中国空调制冷设备论坛

 找回密码
 立即注册

扫一扫,访问微社区

QQ登录

只需一步,快速开始

本站赞助商,制冷设备调剂商的网络名片,点击扫一扫,自动添加http://www.eszhileng.com
查看: 22|回复: 2

数据挖掘技术在冷链物流行业的应用---1

[复制链接]

80

主题

290

帖子

3万

积分

论坛元老

Rank: 8Rank: 8

积分
34128
发表于 2018-6-10 10:38:08 | 显示全部楼层 |阅读模式
现今,冷链行业的发展正处于缓慢上升期,具有较好的市场前景,然而也面临着诸多亟待克服的难题。当运用传统方法来解决这些问题时,将会面临投入成本高,收效缓慢,回报率低等诸多缺陷。随着现代社会逐步进入互联网+大数据时代,大数据逐渐成为生产中的重要因素。大数据时代的到来不可避免地为行业未来发展和数据挖掘的能力带来了挑战。利用数据背后的价值,摆脱数据坟墓的困境,寻求大量数据的二次或多次利用,形成可持续的竞争优势,不仅是各大企业所面临的挑战,也是机遇。数据库中的知识发现是在1989年被定义的,作为从数据集中识别有效、潜在有用和最终便于理解应用的非平凡过程。数据挖掘是基于数据库技术的知识发现的关键步骤,通常是指在大量数据中搜索隐藏信息的过程,其核心是一种归纳,分析和探索性的方法,通过识别大量数据中的模式来获得知识发现,长期以来一直被应用于营销、广告、健康、工程和信息系统等。
本文从国内的冷链物流行业目前的市场现实情况考虑,提出了该行业目前面临的问题,如冷链体系不够完善,供需两侧信息滞后等。而在该行业目前所面临的这些问题的背后,如何提升冷链物流行业的系统运营程度,扩大冷链物流在物流业市场所占市场份额,实现该行业的全面兴起,推动该行业的转型发展,已经迫在眉睫。针对目前所面临的问题,本文从大数据角度出发,利用数据挖掘的手段,将冷链中丰富的数据资源加以利用,提出相应的解决策略,可有效缓解目前行业所面临的部分难题,从而推进国内该行业在将来的发展,提高行业本身的市场竞争力,进一步缩小国内该行业与欧美等发达国家之间的差距,减少国内企业在国际市场中的差距。


数据挖掘


数据挖掘(Data Mining,DM)是一门新型商业信息处理技术,其结合了机器学习、人工智能、数据库技术、统计学、知识工程及信息检索等多学科理论,用于将数据库中的数据进行选取、转化、分析及模式化处理,发掘出数据背后所隐藏的信息与价值,从而辅助商业决策和促进行业发展。在整个冷链物流系统的运营过程中,从生产到运输再到销售的链条各个节点处,在设备上均装有传感器、GPS等产生并记录数据的器件,海量的多元化数据从不同的数据源产生并最终上传到云端积存。若是可以从数据集中提炼出潜在的、有价值的商业信息,甚至从相关的在线和离线数据中获取知识,能提高行业的生产管理决策的有效性和效率。


数据挖掘流程
对相关数据进行挖掘,主要是对其进行关联规则分析、聚类分析、信息分类、预测建模、时序模式和偏差分析等。整个流程包括有5个阶段:定义问题、数据准备、数据挖掘、结果分析以及知识应用,如图1所示。

图1  数据挖掘流程图
定义问题
数据挖掘的重要一步是认清数据挖掘的目的,即需要从数据中获取哪类知识,解决哪一类问题。在进行数据挖掘之前,应该清晰明了定义所需解决的问题,为数据挖掘明确方向。数据挖掘的结果是不可预测,但是探索的问题应该提前制定,不能盲目地进行数据挖掘。
数据准备
数据准备包括有原始数据收集和数据预处理两个阶段。在明确挖掘目的之后,便可以广泛收集与研究问题相关的内部与外部数据,对有关数据进行整理,并从中选出适用于数据挖掘的数据集。冷链物流行业中各种数据的采集都是通过传感器测量或者是人为记录所完成并上传至本地数据库或云端储存,而由于许多不确定因素,会导致所收集的数据中包含有噪声和异常数据。为了提高数据质量,提升数据挖掘的精度和性能,设置了数据预处理这一环节,用于清理数据中的噪声与异常数据。数据预处理主要包括有数据清洗、数据归一化以及条件筛选(剔除)。
数据挖掘
数据挖掘是获取数据背后知识的核心步骤,依赖MATLAB,Python等相关软件,选择合适的挖掘算法,建立并完善相应的算法模型对经过预处理后的数据进行挖掘,从而获取数据背后的价值。
结果分析
数据挖掘的结果通常是以图形或表格的形式呈现,而数学上的结果并不能很好地解释实际应用中的问题,因此需要结合专家经验来分析,并对模型结果进行评估。
知识应用
将数据挖掘获得的知识应用到冷链物流行业的实际业务当中,提升业务水平。


数据挖掘对象
数据挖掘的对象可以是任何来源的数据集,如关系数据库、面向对象数据库、文本数据库、多媒体数据库、空间数据库等等,其所涵盖的内容可以是数字或者非数字的,也可以是归纳的。因此,冷链物流各环节中所产生的多样化数据均可用于数据挖掘之中。


数据挖掘算法
在数据挖掘阶段,主要是利用相应的挖掘算法拟合出统计学模型,然后对数据进行数学分析,并获得知识,最终应用于冷链物流行业之中。数据挖掘算法有:分类、聚类、人工神经网络、关联规则、遗传算法等,表1所示为几种分类算法与聚类算法的特点。
表1  分类算法与聚类算法特点比较


本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
回复

使用道具 举报

1

主题

308

帖子

3万

积分

论坛元老

Rank: 8Rank: 8

积分
32747
发表于 2018-6-11 06:45:33 | 显示全部楼层
谁是谁生命中的过客,谁是谁生命的转轮,前世的尘,今世的风,无穷无尽的哀伤的精魂.
回复 支持 反对

使用道具 举报

16

主题

121

帖子

3万

积分

论坛元老

Rank: 8Rank: 8

积分
33495
发表于 2018-7-12 16:02:37 | 显示全部楼层
下流~~~~加~~~~~至极~~~~~~
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|中国空调制冷设备论坛 ( 苏ICP备16048160号-1 )

GMT+8, 2018-11-19 00:40 , Processed in 0.050759 second(s), 24 queries , Gzip On.

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表