浅谈数据挖掘在物流仓储管理中的应用

徐鑫涛

东营职业学院计算机系,山东 东营 257091

浅谈数据挖掘在物流仓储管理中的应用

徐鑫涛

东营职业学院计算机系,山东 东营 257091

针对目前物流企业仓储管理系统在随机的仓储运作中产生了大量的业务数据，而这些数据又很难直接为物流仓储决策提供真正有价值信息的问题，对数据挖掘、数据挖掘与物流仓储管理系统的结合相关以及数据挖掘技术进行阐述，提出用数据挖掘技术来解决物流仓储管理中存在的问题，并给出几种常见问题的解决方案。

数据挖掘;物流仓储管理

一、数据挖掘

数据挖掘是一个多学科交叉研究领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、面向对象方法、信息检索、高性能计算以及数据可视化等最新技术的研究成果。数据挖掘指的是从大型数据库或数据仓库中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在有用信息。数据挖掘是一个高级的处理过程，已从数据集中识别出以模式来表示的知识。高级的处理过程是指一个多个步骤的处理过程，多个步骤之间相互影响、反复调整，形成一种螺旋式上升过程。

二、数据挖掘与物流仓储管理系统的结合

目前，国外发达国家的物流系统已经发展得非常完善，经验丰富，同类产品品牌较多，技术成熟，具备了一定的市场占有率和行业经验，如美国的沃尔玛连锁超市的物流仓储配送系统已覆盖全世界大部分地区。有关国外的物流软件产品，如美国的CA公司的MK-Logistics、德国SAP等一些优秀软件，因其开发年代较早且基于GIS和GPS而价格昂贵，外其操作模式也不适合我国国情。我国物流仓储业尚处于发展初期，与发达国家和地区相比还存在不小的差距。企业普遍存在着货物积压、物流网点失控、信息反馈不及时等问题。物流基础设施和装备虽初具规模，但是管理及运作效率亟待提高;专业化第四方物流公司和服务刚开始起步，物流总体质量方面的潜力尚待大力挖掘。目前国内具有智能决策支持功能的物流仓储信息系统多数仍然处于理论和算法研究阶段，没有成型的产品投入市场。目前在国内有的企业已经开始着手利用数据挖掘技术对企业的仓储数据进行挖掘，但数据挖掘技术在物流仓储管理系统中的研究并不广泛。惠尔集团使用关联规则发现技术对企业的仓储数据进行挖掘，成功的搬掉了库存中的“石头”。百胜物流通过对物流环节中的数据进行分析挖掘有效地实现了物流成本的“缩水”。另外，一些传统ERP软件的供应商也正着手实现数据挖掘在仓储管理系统中的应用。

三、相关的数据挖掘技术

针对于不同的物流仓储管理系统及其问题我们主要采取以下数据挖掘技术：

数据清洗：数据清洗过程要去除原数据集中的噪声数据和无关数据，处理遗漏的数据和清洗脏数据，去除空白数据域等。

数据构建：数据构建包括建设性的数据准备工作，例如：导出属性的产生、已有属性的全新纪录或变换了的值。

数据集成：数据集成主要是将多文件或多数据库运行环境中的异构数据进行合并处理，解决语义的模型性。

数据格式化：数据格式化主要指的是对数据进行语法上的修改，而非语义上的修改。

关联分析：关联分析就是从大量的数据中发现项集之间有趣的关联、相关关系或因果结构以及项集的频繁模式。

决策树：决策树是一种用来表示人们为了做出某个决策而进行的一系列判断过程的树形图。

知识发现描述：对数据挖掘生成的知识，通过某种方式进行描述。

四、数据挖掘技术在物流仓储管理系统中的应用

1.库内商品储位的合理化安排

物流仓储管理储位对于仓储容量利用率、储存搬运分拣效率的提高具有重要的意义。特别对于商品量大、出货频率快的仓储中心来讲，商品储位就意味着工作效率和效益。仓储商品储位安排不合理会导致仓储成本增加、仓储利用率低下、工作效率降低，要真正解决好这个问题，数据挖掘是必不可少的。通过分析物流仓储管理系统中商品的历次出货的时间、数量、送货地点、需求者以及关联度等要素，运用关联规则来寻找商品的最佳储存位置，并相应的调整储存方式和存储手段。

2.制定合理的库存策略，降低库存成本

物流仓储管理中的库存具有两重性。制定合理的库存策略有利于快速满足用户期望，防止发生缺货和货物囤积出现资金占用的不合理，使存货数量保持在合理的限度之内，以提高物流仓储管理效率、降低仓储成本。数据挖掘中的分类算法可以为库存策略的制定提供有力的支持。通过对库存管理中货物的存储序号、货物的存储数量、货物单价及占全部库存货物数量比率、占货物总价值比率等数据采用分类分析法来确定对不同库存货物的管理措施、制定合理的库存策略。

3.客户价值分析

根据市场营销的原则，对待不同类型的顾客所提供的服务类别和服务水平应该加以区分。通过数据挖掘技术分析客户对物流仓储服务的应用频率、持续性等数据来判别客户的忠诚度，通过对仓储管理过程中交易数据的详细分析来挖掘哪些是企业希望保存的客户；例如，通过挖掘找到流失客户的共同特征，就可以在那些具有相似特征的客户未流失之前进行针对性的弥补。

五、结束语

本文针对目前物流企业仓储管理系统在随机的仓储运作产生了大量的业务数据，而这些数据又很难直接为物流仓储决策提供真正有价值信息的问题，提出用数据挖掘技术来解决物流仓储管理中存在问题的策略，用户可根据自己的物流仓储管理的实际情况采取相应的技术和解决方案，从而仓储管理的效率。在实际应用中对采取新的数据挖掘技术来更加高效的解决问题是我们下一步研究的重点。

[1]毛国君，段立娟，王实，石云.数据挖掘原理与算法[M].北京:清华大学出版社.2005

[2]梁循.数据挖掘算法与应用[M].北京:北京大学出版社.2006

[3]秦国锋，李启炎.基于数据挖掘技术的.CIMS.系统信息集成方法.计算机工程.第29卷第15期

[4] 欧阳文霞.物流信息系统管理[M].北京：机械工业出版社.2005

[5] 丁立言主编.仓储自动化[M].北京：清华大学出版社.2002

10.3969/j.issn.1001-8972.2011.07.068

徐鑫涛，男，1980.7，高校讲师，东营职业学院计算机系教师，中国石油大学在读工程硕士，主要研究方向为数据库原理与应用技术、物流信息管理、高职人才培养模式研究等。