基于数据挖掘的物流信息系统的分析和设计
2008-3-3 1:19:00 来源：物流天下 编辑：56885 关注度：摘要：... ...
现代物流系统是一个庞大复杂的系统，特别是全程物流，包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节，每个环节信息流量十分巨大。尤其是现代信息化物流网络体系的应用使原来数据库的规模不断扩大，产生巨大的数据流，使企业很难对这些数据进行准确、高效的收集和及时处理，以此帮助决策者做出快速、准确地决策，实现对物流过程的控制，降低整个过程的物流成本。数据挖掘技术能够帮助企业在物流信息系统管理中，及时、准确地收集和分析客户、市场、销售及整个企业内部的各种信息，对客户的行为及市场趋势进行有效的分析，了解不同客户的爱好，从而可以为客户提供有针对性的产品和服务，大大提高各类客户对企业和产品的满意度。
2.数据挖掘技术
数据挖掘是一个利用各种分析工具从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一种新的信息处理技术，其主要特点是对企业数据(仓库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助企业决策的关键性数据。因此，数据挖掘可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。数据挖掘的对象可为数据库、文件系统或其他任何组织在一起的数据集合。
数据挖掘过程一般由3个主要阶段组成：数据准备、数据采集、结果表达和解释。
1 数据准备对于数据挖掘的成功应用至关重要，数据准备大致分为3步： 数据集成、数据选择、数据转化。数据集成是从多个异质操作性数据库、文件或遗留系统提取并集成数据；数据选择是在相关领域和专家知识的指导下，辨别出需要进行分析的数据集合，缩小挖掘范围，避免盲目搜索，提高数据挖掘的效率和质量；数据缩减和转化是选定的数据在挖掘前，加以精炼处理，在专家的指导下得到的数据。
(2)数据采集作为数据挖掘技术的核心，主要是在确定挖掘任务的基础上，选择适当的数据挖掘技术和算法，并在此基础上反复迭代的搜索，从数据集合中抽取隐藏的、新颖的模式。如神经元网络、决策树、聚类分析技术、关联发现和序列发现技术等和ID3算法、BP算法等。
(3)结果表达和解释是对数据挖掘发现的模式进行解释和评价，过滤出有用的知识呈现给用户。 3.数据挖掘在物流信息系统中的应用
随着集成化物流管理信息系统的建立，以及网络技术、EDI、人工智能、条形码与POS等各种先进技术的应用，物流信息的商品化、物流信息收集的数据库化和代码、物流信息处理的电子化和计算机化，把挖掘到的规则与物流管理各方面有机地结合，就能极大地提高企业的竞争力。 物流决策系统是一种结合了数据挖掘技术和人工智能的新型经营决策系统，主要通过人工智能对原料采购、加工生产、分销配送到商品销售的各个环节的大量信息进行采集，并利用数据仓库和数据挖掘技术对其进行分析处理，并据此确定相应的经营策略。
3．1 数据仓库的建立
数据仓库作为数据挖掘的基础，不同于传统的联机事务处理系统，它具有面向主题的、集成的、不可更新以及随时间变化的特性。各个联机事务处理系统作为数据仓库的原始数据源，以文件方式提供企业在日常活动中收集的包括定货单、存货单、应付帐、交易条款、客户情况等在内的大量数据资料和报表，同时还有大量的外部信息等数据。数据仓库通过ETL过程(抽取、转换和加载处理这些接口文件，并且按不同的主题域组织、存储和管理这些客户数据。通过数据仓库接口，对数据仓库中的数据进行联机分析和数据挖掘。在建立完成企业级的信息数据仓库之后，可以基于这个数据仓库平台进行数据挖掘工作。
3．2 基于数据挖掘的物流信息系统的体系结构
基于数据挖掘的物流信息的体系结构主要由以下几部分组成：
⑴ 物流信息收集与处理：记录物流管理活动中的各类信息，对物流活动的各种信息进行采集、处理、传输，并按照统一的格式存入到数据仓库。
⑵ 数据挖掘的物流信息管理系统：把收集得到的数据汇总到数据仓库，再根据数据挖掘送来的数据，为管理决策人员提供最新的和最有价值的信息或知识，帮助其快速、正确地做出决策。
⑶ 数据挖掘：根据决策者提出的问题特点，确定挖掘的任务或目的，对数据仓库中的相关数据进行精简和预处理，再从精简后的数据中挖掘出新的、有效的新知识，提供给数据挖掘的物流信息管理系统，由它给决策者提供有效的知识。
⑷ 知识库：包括基于部门的数据仓库的组成结构、隶属函数等知识。
⑸ 开发人员和专家接口：开发人员和专家通过这个接口对知识库中的知识进行定义和维护。
⑹ 数据仓库：主要存储涉及物流管理的各种数据。
该系统将原材料、采购、运输、配送、储存、包装、定单处理、库存控制等环节联合起来，真正实现货物从生产流水线到客户这一完整畅通的流通过程，为用户提供高质量的服务。
3．3 基于数据挖掘的物流信息系统的特点
与传统的物流管理信息系统相比，基于数据挖掘的物流信息系统具有以下特点。
⑴ 传统的物流管理系统一般按功能分为许多功能模块，信息的共享范围与物流信息管理，特别是与供应链管理要求的信息高透明度和快速反应相距甚远。而基于数据挖掘技术的物流管理信息系统，采用数据仓库技术来组织管理数据，能完整一致地刻画各个分析对象所涉及的企业的各项数据，从而将企业各部门及上游制造商、下游零售等信息联结在一起，最大限度地实现信息共享。
⑵ 一般的数据库为了提高系统的效率，往往尽可能少地保留历史信息。而数据仓库具有一个重要的特征，就是一般具有长时间的历史数据存储。存储长时间历史数据的目的就是进行数据长期趋势的分析，预测未来一段时间内的库存量变化，实现前瞻性调拨，增强适应突发因素的能力，为决策者的长期决策行为提供有力的数据支持。
⑶ 在传统的系统中，模型库和知识库往往被独立地设计和实现，缺乏内在的统一性。知识模型来源于专家，更新困难。基于数据挖掘的系统，分离了知识发现者和知识使用者这两类角色，决策人员无需对决策系统有深刻的理解，也不需要深入学习数据仓库、数据挖掘等相关知识。而专业人员则可以通过ＴＣＰＩＰ协议随时访问有关的服务器，对系统进行管理、维护、知识库扩展等。
4.结束语
随着物流信息化水平的提高，物流战略已从内部一体化向外部一体化转变供应链管理已成为竞争战略中非常重要的组成部分。数据挖掘方法有效地促进企业的业务处理过程重组，改善并强化对客户的服务，强化企业的资产／ 负债管理，促进市场优化，加速资金周转，实现企业规模优化，有效地提高企业的竞争力。
2.数据挖掘技术
数据挖掘是一个利用各种分析工具从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一种新的信息处理技术，其主要特点是对企业数据(仓库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助企业决策的关键性数据。因此，数据挖掘可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。数据挖掘的对象可为数据库、文件系统或其他任何组织在一起的数据集合。
数据挖掘过程一般由3个主要阶段组成：数据准备、数据采集、结果表达和解释。
1 数据准备对于数据挖掘的成功应用至关重要，数据准备大致分为3步： 数据集成、数据选择、数据转化。数据集成是从多个异质操作性数据库、文件或遗留系统提取并集成数据；数据选择是在相关领域和专家知识的指导下，辨别出需要进行分析的数据集合，缩小挖掘范围，避免盲目搜索，提高数据挖掘的效率和质量；数据缩减和转化是选定的数据在挖掘前，加以精炼处理，在专家的指导下得到的数据。
(2)数据采集作为数据挖掘技术的核心，主要是在确定挖掘任务的基础上，选择适当的数据挖掘技术和算法，并在此基础上反复迭代的搜索，从数据集合中抽取隐藏的、新颖的模式。如神经元网络、决策树、聚类分析技术、关联发现和序列发现技术等和ID3算法、BP算法等。
(3)结果表达和解释是对数据挖掘发现的模式进行解释和评价，过滤出有用的知识呈现给用户。 3.数据挖掘在物流信息系统中的应用
随着集成化物流管理信息系统的建立，以及网络技术、EDI、人工智能、条形码与POS等各种先进技术的应用，物流信息的商品化、物流信息收集的数据库化和代码、物流信息处理的电子化和计算机化，把挖掘到的规则与物流管理各方面有机地结合，就能极大地提高企业的竞争力。 物流决策系统是一种结合了数据挖掘技术和人工智能的新型经营决策系统，主要通过人工智能对原料采购、加工生产、分销配送到商品销售的各个环节的大量信息进行采集，并利用数据仓库和数据挖掘技术对其进行分析处理，并据此确定相应的经营策略。
3．1 数据仓库的建立
数据仓库作为数据挖掘的基础，不同于传统的联机事务处理系统，它具有面向主题的、集成的、不可更新以及随时间变化的特性。各个联机事务处理系统作为数据仓库的原始数据源，以文件方式提供企业在日常活动中收集的包括定货单、存货单、应付帐、交易条款、客户情况等在内的大量数据资料和报表，同时还有大量的外部信息等数据。数据仓库通过ETL过程(抽取、转换和加载处理这些接口文件，并且按不同的主题域组织、存储和管理这些客户数据。通过数据仓库接口，对数据仓库中的数据进行联机分析和数据挖掘。在建立完成企业级的信息数据仓库之后，可以基于这个数据仓库平台进行数据挖掘工作。
3．2 基于数据挖掘的物流信息系统的体系结构
基于数据挖掘的物流信息的体系结构主要由以下几部分组成：
⑴ 物流信息收集与处理：记录物流管理活动中的各类信息，对物流活动的各种信息进行采集、处理、传输，并按照统一的格式存入到数据仓库。
⑵ 数据挖掘的物流信息管理系统：把收集得到的数据汇总到数据仓库，再根据数据挖掘送来的数据，为管理决策人员提供最新的和最有价值的信息或知识，帮助其快速、正确地做出决策。
⑶ 数据挖掘：根据决策者提出的问题特点，确定挖掘的任务或目的，对数据仓库中的相关数据进行精简和预处理，再从精简后的数据中挖掘出新的、有效的新知识，提供给数据挖掘的物流信息管理系统，由它给决策者提供有效的知识。
⑷ 知识库：包括基于部门的数据仓库的组成结构、隶属函数等知识。
⑸ 开发人员和专家接口：开发人员和专家通过这个接口对知识库中的知识进行定义和维护。
⑹ 数据仓库：主要存储涉及物流管理的各种数据。
该系统将原材料、采购、运输、配送、储存、包装、定单处理、库存控制等环节联合起来，真正实现货物从生产流水线到客户这一完整畅通的流通过程，为用户提供高质量的服务。
3．3 基于数据挖掘的物流信息系统的特点
与传统的物流管理信息系统相比，基于数据挖掘的物流信息系统具有以下特点。
⑴ 传统的物流管理系统一般按功能分为许多功能模块，信息的共享范围与物流信息管理，特别是与供应链管理要求的信息高透明度和快速反应相距甚远。而基于数据挖掘技术的物流管理信息系统，采用数据仓库技术来组织管理数据，能完整一致地刻画各个分析对象所涉及的企业的各项数据，从而将企业各部门及上游制造商、下游零售等信息联结在一起，最大限度地实现信息共享。
⑵ 一般的数据库为了提高系统的效率，往往尽可能少地保留历史信息。而数据仓库具有一个重要的特征，就是一般具有长时间的历史数据存储。存储长时间历史数据的目的就是进行数据长期趋势的分析，预测未来一段时间内的库存量变化，实现前瞻性调拨，增强适应突发因素的能力，为决策者的长期决策行为提供有力的数据支持。
⑶ 在传统的系统中，模型库和知识库往往被独立地设计和实现，缺乏内在的统一性。知识模型来源于专家，更新困难。基于数据挖掘的系统，分离了知识发现者和知识使用者这两类角色，决策人员无需对决策系统有深刻的理解，也不需要深入学习数据仓库、数据挖掘等相关知识。而专业人员则可以通过ＴＣＰＩＰ协议随时访问有关的服务器，对系统进行管理、维护、知识库扩展等。
4.结束语
随着物流信息化水平的提高，物流战略已从内部一体化向外部一体化转变供应链管理已成为竞争战略中非常重要的组成部分。数据挖掘方法有效地促进企业的业务处理过程重组，改善并强化对客户的服务，强化企业的资产／ 负债管理，促进市场优化，加速资金周转，实现企业规模优化，有效地提高企业的竞争力。
相关物流信息化论文 / 相关物流信息化论文 + 更多物流信息化论文
Copyright © 2006-2020 56885.net All rights reserved..