管理中具有巨大的应用潜力。企业应充分认识其重要性，加大投入，推动供应链协同管理优化升级。第5章基于云计算的供应链协同管理体系构建5.1云计算在供应链协同管理中的作用5.1.1提高数据处理能力云计算技术为供应链协同管理提供了强大的数据处理能力，有效应对日益增长的数据规模和复杂度。通过云计算平台，企业可以实现数据的高效存储、计算和分析，为供应链协同管理提供有力支持。5.1.2优化资源配置云计算技术有助于供应链企业间资源的优化配置，实现资源的高效利用。通过云计算平台，企业可以共享资源，降低硬件设备投入，降低运营成本。5.1.3提升协同效率云计算技术可以实现供应链各环节的信息共享与协同，提高供应链整体运作效率。通过云计算平台，企业可以实时获取供应链各环节的信息，实现业务协同，提升供应链响应速度。5.1.4增强业务灵活性云计算技术为供应链协同管理提供灵活的业务拓展能力，助力企业快速应对市场变化。企业可根据业务需求，动态调整云计算资源，实现业务快速上线和扩展。5.2基于云计算的供应链协同管理架构设计5.2.1云计算平台架构基于云计算的供应链协同管理平台架构包括基础设施层、平台层、应用层和用户层。基础设施层提供计算、存储、网络等资源；平台层提供大数据处理、数据挖掘、人工智能等技术支持；应用层实现供应链协同管理的各项业务功能；用户层为供应链各环节的企业提供访问接口。5.2.2数据流转机制设计合理的数据流转机制，保证供应链各环节的数据在云计算平台中高效流动。通过数据采集、数据存储、数据处理和数据展示等环节，实现数据的全生命周期管理。5.2.3协同管理模块设计针对供应链各环节的业务需求，设计协同管理模块，包括供应商管理、库存管理、物流管理等。通过模块间的信息共享与协同，提高供应链整体运作效率。5.3云计算环境下供应链协同管理的关键技术5.3.1大数据处理技术采用大数据处理技术，对供应链海量数据进行实时分析和挖掘，为企业决策提供有力支持。5.3.2云计算资源调度技术通过云计算资源调度技术，实现资源的高效利用和优化配置，提升供应链协同管理的功能。5.3.3信息安全技术在云计算环境下，保障供应链协同管理的信息安全。采用加密、身份认证、访问控制等技术，保证数据安全和隐私保护。5.3.4云计算服务质量管理通过云计算服务质量管理技术，保障供应链协同管理平台的稳定运行，提高服务质量。5.3.5云计算标准化技术推进云计算标准化技术的研究与应用，实现供应链协同管理平台间的互操作性和兼容性。第6章大数据在供应链协同管理中的应用6.1大数据在供应链协同管理中的价值6.1.1提高供应链决策效率大数据技术为供应链协同管理提供了丰富的信息资源，通过实时采集、处理和分析各类数据，有助于企业快速响应市场变化，提高供应链决策的时效性和准确性。6.1.2优化供应链资源配置基于大数据分析，企业可以更加精确地预测市场需求，合理调配资源，降低库存成本，提高供应链整体运作效率。6.1.3提升供应链风险管理水平大数据技术有助于挖掘供应链中的潜在风险，提前进行预警，从而降低供应链中断的可能性，提高企业的风险应对能力。6.2大数据采集与处理技术6.2.1数据采集技术针对供应链协同管理的需求，介绍多种数据采集技术，包括物联网技术、传感器技术、RFID技术等，实现对供应链各环节的实时监控和数据采集。6.2.2数据存储与处理技术介绍大数据存储技术（如Hadoop、Spark等）和数据处理技术（如数据清洗、数据挖掘、机器学习等），为供应链协同管理提供高效、稳定的数据支持。6.2.3数据分析与可视化技术阐述数据分析与可视化技术在供应链协同管理中的应用，如数据挖掘、关联分析、预测模型等，帮助企业更好地理解供应链数据，为决策提供有力支持。6.3基于大数据的供应链协同优化策略6.3.1需求预测与库存管理优化利用大数据分析技术，结合历史销售数据、市场趋势、季节性因素等，对市场需求进行精准预测，从而优化库存管理，降低库存成本。6.3.2供应商协同优化通过大数据技术，分析供应商的交货质量、价格、服务水平等数据，实现供应商的智能筛选与协同管理，提高供应链整体竞争力。6.3.3物流与配送优化基于大数据分析，优化物流运输路线、配送策略等，降低物流成本，提高物流效率。6.3.4供应链金融创新利用大数据技术，对供应链上下游企业的信用状况、经营状况等进行评估，为供应链金融创新提供数据支持，缓解中小企业融资难题。6.3.5供应链风险管理通过大数据分析，挖掘供应链中的潜在风险因素，构建风险预警模型，提高供应链风险管理水平。第7章供应链协同管理中的数据挖掘与分析7.1数据挖掘技术在供应链协同管理中的应用供应链协同管理作为提升供应链效率与竞争力的关键环节，日益受到企业的重视。数据挖掘技术作为一种从大量数据中提取有价值信息的方法，其在供应链协同管理中的应用具有现实意义。本节将探讨数据挖掘技术在供应链协同管理中的具体应用。7.1.1客户需求预测通过对销售数据、市场调查数据等进行分析，数据挖掘技术可以辅助企业预测客户需求，从而指导生产、采购和库存管理等环节，实现供应链的优化。7.1.2供应商评价与选择数据挖掘技术可以从供应商的历史数据、质量数据、交货数据等多方面进行综合分析，帮助企业评估供应商的绩效，从而选择合适的供应商，降低供应链风险。7.1.3供应链风险预警利用数据挖掘技术，对供应链各环节的数据进行监控与分析，发觉潜在的风险因素，及时发出预警，为供应链协同管理提供决策支持。7.1.4库存优化数据挖掘技术可以分析销售数据、库存数据等，帮助企业制定合理的库存策略，降低库存成本，提高库存周转率。7.2常见数据挖掘算法介绍本节将简要介绍几种在供应链协同管理中常见的数据挖掘算法，为后续实践环节提供理论支持。7.2.1决策树算法决策树算法是一种基于树结构进行分类与回归的方法，具有易于理解、计算效率高等优点，适用于供应链协同管理中的分类和预测任务。7.2.2支持向量机算法支持向量机（SVM）算法是一种基于最大间隔的分类方法，具有较强的泛化能力，适用于供应链协同管理中的分类和回归问题。7.2.3聚类分析算法聚类分析算法是一种无监督学习算法，可以将相似的数据点划分为一个类别。在供应链协同管理中，聚类分析算法可用于客户细分、供应商分类等。7.2.4关联规则算法关联规则算法主要用于发觉数据中的频繁项集和关联关系，适用于供应链协同管理中的商品推荐、销售策略优化等场景。7.3基于大数据的供应链协同管理数据挖掘与分析实践本节将以实际案例为例，介绍基于大数据的供应链协同管理数据挖掘与分析实践。7.3.1案例背景以某制造企业为例，企业面临库存成本高、交货周期长等问题，希望通过数据挖掘技术优化供应链协同管理。7.3.2数据准备收集企业内部的销售数据、采购数据、库存数据等，以及外部市场数据、竞争对手数据等，进行数据清洗和预处理。7.3.3模型构建采用决策树算法、支持向量机算法、聚类分析算法等，分别对客户需求预测、供应商评价与选择、库存优化等环节进行建模。7.3.4模型应用将训练好的模型应用于实际业务场景，如预测客户需求、评估供应商绩效、制定库存策略等。7.3.5效果评估通过对比模型应用前后的业务指标，如库存周转率、交货周期、成本节约等，评估数据挖掘与分析在供应链协同管理中的实际效果。第8章供应链协同管理优化策略与方法8.1供应链协同管理优化策略8.1.1信息共享策略在供应链协同管理中，信息共享是提高效率、降低成本的关键。本节将探讨如何利用云计算与大数据技术，实现供应链各方之间的信息共享，促进供应链协同管理优化。8.1.2库存管理策略结合云计算与大数据技术，分析供应链中的库存管理问题，提出合理的库存管理策略，以降低库存成本、提高库存周转率。8.1.3物流优化策略本节将从运输、配送等环节出发，探讨基于云计算与大数据的物流优化策略，旨在提高物流效率、降低物流成本。8.1.4供应商管理策略基于云计算与大数据技术，分析供应商选择、评价和激励机制，以实现供应链协同管理中的供应商优化。8.2供应链协同管理优化方法8.2.1数据挖掘与分析方法介绍数据挖掘技术在供应链协同管理中的应用，如关联规则挖掘、分类与预测等，以实现对供应链数据的深入分析。8.2.2机器学习方法利用机器学习算法，如支持向量机、神经网络等，对供应链协同管理中的数据进行建模，以提高预测准确性。8.2.3优化算法介绍遗传算法、粒子群优化算法等优化算法在供应链协同管理中的应用，以实现对供应链协同管理的优化。8.3基于云计算与大数据的供应链协同优化案例分析8.3.1案例背景介绍一个典型的供应链协同管理优化项目，分析项目背景、目标和挑战。8.3.2优化策略与方法应用详细阐述本项目在供应链协同管理优化过程中，如何运用8.1和8.2节所提出的策略与方法。8.3.3案例实施与效果评估介绍案例实施的具体过程，以及实施后对供应链协同管理的优化效果进行评估。8.3.4案例启示第9章供应链协同管理风险与控制9.1供应链协同管理风险识别9.1.1内部风险识别组织结构风险：分析企业内部组织结构对供应链协同管理的影响，如决策迟缓、信息传递不畅等。运营风险：识别供应链协同过程中可能出现的运营问题，如生产、库存积压等。信息系统风险：评估企业信息系统在供应链协同管理中的稳定性、安全性和可靠性。9.1.2外部风险识别市场风险：分析市场需求波动、竞争对手策略调整等因素对供应链协同管理的影响。政策风险：关注国家政策、行业法规等变化，评估其对供应链协同