淺談數據挖掘在物流倉儲管理中的應用

徐鑫濤

東營職業學院計算機系,山東 東營 257091

淺談數據挖掘在物流倉儲管理中的應用

徐鑫濤

東營職業學院計算機系,山東 東營 257091

針對目前物流企業倉儲管理系統在隨機的倉儲運作中產生了大量的業務數據，而這些數據又很難直接為物流倉儲決策提供真正有價值信息的問題，對數據挖掘、數據挖掘與物流倉儲管理系統的結合相關以及數據挖掘技術進行闡述，提出用數據挖掘技術來解決物流倉儲管理中存在的問題，并給出幾種常見問題的解決方案。

數據挖掘;物流倉儲管理

一、數據挖掘

數據挖掘是一個多學科交叉研究領域，它融合了數據庫技術、人工智能、機器學習、統計學、知識工程、面向對象方法、信息檢索、高性能計算以及數據可視化等最新技術的研究成果。數據挖掘指的是從大型數據庫或數據倉庫中提取人們感興趣的知識，這些知識是隱含的、事先未知的潛在有用信息。數據挖掘是一個高級的處理過程，已從數據集中識別出以模式來表示的知識。高級的處理過程是指一個多個步驟的處理過程，多個步驟之間相互影響、反復調整，形成一種螺旋式上升過程。

二、數據挖掘與物流倉儲管理系統的結合

目前，國外發達國家的物流系統已經發展得非常完善，經驗豐富，同類產品品牌較多，技術成熟，具備了一定的市場占有率和行業經驗，如美國的沃爾瑪連鎖超市的物流倉儲配送系統已覆蓋全世界大部分地區。有關國外的物流軟件產品，如美國的CA公司的MK-Logistics、德國SAP等一些優秀軟件，因其開發年代較早且基于GIS和GPS而價格昂貴，外其操作模式也不適合我國國情。我國物流倉儲業尚處于發展初期，與發達國家和地區相比還存在不小的差距。企業普遍存在著貨物積壓、物流網點失控、信息反饋不及時等問題。物流基礎設施和裝備雖初具規模，但是管理及運作效率亟待提高;專業化第四方物流公司和服務剛開始起步，物流總體質量方面的潛力尚待大力挖掘。目前國內具有智能決策支持功能的物流倉儲信息系統多數仍然處于理論和算法研究階段，沒有成型的產品投入市場。目前在國內有的企業已經開始著手利用數據挖掘技術對企業的倉儲數據進行挖掘，但數據挖掘技術在物流倉儲管理系統中的研究并不廣泛?；轄柤瘓F使用關聯規則發現技術對企業的倉儲數據進行挖掘，成功的搬掉了庫存中的“石頭”。百勝物流通過對物流環節中的數據進行分析挖掘有效地實現了物流成本的“縮水”。另外，一些傳統ERP軟件的供應商也正著手實現數據挖掘在倉儲管理系統中的應用。

三、相關的數據挖掘技術

針對于不同的物流倉儲管理系統及其問題我們主要采取以下數據挖掘技術：

數據清洗：數據清洗過程要去除原數據集中的噪聲數據和無關數據，處理遺漏的數據和清洗臟數據，去除空白數據域等。

數據構建：數據構建包括建設性的數據準備工作，例如：導出屬性的產生、已有屬性的全新紀錄或變換了的值。

數據集成：數據集成主要是將多文件或多數據庫運行環境中的異構數據進行合并處理，解決語義的模型性。

數據格式化：數據格式化主要指的是對數據進行語法上的修改，而非語義上的修改。

關聯分析：關聯分析就是從大量的數據中發現項集之間有趣的關聯、相關關系或因果結構以及項集的頻繁模式。

決策樹：決策樹是一種用來表示人們為了做出某個決策而進行的一系列判斷過程的樹形圖。

知識發現描述：對數據挖掘生成的知識，通過某種方式進行描述。

四、數據挖掘技術在物流倉儲管理系統中的應用

1.庫內商品儲位的合理化安排

物流倉儲管理儲位對于倉儲容量利用率、儲存搬運分揀效率的提高具有重要的意義。特別對于商品量大、出貨頻率快的倉儲中心來講，商品儲位就意味著工作效率和效益。倉儲商品儲位安排不合理會導致倉儲成本增加、倉儲利用率低下、工作效率降低，要真正解決好這個問題，數據挖掘是必不可少的。通過分析物流倉儲管理系統中商品的歷次出貨的時間、數量、送貨地點、需求者以及關聯度等要素，運用關聯規則來尋找商品的最佳儲存位置，并相應的調整儲存方式和存儲手段。

2.制定合理的庫存策略，降低庫存成本

物流倉儲管理中的庫存具有兩重性。制定合理的庫存策略有利于快速滿足用戶期望，防止發生缺貨和貨物囤積出現資金占用的不合理，使存貨數量保持在合理的限度之內，以提高物流倉儲管理效率、降低倉儲成本。數據挖掘中的分類算法可以為庫存策略的制定提供有力的支持。通過對庫存管理中貨物的存儲序號、貨物的存儲數量、貨物單價及占全部庫存貨物數量比率、占貨物總價值比率等數據采用分類分析法來確定對不同庫存貨物的管理措施、制定合理的庫存策略。

3.客戶價值分析

根據市場營銷的原則，對待不同類型的顧客所提供的服務類別和服務水平應該加以區分。通過數據挖掘技術分析客戶對物流倉儲服務的應用頻率、持續性等數據來判別客戶的忠誠度，通過對倉儲管理過程中交易數據的詳細分析來挖掘哪些是企業希望保存的客戶；例如，通過挖掘找到流失客戶的共同特征，就可以在那些具有相似特征的客戶未流失之前進行針對性的彌補。

五、結束語

本文針對目前物流企業倉儲管理系統在隨機的倉儲運作產生了大量的業務數據，而這些數據又很難直接為物流倉儲決策提供真正有價值信息的問題，提出用數據挖掘技術來解決物流倉儲管理中存在問題的策略，用戶可根據自己的物流倉儲管理的實際情況采取相應的技術和解決方案，從而倉儲管理的效率。在實際應用中對采取新的數據挖掘技術來更加高效的解決問題是我們下一步研究的重點。

[1]毛國君，段立娟，王實，石云.數據挖掘原理與算法[M].北京:清華大學出版社.2005

[2]梁循.數據挖掘算法與應用[M].北京:北京大學出版社.2006

[3]秦國鋒，李啟炎.基于數據挖掘技術的.CIMS.系統信息集成方法.計算機工程.第29卷第15期

[4] 歐陽文霞.物流信息系統管理[M].北京：機械工業出版社.2005

[5] 丁立言主編.倉儲自動化[M].北京：清華大學出版社.2002

10.3969/j.issn.1001-8972.2011.07.068

徐鑫濤，男，1980.7，高校講師，東營職業學院計算機系教師，中國石油大學在讀工程碩士，主要研究方向為數據庫原理與應用技術、物流信息管理、高職人才培養模式研究等。