浅析数据挖掘技术在现代物流管理中的应用

《浅析数据挖掘技术在现代物流管理中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、万方数据第23卷第3期2009年6月河南财政税务高等专科学校学报Jo哪lofHenanCoUegeofFin锄ce&7IkationV01．23．No．3Jun．2009浅析数据挖掘技术在现代物流管理中的应用孙俊玲(河南财政税务高等专科学校信息工程系，河南郑州450002)[关键词]数据挖掘；物流管理；信息系统[摘要]数据挖掘技术就是利用机器学习统计数学和可视化技术，挖掘蕴藏在海量数据中大量未知的、有价值的信息，为企业物流管理提供各种决策信息。基于数据挖掘的现代物流管理信息系统的关键技术主要包括数据仓库技术、数据挖掘技术、数据分析工具等。数据挖掘技术将成为深化物流信息管理的最有效方法，

2、在解决选址、仓储和配送等基础物流问题方面可以发挥出很大的作用。沃尔玛公司就是一个成功应用数据挖掘技术的例证。[中图分类号]砣53．9[文献标识码]A[文章编号]1008—5793(2009)03—0045—03现代物流系统是一个庞大复杂的系统，特别是全程物流，它包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节，每个环节的信息流量都十分巨大。同时，信息化物流网络体系的应用也使得数据库规模不断扩大，巨大的数据流使企业难以对其进行准确、高效的收集和及时处理。为了帮助决策者快速、准确地作出决策，实现对物流过程的控制，提高企业的运作效率，降低整个过程的物流成本，增加收益，就需要一种新的数据

3、分析技术来处理数据。数据挖掘(DataMining)技术能够挖掘蕴藏在海量数据中大量未知的、有价值的信息，为企业物流管理提供各种决策信息，减轻物流管理者从事低层次信息处理和分析的负担，使其专注于最需要决策智慧和经验的工作，从而提高管理和决策的水平。随着信息技术的不断发展，数据挖掘技术将为企业物流管理决策提供越来越强大的支持功能。一、数据挖掘关键技术分析数据挖掘是将人工智能技术(神经网络、模糊逻辑、遗传算法等)应用到大规模数据中，从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但是又潜在有用的信息和知识的过程。数据挖掘作为知识发现的一个特定步骤，是知

4、识发现的核心，其目标就是利用算法从数据中抽取模式，将大容量数据转换为有用的知识和信息。基于数据挖掘的现代物流管理信息系统的关键技术主要包括数据仓库技术、数据挖掘技术、数据分析工具等。数据仓库技术。数据仓库是来自多个源的数据的存储库，它可通过Intemet将不同的数据库连接起来并将数据全部或部分复制到一个数据存储中心。数据仓库倾向于一个逻辑的概念，即它建立在一定数量的数据库之上，这些数据库在物理上是可以分开的。数据仓库通过Intemet打破地域界限，将它们合成一个逻辑整体，把一个海量的数据库展现在用户面前。数据仓库管理系统的一项重要工作是实现对传统数据库的提取、清理和转载。数据挖掘技术。

5、这是整个系统的难点和重点，主要涉及模式模型和挖掘算法。目前，已形成了多种数据挖掘方法，如分类知识发现、数据总结、数据聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常发现、趋势预测等。各种方法均有自身优点和不足。因此，在实际应用中并不是几种技术单一的使用，而是根据实际情[收稿日期]2009—05—20[作者简介]孙俊玲(1972一)，女，河南南阳人，河南财政税务高等专科学校讲师，研究方向为管理学。45万方数据况综合地加以应用。现在一些流行的数据挖掘工具一般都包括了几种方法，如IBM公司Almaden研究中心开发的QuEsT系统，SGI公司开发的MineSet系统都是多模式的

6、挖掘工具。数据分析工具。数据仓库虽然存有大量数据，但提供辅助决策的信息还需要利用各种分析工具，如联机分析处理(OLAP)工具、统计分析和查询优化工具等。这些工具的性能对管理决策的效果有着重要的影响。目前已出现了具有智能功能的强大的数据分析工具，这些分析工具不仅能在系统运行时采集和处理数据，而且也支持对其他业务系统的数据进行采集。二、数据挖掘技术在现代物流管理中的应用分析现代物流的新理念包括反应快速化、服务系列化、作业规范化、目标系统化、手段现代化、组织网络化、经营市场化，这些都离不开完善的信息系统的支撑。随着数据量的剧增，数据挖掘技术将成为深化物流信息管理的最有效方法，在解决选址、仓储

7、和配送等基础物流问题方面可以发挥出很大的作用。(一)选址问题物流中心的选址属于最小成本问题，即求解运输成本、变动处理成本和固定成本等之和的最小化问题。选址需要考虑到中心点数量和中心点如何分布等问题，尤其是多中心选址的问题。多中心选址是指在一些已知的备选地点中选出一定数目的地点来设置物流中心，使形成的物流网络的总费用最低。在实际操作中，当问题规模变得很大或者要考虑一些市场因素(比如顾客需求量)时，数学规划就存在一些困难。针对这一问题，可以用数据挖