數(shù)據(jù)挖掘物流管理

數(shù)據(jù)挖掘物流管理

現(xiàn)代物流系統(tǒng)是一個復(fù)雜的系統(tǒng)，包括運輸、倉儲、配送、搬運、包裝和物流再加工等諸多環(huán)節(jié)，信息流量十分巨大。巨大的數(shù)據(jù)流，使得企業(yè)很難對這些數(shù)據(jù)進(jìn)行準(zhǔn)確、高效的收集和及時處理，因此決策者也就很難做出快速、準(zhǔn)確地決策，實現(xiàn)對物流過程的控制，降低整個過程的物流成本。隨著知識經(jīng)濟(jì)和現(xiàn)代信息技術(shù)的迅猛發(fā)展，信息技術(shù)特別是網(wǎng)絡(luò)技術(shù)的發(fā)展，為物流發(fā)展提供了強有力的支撐。物流管理信息系統(tǒng)是企業(yè)信息系統(tǒng)和企業(yè)信息化的基礎(chǔ)，能夠利用信息技術(shù)對物流中的各種信息進(jìn)行實時、集中、統(tǒng)一管理。

數(shù)據(jù)挖掘技術(shù)就是利用機器學(xué)習(xí)統(tǒng)計數(shù)學(xué)和可視化技術(shù)，從大量的數(shù)據(jù)庫中確認(rèn)出有效的、新穎的、潛在的、有用的以及最終挖掘出可理解模式的高級處理過程。數(shù)據(jù)挖掘?能夠挖掘蘊藏在海量數(shù)據(jù)中大量未知的和有價值的信息，為企業(yè)物流管理提供各種決策信息，減輕物流管理者從事低層次信息處理和分析的負(fù)擔(dān)，使他們專注于最需要決策智慧和經(jīng)驗的工作，因此提高了管理和決策的水平。隨著信息技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)將為企業(yè)物流管理決策提供越來越強大的支持功能。

2數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。

完整的數(shù)據(jù)挖掘過程分為四步進(jìn)行。第一步是確定業(yè)務(wù)對象，清晰地定義出業(yè)務(wù)問題,認(rèn)清數(shù)據(jù)挖掘的目的；第二步是數(shù)據(jù)準(zhǔn)備，先要搜索所有與業(yè)務(wù)對象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息,并從中選擇出適用于數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)。接下來對數(shù)據(jù)進(jìn)行預(yù)處理，研究數(shù)據(jù)的質(zhì)量,為進(jìn)一步的分析作準(zhǔn)備。還要對數(shù)據(jù)進(jìn)行轉(zhuǎn)換，將數(shù)據(jù)轉(zhuǎn)換成一個適合挖掘算法的分析模型；第三步是數(shù)據(jù)挖掘，完善從選擇合適的挖掘算法，對所得到的經(jīng)過轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘；最后一步是結(jié)果分析，解釋并評估結(jié)果。

數(shù)據(jù)挖掘的主要技術(shù)有集合論法、決策樹法、遺傳算法、神經(jīng)網(wǎng)絡(luò)方法等。集合論法又分為粗集理論方法、概念樹方法、覆蓋正例排斥反例方法等。決策樹法又分為ID3算法、CLS算法、IBLE算法等。遺傳算法又分為分布并行遺傳算法、進(jìn)化算法等。

數(shù)據(jù)挖掘為管理決策提供的模型常見的有以下五類：

分類發(fā)現(xiàn)模型。分類的目的是學(xué)會一個分類函數(shù)，通過分類器把數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定類別中的某一個。分類器的構(gòu)造方法有統(tǒng)計方法、機器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法、粗糙集方法等。

聚類模型。聚類是把一組個體按照相似性歸成若干類別，使得屬于同一類別的個體之間的距離盡可能的小，而不同類別上的個體間的距離盡可能的大。聚類方法包括統(tǒng)計方法、機器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和面向數(shù)據(jù)庫的方法。

關(guān)聯(lián)規(guī)則模型。關(guān)聯(lián)規(guī)則反映一個事件和其他事件之間依賴或關(guān)聯(lián)的知識。如果兩項或多項之間存在關(guān)聯(lián)，那么其中一項的屬性值就可以依據(jù)其他屬性值進(jìn)行預(yù)測。最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是提出的Apriori算法。

預(yù)測型知識模型。它是根據(jù)時間序列型數(shù)據(jù)，由歷史的和當(dāng)前的數(shù)據(jù)去推測未來的數(shù)據(jù)。時間序列預(yù)測方法有經(jīng)典的統(tǒng)計方法、神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)等。

偏差型知識模型。它是對差異和極端特例的描述，揭示事物偏離常規(guī)的異常現(xiàn)象，如標(biāo)準(zhǔn)類外的特例，數(shù)據(jù)聚類外的離群值等。

3關(guān)鍵技術(shù)分析

基于數(shù)據(jù)挖掘的物流管理信息系統(tǒng)的關(guān)鍵技術(shù)主要包括數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、數(shù)據(jù)分析工具等。

數(shù)據(jù)倉庫技術(shù)。數(shù)據(jù)倉庫是來自多個源的數(shù)據(jù)的存儲庫，它可通過Internet將不同的數(shù)據(jù)庫連接起來，并將數(shù)據(jù)全部或部分復(fù)制到一個數(shù)據(jù)存儲中心。數(shù)據(jù)倉庫傾向于一個邏輯的概念，它建立在一定數(shù)量的數(shù)據(jù)庫之上，這些數(shù)據(jù)庫在物理上是可以分開的。數(shù)據(jù)倉庫通過Internet打破地域界限，將它們合成一個邏輯整體，把一個海量的數(shù)據(jù)庫展現(xiàn)在用戶面前。數(shù)據(jù)倉庫管理系統(tǒng)的一項重要工作是實現(xiàn)對傳統(tǒng)數(shù)據(jù)庫進(jìn)行提取、清理和轉(zhuǎn)載到數(shù)據(jù)倉庫中。

數(shù)據(jù)挖掘技術(shù)。這是整個系統(tǒng)的難點和重點，主要涉及模式模型和挖掘算法。目前，己形成了多種數(shù)據(jù)挖掘方法，如分類知識發(fā)現(xiàn)、數(shù)據(jù)總結(jié)、數(shù)據(jù)聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常發(fā)現(xiàn)、趨勢預(yù)測等。各種方法均有它一定的優(yōu)點，也有它的不足。幾種技術(shù)并不是單一的使用，而是根據(jù)實際情況綜合的加以應(yīng)用?，F(xiàn)在一些流行的數(shù)據(jù)挖掘工具一般都包括了幾種方法。如IBM公司Almaden研究中心開發(fā)的QUEST系統(tǒng)，SGI公司開發(fā)的MineSet系統(tǒng)都是多模式的挖掘工具。

數(shù)據(jù)分析工具。數(shù)據(jù)倉庫雖然存有大量數(shù)據(jù)，但提供輔助決策的信息需要利用各種分析工具，如聯(lián)機分析處理工具、統(tǒng)計分析和查詢優(yōu)化工具等。這些工具的性能對管理決策的效果有著重要的影響。目前已出現(xiàn)具有智能功能的強大的數(shù)據(jù)分析工具，這些分析工具不僅能在系統(tǒng)運行時采集和處理數(shù)據(jù)，同時也支持對其他業(yè)務(wù)系統(tǒng)的數(shù)據(jù)進(jìn)行采集。

4、數(shù)據(jù)挖掘在物流管理中的應(yīng)用

選址問題。物流中心選址問題屬于最小成本問題，即求解是運輸成本、變動處理成本和固定成本等之和為最小的最小化問題。物流中心選址，需要考慮到中心點數(shù)量和中心點如何分布等情況。由于單一中心選址較為簡單，我們著重討論多個中心選址的問題。所謂多中心選址是指在一些已知的備選地點中選出一定數(shù)目的地點來設(shè)置物流中心，使形成的物流網(wǎng)絡(luò)的總費用最小，其中包括基本的投資費用、可變費用和不變費用。對于這類問題。在實際操作中，當(dāng)問題規(guī)模變得很大，或者要考慮一些市場因素時，數(shù)學(xué)規(guī)劃就存在一些困難，因此，針對這一問題，可以用數(shù)據(jù)挖掘中的分類樹方法來加以解決。通過分類樹的方法，不僅確定了中心點的位置，同時也確定每年各個地址間物品的運輸量，使整個企業(yè)必要的銷售量得到保證。企業(yè)的長期折現(xiàn)的總成本也會達(dá)到最小值。

配送問題。配送問題是現(xiàn)代物流系統(tǒng)中重要的一部分，配送問題包括配送計劃的編制、配送路線的設(shè)計和優(yōu)化以及配送過程中的配載問題，在許多配送體系中，管理人員需要采取有效的配送策略以提高服務(wù)水平、降低貨運費用。其中要考慮到的有車輛的路徑問題，車輛路徑問題是為一些車輛確定一些客戶的路徑，每一客戶只能被訪問一次，且每條路徑上的客戶需求量之和不能超過車輛的承載能力。其次還會考慮到車輛的利用能力，如果車輛在運輸過程中的空載率過高或整車的運力不完全利用，這些無疑會增加企業(yè)的運輸成本;另外涉及到車輛的運輸能力，就必須考慮到貨品的規(guī)格大小和利潤價值的大小。在采取有效的配送策略時這些因素都必須同時考慮，這時如果能夠?qū)︻櫩偷男枨蠛瓦\輸路徑綜合起來進(jìn)行分類，對整個配送策略中車輛的合理選擇分派會有著較好的作用。

倉儲問題。倉庫問題在物流管理中正扮演著非常重要的角色。倉庫問題包括存儲貨物、中轉(zhuǎn)運輸、顧客服務(wù)三方面的內(nèi)容，在這三方面的成本計算中，倉儲成本無疑在企業(yè)總的成本核算中占很大一部分，如何合理安排貨品的存儲、壓縮貨品的存儲成本正成為現(xiàn)代物流管理者不斷思考的問題，對于貨品的存放問題，哪些貨品放在一起可以提高揀貨效率？哪些貨品放在一起卻達(dá)不到這樣的效果呢？其實在解決這個問題上，我們可以采取數(shù)據(jù)挖掘中的關(guān)聯(lián)模式分析來幫助解決這方面的問題。

伴隨著信息時代的數(shù)據(jù)量劇增的顯著特征，深化物流信息